专利交易市场

本发明提出一种提高跌倒检测系统精度的方法，包括跌倒检测系统的训练阶段和跌倒检测系统的识别阶段。前者包括传感器数据采集和预处理、特征值获取、建立行为识别模型和得到特征值对应阈值。后者包括传感器数据采集和预处理、特征值获取、跌倒触发过程、纠正判断过程。纠正判断过程中，通过方向传感器提取跌倒发生的暂态时间中手机围绕x轴的旋转角度，如果该角度大于60°且跌倒后通过GPS发现用户位置不变，则跌倒检测系统检测到用户跌倒行为。本发明通过加速度传感器获取合加速度和垂直速度特征值，通过方向传感器获取跌倒发生的暂态时间中手机围绕x轴的旋转角度，通过内置的GPS获取跌倒后用户的位置，不用额外配置检测设备，具有普遍适用性。

本发明公开了一种基于多维特征融合的人员跌倒检测方法，属于行为识别技术领域，其方法为利用安装在房间的侧壁上的红外阵列传感器进行数据的采集、之后进行数据的预处理以及干扰去除、使用滑窗算法与典型关联分析算法（CCA）相结合的思想进行特征的提取与融合、最后利用机器学习算法实现人员跌倒的准确识别。本申请通过采用将红外阵列传感器安装在侧壁上的数据采集方式，增大了其检测区域的同时提出了新的跌倒过程的特征，提高了其使用价值；使用滑窗算法与典型关联分析算法相结合的思想进行特征的提取与融合，提高了跌倒检测的精度。

本发明提供一种跌倒检测方法、装置、电子设备及存储介质，该方法包括：对人体视频图像进行人体骨骼关键点检测，得到初始人体骨骼关键点数据；将所述初始人体骨骼关键点数据输入预设骨骼关键点修正模型，得到修正后人体骨骼关键点数据；从符合预设跌倒判别模型数据输入条件的所述修正后人体骨骼关键点数据中，提取人体骨骼目标关键点数据；将所述人体骨骼目标关键点数据输入预设跌倒判别模型，得到跌倒判别结果；其中，所述预设骨骼关键点修正模型，是根据携带预设人体骨骼关键点标签的第一人体骨骼关键点样本数据训练得到的；其中，所述预设跌倒判别模型，是根据携带跌倒结果标签的第二人体骨骼关键点样本数据训练得到的。

本发明涉及即将跌倒检测方法及装置技术领域，具体公开了一种基于UWB雷达的人员即将跌倒检测方法及装置，方法包括：数据采集：实时采集待监测室区域内检测时间段内待检测人员发生相关动作的连续二维CSI信号；数据预处理：对二维CSI信号进行降噪处理，获取二维CSI序列片段并进行分类标注；分类标注的二维CSI序列片段划分为三种类型；通过预设深度学习检测模型将步骤二中的near‑fall、fall和ADLs二维CSI序列片段经过滑动窗口的划分可以得到若干个CSI信号矩阵，进而完成输入数据构造；动作检测分类：构建深度神经网络模型将预处理后的二维CSI矩阵进行灰度化处理并作为深度神经网络的输入，完成数据的特征提取和对不同动作类型进行分类。

本申请实施例提供了一种跌倒检测方法、装置、电子设备及存储介质，涉及计算机技术领域，包括：获得雷达所发射脉冲信号的回波信号的强度分布信息；根据强度分布信息确定目标信号的强度，并根据强度分布信息确定背景信号的强度，目标信号为目标对象反射脉冲信号所得的回波信号，背景信号为背景物体反射脉冲信号所得的回波信号；在目标信号的强度的第一变化值超过第一预设阈值、且背景信号的强度的第二变化值超过第二预设阈值的情况下，确定目标对象跌倒，第一变化值为当前目标信号的强度相对之前目标信号的强度的变化值；第二变化值为当前背景信号的强度相对之前背景信号的强度的变化值。应用本申请实施例提供的方案可以提高跌倒检测的准确度。

本发明公开了一种基于FPGA异构加速的老人跌倒检测方法，属于目标识别技术领域，所述方法包括融合算法部分和硬件加速部分，整体以神经网络作为基础框架，结合FPGA硬件加速技术，通过量化编译移植实现算法嵌入式移植，人体检测部分采用YOLOv3网络，通过双向剪枝和改进损失函数实现了可移植的改进型轻量化YOLOv3网络；跌倒检测算法部分采用了轻量化SqueezeNet网络，通过引入人体矩形高宽比结合主要关键点欧式距离综合判定的方法实现老人跌倒检测；硬件部分选择了Xilinx公司的mpsoc架构板卡ultra96‑v2。本发明不仅提高了老人跌倒检测设备的便携程度，同时降低了成本。