一种人员跌倒检测方法、装置、电子设备及存储介质

1.本技术实施例涉及人工智能技术领域，尤其涉及一种人员跌倒检测方法、装置、电子设备及存储介质。


背景技术：

2.随着物联网技术、5g通信技术和边缘计算技术的快速发展，室内环境智能化已成为一种趋势。与此同时，在人类活动较为集中的室内环境中，区域内的人体状态信息对于构建智能家居、医疗监护和智慧养老是必不可少的。特别地，跌倒信息在家庭和医疗健康监护上起着巨大的作用。
3.随着传感器技术的日益成熟以及对人员跌倒检测技术研究的不断发展，市场也出现了较多的跌倒检测设备，这些设备可以根据使用的传感器分为两大类：穿戴式和非穿戴式；其中，穿戴式设备主要有压力鞋垫、智能手环、腰带等，这类设备易于集成和实现智能化，使用简单，但需要随时随地穿戴，容易造成体感上的不适；并且由于人体的差异、干扰动作多等因素，导致较高的误报率。非穿戴式设备主要有视觉传感器、压力传感器和雷达传感器等。其中，视觉传感器，计算成本高，容易受到光照影响，不适合夜晚使用，且存在侵犯个人隐私和人体被遮挡的问题。压力传感器，检测范围小，安装成本高。


技术实现要素：

4.本技术提供一种人员跌倒检测方法、装置、电子设备及存储介质，能够在多个维度上对人员进行跌倒检测，克服在不同安装环境、不同安装高度、不同跌倒姿势下检测性能不稳定的问题。
5.第一方面，本技术实施例提供了一种人员跌倒检测方法，所述方法包括：
6.在各个时刻上通过毫米波雷达获取待检测人员的回波信号对应的三维数据立方信号；
7.基于所述三维数据立方信号对待检测人员进行多维特征计算，得到所述待检测人员的多维特征计算结果；
8.基于所述多维特征计算结果对所述待检测人员进行多级自适应检测，得到所述待检测人员的多级自适应检测结果；其中，所述多级自适应检测结果包括：所述待检测人员已跌倒或者所述待检测人员未跌倒。
9.第二方面，本技术实施例还提供了一种人员跌倒检测装置，所述装置包括：获取模块、多维特征计算模块和多级自适应检测模块；其中，
10.所述获取模块，用于在各个时刻上通过毫米波雷达获取待检测人员的回波信号对应的三维数据立方信号；
11.所述多维特征计算模块，用于基于所述三维数据立方信号对待检测人员进行多维特征计算，得到所述待检测人员的多维特征计算结果；
12.所述多级自适应检测模块，用于基于所述多维特征计算结果对所述待检测人员进
行多级自适应检测，得到所述待检测人员的多级自适应检测结果；其中，所述多级自适应检测结果包括：所述待检测人员已跌倒或者所述待检测人员未跌倒。
13.第三方面，本技术实施例提供了一种电子设备，包括：
14.一个或多个处理器；
15.存储器，用于存储一个或多个程序，
16.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本技术任意实施例所述的人员跌倒检测方法。
17.第四方面，本技术实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本技术任意实施例所述的人员跌倒检测方法。
18.本技术实施例提出了一种人员跌倒检测方法、装置、电子设备及存储介质，先在各个时刻上通过毫米波雷达获取待检测人员的回波信号对应的三维数据立方信号；然后基于三维数据立方信号对待检测人员进行多维特征计算，得到待检测人员的多维特征计算结果；再基于多维特征计算结果对待检测人员进行多级自适应检测，得到待检测人员的多级自适应检测结果。也就是说，在本技术的技术方案中，可以通过毫米波雷达实现高维多尺度特征的跌倒检测，具有精度高，稳健性强的特点；对不同场景、不同安装高度、不同摔倒动作、不同摔倒角度、不同摔倒位置具有强鲁棒性。而在现有技术中，穿戴式设备容易造成体感上的不适；并且由于人体的差异、干扰动作多等因素，导致较高的误报率。非穿戴式设备计算成本高，容易受到光照影响，不适合夜晚使用，且存在侵犯个人隐私和人体被遮挡的问题。因此，和现有技术相比，本技术实施例提出的人员跌倒检测方法、装置、电子设备及存储介质，能够在多个维度上对人员进行跌倒检测，克服在不同安装环境、不同安装高度、不同跌倒姿势下检测性能不稳定的问题；并且，本技术实施例的技术方案实现简单方便、便于普及，适用范围更广。
附图说明
19.图1为本技术实施例提供的人员跌倒检测方法的第一流程示意图；
20.图2为本技术实施例提供的人员跌倒检测方法的第二流程示意图；
21.图3为本技术实施例提供的人员跌倒检测方法的第三流程示意图；
22.图4为本技术实施例提供的人员跌倒检测装置的结构示意图；
23.图5为本技术实施例提供的电子设备的结构示意图。
具体实施方式
24.下面结合附图和实施例对本技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本技术，而非对本技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部结构。
25.实施例一
26.图1为本技术实施例提供的人员跌倒检测方法的第一流程示意图，该方法可以由人员跌倒检测装置或者电子设备来执行，该装置或者电子设备可以由软件和/或硬件的方式实现，该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示，人员跌倒检测方法可以包括以下步骤：
27.s101、在各个时刻上通过毫米波雷达获取待检测人员的回波信号对应的三维数据立方信号。
28.在本步骤中，电子设备可以在各个时刻上通过毫米波雷达获取待检测人员的回波信号对应的三维数据立方信号。具体地，电子设备可以在各个时刻上通过毫米波雷达向待检测人员发送检测信号，并接收各个检测信号的回波信号。本技术考虑人体目标探测需求的低辐射要求，可选用满足辐射符合安全规定的毫米波雷达，但是不限于该雷达射频模块。
29.s102、基于三维数据立方信号对待检测人员进行多维特征计算，得到待检测人员的多维特征计算结果。
30.在本步骤中，电子设备可以基于三维数据立方信号对待检测人员进行多维特征计算，得到待检测人员的多维特征计算结果。具体地，毫米波雷达可以通过发射宽带波形的电磁波信号至空间，经空间中的物品、地等杂波，可能存在的人体目标等的散射，雷达接收机接收到回波信号并进行混频并经由模拟数字转换器(analog-to-digital converter，简称adc)采样，得到的信号形式可以表示为y[m，n，k]，这是一个三维数据立方信号。其中，m表示快时间维信号采样，n表示慢时间维信号采样，k表示天线维信号采样。
[0031]
s103、基于多维特征计算结果对待检测人员进行多级自适应检测，得到待检测人员的多级自适应检测结果；其中，多级自适应检测结果包括：待检测人员已跌倒或者待检测人员未跌倒。
[0032]
在本步骤中，电子设备可以基于多维特征计算结果对待检测人员进行多级自适应检测，得到待检测人员的多级自适应检测结果；其中，多级自适应检测结果包括：待检测人员已跌倒或者待检测人员未跌倒。具体地，本技术实施例中的多级自适应检测包括但不限于以下至少其中之一：长时间事后低姿态自适应检测、长时间边界自适应检测、短时间事前高姿态自适应检测、中时间大动作自适应检测、短时间较低姿态自适应检测、长时间速度自适应检测、长时间体态自适应检测。
[0033]
本技术实施例提出的人员跌倒检测方法，先在各个时刻上通过毫米波雷达获取待检测人员的回波信号对应的三维数据立方信号；然后基于三维数据立方信号对待检测人员进行多维特征计算，得到待检测人员的多维特征计算结果；再基于多维特征计算结果对待检测人员进行多级自适应检测，得到待检测人员的多级自适应检测结果。也就是说，在本技术的技术方案中，可以通过毫米波雷达实现高维多尺度特征的跌倒检测，具有精度高，稳健性强的特点；对不同场景、不同安装高度、不同摔倒动作、不同摔倒角度、不同摔倒位置具有强鲁棒性。而在现有技术中，穿戴式设备容易造成体感上的不适；并且由于人体的差异、干扰动作多等因素，导致较高的误报率。非穿戴式设备计算成本高，容易受到光照影响，不适合夜晚使用，且存在侵犯个人隐私和人体被遮挡的问题。因此，和现有技术相比，本技术实施例提出的人员跌倒检测方法，能够在多个维度上对人员进行跌倒检测，克服在不同安装环境、不同安装高度、不同跌倒姿势下检测性能不稳定的问题；并且，本技术实施例的技术方案实现简单方便、便于普及，适用范围更广。
[0034]
实施例二
[0035]
图2为本技术实施例提供的人员跌倒检测方法的第二流程示意图。基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。如图2所示，人员跌倒检测方法可以包括以下步骤：
[0036]
s201、在各个时刻上通过毫米波雷达获取待检测人员的回波信号对应的三维数据立方信号。
[0037]
s202、对各个三维数据立方信号的快时间维做快速傅里叶变换，得到各个三维数据立方信号的快速傅里叶变换结果。
[0038]
s203、基于各个三维数据立方信号的快速傅里叶变换结果计算目标到达角估计结果。
[0039]
在本步骤中，电子设备可以对各个三维数据立方信号的快时间维做快速傅里叶变换，得到各个三维数据立方信号的快速傅里叶变换结果。具体地，电子设备可以对信号y[m，n，k]的快时间维m做fft处理，提取出距离信息，并且对每个距离单元进行静态杂波去除，具体公式如下：
[0040]
x
′
[r，n，k]＝fft{y[m，n，k]}
[0041][0042]
其中，x
′
[r，n，k]是对快时间维m做fft提取距离信息的结果，x[r，n，k]是进行静态杂波去除的结果，n是慢时间维数。
[0043]
s204、基于目标角估计结果求解局部高度维特征、局部宽度维特征、局部长度维特征和局部速度维特征，得到待检测人员的多维特征计算结果。
[0044]
在本步骤中，电子设备可以基于目标角估计结果求解局部高度维特征、局部宽度维特征、局部长度维特征和局部速度维特征，得到待检测人员的多维特征计算结果。具体地，电子设备可以先将目标到达角估计结果作为三维点云集进行干扰点云去除，得到去除干扰点后的三维点云；然后将去除干扰点后的三维点云作为目标点云求解局部高度维特征、局部宽度维特征、局部长度维特征和局部速度维特征。进一步地，电子设备在将目标到达角估计结果作为三维点云集进行干扰点云去除时，具体可以将所有点云数据按照长、宽、高以及幅度，计算三维几何空间中的分布密度特征，去掉不符合人几何空间分布与密度特征的干扰点云，得到去除干扰点后的三维点云。
[0045]
s205、基于多维特征计算结果对待检测人员进行多级自适应检测，得到待检测人员的多级自适应检测结果；其中，多级自适应检测结果包括：待检测人员已跌倒或者待检测人员未跌倒。
[0046]
本技术实施例提出的人员跌倒检测方法，先在各个时刻上通过毫米波雷达获取待检测人员的回波信号对应的三维数据立方信号；然后基于三维数据立方信号对待检测人员进行多维特征计算，得到待检测人员的多维特征计算结果；再基于多维特征计算结果对待检测人员进行多级自适应检测，得到待检测人员的多级自适应检测结果。也就是说，在本技术的技术方案中，可以通过毫米波雷达实现高维多尺度特征的跌倒检测，具有精度高，稳健性强的特点；对不同场景、不同安装高度、不同摔倒动作、不同摔倒角度、不同摔倒位置具有强鲁棒性。而在现有技术中，穿戴式设备容易造成体感上的不适；并且由于人体的差异、干扰动作多等因素，导致较高的误报率。非穿戴式设备计算成本高，容易受到光照影响，不适合夜晚使用，且存在侵犯个人隐私和人体被遮挡的问题。因此，和现有技术相比，本技术实施例提出的人员跌倒检测方法，能够在多个维度上对人员进行跌倒检测，克服在不同安装
环境、不同安装高度、不同跌倒姿势下检测性能不稳定的问题；并且，本技术实施例的技术方案实现简单方便、便于普及，适用范围更广。
[0047]
实施例三
[0048]
图3为本技术实施例提供的人员跌倒检测方法的第三流程示意图。基于上述技术方案进一步优化与扩展，并可以与上述各个可选实施方式进行结合。如图3所示，人员跌倒检测方法可以包括以下步骤：
[0049]
s301、在各个时刻上通过毫米波雷达获取待检测人员的回波信号对应的三维数据立方信号。
[0050]
s302、对各个三维数据立方信号的快时间维做快速傅里叶变换，得到各个三维数据立方信号的快速傅里叶变换结果。
[0051]
s303、对各个三维数据立方信号的快速傅里叶变换结果中的每个距离单元进行静态杂波去除，得到去除杂波后的各个三维数据立方信号的快速傅里叶变换结果。
[0052]
s304、基于去除杂波后的各个三维数据立方信号的快速傅里叶变换结果计算目标到达角估计结果。
[0053]
在本步骤中，电子设备可以基于去除杂波后的各个三维数据立方信号的快速傅里叶变换结果计算目标到达角估计结果。具体地，电子设备可以使用超分辨的角度估计算法对去除杂波后的各个三维数据立方信号的快速傅里叶变换结果进行到达角估计，得到各个三维数据立方信号的到达角估计结果；然后在全部的三维数据立方信号的到达角估计结果中提取出目标到达角估计结果；其中，目标到达角估计结果的能量大于或者等于预先设置的能量阈值。
[0054]
s305、基于目标角估计结果求解局部高度维特征、局部宽度维特征、局部长度维特征和局部速度维特征，得到待检测人员的多维特征计算结果。
[0055]
在本步骤中，电子设备可以基于目标角估计结果求解局部高度维特征、局部宽度维特征、局部长度维特征和局部速度维特征，得到待检测人员的多维特征计算结果。具体地，电子设备在将目标到达角估计结果作为三维点云集进行干扰点云去除时，可以将所有点云数据按照长、宽、高以及幅度，计算三维几何空间中的分布密度特征，去掉不符合人几何空间分布与密度特征的干扰点云，得到去除干扰点后的三维点云。
[0056]
s306、基于多维特征计算结果对待检测人员进行多级自适应检测，得到待检测人员的多级自适应检测结果；其中，多级自适应检测结果包括：待检测人员已跌倒或者待检测人员未跌倒。
[0057]
本技术实施例中的多级自适应检测包括但不限于以下至少其中之一：长时间事后低姿态自适应检测、长时间边界自适应检测、短时间事前高姿态自适应检测、中时间大动作自适应检测、短时间较低姿态自适应检测、长时间速度自适应检测、长时间体态自适应检测。
[0058]
在本技术的具体实施例中，电子设备可以使用超分辨的角度估计算法(2d-music)对信号x[r，n，k]进行到达角估计，具体公式如下：
[0059]
[0060][0061][0062]
其中，r
kk，r
为构建的信号协方差矩阵，n为一帧数据中chirp波形个数，us为信号子空间特征向量矩阵，∑s为信号子空间特征值矩阵，un为噪声子空间特征向量矩阵，∑n为噪声子空间特征值矩阵。为阵元的导向矢量，分别为所搜索的方位角与俯仰角。
[0063]
在本技术的具体实施例中，通过设置一个music谱的能量阈值t1，可以将中超过能量阈值的数据保存下来，作为三维点云集。该点云集记为包括了目标3个维度的信息，分别是距离r、方位角θ和俯仰角根据三维点云集中的点云坐标进行波束形成，然后使用2d-fft估计目标的速度v，将其补充到三维点云集中，增加速度维信息，得到四维点云集通过上述步骤生成的四维点云集数据是处于球坐标系的，为了得到更为直观的空间信息，将四维点云通过下面公式变换到直角坐标系，得到六维点云集pointcloud(x，y，z，v
x
，vy，vz)，再补充点云的能量幅度am，得到七维点云集pointcloud(x，y，z，v
x
，vy，vz，am)。
[0064][0065]
对点云集进行特征求解前，需要先将固定帧数的点云数据进行堆叠，并计算出点云数量n1，若点云数量n1不为零，则进行目标点云多维特征计算：1)进行干扰点云去除，具体为将所有点云数据按照长、宽、高以及幅度，计算三维几何空间中的分布密度特征，去掉不符合人几何空间分布与密度特征的干扰点云，剩下的作为目标点云；2)基于目标点云求解局部高度维特征、局部宽度维特征、局部长度维特征和局部速度维特征，这些特征的求解过程的详细介绍如下：局部高度维特征计算：先将堆叠点云集中的所有点云根据高度z从大到小排序，选择前n1个点云，结合点云的能量幅度am对高度进行加权求和，具体公式如下所示：
[0066][0067]
局部宽度维特征，先将堆叠点云集中的所有点云根据宽度x从大到小排序，选择前n2个点云，结合点云的能量幅度am对宽度进行加权求和，结果记为centwidth1；选择后n2个点云，结合点云的能量幅度am对宽度进行加权求和，结果记为centwidth2；再根据下面公式计算：
[0068]
centwidth＝centwidth1-centwidth2
[0069]
局部长度维特征，先将堆叠点云集中的所有点云根据长度y从大到小排序，选择前n2个点云，结合点云的能量幅度am对长度进行加权求和，结果记为centlength1；选择后n2个点云，结合点云的能量幅度am对长度进行加权求和，结果记为centlength2；再根据下面公式计算：
[0070]
centlength＝centlength1-centlength2
[0071]
局部速度维特征，先将堆叠点云集中的所有点云根据速度z分量的绝对值从大到小排序，选择前n1个点云，结合点云的能量幅度am对速度的z分量进行加权求和，具体公式如下所示：
[0072][0073]
最后，根据上述求解的点云特征，生成点云集的总特征f＝[f1，f2，f3，f4，f5]，其中f1代表堆叠点云集的点云数量特征，即n1；f2代表堆叠点云集的局部高度维特征，即centhight；f3代表堆叠点云集的局部宽高比特征，即centwidth/centhight；f4代表堆叠点云集的局部长高比特征，即centlength/centhight；f5代表堆叠点云集的局部速度维特征，即
[0074]
本技术提出一种基于高维多尺度特征的跌倒检测算法，其中，跌倒检测算法主要是根据人体跌倒的物理过程来实现的。人体发生跌倒一般是从站立到跌倒再到躺在地上的过程，所以人体目标的高度在这一过程中会从一个较高的高度变化成一个较低的高度，所以可以通过对高维多尺度特征进行一定时间的累积，然后依次进行多级自适应检测。具体包括：长时间事后低姿态自适应检测、长时间边界自适应检测、短时间事前高姿态自适应检测、中时间大动作自适应检测、短时间较低姿态自适应检测、长时间速度自适应检测、长时间体态自适应检测。
[0075]
长时间事后低姿态自适应检测：通过长时间滑窗检测，当滑窗中局部高度维特征f2低于门限t1的帧数超过一定的比例，则认为目标是处于低姿态的。
[0076]
长时间边界自适应检测：当目标是处于低姿态的，则通过长时间滑窗检测，滑窗中的点云数特征f1高于门限t2的帧数超过一定的比例，则认为此时目标是存在的，否则认为目标已经离开检测区域。
[0077]
短时间事前高姿态自适应检测：当目标处于低姿态后，则检测前面一段时间内目标是否为高姿态。通过短时间滑窗检测，当滑窗中局部高度维特征f2高于门限t1的帧数超过一定的比例，则认为目标是处于高姿态的。
[0078]
中时间大动作自适应检测：当目标由高姿态变为低姿态时，则通过中时间滑窗检测，当滑窗中的点云数特征f1高于门限t3的帧数超过一定的比例，则认为此时是有大动作发生的。
[0079]
短时间较低姿态自适应检测：为了进一步确定目标是跌倒还是蹲下，设定了一个比t1更小的门限t4，来确定目标是否处于较低姿态。通过短时间滑窗检测，当滑窗中局部高度维特征f2低于门限t4的帧数超过一定的比例，则认为目标是处于较低姿态的。
[0080]
长时间速度自适应检测：为了进一步确定目标是否发生了跌倒，还需对速度维进行自适应检测。通过短时间滑窗检测，当滑窗中局部速度维特征f5高于门限t5的帧数超过
一定的比例，则认为目标当前活动状态在速度维是符合跌倒动作的。
[0081]
长时间体态自适应检测：人在跌倒的过程中，其局部高度维特征的数值会从较大向较小变化，同时局部宽度维特征f3或者局部长度维特征f4的数值会从小变大，所以在跌倒后的局部宽高比特征f3或者局部长高比特征f4会比跌倒前的大。通过长时间滑窗判断跌倒前后的局部长高比或者局部宽高比特征的数值变化情况，可以进一步验证跌倒活动是否发生。
[0082]
综上，当人体目标发生活动时，生成的点云的总特征能够通过上述的多级自适应检测，即可确认人体目标当前活动为真实跌倒。
[0083]
本技术的测试结果如下：以60ghz毫米波雷达(带宽为4ghz)为例，在不同的环境下，例如通道、茶水间、会议室、卧室、客厅等，安装高度为2-3米，针对不同的跌倒姿势，例如正面跌倒、侧面跌倒、仰面跌倒、从床上跌倒、从椅子上跌倒、扶着固定物跌倒等、跌倒角度、跌倒位置，以及不同的非跌倒动作，例如下蹲、系鞋带、坐下、捡东西、走路等，针对上述方法进行了324组跌倒动作及324组非跌倒动作的测试。其中，在324组摔倒动作中，共320组摔倒动作检测正确，检测概率为98.77％，有4组摔倒动作没有检测出来，漏警率为1.23％。在324组非摔倒动作中，有1组非摔倒动作错误检测为摔倒动作，虚警率为0.3％，检测正确概率为99.7％。在648组测试动作中，平均准确率为99.23％。由此可以看出，本作品具有精度高，稳健性强的特点。对不同场景、不同安装高度、不同摔倒动作、不同摔倒角度、不同摔倒位置具有强鲁棒性。
[0084]
与现有的技术比较，本技术的优点是：(1)相比已有的人员跌倒检测方法，本方法具有完全非接触；不受天气和环境变化影响，可全天时全天候工作；不侵害个人隐私等优点。(2)本技术可以实现不同跌倒姿势的检测，具有精度高、性能稳健等特点。(3)本技术计算复杂度低，可以在一般的arm处理器中运行，可以做到低功耗。
[0085]
本技术实施例提出的人员跌倒检测方法，先在各个时刻上通过毫米波雷达获取待检测人员的回波信号对应的三维数据立方信号；然后基于三维数据立方信号对待检测人员进行多维特征计算，得到待检测人员的多维特征计算结果；再基于多维特征计算结果对待检测人员进行多级自适应检测，得到待检测人员的多级自适应检测结果。也就是说，在本技术的技术方案中，可以通过毫米波雷达实现高维多尺度特征的跌倒检测，具有精度高，稳健性强的特点；对不同场景、不同安装高度、不同摔倒动作、不同摔倒角度、不同摔倒位置具有强鲁棒性。而在现有技术中，穿戴式设备容易造成体感上的不适；并且由于人体的差异、干扰动作多等因素，导致较高的误报率。非穿戴式设备计算成本高，容易受到光照影响，不适合夜晚使用，且存在侵犯个人隐私和人体被遮挡的问题。因此，和现有技术相比，本技术实施例提出的人员跌倒检测方法，能够在多个维度上对人员进行跌倒检测，克服在不同安装环境、不同安装高度、不同跌倒姿势下检测性能不稳定的问题；并且，本技术实施例的技术方案实现简单方便、便于普及，适用范围更广。
[0086]
实施例四
[0087]
图4为本技术实施例提供的人员跌倒检测装置的结构示意图。如图4所示，所述人员跌倒检测装置包括：获取模块401、多维特征计算模块402和多级自适应检测模块403；其中，
[0088]
所述获取模块401，用于在各个时刻上通过毫米波雷达获取待检测人员的回波信
号对应的三维数据立方信号；
[0089]
所述多维特征计算模块402，用于基于所述三维数据立方信号对待检测人员进行多维特征计算，得到所述待检测人员的多维特征计算结果；
[0090]
所述多级自适应检测模块403，用于基于所述多维特征计算结果对所述待检测人员进行多级自适应检测，得到所述待检测人员的多级自适应检测结果；其中，所述多级自适应检测结果包括：所述待检测人员已跌倒或者所述待检测人员未跌倒。
[0091]
上述人员跌倒检测装置可执行本技术任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本技术任意实施例提供的人员跌倒检测方法。
[0092]
实施例五
[0093]
图5为本技术实施例提供的电子设备的结构示意图。图5示出了适于用来实现本技术实施方式的示例性电子设备的框图。图5显示的电子设备12仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0094]
如图5所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
[0095]
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
[0096]
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0097]
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom，dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本技术各实施例的功能。
[0098]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本技术所描述的实施例中的功能和/或方法。
[0099]
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，电子设备12还可以通过网络适
配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图5中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0100]
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本技术实施例所提供的人员跌倒检测方法。
[0101]
实施例六
[0102]
本技术实施例提供了一种计算机存储介质。
[0103]
本技术实施例的计算机可读存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0104]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0105]
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0106]
可以以一种或多种程序设计语言或其组合来编写用于执行本技术操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0107]
注意，上述仅为本技术的较佳实施例及所运用技术原理。本领域技术人员会理解，本技术不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，而本技术的范围由所附的权利要求范围决定。