【技术实现步骤摘要】
本专利技术属于跌倒检测与图像识别，尤其涉及基于深度学习的跌倒预警方法与系统、实现所述方法的计算机可读存储介质、计算机程序产品以及电子设备。
技术介绍
1、意外跌倒是造成老人受伤的重要因素之一，为了从源头上防范安全风险，有必要对独居老人的异常行为进行实时检测。目前跌倒检测的算法主要可以分为两类：基于非计算机视觉的跌倒检测算法和基于计算机视觉的跌倒检测算法；此外，现有技术已经存在使用雷达和摄像机共同捕获人体姿态，经过卷积神经网络判断是否发生跌倒的技术方案，通常是基于深度学习和多传感器融合的跌倒检测方法。
2、基于环境传感器的跌倒检测系统通常在人体活动区域内嵌入无线传感器网络、红外传感器、声音传感器、压力传感器、多普勒雷达等非视频传感器，采集人体运动和姿势信息，进而判断是否发生跌倒，此类方法通常适用于室内区域的老人跌倒检测；而当老人处于室外时(例如空旷院落、修养区域广场等)，基于计算机视觉的跌倒检测是一种更好的替代方案,其利用人体骨骼序列提取和姿态估计的方法进行跌倒行为检测。
3、然而，现有技术的跌倒检测方案通常仅单独...
【技术保护点】
1.一种基于深度学习的跌倒预警方法，其特征在于，所述方法包括如下步骤：
2.如权利要求1所述的一种基于深度学习的跌倒预警方法，其特征在于：
3.如权利要求1所述的一种基于深度学习的跌倒预警方法，其特征在于：
4.如权利要求1或3所述的一种基于深度学习的跌倒预警方法，其特征在于：
5.如权利要求1所述的一种基于深度学习的跌倒预警方法，其特征在于：第二视频流迭代检测模型包括YOLOv5以及Ka l man滤波算法；
6.一种基于深度学习的跌倒预警系统，所述系统包括设置于室内环境的第一毫米波雷达、第二环境视觉传感器...
【技术特征摘要】
1.一种基于深度学习的跌倒预警方法，其特征在于，所述方法包括如下步骤：
2.如权利要求1所述的一种基于深度学习的跌倒预警方法，其特征在于：
3.如权利要求1所述的一种基于深度学习的跌倒预警方法，其特征在于：
4.如权利要求1或3所述的一种基于深度学习的跌倒预警方法，其特征在于：
5.如权利要求1所述的一种基于深度学习的跌倒预警方法，其特征在于：第二视频流迭代检测模型包括yolov5以及ka l man滤波算法；
6.一种基于深度学习的跌倒预警系统，所述系统包括设置于室内环境的第一毫米波雷达、第二环境视觉传感器以及设置于室外环境的第三环境视觉传感器，
7.如权利要求6所述的一种基于深...
【专利技术属性】
技术研发人员：陆轲，李翀，高晓明，高焱，成超，林国基，梁家奇，
申请(专利权)人：昆山市第一人民医院，
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。