張成年

摘? 要：本系統(tǒng)是基于谷歌Tensorflow.js網(wǎng)頁版人工智能開發(fā)庫和PoseNet.js人體姿勢評估模型設(shè)計開發(fā)的，人體姿勢評估模型可以容易獲得人體姿勢數(shù)據(jù)，因此極大的降低了圖像分析的難度。通過對模型獲取的數(shù)據(jù)進行分析處理，可以實現(xiàn)對人跌倒情況的監(jiān)控，開發(fā)難度、周期和成本也大幅降低。

關(guān)鍵詞：人體姿勢評估模型;跌倒;智能監(jiān)控

根據(jù)世界衛(wèi)生組織（WHO）報道指出，跌倒已經(jīng)成為意外和非故意性傷害中致死率第二大的因素。跌倒容易引起恐懼焦慮情緒，帶來腦部損傷，髖關(guān)節(jié)受損，心臟驟停等并發(fā)疾病，給受難人群帶來巨大的危害和傷痛。如果跌倒受傷嚴(yán)重人員能夠及時得到救助，將會大大降低因跌倒帶來的二次傷害。

一、目前主流技術(shù)方向及研究意義

（一）目前主流技術(shù)方向

目前在跌倒檢測技術(shù)上主要有三個研究方向：①基于可穿戴式設(shè)備傳感器的檢測;②基于物聯(lián)網(wǎng)環(huán)境信息的檢測;③基于智能監(jiān)控技術(shù)的檢測，各有優(yōu)缺點。其中智能監(jiān)控技術(shù)目前主流處理方案都需要對實時視頻進行非常專業(yè)的圖像分析處理，對一般個人和團隊來說技術(shù)難度大、周期長、開發(fā)成本很高。

（二）研究意義

系統(tǒng)通過對PoseNet模型獲取的數(shù)據(jù)進行分析處理，實現(xiàn)對人跌倒情況的監(jiān)控，開發(fā)難度、周期和成本大幅降低。目前還沒有公司和個人利用這個方法進行相關(guān)方面的研究和開發(fā)，研究內(nèi)容將進一步挖掘人體姿勢評估模型的應(yīng)用價值，促進更多基于此模型的智能應(yīng)用開發(fā)。

二、系統(tǒng)設(shè)計

（一）PoseNet模型分析

PoseNet人體姿勢評估模型是一種機器學(xué)習(xí)模型，是在圖像或視頻中檢測人物的計算機視覺技術(shù)，允許在瀏覽器中進行實時人體姿勢估計，PoseNet運行在TensorFlow.js基礎(chǔ)上，任何擁有攝像頭桌面或者手機的人都可以在瀏覽器中體驗該技術(shù)。可以借助PoseNet開源模型進行交互式裝置、增強現(xiàn)實、動畫、健身、體育訓(xùn)練等應(yīng)用開發(fā)。

PoseNet姿勢評估發(fā)生在兩個階段：輸入RGB圖像到卷積神經(jīng)網(wǎng)絡(luò)和使用單姿態(tài)或多姿態(tài)解碼算法來解碼姿勢、構(gòu)建置信度得分、關(guān)鍵點位置和來自模型輸出的人體17個關(guān)鍵點置信度得分。

（二）利用人體姿勢17個關(guān)鍵點信息設(shè)計人跌倒判斷決策

1、跌倒數(shù)據(jù)測試

利用模型可以方便獲取到人體17個關(guān)鍵部位（鼻子、左右眼、左右耳、左右肩膀、左右肘部、左右手腕、左右臀部、左右膝蓋、左右腳）的實時位置信息，在測試中，筆者首先以人體鼻子位置信息進行數(shù)據(jù)分析，通過多次測試，我們發(fā)現(xiàn)在一次跌倒過程中，一般會出現(xiàn)6個以上Y坐標(biāo)連接增加的數(shù)值，為此我們改變了PoseNet中count計數(shù)器，我們以poseDetectionFrame函數(shù)循環(huán)執(zhí)行30次近45組數(shù)據(jù)作為一組（獲取數(shù)據(jù)的多少與監(jiān)控中人運動速度、顯示器刷新頻率有關(guān)）進行分析， 但結(jié)經(jīng)測試發(fā)現(xiàn)，有時跌倒過程會被分割在前后不同組中，于是我們進行了迭代處理，將上一周期的數(shù)據(jù)保存起來，與本周期數(shù)據(jù)拼起來，這樣組成一個近90個數(shù)值的數(shù)組，從中判斷跌倒情況，經(jīng)過迭代處理，監(jiān)測到的跌倒數(shù)據(jù)就不存在被分割的情況，保證了每次跌倒都能監(jiān)測到。

下面是獲取到的一組跌倒時人體鼻子Y坐標(biāo)監(jiān)測數(shù)據(jù)，如圖1，其中“342， 444， 506， 610， 711， 746，758”這組值就是人在跌倒過程鼻子Y坐標(biāo)連續(xù)變化值：

我們從監(jiān)測數(shù)組中一旦發(fā)現(xiàn)有這樣連續(xù)變化的數(shù)據(jù)發(fā)生時，就可以初步認(rèn)為存在跌倒情況發(fā)生，判斷數(shù)組中跌倒情況的主要代碼如圖2：

2、優(yōu)化判斷決策

在監(jiān)控時，以人體鼻子作為參考點進行決策，存在很大的不確定性，很多時候我們?nèi)梭w不是正面對著攝像頭，有時甚至背對著攝像頭，為此經(jīng)過測試，我們選取人體鼻子、左右耳、左右肩膀作為跌倒的監(jiān)測參考點，任一個監(jiān)測點發(fā)現(xiàn)上述Y坐標(biāo)連續(xù)變化的情況，系統(tǒng)將發(fā)出跌倒信號。

（三）構(gòu)建預(yù)警系統(tǒng)

系統(tǒng)將跌倒決策模型監(jiān)測到的跌倒信號存儲到云端平臺，構(gòu)建手機和電腦端的應(yīng)用程序，向監(jiān)控者提供查看和預(yù)警等各種實用監(jiān)控功能，這樣只要能夠上網(wǎng)的環(huán)境都可以通過手機或電腦接收監(jiān)控信息，實現(xiàn)實時監(jiān)控、實時救助的能力，降低跌倒給人帶來的傷害。

四、結(jié)語

人員跌倒監(jiān)控檢測系統(tǒng)實現(xiàn)對監(jiān)控區(qū)域內(nèi)的人員跌倒進行監(jiān)測，當(dāng)發(fā)現(xiàn)人員摔倒時以最快的方式進行預(yù)警，做到事前預(yù)警，事中常態(tài)檢測，事后規(guī)范管理，將安防操作人員從繁雜而枯燥的“盯屏幕”任務(wù)中解脫出來。

由于PoseNet可以輕松獲得人體關(guān)鍵點數(shù)據(jù)信息，因此軟件實現(xiàn)相對傳統(tǒng)實現(xiàn)方法技術(shù)難度大大降低，并能由于在網(wǎng)頁端進行開發(fā)，最終只需要瀏覽器就能運行本系統(tǒng)，方便了系統(tǒng)的使用。

參考文獻(xiàn)

[1] 金阿鎖，羌予踐，華亮，劉雨晴.基于四元數(shù)多自由度神經(jīng)元的跌倒模式識別[J].計算機仿真，2019，36（2）：372-379

[2] 任磊.基于智能手機的跌倒檢測方法研究及實現(xiàn)[D].浙江：浙江大學(xué)，2019.

[3] 吳典聰.智能手機在老人跌倒檢測中的應(yīng)用[J].技術(shù)應(yīng)用，2019.

[4] 徐濤，孫威，色海鋒，盧少微，王曉強，馬克明.老人跌倒姿態(tài)實時識別系統(tǒng)硬件設(shè)計[J].沈陽航空航天大學(xué)學(xué)報，2019，36（1）：63-70.