基于AI 的家用跌倒监控系统*
2023-05-16陈汉力阴爱英
陈 棋,陈汉力,阴爱英
(福州大学至诚学院,福建 福州 350002)
在中国,跌倒是65 岁以上独居老人因伤害死亡的首位原因。2015 年全国1%人口抽样调查数据显示,中国65 岁及以上人口已达到1 437.4 万人,占总人口的10.47%。据预测,中国65 岁及以上人口2025 年将达到2.09 亿人,超过总人口的14%[1]。对于普通老人而言,身体的各项机能指标会随着年龄的增长逐渐下降,对于外界的抵抗能力变弱,摔倒以后,往往无法进行自救,也无法向外界呼救,这会对老人的生命安全造成极大的威胁。因此,如果有一种低成本且有效的方法,帮助独居老人在发生意外时能够及时被外界所知晓、及时被救助就具有非常重要的研究意义和现实意义。
近年来,随着智能家居概念的兴起,智能摄像头在家庭安防方面扮演着非常重要的角色。目前市面上的智能摄像头种类很多,但是都有着很高的局限性。有的项目只通过视频的方式,方便用户查看家中情况,但是无法对老人跌倒的情况进行快速预警。本文开发了一套运行在固定场景下的老人跌倒识别系统,当跌倒发生时,及时提醒用户进行查看,以便后续送医等。
1 技术方案
本项目利用树莓派开发板、外置摄像头、蜂鸣器等设计了跌倒检测与家中警报部分。在跌倒检测部分采用了YOLO 算法的预训练模型所训练出的模型进行跌倒识别。
服务端主要负责识别视频图像,当跌倒发生时,记录相关信息,保存跌倒时的图片。客户端APP 负责与用户交互,并且呈现相关的信息。系统的概要设计如图1 所示。
图1 系统概要设计图
1.1 跌倒检测
跌倒检测作为人体姿态识别应用中的一个重要分支吸引了很多科研机构的关注,目前国内外在跌倒检测上的研究根据获取数据方式的不同及检测方法上的不同,大体上可分为以下3 类:①使用可穿戴式设备,基于惯性传感器、三轴加速度传感器等传感器获取数据;②使用外围设备,基于铺设在地面的压力传感器等来获取数据;③使用视频来进行跌倒检测,基于计算机视觉方式来获取数据。
1.1.1 可穿戴式设备
可穿戴式设备一般是以某种方式将设备固定在身体部位上,通常在腰部、膝盖等部位进行固定,也有固定在衣物上的。这类设备通过设备内部的惯性传感器、三轴加速度传感器及陀螺仪等来收集当前的状态信息,计算人体不同方向上的速度与加速度来判断当前人体是否处在跌倒状态。
2009 年,LI 等[2]使用陀螺仪和加速度衍生的姿势信息进行跌倒预测;2014 年,WU[3]使用智能手机来进行跌倒检测。可穿戴式设备收集数据的优点是数据精确,但是这类设备需要固定在身体上的某个地方,有可能会对跌倒的人员造成二次伤害,并且需要时刻佩戴设备,遗忘佩戴则会导致无法检测。
1.1.2 外围设备
外围设备主要是在人们居住的环境中安装多个相应传感器来收集数据,再综合多个传感器的数据,最后得到人们的活动信息。
2010 年,ARIANI 等[4]提出了一种基于双压力传感器的新型跌倒监测报警系统;2020 年,冯伟等[5]提出了一种卫生间无穿戴跌倒报警检测系统。
外围设备收集数据的优点是不需要佩戴,不会有二次伤害,使用方式简单,但这类设备极大地受限于需要检测的场地大小,检测场地面积增大的同时,往往也需要铺设更多的传感器。
1.1.3 计算机视觉
基于计算机视觉的跌倒检测是基于计算机视觉的行为分析中的一个重要分支。这种检测方式通常是通过摄像头采集需要检测的场景信息,并使用图像处理、机器学习、深度学习提取出场景内的人体特征,根据这些特征来判断场景内人们的活动状态,即是否跌倒。
2016 年,ABDELHEDI 等[6]开发了一种基于老年人健康监测的基于两个阈值的跌倒检测算法;2021 年,SHU 等[7]使用8 个摄像头构造了一个跌倒检测系统。这种方式收集数据的优点是基本不受场地限制,在摄像头所能拍摄到的位置都能进行数据采集;并且不需要检测人员佩戴其他的辅助设备,所以也不会有二次伤害这种情况发生。
1.2 YOLO 算法
YOLO 是一种基于深度神经网络的目标检测算法,指只需要浏览一次就可以识别出图片中物体的类别和位置[7]。
YOLOv5 在图像输入时对图像进行了Mоsаiс 数据增强操作与自适应缩放操作。在输出端,YOLOv5 使用GIOU_Lоss 作为Bоunding bох 的损失函数并且在进行非最大值抑制时使用了加权非最大值抑制,对图像中的重叠目标有着较好的检测效果[8]。
1.3 硬件平台及相关技术
本文选择Rаsрbеrry Pi 作为服务端的硬件支持。Rаsрbеrry Pi 是一款ARM 架构的小型计算机,中文名为树莓派。树莓派提供了CSI 排线接口、RJ45 网口以及通用USB 接口等接口。树莓派体积小、功耗开销低,是服务端硬件方面的理想选择[9-10]。
1.4 研究内容
本文主要介绍并开发了一套运行在固定场景下的老人跌倒识别系统。该系统使用树莓派的摄像头对室内场景进行实时监控,当摄像头检测到有人跌倒时,将跌倒信息提取出来,发送到系统的服务端,此时可以通过APP 查看有关老人最近一次跌倒的信息。该系统可以实现对固定区域的无人值守的监控,能够取得良好的检测效果。
本文在树莓派的型号方面选择了4B+型号,这一款型号的树莓派搭载了64 位1.5 GHz 的四核处理器,并且使用了基于CSI 接口的单目摄像头。完整的实验平台如图2 所示。
图2 已连接摄像头的树莓派
2 系统设计
2.1 系统总体流程
使用OреnCV 来获取摄像头视频流,然后用YOLO算法所训练出的模型对每帧进行跌倒识别。当检测到老人跌倒时,蜂鸣器发出警报,树莓派对跌倒的帧进行截图保存,并将图片发送到本项目的阿里云OSS 存储中,以及将跌倒发生时的相关信息发送到本项目的服务端,存储在服务端的数据库中,最后向用户及紧急联系人发送相关预警短信。
2.2 数据集简述与模型准备
本项目所使用的跌倒数据集是百度аistudiо 上由作者Niki_173 制作的开源数据集,跌倒检测数据集为Fаll dеtесtiоn Dаtаsе(httрs://аistudiо.bаidu.соm/аistudiо/dаtаsеtdеtаil/94809)。
在模型的选择上,考虑到树莓派的性能限制,选择了YOLO 算法中的yоlо5n 预训练模型进行训练,yоlо5n 预训练模型相对于YOLO 算法的其他预训练模型来说,在体量上更为轻量化,识别的速度也相对更快。
2.3 客户端设计
本文所提到的系统客户端为手机APP,该客户端基于uni-арр 框架开发。本系统结合需求与功能设计,秉持轻量快捷的特点,以简约直观为目标,将主要页面分为以下3 个:①首页。主要展示最新的跌倒信息和跌倒图片。②历史信息页面。主要展示用户最新10次跌倒的时间。③我的。显示用户的个人信息、添加紧急联系人的入口,用户可以通过点击此页面中的添加紧急联系人一栏并且输入紧急联系人的信息来增加紧急联系人。
3 实验结果与分析
将树莓派固定在某个位置后,由测试人员模拟跌倒情况,当树莓派检测到跌倒后,向用户及紧急联系人发送预警短信,并且蜂鸣器发出警报声。用户短信和紧急联系人短信分别如图3、图4 所示。
图3 用户短信
图4 紧急联系人短信
在客户端APP 首页上可以看到最新一次跌倒的状态,如图5 所示。
图5 客户端APP 首页
对树莓派跌倒识别及信息查看进行了测试,发现该系统可以识别到跌倒的发生,向服务端发送相关的跌到信息及向用户与紧急联系人发送预警短信。
4 结论
在中国,人们的平均寿命在不断增长,独居老人也日益增多。跌倒是65 岁以上独居老人受到意外伤害后而死亡的主要原因。随着智能家居概念的兴起,智能摄像头在家庭安防这一方面扮演着重要的角色。本项目所设计的跌倒检测系统可以在无人值守的环境下应用在留守老人、儿童这类人群中,可查看客户端信息,方便用户随时浏览,当跌倒发生时,为救护人员进行判断提供帮助。