本发明专利技术公开了跌倒检测方法、装置和储存介质，涉及跌倒检测领域，方法包括S1、获取检测区域内人员的实时数据，实时数据包括视频数据、音频数据和智能穿戴设备数据；S2、根据视频数据的当下视频帧计算获取第一跌倒分值；S3、在第一跌倒分值的同一时刻，根据音频数据和智能穿戴设备数据分别计算获取第二跌倒分值和第三跌倒分值；S4、分析当下视频帧的第一跌倒分值、第二跌倒分值和第三跌倒分值获得最终的跌倒风险概率，进入S5，同时令下一视频帧作为当前视频帧并进入S2；S5、根据累积的跌倒风险概率生成警告信息；具有全天实时监控、覆盖各种护理情况、部署简单、误报率低、无需人员看守的优点。优点。优点。
【技术实现步骤摘要】
跌倒检测方法、装置和储存介质
[0001]本专利技术涉及跌倒检测领域，尤其涉及一种跌倒检测方法、装置和储存介质。
技术介绍
[0002]随着社会老龄化的加速，会有越来越多的老人进入养老机构或者独居在家。目前，跌倒已成为造成老年人伤害的“罪魁祸首”。世界卫生组织发布报告指出，全球每年有30余万人死于跌倒，其中60岁以上老人占了一半。所以针对老人的意外跌倒的检测与及时救助正随着老龄化的加速变得迫在眉睫。
[0003]现在为避免老人因跌倒而不能及时救援有几种方式：
[0004]1.护理人员的定期检查。这种方式是最传统最简单的方法，然而由于护理人员的人数限制，不能保持频繁的检查，不能在跌倒后第一时间进行处理，并且在一些独居的场景下并不适用。
[0005]2.可穿戴设备。通过可穿戴设备进行一些实时数据的收集，如果出现了跌倒会给出提醒。优点是可以实时监控跌倒状态，不受场地的限制。然而这种方式存在着检测存在误差，存在着准确率不高等问题。
[0006]3.视频、音频检测。通过深度神经网络对实时摄像头采集的视频、音频流数据进行分析，如果检测出跌倒人员则给出提醒。优点是无需老人进行额外的穿戴。缺点是摄像头存在视觉的盲区，以及一些隐私区域无法安装等问题。
技术实现思路
[0007]本专利技术的目的就在于为了解决上述问题设计了一种跌倒检测方法、装置和储存介质。
[0008]本专利技术通过以下技术方案来实现上述目的：
[0009]跌倒检测方法，包括：
[0010]S1、获取检测区域内人员的实时数据，实时数据包括视频数据、音频数据和智能穿戴设备数据；
[0011]S2、根据视频数据的当下视频帧计算获取第一跌倒分值；
[0012]S3、在第一跌倒分值的同一时刻，根据音频数据和智能穿戴设备数据分别计算获取第二跌倒分值和第三跌倒分值；
[0013]S4、分析当下视频帧的第一跌倒分值、第二跌倒分值和第三跌倒分值获得最终的跌倒风险概率，进入S5，同时令下一视频帧作为当前视频帧并进入S2；
[0014]S5、根据累积的跌倒风险概率生成警告信息。
[0015]跌倒检测装置，包括：
[0016]存储器；储存器用于存储程序；
[0017]处理器；处理器用于通过调用存储在存储器中的程序，以执行如上述的跌倒检测方法的步骤。
[0018]一种储存介质，用于计算机，所述储存介质上存储有程序，所述程序被处理器执行时实现如上述的跌倒检测方法的步骤。
[0019]本专利技术的有益效果在于：具有全天实时监控、覆盖各种护理情况、部署简单、误报率低、无需人员看守的优点。
附图说明
[0020]图1是本专利技术跌倒检测方法中关节点特征的示意图；
[0021]图2是本专利技术跌倒检测方法坐标示意图。
具体实施方式
[0022]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。
[0023]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0025]在本专利技术的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该专利技术产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0026]此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0027]在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。
[0028]下面结合附图，对本专利技术的具体实施方式进行详细说明。
[0029]跌倒检测方法，包括：
[0030]S1、获取检测区域内人员的实时数据，实时数据包括视频数据、音频数据和智能穿戴设备数据。
[0031]S2、根据视频数据的当下视频帧计算获取第一跌倒分值，具体包括：
[0032]、判断人员是否在当下视频帧内，若是，则进入
①
；反之直接进入S4
[0033]①
、通过人体位置识别模型对当下视频帧进行分析获取人体位置坐标；
[0034]②
、提取人员在该人体位置坐标时的关节点特征；
[0035]③
、计算所有关节点特征的置信度平均值，判断关节点特征的信息是否大于设定阈值，若大于则进入e；反之，令下一视频帧为当前视频帧，并返回a；
[0036]④
、计算参数h1和h2，h1＝(y
11
‑
Lhip
+y
12
‑
Rhip
‑
y5‑
Lshoulder
‑
y6‑
Rshoulder
)/2；)/2；
[0037]⑤
、计算第一跌倒分值Score
video
，表示为
[0038]S3、在第一跌倒分值的同一时刻，通过将音频数据和智能穿戴设备数据分别传入到对应的深度学习模型并计算获取第二跌倒分值和第三跌倒分值；
[0039]S4、分析当下视频帧的第一跌倒分值、第二跌倒分值和第三跌倒分值获得最终的跌倒风险概率，进入S5，同时令下一视频帧作为当前视频帧并进入S2；计算跌倒风险概率具体包括：
[0040]S41、当由
⑤
进入S4时，则进入S42；当由进入S4时，则进入S45；
[0041]S42、匹配视频数据的人员信息和智能穿戴设备数据中的人员信息，视频数据的人体位置坐标为X
c
、Y
c
、Z
c
，智能穿戴设备的人体位置坐标为X
t
、Y
t
、Z
t
，则各个平面的角度差分别为：XY平面的角度差：XZ平面的角度差：YZ本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.跌倒检测方法，其特征在于，包括：S1、获取检测区域内人员的实时数据，实时数据包括视频数据、音频数据和智能穿戴设备数据；S2、根据视频数据的当下视频帧计算获取第一跌倒分值；S3、在第一跌倒分值的同一时刻，根据音频数据和智能穿戴设备数据分别计算获取第二跌倒分值和第三跌倒分值；S4、分析当下视频帧的第一跌倒分值、第二跌倒分值和第三跌倒分值获得最终的跌倒风险概率，进入S5，同时令下一视频帧作为当前视频帧并进入S2；S5、根据累积的跌倒风险概率生成警告信息。2.根据权利要求1所述的跌倒检测方法，其特征在于，在S2中根据视频数据计算获取跌倒分值具体包括：
①
、通过人体位置识别模型对当下视频帧进行分析获取人体位置坐标；
②
、提取人员在该人体位置坐标时的关节点特征；
③
、计算所有关节点特征的置信度平均值，判断关节点特征的信息是否大于设定阈值，若大于则进入e；反之，令下一视频帧为当前视频帧，并返回a；
④
、计算参数h1和h2，h1＝(y
11
‑
Lhip
+y
12
‑
Rhip
‑
y5‑
Lshoulder
‑
y6‑
Rshoulder
)/2；)/2；
⑤
、计算第一跌倒分值Score
video
，表示为3.根据权利要求2所述的跌倒检测方法，其特征在于，在S2中，在步骤
①
之前还包括判断人员是否在当下视频帧内，若是，则进入
①
；反之直接进入S4。4.根据权利要求3所述的跌倒检测方法，其特征在于，在S4中包括：S41、当由
⑤
进入S4时，则进入S42；当由进入S4时，则进入S45；S42、匹配视频数据的人员信息和智能穿戴设备数据中的人员信息，视频数据的人体位置坐标为X
c
、Y
c
、Z
c
，智能穿戴设备的人体位置坐标为X
t
、Y
t
、Z
t
，则各个平面的角度差分别为：XY平面的角度差：XZ平面的角度差：YZ平面的角度差：将视频数据的人体位置坐标转换为智能穿戴设备的人体位置坐标，人体左下角坐标与人体右下角坐标的中点Median
c<...
【专利技术属性】
技术研发人员：韩涟漪，王晓磊，姚兵，
申请(专利权)人：成都安德福斯医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。