一种跌倒防护装置及防护方法与流程

1.本发明涉及一种安全防护设备，具体是一种跌倒防护装置及防护方法。


背景技术：

2.意外跌倒是影响老年人健康安全和生活质量的重要因素，扩大化的人口老年化趋势同时意味着将有更多老年人面临意外跌倒致病的威胁；迅速及时地对跌倒后的老人进行干预救护，可以有效降低跌倒事故对人体造成的伤害。
3.跌倒事件发生后得到及时救助支援的老年人可以降低80％的死亡风险和26％的长期住院风险；由此可见，准确、迅速、及时地检测到人体跌倒事件至关重要，可以有力保障老年人生命安全，提高日常生活质量，降低潜在医疗成本。
4.目前还没有一款能够针对老人跌倒防护的设备解决上述技术问题。


技术实现要素：

5.本发明的目的在于提供一种跌倒防护装置及防护方法，以解决上述背景技术中提出的问题。
6.为实现上述目的，本发明提供如下技术方案：
7.一种跌倒防护装置，包括宠物机器躯体，还包括：
8.行走结构，所述行走结构用于保持所述宠物机器躯体平衡并模拟宠物跟随人体行走；
9.感应结构，所述感应结构安装于活动设置在所述宠物机器躯体前部的机器头体上，所述感应结构用于根据人体行走的路径向所述行走结构发送动作指令；
10.防护结构，所述防护结构设置在所述宠物机器躯体的前部，所述防护结构在所述感应结构根据人体的姿态判断即将跌倒时被触发，提前预判跌倒位置并在跌倒位置处对人体缓冲并支撑。
11.作为本发明进一步的方案：所述感应结构包括固定在所述机器头体上用于对人体行走路径和姿态监测的传感器集成器；
12.所述感应结构还包括设置在所述宠物机器躯体内部的中央处理器，所述传感器集成器和所述防护结构及行走结构均与所述中央处理器信号连接，所述中央处理器接收所述传感器集成器监测的人体行走路径和姿态信号，并控制所述行走结构动作和防护结构触发；
13.其中，所述传感器集成器包括位移传感器和摄像头。
14.作为本发明再进一步的方案：所述行走结构包括转动安装在所述宠物机器躯体两侧前后共四个的上肢和活动安装在所述上肢下部的下肢，在上肢与宠物机器躯体的连接处设置有同所述上肢连接的第一马达；
15.在下肢与上肢连接处设置有同所述下肢连接的第二马达，第一马达与第二马达均连接中央处理器；
16.其中，在所述宠物机器躯体的后部安装有机器尾体，机器尾体上集成有无线收发器，所述无线收发器用于同智能穿戴设备通讯。
17.作为本发明再进一步的方案：所述防护结构包括设置在所述宠物机器躯体前部的气囊，所述宠物机器躯体的前部设置有压缩槽，所述气囊设置在所述压缩槽内；
18.在所述宠物机器躯体内还设置有压缩腔，所述压缩腔内充有压缩空气，压缩腔通过电磁阀连接所述气囊。
19.作为本发明再进一步的方案：所述机器头体转动安装在调节架上，调节架转动安装在所述宠物机器躯体前部上方，其中，机器头体与调节架之间具有阻尼，调节架与宠物机器躯体之间也具有阻尼。
20.一种使用跌倒防护装置进行防护的方法，包括如下步骤：
21.步骤一，采集原始rgb图像信息；利用摄像头采集采集rgb图像信息并发送至中央处理器，中央处理器从单目rgb摄像机采集的视频图像中获取人体姿态关键点；利用人体姿态关键点获取人体主躯干相对于地面垂线的偏移角和腿部相对于地面垂线的偏移角，以此表征人体倾斜姿态动态特征，并通过支持向量机构建的分类器依据上述特征识别跌倒行为；
22.步骤二，识别跌倒行为，局部包括如下顺序：
23.s1，基于openpose深度卷积神经网络的人体姿态关键点获取，用基于body_25模型的openpose神经网络，自二维rgb图像中获得25个人体关键点及其在图像坐标系的对应坐标；
24.s2，人体倾斜姿态动态特征的表征，基于openpose取得的人体骨骼在图像坐标系的关键点坐标，构建代表人体主躯干及腿部的向量，获得人体腿部相对于地面垂线的偏移角；人体主躯干与腿部偏移角随视频图像序列帧的数值波动反映人体与地面垂线的倾斜程度变化状况，作为人体倾斜姿态动态特征以检测人体跌倒行为；
25.s3，基于公开跌倒视频库抽选动作帧形成包含255帧关键图像的数据集，数据集对应的人体倾斜姿态特征可构成包含人体主躯干与腿部偏移角的特征向量，以高斯核密度估计拟合特征向量各属性值在跌倒行为及非跌倒行为的概率密度分布状况；使用线性核svm进行跌倒识别二分类工作；
26.s4，以基于人体下降姿态动态特征的阈值判断作为跌倒识别算法的补充条件；在支持向量机将人体行为分类为跌倒后，若人体质心下降程度超过阈值则将其判定为跌倒行为，否则仍视为非跌倒行为；通过阈值判断，可以将与跌倒行为类似、混淆性较大的日常活动行为从支持向量机二分类结果中排除，以保证算法准确率与召回率；
27.步骤三，算法测试与结果分析，抽取75个跌倒动作与站立、行走、下蹲等150个日常活动动作，形成数据集对跌倒识别方法进行测试；参考图像检测相关评价指标，通过精确率、准确率及召回率评价测试效果。
28.作为本发明进一步的方案：所述步骤一中，为进一步提升算法性能，基于人体下降姿态动态特征的阈值判断作为判别人体跌倒的补充条件，以减少误判，降低本文方法识别跌倒的召回率；
29.具体是，设置一个或多个阈值来判断是否出现跌倒行为，传感器接收的数据信号若突破了预设的阈值，则判断为跌倒。
30.作为本发明再进一步的方案：所述步骤二顺序s2中，人体倾斜姿态动态特征没有表现出跌倒倾向，此时对应偏移角数值较小且较为稳定；当人体发生跌倒时，稳定性平衡状态被打破，此时偏移角会出现剧烈波动并伴随较大数值；
31.人体处于行走状态或站立等稳定状态时，主躯干及腿部偏移角数值相对较小，且相邻帧对应偏移角变化较小；人体处于不平衡的跌倒状态时，主躯干及腿部偏移角数值明显增大且伴随较大波动，与稳定状态存在较大差异，以人体主躯干与腿部偏移角数值作为人体倾斜姿态动态特征，对跌倒行为与站立、行走等非跌倒行为进行区分。
32.与现有技术相比，本发明的有益效果是：通过感应结构可以使该装置跟随人体行走，且能够实时监测人体姿态并预判跌倒情况，当预判人体将要跌倒时触发防护结构，通过防护结构在预判处对人体进行提前缓冲和支撑，降低冲击力，避免在无缓冲和支撑的情况下直接与地面接触导致老年人受伤，失去自主活动能力，无法自救或者呼救；因此，该装置能够及时检测老年人跌倒，可以有效降低老年人因跌倒而受重伤甚至是死亡的风险。
附图说明
33.图1为跌倒防护装置的结构示意图。
34.图2为跌倒防护装置进行防护方法中基于人体姿态动态特征的跌倒识别流程图。
35.图3为跌倒防护装置进行防护方法中人体跌倒、行走、坐下动作关键帧变化图。
36.图4为跌倒防护装置进行防护方法中人体跌倒、行走、坐下动作对应偏移角随视频帧变化图。
37.图中：1
‑
宠物机器躯体；2
‑
调节架；3
‑
机器头体；4
‑
传感器集成器；5
‑
上肢；6
‑
下肢；7
‑
机器尾体；8
‑
压缩槽；9
‑
电磁阀。
具体实施方式
38.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，所描述的实施例仅仅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，本领域普通技术人员在没有做出创造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。
39.另外，本发明中的元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
40.请参阅图1，本发明实施例中，一种跌倒防护装置，包括宠物机器躯体1，还包括：
41.行走结构，所述行走结构用于保持所述宠物机器躯体1平衡并模拟宠物跟随人体行走；
42.感应结构，所述感应结构安装于活动设置在所述宠物机器躯体1前部的机器头体3上，所述感应结构用于根据人体行走的路径向所述行走结构发送动作指令；
43.防护结构，所述防护结构设置在所述宠物机器躯体1的前部，所述防护结构在所述感应结构根据人体的姿态判断即将跌倒时被触发，提前预判跌倒位置并在跌倒位置处对人体缓冲并支撑。
44.在本发明实施例中，通过感应结构可以使该装置跟随人体行走，且能够实时监测人体姿态并预判跌倒情况，当预判人体将要跌倒时触发防护结构，通过防护结构在预判处对人体进行提前缓冲和支撑，降低冲击力，避免在无缓冲和支撑的情况下直接与地面接触导致老年人受伤，失去自主活动能力，无法自救或者呼救；因此，该装置能够及时检测老年人跌倒，可以有效降低老年人因跌倒而受重伤甚至是死亡的风险。
45.作为本发明的一种实施例，所述感应结构包括固定在所述机器头体3上用于对人体行走路径和姿态监测的传感器集成器4；
46.所述感应结构还包括设置在所述宠物机器躯体1内部的中央处理器，所述传感器集成器4和所述防护结构及行走结构均与所述中央处理器信号连接，所述中央处理器接收所述传感器集成器4监测的人体行走路径和姿态信号，并控制所述行走结构动作和防护结构触发；
47.其中，所述传感器集成器4包括位移传感器和摄像头，作为优选地，还包括体味传感器。
48.在本发明实施例中，利用位移传感器追踪人体的行走路径，并将追踪到的行走路径信号发送给中央处理器，中央处理器对接收到的信号处理后发送给行走结构，通过行走结构驱动整个装置跟随人体行走；
49.摄像头实时采集人体的姿态，并将采集的姿态发送给中央处理器，其中，中央处理器预判人体跌倒情况，当预判将要跌倒时向防护结构发送信号，对人体进行缓冲支撑。
50.作为本发明的一种实施例，所述行走结构包括转动安装在所述宠物机器躯体1两侧前后共四个的上肢5和活动安装在所述上肢5下部的下肢6，在上肢5与宠物机器躯体1的连接处设置有同所述上肢5连接的第一马达；
51.在下肢6与上肢5连接处设置有同所述下肢6连接的第二马达，第一马达与第二马达均连接中央处理器；
52.其中，在所述宠物机器躯体1的后部安装有机器尾体7，机器尾体7上集成有无线收发器，所述无线收发器用于同智能穿戴设备通讯，智能穿戴设备包括但不限于智能手环、智能耳机、智能手表等；
53.智能穿戴设备可以监测病人的心跳、脉搏、睡眠等，其能判断是不是进入睡眠状态，包括深睡眠，浅睡眠，同时将信息发送给处理器，因此处理器根据智能穿戴设备和预警同时作用下，处理器能精准判断人是否处于跌倒；
54.需要说明的是，智能穿戴设备为现有技术的应用，例如现有小米手环有的功能全含在上述智能穿戴设备中；
55.在中央处理器接收到行走路径信号后对信号处理并输出至第一马达和第二马达，其中第一马达和第二马达相互配合工作，使得左前肢和右后肢同步工作，而右前肢和左后肢同步工作，模拟宠物跟随人体行走。
56.作为本发明的一种实施例，所述防护结构包括设置在所述宠物机器躯体1前部的气囊，所述宠物机器躯体1的前部设置有压缩槽8，所述气囊设置在所述压缩槽8内；
57.在所述宠物机器躯体1内还设置有压缩腔，所述压缩腔内充有压缩空气，压缩腔通过电磁阀9连接所述气囊。
58.在本发明实施例中，当中央处理器预判人体将要跌倒时向电磁阀9发送触发信号，
电磁阀9打开，此时压缩腔中的压缩空气充入到气囊中，对人体进行缓冲和支撑。
59.作为本发明的一种实施例，所述机器头体3转动安装在调节架2上，调节架2转动安装在所述宠物机器躯体1前部上方，其中，机器头体3与调节架2之间具有阻尼，调节架2与宠物机器躯体1之间也具有阻尼。
60.利用调节架2和机器头体3可对传感器集成器4的俯仰角度进行多向调节，适应不同身高的人体。
61.此外，本发明还提供了如上述任一实施例所述的跌倒防护装置进行防护的方法，包括如下步骤：
62.步骤一，采集原始rgb图像信息；利用摄像头采集采集rgb图像信息并发送至中央处理器，中央处理器从单目rgb摄像机采集的视频图像中获取人体姿态关键点；利用人体姿态关键点获取人体主躯干相对于地面垂线的偏移角和腿部相对于地面垂线的偏移角，以此表征人体倾斜姿态动态特征，并通过支持向量机构建的分类器依据上述特征识别跌倒行为；
63.步骤二，识别跌倒行为，局部包括如下顺序：
64.s1，基于openpose深度卷积神经网络的人体姿态关键点获取，用基于body_25模型的openpose神经网络，自二维rgb图像中获得25个人体关键点及其在图像坐标系的对应坐标；
65.s2，人体倾斜姿态动态特征的表征，基于openpose取得的人体骨骼在图像坐标系的关键点坐标，构建代表人体主躯干及腿部的向量，获得人体腿部相对于地面垂线的偏移角；人体主躯干与腿部偏移角随视频图像序列帧的数值波动反映人体与地面垂线的倾斜程度变化状况，作为人体倾斜姿态动态特征以检测人体跌倒行为；
66.s3，基于公开跌倒视频库抽选动作帧形成包含255帧关键图像的数据集，数据集对应的人体倾斜姿态特征可构成包含人体主躯干与腿部偏移角的特征向量，以高斯核密度估计拟合特征向量各属性值在跌倒行为及非跌倒行为的概率密度分布状况；使用线性核svm进行跌倒识别二分类工作；
67.其中，线型核支持向量机的模型公式如下：
[0068][0069]
s.ty
i
(w
t
x b)＝γ
′
(i)
≥γ
′
(i＝1，2
…
，m)；
[0070]
一般取函数间隔γ
′
＝1，引入松弛变量δ
i
，则模型公式等价如下公式：
[0071][0072]
s.ty
i
(w
t
x b)≥1(i＝1，2
…
，m)；
[0073]
式中：x为包含主躯干、左右腿部偏移角的三维特征向量，y为样本类别即跌倒行为与非跌倒行为，c≥0为惩罚参数，w及b为所得分类超平面权重向量与偏置值；i表示含有m个样本的数据集中的第i个样本；
[0074]
s4，为降低检测人体跌倒的误检率，以基于人体下降姿态动态特征的阈值判断作为跌倒识别算法的补充条件；在支持向量机将人体行为分类为跌倒后，若人体质心下降程度超过阈值则将其判定为跌倒行为，否则仍视为非跌倒行为；通过阈值判断，可以将与跌倒
行为类似、混淆性较大的日常活动行为从支持向量机二分类结果中排除，以保证算法准确率与召回率；
[0075]
步骤三，算法测试与结果分析，抽取75个跌倒动作与站立、行走、下蹲等150个日常活动动作，形成数据集对跌倒识别方法进行测试；参考图像检测相关评价指标，通过精确率、准确率及召回率评价测试效果。
[0076]
作为本发明的一种实施例，所述步骤一中，为进一步提升算法性能，基于人体下降姿态动态特征的阈值判断作为判别人体跌倒的补充条件，以减少误判，降低本文方法识别跌倒的召回率，具体算法流程见图2；
[0077]
具体是，设置一个或多个阈值来判断是否出现跌倒行为，传感器接收的数据信号若突破了预设的阈值，则判断为跌倒；
[0078]
设置合加速度a
r
与合角速度ω
r
的阈值来进行研究测验；检验在一段时间内，传感器采集到的合加速度或合角速度之间的极差a
diff
或ω
diff
，则有：a
diff
＝a
max
‑
a
min
，ω
diff
＝ω
max
‑
ω
min
若a
diff
≥a
r
或者ω
diff
≥ω
r
，则突破预设阈值，发生跌倒；若a
diff
≤σ
r
或者ω
diff
≤ω
r
，则未突破预设阈值，未发生跌倒。
[0079]
作为本发明的一种实施例，所述步骤二顺序s2中，人体倾斜姿态动态特征没有表现出跌倒倾向，此时对应偏移角数值较小且较为稳定；当人体发生跌倒时，稳定性平衡状态被打破，此时偏移角会出现剧烈波动并伴随较大数值，具体参阅图3和图4；
[0080]
人体处于行走状态或站立等稳定状态时，主躯干及腿部偏移角数值相对较小，且相邻帧对应偏移角变化较小；人体处于不平衡的跌倒状态时，主躯干及腿部偏移角数值明显增大且伴随较大波动，与稳定状态存在较大差异，以人体主躯干与腿部偏移角数值作为人体倾斜姿态动态特征，对跌倒行为与站立、行走等非跌倒行为进行区分。
[0081]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0082]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。