基于Tensorflow技術的人跌倒智能監控檢測系統

張成年

摘? 要：本系統是基于谷歌Tensorflow.js網頁版人工智能開發庫和PoseNet.js人體姿勢評估模型設計開發的，人體姿勢評估模型可以容易獲得人體姿勢數據，因此極大的降低了圖像分析的難度。通過對模型獲取的數據進行分析處理，可以實現對人跌倒情況的監控，開發難度、周期和成本也大幅降低。

關鍵詞：人體姿勢評估模型;跌倒;智能監控

根據世界衛生組織（WHO）報道指出，跌倒已經成為意外和非故意性傷害中致死率第二大的因素。跌倒容易引起恐懼焦慮情緒，帶來腦部損傷，髖關節受損，心臟驟停等并發疾病，給受難人群帶來巨大的危害和傷痛。如果跌倒受傷嚴重人員能夠及時得到救助，將會大大降低因跌倒帶來的二次傷害。

一、目前主流技術方向及研究意義

（一）目前主流技術方向

目前在跌倒檢測技術上主要有三個研究方向：①基于可穿戴式設備傳感器的檢測;②基于物聯網環境信息的檢測;③基于智能監控技術的檢測，各有優缺點。其中智能監控技術目前主流處理方案都需要對實時視頻進行非常專業的圖像分析處理，對一般個人和團隊來說技術難度大、周期長、開發成本很高。

（二）研究意義

系統通過對PoseNet模型獲取的數據進行分析處理，實現對人跌倒情況的監控，開發難度、周期和成本大幅降低。目前還沒有公司和個人利用這個方法進行相關方面的研究和開發，研究內容將進一步挖掘人體姿勢評估模型的應用價值，促進更多基于此模型的智能應用開發。

二、系統設計

（一）PoseNet模型分析

PoseNet人體姿勢評估模型是一種機器學習模型，是在圖像或視頻中檢測人物的計算機視覺技術，允許在瀏覽器中進行實時人體姿勢估計，PoseNet運行在TensorFlow.js基礎上，任何擁有攝像頭桌面或者手機的人都可以在瀏覽器中體驗該技術。可以借助PoseNet開源模型進行交互式裝置、增強現實、動畫、健身、體育訓練等應用開發。

PoseNet姿勢評估發生在兩個階段：輸入RGB圖像到卷積神經網絡和使用單姿態或多姿態解碼算法來解碼姿勢、構建置信度得分、關鍵點位置和來自模型輸出的人體17個關鍵點置信度得分。

（二）利用人體姿勢17個關鍵點信息設計人跌倒判斷決策

1、跌倒數據測試

利用模型可以方便獲取到人體17個關鍵部位（鼻子、左右眼、左右耳、左右肩膀、左右肘部、左右手腕、左右臀部、左右膝蓋、左右腳）的實時位置信息，在測試中，筆者首先以人體鼻子位置信息進行數據分析，通過多次測試，我們發現在一次跌倒過程中，一般會出現6個以上Y坐標連接增加的數值，為此我們改變了PoseNet中count計數器，我們以poseDetectionFrame函數循環執行30次近45組數據作為一組（獲取數據的多少與監控中人運動速度、顯示器刷新頻率有關）進行分析， 但結經測試發現，有時跌倒過程會被分割在前后不同組中，于是我們進行了迭代處理，將上一周期的數據保存起來，與本周期數據拼起來，這樣組成一個近90個數值的數組，從中判斷跌倒情況，經過迭代處理，監測到的跌倒數據就不存在被分割的情況，保證了每次跌倒都能監測到。

下面是獲取到的一組跌倒時人體鼻子Y坐標監測數據，如圖1，其中“342， 444， 506， 610， 711， 746，758”這組值就是人在跌倒過程鼻子Y坐標連續變化值：

我們從監測數組中一旦發現有這樣連續變化的數據發生時，就可以初步認為存在跌倒情況發生，判斷數組中跌倒情況的主要代碼如圖2：

2、優化判斷決策

在監控時，以人體鼻子作為參考點進行決策，存在很大的不確定性，很多時候我們人體不是正面對著攝像頭，有時甚至背對著攝像頭，為此經過測試，我們選取人體鼻子、左右耳、左右肩膀作為跌倒的監測參考點，任一個監測點發現上述Y坐標連續變化的情況，系統將發出跌倒信號。

（三）構建預警系統

系統將跌倒決策模型監測到的跌倒信號存儲到云端平臺，構建手機和電腦端的應用程序，向監控者提供查看和預警等各種實用監控功能，這樣只要能夠上網的環境都可以通過手機或電腦接收監控信息，實現實時監控、實時救助的能力，降低跌倒給人帶來的傷害。

四、結語

人員跌倒監控檢測系統實現對監控區域內的人員跌倒進行監測，當發現人員摔倒時以最快的方式進行預警，做到事前預警，事中常態檢測，事后規范管理，將安防操作人員從繁雜而枯燥的“盯屏幕”任務中解脫出來。

由于PoseNet可以輕松獲得人體關鍵點數據信息，因此軟件實現相對傳統實現方法技術難度大大降低，并能由于在網頁端進行開發，最終只需要瀏覽器就能運行本系統，方便了系統的使用。

參考文獻

[1] 金阿鎖，羌予踐，華亮，劉雨晴.基于四元數多自由度神經元的跌倒模式識別[J].計算機仿真，2019，36（2）：372-379

[2] 任磊.基于智能手機的跌倒檢測方法研究及實現[D].浙江：浙江大學，2019.

[3] 吳典聰.智能手機在老人跌倒檢測中的應用[J].技術應用，2019.

[4] 徐濤，孫威，色海鋒，盧少微，王曉強，馬克明.老人跌倒姿態實時識別系統硬件設計[J].沈陽航空航天大學學報，2019，36（1）：63-70.