目前跌倒检测方法最常见的是视频图像分析法和穿戴式装置检测法。前者使用视频摄像头,不能保证用户隐私安全;

后者是传感器装置,需要基站来服务,外出时易忘记佩戴。使用智能手机进行跌倒检测是一个可行的且有很大发展潜力的技术,智能手机同时结合了跌倒检测系统的两个重要组件:

跌倒检测和救助通信,不仅可以降低系统成本,实时监测人体活动,还可以结合GPS确定用户的跌倒位置。

现在,国内外已有利用手机进行跌倒检测的相关理论研究,都是使用移动手机内置的加速度传感器和基于人体运动加速度特征的不同算法来检测跌倒的。

然而一些较高强度日常活动如慢跑、快速坐下等也会产生一个类似跌倒的大加速度值特征。因此,单独使用加速度传感器进行跌倒检测,采集的数据比较单一,不足以完全反应人体姿态变化,会给跌倒检测带来许多假警报。

当系统检测到一个跌倒,会弹出通知窗口并且有声音警报,用户可以在一个可设置的特定时间范围内取消警报请求。如果没有发生真正的跌倒,用户可以在报警等待时间范围内简单取消请求。

自动识别如地铁手扶梯/楼梯、老幼活动区等公共场所人员摔倒行为，准确率高于90%。

随着我国人口老龄化的加剧，期望寿命的延长，以及“空巢”家庭的频频出现，老年人问题也日益突出，特别是老年人的健康问题成为国家和社会关注的重点问题之一。

意外跌倒给老年人的生理和心理都带来极大危害，而及时救助跌倒的老年人将大大降低伤残率和死亡率。现在人体跌倒的主要检测手段有图像分析法、声频分析法、可穿戴式装置分析法。

可穿戴式检测装置最大的特点是方便携带，人体佩戴后可以随意走动，不受活动范围的局限，满足跌倒检测系统的需求。因此本文主要以可穿戴式装置检测方法展开相关研究工作。

主要通过安装在室内摄像头获取被监控人的活动信息，-一般有两种方法。第一种是通过摄像头监控获取人体运动姿态信息，当人体发生跌倒后便可准确识别。

第二种是通过视频采集人体运动图像，利用模式识别、机器学习等方法来检测人体是否发生跌倒。

采用深度摄像头，获取相应的数据和图像，图像经过校正后再采用背景差分法能够提取出人体运动场景，以检测到人体头部的晃动速度作为跌倒判据，结合图像进行检测，经实验测试，识别率达九成以上。

人体具有非常复杂的结构，人体运动中完成的各种动作具有高度的复杂性。造成跌倒事件的因素有很多种。内在原因上，老年人自身体弱、骨骼老化、肌肉萎缩、机能减退。

基于计算机识别技术，配合现场摄像头，自动识别如地铁手扶梯/楼梯、老幼活动区等公共场所人员摔倒行为，准确率高于90%，及时救援，提高人工监管效果，保障生命安全。

自动识别地铁车站内如扶梯、楼梯等意外场所的人员摔倒事故，实时预警，及时救援，有效减少人力监管误差与成本，提高公共场所安全性。

在社区或小区内实时布控，识别老人及幼童摔倒动作，即刻发送通知，及时救援。自动识别幼儿园/老人院等活动区域无监管情况下的人员摔倒事故，立即报警，避免因人力监管不到位造成的救援拖延。

此AI算法包用于检测画面中人体摔倒，主要应用于城市管理、智慧养老等场景。此算法包会检测人体，对隐私要求请酌情使用。检测到人体摔倒后会在画面中将其标记并通过标准数据结构输出。