CN115457731A - 跌倒侦测***及其侦测方法 - Google Patents

跌倒侦测***及其侦测方法 Download PDF

Info

Publication number
CN115457731A
CN115457731A CN202210993682.5A CN202210993682A CN115457731A CN 115457731 A CN115457731 A CN 115457731A CN 202210993682 A CN202210993682 A CN 202210993682A CN 115457731 A CN115457731 A CN 115457731A
Authority
CN
China
Prior art keywords
depth
falling
value
image data
detected
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210993682.5A
Other languages
English (en)
Other versions
CN115457731B (zh
Inventor
陈韦安
刘幸和
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Interface Optoelectronics Shenzhen Co Ltd
Interface Technology Chengdu Co Ltd
General Interface Solution Ltd
Original Assignee
Interface Optoelectronics Shenzhen Co Ltd
Interface Technology Chengdu Co Ltd
Yecheng Optoelectronics Wuxi Co Ltd
General Interface Solution Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Interface Optoelectronics Shenzhen Co Ltd, Interface Technology Chengdu Co Ltd, Yecheng Optoelectronics Wuxi Co Ltd, General Interface Solution Ltd filed Critical Interface Optoelectronics Shenzhen Co Ltd
Priority to CN202210993682.5A priority Critical patent/CN115457731B/zh
Priority to TW111131625A priority patent/TWI807969B/zh
Publication of CN115457731A publication Critical patent/CN115457731A/zh
Application granted granted Critical
Publication of CN115457731B publication Critical patent/CN115457731B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/04Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Multimedia (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Psychology (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Emergency Alarm Devices (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Alarm Systems (AREA)

Abstract

一种跌倒侦测***及其侦测方法,一深度感测装置感测一待测对象并产生待测对象的复数深度影像资料,再利用一跌倒判断装置产生每一深度影像资料的深度值,并依据深度变化值判定待测对象发生一跌迹象。再依据待测对象的一跌落面积资料判定待测对象发生一倒迹象。跌倒判断装置利用发生倒迹象的深度影像资料的深度均值及每一像素的深度值产生一平均深度分布差异值,将其与一预设阀值进行比对,当平均深度分布差异值小于一预设阀值时,则跌倒判断装置判定待测对象正在一跌倒状态。通过比对平均值深度分布差异值,可更精确判断待测对象是否跌倒。

Description

跌倒侦测***及其侦测方法
技术领域
本发明系有关一种跌倒侦测***,特别是指一种利用每一像素的深度值及其深度均值的标准偏差以分辨是否跌倒的跌倒侦测***及其侦测方法。
背景技术
在高龄少子化社会中,老年人缺乏晚辈的照顾,独居老人或是年轻人忙于工作而迫使老人一个人在家的情况愈来愈多,当老人在家中发生跌倒意外时,极可能造成重大伤病。除了请居服员照顾老人以外,为了能及时发现老人跌倒的情况,亦可让老人配戴穿戴式装置(如智能手表),利用内建的加速度计和陀螺仪侦测使用者的动作轨迹,以判断使用者是否有跌倒迹象,并在侦测到使用者跌倒时发出警示讯息给默认的紧急联络人。
但穿戴式装置需要穿戴在身上才能侦测跌倒,若使用者忘记穿戴便无法发挥侦测跌倒的作用。另有一种家用监视***,在家中安装摄影机、相机等装置撷取用户影像、再分析影像的方式判断用户是否跌倒。然而此方法会拍摄到人的脸部,对于重视隐私的人而言可能无法接受。还有一种方法是使用深度相机,利用飞行时间(Time of flight)测距法抓取深度的灰阶影像,透过影像数据设计算法判断各行为,例如当深度变化时代表有跌跤,若跌落面积极大时代表人已倒在地上。然而,若以物体面积、高度变化等做为衡量标准时,只要行为相似时就会触发跌倒,例如当人走得很快时,移动面积便会满足跌落面积的阀值,且同时满足像素深度的巨变,因而错误地触发跌倒警示。
有鉴于此,本发明针对上述习知技术的缺失及未来的需求,提出一种跌倒侦测***及其侦测方法,以解决上述该等缺失,具体架构及其实施方式将详述于下:
发明内容
本发明的主要目的在提供一种跌倒侦测***及其侦测方法,其利用深度影像资料中每一像素的深度值及深度均值所计算出的一平均深度分布差异值,判断跌倒行为的深度值分布是集中还是分散,以更精确分辨待测对象是否真的跌倒。
为达上述目的,本发明提供一种跌倒侦测***,适于侦测一待测对象是否跌倒,跌倒侦测***包括:一深度感测装置,感测待测对象,并产生待测对象的复数深度影像资料;以及一跌倒判断装置,连接深度感测装置并接收深度影像资料,每一时间点的深度影像资料分别具有一深度值,依据连续至少二时间点的深度值产生一深度变化值,若深度变化值大于等于一跌落值时,跌倒判断装置判定待测对象发生一跌迹象,再利用发生跌迹象的深度影像资料判断待测对象的一跌落面积资料,若跌落面积资料大于等于默认的一倒下值,则跌倒判断装置判定待测对象发生一倒迹象,跌倒判断装置再分析发生倒迹象的深度影像资料中每一像素的一深度值及深度影像资料的一深度均值,利用深度值及深度均值产生一平均深度分布差异值,将平均深度分布差异值与一预设阀值进行比对,当平均深度分布差异值小于一预设阀值时,跌倒判断装置判定待测对象正在一跌倒状态。
依据本发明的实施例,跌落面积资料为从发生跌迹象的深度影像资料中,以深度变化值的周围设定一估算范围,并计算估算范围内待测对象的一轮廓面积最大值。
依据本发明的实施例,深度均值为深度影像资料中每一像素的深度值加总后,除以像素的数量。
依据本发明的实施例,平均深度分布差异值为深度影像资料中每一像素的深度值分别与深度均值相减后取绝对值,再将绝对值加总后,除以像素的数量。
本发明更提供一种跌倒侦测方法,包括下列步骤:利用一深度感测装置感测一待测对象,并产生待测对象的复数深度影像资料;利用一跌倒判断装置接收深度影像资料,每一时间点的深度影像资料分别具有一深度值,依据连续至少二时间点的深度值产生一深度变化值;跌倒判断装置依据深度变化值判定待测对象发生一跌迹象;跌倒判断装置利用待测对象的一跌落面积资料判定待测对象发生一倒迹象;跌倒判断装置分析发生倒迹象的深度影像资料中每一像素的一深度值及深度影像资料的一深度均值,利用深度值及深度均值产生一平均深度分布差异值;以及跌倒判断装置将平均深度分布差异值与一预设阀值进行比对,当平均深度分布差异值小于预设阀值时,跌倒判断装置判定待测对象正在一跌倒状态。
依据本发明的实施例,跌倒判断装置判定待测对象发生一跌迹象的步骤更包括:判断深度变化值是否大于等于一跌落值;以及当深度变化值大于等于跌落值时,判定待测对象发生一跌迹象。
依据本发明的实施例,跌倒判断装置判定待测对象发生一倒迹象的步骤更包括:跌倒判断装置利用发生跌迹象的深度影像资料判断待测对象的跌落面积资料;判断跌落面积资料是否大于等于默认的一倒下值;以及当跌落面积资料大于等于倒下值时,判定待测对象发生一跌迹象。
附图说明
图1为本发明跌倒侦测***的架构图。
图2为侦测到待测对象为跌迹象的示意图。
图3为侦测到待测对象为倒迹象的示意图。
图4为本发明跌倒侦测的侦测方法的流程图。
图5为跌倒状态的深度影像资料的示意图。
图6为图5的深度影像资料的深度分布图。
图7为非跌倒状态的深度影像资料的示意图。
图8为图7的深度影像资料的深度分布图。
图9为图5深度影像资料中每一像素的深度值的标准偏差波动图。
图10为图6深度影像资料中每一像素的深度值的标准偏差波动图。
附图标记为:
10…跌倒侦测***
12…深度感测装置
14…跌倒判断装置
16…显示屏幕
18…待测对象
20…跌迹象
22…倒迹象
S10~S22:流程步骤
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,熟悉本技术领域者在没有做出进步性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附申请专利范围中使用时,术语「包括」和「包含」指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附申请专利范围中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的「一」、「一个」及「该」意在包括复数形式。
还应当进一步理解,在本发明说明书和所附申请专利范围中使用的术语「及/或」是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
本发明提供一种跌倒侦测***及其侦测方法,请参考图1,其为本发明跌倒侦测***的架构图。跌倒侦测***10包括一深度感测装置12及一跌倒判断装置14。深度感测装置12为一深度相机,设于一待测对象18的活动空间中,例如卧房、客厅、餐厅等,感测撷取待测对象并产生复数深度影像资料。此深度影像资料为利用飞行时间测距算法产生的灰阶影像,因此不会有明显的脸部表情,适用于重视隐私的人。深度感测装置12感测的深度影像资料也会显示在一显示屏幕16中,例如计算机、智能型手机等,让照护者可随时监控待测对象18的状态。
跌倒判断装置14利用传输线连接深度感测装置12,接收深度感测装置12所感测到的深度影像资料,并据以判断待测对象18的状态是跌迹象、倒迹象或跌倒状态。每一时间点的深度影像资料分别具有一深度值,跌倒判断装置14会将深度转换成人的身高,接着依据连续至少二时间点的深度值产生一深度变化值。例如时间点t1的深度值和时间点t2的深度值一样,代表待测对象18没有高度变化。跌倒判断装置14还会分辨待测对象18是「跌」还是「倒」,跌迹象20如图2所示,但还没有倒下,而图3所示为待测对象18发生倒迹象22。图2及图3皆为深度影像资料。
请同时参考图4,其为本发明跌倒侦测的侦测方法的流程图。步骤S10中,利用深度感测装置12感测待测对象18,并产生待测对象18的复数深度影像资料。接着步骤S12中,利用跌倒判断装置14接收深度感测装置12所感测到的深度影像资料,依据连续至少二时间点的深度值产生一深度变化值。步骤S14中,跌倒判断装置14依据深度变化值判定待测对象18发生一跌迹象。接着步骤S16中,跌倒判断装置14进一步利用待测对象18的一跌落面积资料判定待测对象18发生一倒迹象。当判定待测对象18发生倒迹象后,还要再继续判断是否有误判的可能,因此步骤S18中,跌倒判断装置14分析发生倒迹象的深度影像资料中每一像素的一深度值及深度影像资料的一深度均值,利用深度值及深度均值产生一平均深度分布差异值。深度均值为深度影像资料中每一像素的深度值加总后,除以像素的数量。平均深度分布差异值为深度影像资料中每一像素的深度值分别与深度均值相减后取绝对值,再将绝对值加总后,除以像素的数量。接着,步骤S20中跌倒判断装置14将平均深度分布差异值与一预设阀值进行比对,若平均深度分布差异值小于一预设阀值时,跌倒判断装置14判定待测对象18正在一跌倒状态,需要发出一跌倒警示。
在步骤S14中,跌倒判断装置14默认代表跌迹象的一跌落值。当tn和tn+1的深度变化值大于等于跌落值时,跌倒判断装置14判定待测对象18发生跌迹象。
在步骤S16中,跌倒判断装置14另默认代表倒迹象的一倒下值。利用发生跌迹象的深度影像资料(时间点tn+1)判断待测对象18的一跌落面积资料,若跌落面积资料大于等于倒下值,则跌倒判断装置14判定待测对象18发生一倒迹象。跌落面积资料为从发生跌迹象的深度影像资料中,以深度变化值的周围设定一估算范围,并计算估算范围内待测对象18的一轮廓面积最大值。在先前技术中,到此已完成待测对象18跌倒的判定,然而若人走得很快时,移动面积便会满足跌落面积的阀值,也就是倒下值,且同时满足像素深度的巨变,也就是跌落值,因而会错误触发跌倒警示。
因此,本发明中跌倒判断装置14还需要再透过步骤S18~S22利用评断函数分析跌倒行为的深度值分布,评断函数为深度均值、标准偏差波动及平均深度分布差异值,详述于后。经过实验数据比对,可观察到跌倒行为的深度值分布较为集中,而非跌倒则较离散,如图5、图6、图7及图8的实施例,其中,图5为跌倒状态的深度影像资料,而图6为图5的深度影像资料的深度分布图,图7为非跌倒状态的深度影像资料,而图8为图7的深度影像资料的深度分布图。从图5的深度分布图中可明显看出深度值分布集中,而图7的深度值分布较为离散。此外,图9为图5深度影像资料中每一像素的深度值的标准偏差波动图,图10为图6深度影像资料中每一像素的深度值的标准偏差波动图,从图中亦可明显看出跌倒时的波动较低,而非跌倒状态则呈现较高的波动。因此,将发生倒迹象的深度影像资料中每一像素(i,j)的一深度值dep(i,j)及深度影像资料的一深度均值δ产生一平均深度分布差异值μ,如下式(1)、(2):
Figure BDA0003804793450000051
Figure BDA0003804793450000052
接着将平均深度分布差异值与一预设阀值进行比对。此预设阀值为经过实验后所得到的经验值,阀值范围为15~25之间,最佳阀值为20。当平均深度分布差异值小于预设阀值时,跌倒判断装置14判定待测对象18正在跌倒状态。在图5及图6的实施例中,其平均深度分布差异值μ为9,而图7及图8的实施例中,其平均深度分布差异值μ为39。显然,通过深度影像资料的深度值及深度均值所计算出的平均深度分布差异值,可快速分辨出待测对象18是否真的跌倒。
需注意的是,待测对象18的体型不会影响阀值范围,举例而言,假设待测对象A(较瘦)的深度影像资料报含4个像素,深度分布为100、100、120、120,其深度均值δ为110,标准偏差为10、10、10、10,平均深度分布差异值μ=10,而与待测对象B(较胖)的深度影像资料报含6个像素,深度分布为90、90、90、110、110、110,深度均值δ为100,标准偏差为10、10、10、10、10、10,平均深度分布差异值μ=10。
利用本发明的跌倒侦测***及其侦测方法实验后,在实际上43次跌倒中,假设仅进行到图4的步骤S16,会侦测到50次跌倒。而经过评断函数的计算步骤,确认平均深度分布差异值后,可修正为43次跌倒及7次非跌倒。因此本发明确实可提升跌倒侦测***的准确度,避免误判而错误触发跌倒警报。
综上所述,本发明提供一种跌倒侦测***及其侦测方法,其利用深度感测装置撷取待测对象的深度影像资料后,跌倒判断装置利用深度影像资料中每一像素的深度值变化是否巨大,以判断待测对象是否为跌迹象。再利用待测对象的一跌落面积资料是否足够大,以判断待测对象是否为倒迹象。由于倒迹象是透过跌落面积进行判断,为了避免待测对象的某些行为(例如移动太快而使面积较大)造成跌倒判断装置误判待测对象为倒迹象,因此本发明更进一步提出一评断函数,利用倒迹象的深度影像资料中每一像素的深度值及深度影像资料的深度均值计算出一平均深度分布差异值,藉以判断跌倒行为的深度值分布是集中还是分散,以更精确分辨待测对象是否真的跌倒,有效提升跌倒侦测的准确度。
唯以上所述者,仅为本发明的优选实施例而已,并非用来限定本发明实施的范围。故即凡依本发明权利要求书所述的特征及精神所为的均等变化或修饰,均应包括于本发明的申请专利范围内。

Claims (10)

1.一种跌倒侦测***,适于侦测待测对象是否跌倒,其特征在于,所述跌倒侦测***包括:
深度感测装置,感测所述待测对象,并产生所述待测对象的复数深度影像资料;以及
跌倒判断装置,连接所述深度感测装置并接收所述深度影像资料,每一时间点产生的所述深度影像资料分别具有深度值,依据连续至少二时间点的深度值产生深度变化值,若所述深度变化值大于等于跌落值时,所述跌倒判断装置判定所述待测对象发生跌迹象,再利用发生所述跌迹象的所述深度影像资料判断所述待测对象的跌落面积资料,若所述跌落面积资料大于等于默认的倒下值,则所述跌倒判断装置判定所述待测对象发生倒迹象,所述跌倒判断装置再分析发生所述倒迹象的所述深度影像资料中每一像素的深度值及所述深度影像资料的深度均值,利用所述深度值及所述深度均值产生平均深度分布差异值,
其中,若所述平均深度分布差异值小于预设阀值时,所述跌倒判断装置判定所述待测对象正在跌倒状态。
2.如权利要求1所述的跌倒侦测***,其特征在于,其中所述跌落面积资料为从发生所述跌迹象的所述深度影像资料中,以所述深度变化值的周围设定估算范围,并计算所述估算范围内所述待测对象的轮廓面积最大值。
3.如权利要求1所述的跌倒侦测***,其特征在于,其中所述深度均值为所述深度影像资料中每一像素的所述深度值加总后,除以所述像素的数量。
4.如权利要求1所述的跌倒侦测***,其特征在于,其中所述平均深度分布差异值为所述深度影像资料中每一像素的所述深度值分别与所述深度均值相减后取绝对值,再将所述绝对值加总后,除以所述像素的数量。
5.一种跌倒侦测方法,其特征在于,包括下列步骤:
利用深度感测装置感测待测对象,并产生所述待测对象的复数深度影像资料;
利用跌倒判断装置接收所述深度影像资料,每一时间点产生的所述深度影像资料分别具有深度值,依据连续至少二时间点的深度值产生深度变化值;
所述跌倒判断装置依据所述深度变化值判定所述待测对象发生跌迹象;
所述跌倒判断装置利用所述待测对象的跌落面积资料判定所述待测对象发生倒迹象;
所述跌倒判断装置分析发生所述倒迹象的所述深度影像资料中每一像素的深度值及所述深度影像资料的深度均值,利用所述深度值及所述深度均值产生平均深度分布差异值;以及
所述跌倒判断装置将所述平均深度分布差异值与预设阀值进行比对,当所述平均深度分布差异值小于所述预设阀值时,所述跌倒判断装置判定所述待测对象正在跌倒状态。
6.如权利要求5所述的跌倒侦测方法,其特征在于,其中所述跌倒判断装置判定所述待测对象发生跌迹象的步骤更包括:
判断所述深度变化值是否大于等于跌落值;以及
当所述深度变化值大于等于所述跌落值时,判定所述待测对象发生跌迹象。
7.如权利要求5所述的跌倒侦测方法,其特征在于,其中所述跌倒判断装置判定所述待测对象发生一倒迹象的步骤更包括:
所述跌倒判断装置利用发生所述跌迹象的所述深度影像资料判断所述待测对象的所述跌落面积资料;
判断所述跌落面积资料是否大于等于默认的倒下值;以及
当所述跌落面积资料大于等于所述倒下值时,判定所述待测对象发生跌迹象。
8.如权利要求5所述的跌倒侦测方法,其特征在于,其中所述跌落面积资料为从发生所述跌迹象的的深度影像资料中,以所述深度变化值的周围设定估算范围,并计算所述估算范围内所述待测对象的轮廓面积最大值。
9.如权利要求5所述的跌倒侦测方法,其特征在于,其中达到深度均值为所述深度影像资料中每一像素的所述深度值加总后,除以所述像素的数量。
10.如权利要求5所述的跌倒侦测方法,其特征在于,其中所述平均深度分布差异值为所述深度影像资料中每一像素的所述深度值分别与所述深度均值相减后取绝对值,再将所述绝对值加总后,除以所述像素的数量。
CN202210993682.5A 2022-08-18 2022-08-18 跌倒侦测***及其侦测方法 Active CN115457731B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210993682.5A CN115457731B (zh) 2022-08-18 2022-08-18 跌倒侦测***及其侦测方法
TW111131625A TWI807969B (zh) 2022-08-18 2022-08-23 跌倒偵測系統及其偵測方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210993682.5A CN115457731B (zh) 2022-08-18 2022-08-18 跌倒侦测***及其侦测方法

Publications (2)

Publication Number Publication Date
CN115457731A true CN115457731A (zh) 2022-12-09
CN115457731B CN115457731B (zh) 2023-08-25

Family

ID=84298140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210993682.5A Active CN115457731B (zh) 2022-08-18 2022-08-18 跌倒侦测***及其侦测方法

Country Status (2)

Country Link
CN (1) CN115457731B (zh)
TW (1) TWI807969B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2536160A2 (en) * 2011-06-14 2012-12-19 Samsung Electronics Co., Ltd. Display system with image conversion mechanism and method of operation thereof
CN107452183A (zh) * 2017-08-03 2017-12-08 陈洪国 用于老人监护跌倒报警的经编地毯
US20180177436A1 (en) * 2016-12-22 2018-06-28 Lumo BodyTech, Inc System and method for remote monitoring for elderly fall prediction, detection, and prevention
CN112535476A (zh) * 2020-12-01 2021-03-23 业成科技(成都)有限公司 跌倒侦测***及其方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5386537B2 (ja) * 2011-05-12 2014-01-15 富士重工業株式会社 環境認識装置
TWM537281U (zh) * 2016-10-18 2017-02-21 Hungkuang Univ 跌倒偵測系統

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2536160A2 (en) * 2011-06-14 2012-12-19 Samsung Electronics Co., Ltd. Display system with image conversion mechanism and method of operation thereof
US20180177436A1 (en) * 2016-12-22 2018-06-28 Lumo BodyTech, Inc System and method for remote monitoring for elderly fall prediction, detection, and prevention
CN107452183A (zh) * 2017-08-03 2017-12-08 陈洪国 用于老人监护跌倒报警的经编地毯
CN112535476A (zh) * 2020-12-01 2021-03-23 业成科技(成都)有限公司 跌倒侦测***及其方法
TWI764410B (zh) * 2020-12-01 2022-05-11 大陸商業成科技(成都)有限公司 跌倒偵測系統及其方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
DAVUT ÖZCAN 等: "Developing an occlusion-resistant automatic fall detection system for smart environments", 2012 20TH SIGNAL PROCESSING AND COMMUNICATIONS APPLICATIONS CONFERENCE *
SOWMYA KASTURI 等: "Human fall classification system for ceiling-mounted kinect depth images", 2017 17TH INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND SYSTEMS *
张璐 等: "基于Res2Net-YOLACT和融合特征的室内跌倒检测算法", 计算机应用 *
杨磊;张文强;任衍允;: "基于深度数据分析的室内老人摔倒检测方法", 计算机技术与发展, no. 04 *
蔡长青;王鹏;: "老人跌倒姿态检测研究", 长春工程学院学报(自然科学版), no. 04 *

Also Published As

Publication number Publication date
CN115457731B (zh) 2023-08-25
TW202409904A (zh) 2024-03-01
TWI807969B (zh) 2023-07-01

Similar Documents

Publication Publication Date Title
US9710761B2 (en) Method and apparatus for detection and prediction of events based on changes in behavior
JP6137425B2 (ja) 画像処理システム、画像処理装置、画像処理方法、および画像処理プログラム
US8749391B2 (en) Fall detection system
EP2335232B1 (en) Bed exit warning system
US10786183B2 (en) Monitoring assistance system, control method thereof, and program
US20150302310A1 (en) Methods for data collection and analysis for event detection
US20180008169A1 (en) Analysis of fall severity of fall detection system and wearing apparatus
CN103903281A (zh) 一种基于多特征分析和场景学习的老人摔倒检测方法
JP6425261B2 (ja) 赤外線アレイセンサを用いた行動検知システムと方法
CN103186902A (zh) 基于视频的摔倒检测方法和设备
JP6822328B2 (ja) 見守り支援システム及びその制御方法
JP6708980B2 (ja) 画像処理システム、画像処理装置、画像処理方法、および画像処理プログラム
KR20130112158A (ko) 낙상 예측 또는 감지 장치 및 그를 위한 방법
KR101212383B1 (ko) 홈 헬스케어 모니터링 장치 및 방법
CN113793475A (zh) 一种重点区域老人跌倒检测***和方法
CN115457731B (zh) 跌倒侦测***及其侦测方法
JP3238765U (ja) 姿勢・動作識別システム
US20160367201A1 (en) System and method for passive event detection system for traumatic event
KR102565175B1 (ko) 열-감지센서를 이용한 병동 돌발 상황 경보 및 모니터링 방법
KR102565174B1 (ko) 열-감지센서를 이용한 병동 돌발 상황 경보 및 모니터링 시스템
CN104980690A (zh) 一种能自动识别人体摔倒的视频监控***
CN112784890B (zh) 一种利用多传感器融合的人体跌倒检测方法及***
JPWO2019030880A1 (ja) 監視システム、監視方法、監視プログラムおよびその記録媒体
Morishima et al. Recognition Method for a Temporary Change in Walking based-on Anomaly Detection and Classification
CN115849124A (zh) 一种电梯内人员跌倒的识别方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240116

Address after: 518109, Building E4, 101, Foxconn Industrial Park, No. 2 East Ring 2nd Road, Fukang Community, Longhua Street, Longhua District, Shenzhen City, Guangdong Province (formerly Building 1, 1st Floor, G2 District), H3, H1, and H7 factories in K2 District, North Shenchao Optoelectronic Technology Park, Minqing Road, Guangdong Province

Patentee after: INTERFACE OPTOELECTRONICS (SHENZHEN) Co.,Ltd.

Patentee after: Interface Technology (Chengdu) Co., Ltd.

Patentee after: GENERAL INTERFACE SOLUTION Ltd.

Address before: No.689 Hezuo Road, West District, high tech Zone, Chengdu City, Sichuan Province

Patentee before: Interface Technology (Chengdu) Co., Ltd.

Patentee before: INTERFACE OPTOELECTRONICS (SHENZHEN) Co.,Ltd.

Patentee before: Yicheng Photoelectric (Wuxi) Co.,Ltd.

Patentee before: GENERAL INTERFACE SOLUTION Ltd.