基于AI 的家用跌倒監控系統＊

陳 棋，陳漢力，陰愛英

（福州大學至誠學院，福建 福州 350002）

在中國，跌倒是65 歲以上獨居老人因傷害死亡的首位原因。2015 年全國1%人口抽樣調查數據顯示，中國65 歲及以上人口已達到1 437.4 萬人，占總人口的10.47%。據預測，中國65 歲及以上人口2025 年將達到2.09 億人，超過總人口的14%[1]。對于普通老人而言，身體的各項機能指標會隨著年齡的增長逐漸下降，對于外界的抵抗能力變弱，摔倒以后，往往無法進行自救，也無法向外界呼救，這會對老人的生命安全造成極大的威脅。因此，如果有一種低成本且有效的方法，幫助獨居老人在發生意外時能夠及時被外界所知曉、及時被救助就具有非常重要的研究意義和現實意義。

近年來，隨著智能家居概念的興起，智能攝像頭在家庭安防方面扮演著非常重要的角色。目前市面上的智能攝像頭種類很多，但是都有著很高的局限性。有的項目只通過視頻的方式，方便用戶查看家中情況，但是無法對老人跌倒的情況進行快速預警。本文開發了一套運行在固定場景下的老人跌倒識別系統，當跌倒發生時，及時提醒用戶進行查看，以便后續送醫等。

1 技術方案

本項目利用樹莓派開發板、外置攝像頭、蜂鳴器等設計了跌倒檢測與家中警報部分。在跌倒檢測部分采用了YOLO 算法的預訓練模型所訓練出的模型進行跌倒識別。

服務端主要負責識別視頻圖像，當跌倒發生時，記錄相關信息，保存跌倒時的圖片。客戶端APP 負責與用戶交互，并且呈現相關的信息。系統的概要設計如圖1 所示。

圖1 系統概要設計圖

1.1 跌倒檢測

跌倒檢測作為人體姿態識別應用中的一個重要分支吸引了很多科研機構的關注，目前國內外在跌倒檢測上的研究根據獲取數據方式的不同及檢測方法上的不同，大體上可分為以下3 類：①使用可穿戴式設備，基于慣性傳感器、三軸加速度傳感器等傳感器獲取數據；②使用外圍設備，基于鋪設在地面的壓力傳感器等來獲取數據；③使用視頻來進行跌倒檢測，基于計算機視覺方式來獲取數據。

1.1.1 可穿戴式設備

可穿戴式設備一般是以某種方式將設備固定在身體部位上，通常在腰部、膝蓋等部位進行固定，也有固定在衣物上的。這類設備通過設備內部的慣性傳感器、三軸加速度傳感器及陀螺儀等來收集當前的狀態信息，計算人體不同方向上的速度與加速度來判斷當前人體是否處在跌倒狀態。

2009 年，LI 等[2]使用陀螺儀和加速度衍生的姿勢信息進行跌倒預測；2014 年，WU[3]使用智能手機來進行跌倒檢測。可穿戴式設備收集數據的優點是數據精確，但是這類設備需要固定在身體上的某個地方，有可能會對跌倒的人員造成二次傷害，并且需要時刻佩戴設備，遺忘佩戴則會導致無法檢測。

1.1.2 外圍設備

外圍設備主要是在人們居住的環境中安裝多個相應傳感器來收集數據，再綜合多個傳感器的數據，最后得到人們的活動信息。

2010 年，ARIANI 等[4]提出了一種基于雙壓力傳感器的新型跌倒監測報警系統；2020 年，馮偉等[5]提出了一種衛生間無穿戴跌倒報警檢測系統。

外圍設備收集數據的優點是不需要佩戴，不會有二次傷害，使用方式簡單，但這類設備極大地受限于需要檢測的場地大小，檢測場地面積增大的同時，往往也需要鋪設更多的傳感器。

1.1.3 計算機視覺

基于計算機視覺的跌倒檢測是基于計算機視覺的行為分析中的一個重要分支。這種檢測方式通常是通過攝像頭采集需要檢測的場景信息，并使用圖像處理、機器學習、深度學習提取出場景內的人體特征，根據這些特征來判斷場景內人們的活動狀態，即是否跌倒。

2016 年，ABDELHEDI 等[6]開發了一種基于老年人健康監測的基于兩個閾值的跌倒檢測算法；2021 年，SHU 等[7]使用8 個攝像頭構造了一個跌倒檢測系統。這種方式收集數據的優點是基本不受場地限制，在攝像頭所能拍攝到的位置都能進行數據采集；并且不需要檢測人員佩戴其他的輔助設備，所以也不會有二次傷害這種情況發生。

1.2 YOLO 算法

YOLO 是一種基于深度神經網絡的目標檢測算法，指只需要瀏覽一次就可以識別出圖片中物體的類別和位置[7]。

YOLOv5 在圖像輸入時對圖像進行了Mоsаiс 數據增強操作與自適應縮放操作。在輸出端，YOLOv5 使用GIOU_Lоss 作為Bоunding bох 的損失函數并且在進行非最大值抑制時使用了加權非最大值抑制，對圖像中的重疊目標有著較好的檢測效果[8]。

1.3 硬件平臺及相關技術

本文選擇Rаsрbеrry Pi 作為服務端的硬件支持。Rаsрbеrry Pi 是一款ARM 架構的小型計算機，中文名為樹莓派。樹莓派提供了CSI 排線接口、RJ45 網口以及通用USB 接口等接口。樹莓派體積小、功耗開銷低，是服務端硬件方面的理想選擇[9-10]。

1.4 研究內容

本文主要介紹并開發了一套運行在固定場景下的老人跌倒識別系統。該系統使用樹莓派的攝像頭對室內場景進行實時監控，當攝像頭檢測到有人跌倒時，將跌倒信息提取出來，發送到系統的服務端，此時可以通過APP 查看有關老人最近一次跌倒的信息。該系統可以實現對固定區域的無人值守的監控，能夠取得良好的檢測效果。

本文在樹莓派的型號方面選擇了4B+型號，這一款型號的樹莓派搭載了64 位1.5 GHz 的四核處理器，并且使用了基于CSI 接口的單目攝像頭。完整的實驗平臺如圖2 所示。

圖2 已連接攝像頭的樹莓派

2 系統設計

2.1 系統總體流程

使用OреnCV 來獲取攝像頭視頻流，然后用YOLO算法所訓練出的模型對每幀進行跌倒識別。當檢測到老人跌倒時，蜂鳴器發出警報，樹莓派對跌倒的幀進行截圖保存，并將圖片發送到本項目的阿里云OSS 存儲中，以及將跌倒發生時的相關信息發送到本項目的服務端，存儲在服務端的數據庫中，最后向用戶及緊急聯系人發送相關預警短信。

2.2 數據集簡述與模型準備

本項目所使用的跌倒數據集是百度аistudiо 上由作者Niki_173 制作的開源數據集，跌倒檢測數據集為Fаll dеtесtiоn Dаtаsе（httрs://аistudiо.bаidu.соm/аistudiо/dаtаsеtdеtаil/94809）。

在模型的選擇上，考慮到樹莓派的性能限制，選擇了YOLO 算法中的yоlо5n 預訓練模型進行訓練，yоlо5n 預訓練模型相對于YOLO 算法的其他預訓練模型來說，在體量上更為輕量化，識別的速度也相對更快。

2.3 客戶端設計

本文所提到的系統客戶端為手機APP，該客戶端基于uni-арр 框架開發。本系統結合需求與功能設計，秉持輕量快捷的特點，以簡約直觀為目標，將主要頁面分為以下3 個：①首頁。主要展示最新的跌倒信息和跌倒圖片。②歷史信息頁面。主要展示用戶最新10次跌倒的時間。③我的。顯示用戶的個人信息、添加緊急聯系人的入口，用戶可以通過點擊此頁面中的添加緊急聯系人一欄并且輸入緊急聯系人的信息來增加緊急聯系人。

3 實驗結果與分析

將樹莓派固定在某個位置后，由測試人員模擬跌倒情況，當樹莓派檢測到跌倒后，向用戶及緊急聯系人發送預警短信，并且蜂鳴器發出警報聲。用戶短信和緊急聯系人短信分別如圖3、圖4 所示。

圖3 用戶短信

圖4 緊急聯系人短信

在客戶端APP 首頁上可以看到最新一次跌倒的狀態，如圖5 所示。

圖5 客戶端APP 首頁

對樹莓派跌倒識別及信息查看進行了測試，發現該系統可以識別到跌倒的發生，向服務端發送相關的跌到信息及向用戶與緊急聯系人發送預警短信。

4 結論

在中國，人們的平均壽命在不斷增長，獨居老人也日益增多。跌倒是65 歲以上獨居老人受到意外傷害后而死亡的主要原因。隨著智能家居概念的興起，智能攝像頭在家庭安防這一方面扮演著重要的角色。本項目所設計的跌倒檢測系統可以在無人值守的環境下應用在留守老人、兒童這類人群中，可查看客戶端信息，方便用戶隨時瀏覽，當跌倒發生時，為救護人員進行判斷提供幫助。