基于Tensorflow技术的人跌倒智能监控检测系统

张成年

摘  要：本系统是基于谷歌Tensorflow.js网页版人工智能开发库和PoseNet.js人体姿势评估模型设计开发的，人体姿势评估模型可以容易获得人体姿势数据，因此极大的降低了图像分析的难度。通过对模型获取的数据进行分析处理，可以实现对人跌倒情况的监控，开发难度、周期和成本也大幅降低。

关键词：人体姿势评估模型;跌倒;智能监控

根据世界卫生组织（WHO）报道指出，跌倒已经成为意外和非故意性伤害中致死率第二大的因素。跌倒容易引起恐惧焦虑情绪，带来脑部损伤，髋关节受损，心脏骤停等并发疾病，给受难人群带来巨大的危害和伤痛。如果跌倒受伤严重人员能够及时得到救助，将会大大降低因跌倒带来的二次伤害。

一、目前主流技术方向及研究意义

（一）目前主流技术方向

目前在跌倒检测技术上主要有三个研究方向：①基于可穿戴式设备传感器的检测;②基于物联网环境信息的检测;③基于智能监控技术的检测，各有优缺点。其中智能监控技术目前主流处理方案都需要对实时视频进行非常专业的图像分析处理，对一般个人和团队来说技术难度大、周期长、开发成本很高。

（二）研究意义

系统通过对PoseNet模型获取的数据进行分析处理，实现对人跌倒情况的监控，开发难度、周期和成本大幅降低。目前还没有公司和个人利用这个方法进行相关方面的研究和开发，研究内容将进一步挖掘人体姿势评估模型的应用价值，促进更多基于此模型的智能应用开发。

二、系统设计

（一）PoseNet模型分析

PoseNet人体姿势评估模型是一种机器学习模型，是在图像或视频中检测人物的计算机视觉技术，允许在浏览器中进行实时人体姿势估计，PoseNet运行在TensorFlow.js基础上，任何拥有摄像头桌面或者手机的人都可以在浏览器中体验该技术。可以借助PoseNet开源模型进行交互式装置、增强现实、动画、健身、体育训练等应用开发。

PoseNet姿势评估发生在两个阶段：输入RGB图像到卷积神经网络和使用单姿态或多姿态解码算法来解码姿势、构建置信度得分、关键点位置和来自模型输出的人体17个关键点置信度得分。

（二）利用人体姿势17个关键点信息设计人跌倒判断决策

1、跌倒数据测试

利用模型可以方便获取到人体17个关键部位（鼻子、左右眼、左右耳、左右肩膀、左右肘部、左右手腕、左右臀部、左右膝盖、左右脚）的实时位置信息，在测试中，笔者首先以人体鼻子位置信息进行数据分析，通过多次测试，我们发现在一次跌倒过程中，一般会出现6个以上Y坐标连接增加的数值，为此我们改变了PoseNet中count计数器，我们以poseDetectionFrame函数循环执行30次近45组数据作为一组（获取数据的多少与监控中人运动速度、显示器刷新频率有关）进行分析， 但结经测试发现，有时跌倒过程会被分割在前后不同组中，于是我们进行了迭代处理，将上一周期的数据保存起来，与本周期数据拼起来，这样组成一个近90个数值的数组，从中判断跌倒情况，经过迭代处理，监测到的跌倒数据就不存在被分割的情况，保证了每次跌倒都能监测到。

下面是获取到的一组跌倒时人体鼻子Y坐标监测数据，如图1，其中“342， 444， 506， 610， 711， 746，758”这组值就是人在跌倒过程鼻子Y坐标连续变化值：

我们从监测数组中一旦发现有这样连续变化的数据发生时，就可以初步认为存在跌倒情况发生，判断数组中跌倒情况的主要代码如图2：

2、优化判断决策

在监控时，以人体鼻子作为参考点进行决策，存在很大的不确定性，很多时候我们人体不是正面对着摄像头，有时甚至背对着摄像头，为此经过测试，我们选取人体鼻子、左右耳、左右肩膀作为跌倒的监测参考点，任一个监测点发现上述Y坐标连续变化的情况，系统将发出跌倒信号。

（三）构建预警系统

系统将跌倒决策模型监测到的跌倒信号存储到云端平台，构建手机和电脑端的应用程序，向监控者提供查看和预警等各种实用监控功能，这样只要能够上网的环境都可以通过手机或电脑接收监控信息，实现实时监控、实时救助的能力，降低跌倒给人带来的伤害。

四、结语

人员跌倒监控检测系统实现对监控区域内的人员跌倒进行监测，当发现人员摔倒时以最快的方式进行预警，做到事前预警，事中常态检测，事后规范管理，将安防操作人员从繁杂而枯燥的“盯屏幕”任务中解脱出来。

由于PoseNet可以轻松获得人体關键点数据信息，因此软件实现相对传统实现方法技术难度大大降低，并能由于在网页端进行开发，最终只需要浏览器就能运行本系统，方便了系统的使用。

参考文献

[1] 金阿锁，羌予践，华亮，刘雨晴.基于四元数多自由度神经元的跌倒模式识别[J].计算机仿真，2019，36（2）：372-379

[2] 任磊.基于智能手机的跌倒检测方法研究及实现[D].浙江：浙江大学，2019.

[3] 吴典聪.智能手机在老人跌倒检测中的应用[J].技术应用，2019.

[4] 徐涛，孙威，色海锋，卢少微，王晓强，马克明.老人跌倒姿态实时识别系统硬件设计[J].沈阳航空航天大学学报，2019，36（1）：63-70.