跌倒检测理论基础

简介: 近几年老龄人口比例快速提升,对老龄群体的看护服务问题日益凸显。家庭养老是我国现有的主要养老模式,室内意外跌倒是影响老人健康的重要因素,对于室内老年人跌倒事件的检测,有利于迅速地对老人实施救护,减轻跌倒造成的二次伤害。

     跌倒检测,首先需要对跌倒的定义有所了解,跌倒,是一种突发的、不自主的、非故意的体位改变,最终会倒在地上或者低的平台上。在日常生活中,跌倒行为是少数,更多的是日常生活中的正常动作(Activity of daily life, ADL)。为了便于研究,本文选取几种具有代表性的日常行为活动,又将其分为非跌倒行为和类跌倒行为,非跌倒行为主要有行走、奔跑、站立,类跌倒行为是与跌倒行为有相似之处的行为,主要有坐下、起立、蹲下、弯腰、躺下这几种。本文所研究的跌倒行为,则是根据跌倒方向进行分类,主要有向前跌倒、向后跌倒、向左跌倒和向右跌倒这几种。与常规行为相比,跌倒发生具有意外性和突然性,因此整个过程将会更加激烈,动作幅度和动作速度相比而言都是很快的,且在短时间内发生。跌倒行为最显著的特点就是人在这一瞬间速度和加速度发生了骤变,而且人体形状也发生了变化,接下来本文将对跌倒过程中发生的变化展开详尽的分析。

     一个完整的跌倒过程可以分为五部:跌倒前阶段、跌倒发生阶段、下落阶段、撞击阶段、跌倒后阶段。

(1)跌倒前阶段:这个阶段一般就是正常的 ADL 行为,比如走路、站立等,由于大部分的跌倒时间都是人处于站立的情况下发生的,所以本文为了便于研究,将假设跌倒前状态为走路或站立,此时人体较为稳定,没有很大幅度的变化,形状也是稳定的。     (2)跌倒发生阶段:此时可能因为绊倒、滑倒等原因,人体发生了失衡,但由于动作刚刚发生,因此人体的速度和加速度都没有发生显著改变,如何定义好跌倒开始的时间也是一个难点。    

(3)下落阶段:此时人体已经控制不住身体的失衡,人体会不受控制向地面坠落,此时人体的加速度和速度将逐渐上升到达一个峰值,人体的形状也将发生改变,双脚也会离地不能再平稳地踩在地上    

(4)撞击阶段:此时人体会碰撞地面或者物体,瞬间速度将从最大值变为零,此时加速度也是最大的,对人体也会造成伤害。    

(5)跌倒后阶段:如果发生了严重的碰撞,短时间内人体会在地面上躺倒一段时间,此时人体将处于一个稳定的状态,但是形状相比之前发生了很大的变化,与正常躺倒的区别在于之前是否有比较激烈的跌倒过程。        

      通过分析,把握跌倒检测的重点在于如何定位环境中运动的人体、如何对人体行为进行动作分类、如何找到人体跌倒的具体起始时间、如何在人体下落阶段快速判断是否发生跌倒行为以及如何利用跌倒过程中的时序特征提高检测的准确度。另外,还需要通过对不同跌倒方向和特征进行细化的讨论,从而更好地提高检测效率。

相关文章
|
8月前
|
机器学习/深度学习 编解码 API
深度学习+不良身体姿势检测+警报系统+代码+部署(姿态识别矫正系统)
深度学习+不良身体姿势检测+警报系统+代码+部署(姿态识别矫正系统)
|
8月前
|
机器学习/深度学习 算法 计算机视觉
基于深度学习的停车位关键点检测系统(代码+原理)
基于深度学习的停车位关键点检测系统(代码+原理)
|
26天前
|
算法 数据挖掘 测试技术
犬类癌症检测(CANDiD)研究:使用独立测试集对1000多只犬进行基于高通量测序的多癌种早期检测"液体活检"血液测试的临床验证
这项研究首次在大规模独立测试集上验证了基于NGS的液体活检在犬类多癌种检测中的应用。该方法具有很高的特异性,可以作为一种新的无创癌症筛查和辅助诊断工具。通过早期发现癌症,有望改善犬类癌症的诊断和管理模式。
48 12
|
7月前
|
数据挖掘 数据库
检测未知成分一般用到那些仪器丨技术分析
未知成分检测是确定物质化学组成的过程,涉及样品收集、前处理、选择分析方法(如光谱法、色谱法、质谱法、能谱法等)、样品分析、数据分析解释、验证确认及报告编写。此过程需要专业知识,可寻求专业服务支持。
|
8月前
|
机器学习/深度学习 算法 计算机视觉
基于yolov2深度学习网络的人员跌倒检测识别matlab仿真
基于yolov2深度学习网络的人员跌倒检测识别matlab仿真
|
机器学习/深度学习 传感器 算法
【疲劳检测】基于形态学实现疲劳检测附matlab代码
【疲劳检测】基于形态学实现疲劳检测附matlab代码
|
机器学习/深度学习 传感器 算法
【跌倒检测】基于计算机视觉和帧差法的人体跌倒检测系统附matlab代码
【跌倒检测】基于计算机视觉和帧差法的人体跌倒检测系统附matlab代码
|
机器学习/深度学习 算法 数据可视化
深度学习实战(四):行人跟踪与摔倒检测报警
 本项目的目的是为了给大家提供跟多的实战思路,抛砖引玉为大家提供一个案例,也希望读者可以根据该方法实现更多的思想与想法,也希望读者可以改进该项目种提到的方法,比如改进其中的行人检测器、跟踪方法、行为识别算法等等。
209 0
|
机器学习/深度学习 计算机视觉 Python
实时交通标志检测和分类(附代码)
实时交通标志检测和分类(附代码)
|
机器学习/深度学习 传感器 算法
【缺陷检测】基于计算机视觉实现芯片缺陷检测附matlab代码
【缺陷检测】基于计算机视觉实现芯片缺陷检测附matlab代码