System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能化报警,尤其涉及一种用于护理的无线防跌倒报警系统及方法。
技术介绍
1、随着人口老龄化的趋势,老年人的健康和安全问题日益受到社会的关注。老年人由于身体机能的退化,容易发生跌倒等意外事故,可能会给自身和家庭带来巨大的负担。
2、目前,市场上存在一些用于防跌倒的产品,如跌倒检测器。这些产品通常需要老年人佩戴或携带特定的设备,如手环、腰带、手表等。然而,这些设备存在一些缺点,如佩戴不舒适、电池续航时间短、误报率高等。
3、因此,期待一种优化的方案。
技术实现思路
1、本专利技术实施例提供一种用于护理的无线防跌倒报警系统及方法,其利用摄像头采集老年人的行为视频,并通过无线传输模块将视频传输至后台防跌服务器。更具体地,在后台防跌服务器中,采用基于深度学习的人工智能技术对行为监控视频进行处理与分析,以识别老人的行为特征,并智能化地判断是否产生防跌倒报警提示。这样,在监测到老人行为可能存在跌倒风险时,及时通过呼叫装置产生预警提示,以通知相关人员进行救助或干预。
2、本专利技术实施例还提供了一种用于护理的无线防跌倒报警方法,其包括:
3、获取由摄像头采集的被监控老年对象的行为监控视频;
4、将所述行为监控视频通过无线传输模块传输至后台防跌服务器;
5、在所述后台防跌服务器,对所述行为监控视频进行分析和处理以确定是否产生防跌倒报警提示;
6、响应于产生防跌倒报警提示,通过呼叫装置产生预警提示;
>7、其中,在所述后台防跌服务器,对所述行为监控视频进行分析和处理以确定是否产生防跌倒报警提示,包括:
8、对所述行为监控视频进行数据预处理以得到剪裁后行为关键帧的序列;
9、提取所述剪裁后行为关键帧的序列中的老人行为时序特征以得到老人行为时序变化特征向量;
10、基于所述老人行为时序变化特征向量,确定是否产生防跌倒报警提示;
11、其中,对所述行为监控视频进行数据预处理以得到剪裁后行为关键帧的序列,包括:
12、对所述行为监控视频进行离散化采样处理以得到行为监控关键帧的序列;
13、对所述行为监控关键帧的序列进行随机剪裁以得到所述剪裁后行为关键帧的序列。
14、本专利技术实施例还提供了一种用于护理的无线防跌倒报警系统,其包括:
15、监控视频采集模块,用于获取由摄像头采集的被监控老年对象的行为监控视频;
16、视频传输模块,用于将所述行为监控视频通过无线传输模块传输至后台防跌服务器;
17、分析和处理模块,用于在所述后台防跌服务器,对所述行为监控视频进行分析和处理以确定是否产生防跌倒报警提示;
18、预警提示生成模块,用于响应于产生防跌倒报警提示,通过呼叫装置产生预警提示;
19、其中,所述预警提示生成模块,包括:
20、对所述行为监控视频进行数据预处理以得到剪裁后行为关键帧的序列;
21、提取所述剪裁后行为关键帧的序列中的老人行为时序特征以得到老人行为时序变化特征向量;
22、基于所述老人行为时序变化特征向量,确定是否产生防跌倒报警提示;
23、其中,对所述行为监控视频进行数据预处理以得到剪裁后行为关键帧的序列,包括:
24、对所述行为监控视频进行离散化采样处理以得到行为监控关键帧的序列;
25、对所述行为监控关键帧的序列进行随机剪裁以得到所述剪裁后行为关键帧的序列。
26、本专利技术的有益效果:
27、利用摄像头采集老年人的行为视频,并通过无线传输模块将视频传输至后台防跌服务器,在后台防跌服务器中,采用基于深度学习的人工智能技术对行为监控视频进行处理与分析,以识别老人的行为特征,并智能化地判断是否产生防跌倒报警提示,这样,在监测到老人行为可能存在跌倒风险时,及时通过呼叫装置产生预警提示,以通知相关人员进行救助或干预。
本文档来自技高网...【技术保护点】
1.一种用于护理的无线防跌倒报警方法,其特征在于,包括:
2.根据权利要求1所述的用于护理的无线防跌倒报警方法,其特征在于,提取所述剪裁后行为关键帧的序列中的老人行为时序特征以得到老人行为时序变化特征向量,包括:
3.根据权利要求2所述的用于护理的无线防跌倒报警方法,其特征在于,所述深度学习网络模型为基于卷积神经网络模型的行为特征提取器;
4.根据权利要求3所述的用于护理的无线防跌倒报警方法,其特征在于,利用深度学习网络模型提取所述剪裁后行为关键帧的序列中的老人行为特征以得到老人行为特征向量的序列,包括:
5.根据权利要求4所述的用于护理的无线防跌倒报警方法,其特征在于,N为所述老人行为特征向量的序列中所述老人行为特征向量的个数。
6.根据权利要求5所述的用于护理的无线防跌倒报警方法,其特征在于,基于所述老人行为时序变化特征向量,确定是否产生防跌倒报警提示,包括:
7.根据权利要求6所述的用于护理的无线防跌倒报警方法,其特征在于,还包括训练步骤:对所述基于卷积神经网络模型的行为特征提取器和所述分类器进行训练;
8.一种用于护理的无线防跌倒报警系统,其特征在于,包括:
...【技术特征摘要】
1.一种用于护理的无线防跌倒报警方法,其特征在于,包括:
2.根据权利要求1所述的用于护理的无线防跌倒报警方法,其特征在于,提取所述剪裁后行为关键帧的序列中的老人行为时序特征以得到老人行为时序变化特征向量,包括:
3.根据权利要求2所述的用于护理的无线防跌倒报警方法,其特征在于,所述深度学习网络模型为基于卷积神经网络模型的行为特征提取器;
4.根据权利要求3所述的用于护理的无线防跌倒报警方法,其特征在于,利用深度学习网络模型提取所述剪裁后行为关键帧的序列中的老人行为特征以得到老人行为特征向量...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。