一种预防摔倒智能监控系统

1.本发明涉及护理设备的技术领域，特别是涉及一种预防摔倒智能监控系统。


背景技术：

2.跌倒事故是我国65岁以上老年人受伤及死亡的首要原因，随着年龄的增长跌倒后受到严重伤害的风险也随之增加，造成跌倒的常见原因包括障碍物碰撞以及杂物绊倒和自身状态不佳。现有技术中对预防老人摔倒受伤做了很多研究，提出了多种防摔伤的穿戴型防护装置。在视频监控领域主要应用是为已经摔倒的老人报警，而对于通过智能视频监控预防老人摔倒的应用较少，公开号为“cn114140984a”的中国专利申请提出了一种预防摔倒智能监控系统，该系统通过监控老人与障碍物之间的距离，并发出警报，提醒老人与障碍物之间保持安全距离，从而预防摔倒。
3.但是上述系统就不能对老人自身身体原因造成的摔倒进行有效预警，局限性较大，因此本技术提出一种自主学习型预防摔倒智能监控系统，对包括障碍物碰撞以及杂物绊倒和自身状态不佳造成的摔倒进行预警和预防。


技术实现要素：

4.为解决上述技术问题，本发明提供一种具有学习能力，通过不断优化安全路线模型和安全行为模型结合智能监控预防目标人员摔倒，局限性小的一种预防摔倒智能监控系统。
5.本发明的一种预防摔倒智能监控系统，包括视频监控模块和身体监控模块，视频监控模块全面覆盖监控场景，身体监控模块用于实时监控目标人员的身体状况；还包括处理器、报警器、储存器和学习芯片，处理器与视频监控模块、身体监控模块、报警器和储存器通讯连接，处理器将视频监控模块录制的历史监控视频和身体监控模块的历史身体数据按照统一的时刻表处理后存储在储存器中，学习芯片调取储存器中的历史视频监控数据，进行场景内人员移动路线学习，建立场景内目标人员移动的安全路线模型，并将所述安全路线存储在储存器中，学习芯片调取储存器中目标人员的历史视频监控数据和身体监控数据，进行目标人员行为学习，建立目标人员安全行为模型，并将所述安全行为模型存储在储存器中，处理器将目标人员的实时监控数据与安全路线模型和安全行为模型进行对比，当目标人员偏离安全路线模型或安全行为模型时发报警器发出报警；通过对大量历史数据的学习建立在监控场景内目标人员的安全路线模型和安全行为模型，处理器结合所述安装路线模型和实时视频监控对目标人员的移动路线进行监控，当目标人员的路线与安全路线模型不符时报警器及时发出警报，当目标人员的行为和当时的身体状态与安全行为模型不符时报警器及时发出警报，从而实现包括障碍物碰撞以及杂物绊倒和自身状态不佳造成的摔倒的预警和预防，局限性小，本系统具有学习能力，能够不断优化上述安全路线模型和安全行为模型，使得预防准确度不断提升。
6.优选的，视频监控模块包含多个摄像设备，多个摄像设备安装在监控场景中，调整
摄像设备位置全面覆盖监控场景，摄像设备具有人脸识别功能和夜视功能；通过上述设置，减少监控盲区，有利于建立全面的安全模型，人脸识别功能用于区分目标人员和其他人员，夜视功能用于在夜间对目标人员进行监控。
7.优选的，安全路线模型的建立过程为：学习芯片调取大量历史监控视频，对比同一时刻多个摄像设备录制的同一人员的监控视频，通过多角度对比人员与监控场景中标记物的相对位置得到该人员的移动路线，将其中人员行走时受到阻碍的路线剔除，同样方法提取监控场景中所有人员的移动路线数据，将移动路线数据合并后形成监控场景内的可供人员顺利行走的路线模型a，为目标人员设置冗余量后建立目标人员安全行走的路线模型b，确保目标人员在上述路线模型b中行走时不会被障碍物磕碰绊倒，学习芯片将路线模型b作为安全路线模型存入储存器，设置学习频率最少为每日三次；通过高频率的学习能够及时优化安全路线模型，应对每日都有变化的监控场景。
8.优选的，处理器具有侵入判断能力；当有新的障碍物或杂物临时进入安全路线模型中时，处理器通过报警器发出警报提醒工作人员进行清障，清障未执行的，处理器越过学习芯片对安全路线模型进行临时修改，当监控模块检测到目标人员进入安全路线模型中时，处理器通过报警器提醒处在安全路线模型中的其他人员注意避让目标人员和及时帮扶目标人员。
9.优选的，储存器中设置多个分区，多个分区分别储存历史视频录像、历史身体监控数据、安全模型、实时数据和报警报告；通过设置分区，方便工作人员查询和管理数据。
10.优选的，安全行为模型建立过程为：学习芯片调取大量历史监控视频，对比同一时刻多个摄像设备录制的目标人员的监控视频，通过多角度对比目标人员的面部与监控场景中标记物的相对位置得到该人员的行为数据c，将得到多种行为数据c与同时刻身体监控模块得到的身体状态数据d结合得到数据e，剔除掉目标人员发生失衡时的数据e，将剩余的数据e合并后形成监控场景内的目标人员的安全行为模型f，设置冗余量后建立目标人员安全行动的行为模型g，确保目标人员在做出上述行为模型g中的行动时不会因为自身原因摔倒，学习芯片将路线模型g作为安全行为模型存入储存器，设置学习频率最少为每日三次；人的行为安全性和其自身在做出该行为的状态紧密相关，因此判断该行为是否会造成目标人员摔倒需要结合当时的身体状态，上述方法建立了目标人员的行动和身体状态对应的模型，一旦超出该模型则有摔倒风险，通过设定适当的冗余，使得目标人员在做出风险行为前得到预警，从而预防因自身身体状态不佳造成的摔倒。
11.优选的，所述行为数据包括但不限于行走速度，起床速度，蹲起速度，转头速度，转身速度，走路时脚离地距离，平衡性，眼睛灵活性。
12.优选的，身体监控模块设置为可穿戴的监控设备，包括智能手环、智能鞋和智能腰带等，身体状态数据包括但不限于血压、血糖、血氧、呼吸频率、心率。
13.与现有技术相比本发明的有益效果为：通过对大量历史数据的学习建立在监控场景内目标人员的安全路线模型和安全行为模型，处理器结合所述安装路线模型和实时视频监控对目标人员的移动路线进行监控，当目标人员的路线与安全路线模型不符时报警器及时发出警报，当目标人员的行为和当时的身体状态与安全行为模型不符时报警器及时发出警报，从而实现包括障碍物碰撞以及杂物绊倒和自身状态不佳造成的摔倒的预警和预防，局限性小，本系统具有学习能力，能够不断优化上述安全路线模型和安全行为模型，使得预
防准确度不断提升。
附图说明
14.图1是本发明的结构示意图；
15.图2是本发明的安全路线模型建立流程示意图；
16.图3是本发明的安全行为模型建立流程示意图；
具体实施方式
17.为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
18.实施例1
19.如图1至3所示，一种预防摔倒智能监控系统，包括视频监控模块和身体监控模块，视频监控模块全面覆盖监控场景，身体监控模块用于实时监控目标人员的身体状况；还包括处理器、报警器、储存器和学习芯片，处理器与视频监控模块、身体监控模块、报警器和储存器通讯连接，处理器将视频监控模块录制的历史监控视频和身体监控模块的历史身体数据按照统一的时刻表处理后存储在储存器中，学习芯片调取储存器中的历史视频监控数据，进行场景内人员移动路线学习，建立场景内目标人员移动的安全路线模型，并将所述安全路线存储在储存器中，学习芯片调取储存器中目标人员的历史视频监控数据和身体监控数据，进行目标人员行为学习，建立目标人员安全行为模型，并将所述安全行为模型存储在储存器中，处理器将目标人员的实时监控数据与安全路线模型和安全行为模型进行对比，当目标人员偏离安全路线模型或安全行为模型时发报警器发出报警；储存器中设置多个分区，多个分区分别储存历史视频录像、历史身体监控数据、安全模型、实时数据和报警报告。
20.通过对大量历史数据的学习建立在监控场景内目标人员的安全路线模型和安全行为模型，处理器结合所述安装路线模型和实时视频监控对目标人员的移动路线进行监控，当目标人员的路线与安全路线模型不符时报警器及时发出警报，当目标人员的行为和当时的身体状态与安全行为模型不符时报警器及时发出警报，从而实现包括障碍物碰撞以及杂物绊倒和自身状态不佳造成的摔倒的预警和预防，局限性小，本系统具有学习能力，能够不断优化上述安全路线模型和安全行为模型，使得预防准确度不断提升，通过设置储存器的分区，方便工作人员查询和管理数据。
21.实施例2
22.如图2所示，视频监控模块包含多个摄像设备，多个摄像设备安装在监控场景中，调整摄像设备位置全面覆盖监控场景，摄像设备具有人脸识别功能和夜视功能；安全路线模型的建立过程为：学习芯片调取大量历史监控视频，对比同一时刻多个摄像设备录制的同一人员的监控视频，通过多角度对比人员与监控场景中标记物的相对位置得到该人员的移动路线，将其中人员行走时受到阻碍的路线剔除，同样方法提取监控场景中所有人员的移动路线数据，将移动路线数据合并后形成监控场景内的可供人员顺利行走的路线模型a，为目标人员设置冗余量后建立目标人员安全行走的路线模型b，确保目标人员在上述路线模型b中行走时不会被障碍物磕碰绊倒，学习芯片将路线模型b作为安全路线模型存入储存
器，设置学习频率最少为每日三次；处理器具有侵入判断能力。
23.通过上述设置，减少监控盲区，有利于建立全面的安全模型，人脸识别功能用于区分目标人员和其他人员，夜视功能用于在夜间对目标人员进行监控，通过高频率的学习能够及时优化安全路线模型，应对每日都有变化的监控场景，当有新的障碍物或杂物临时进入安全路线模型中时，处理器通过报警器发出警报提醒工作人员进行清障，清障未执行的，处理器越过学习芯片对安全路线模型进行临时修改，当监控模块检测到目标人员进入安全路线模型中时，处理器通过报警器提醒处在安全路线模型中的其他人员注意避让目标人员和及时帮扶目标人员。
24.实施例3
25.如图3所示，安全行为模型建立过程为：学习芯片调取大量历史监控视频，对比同一时刻多个摄像设备录制的目标人员的监控视频，通过多角度对比目标人员的面部与监控场景中标记物的相对位置得到该人员的行为数据c，将得到多种行为数据c与同时刻身体监控模块得到的身体状态数据d结合得到数据e，剔除掉目标人员发生失衡时的数据e，将剩余的数据e合并后形成监控场景内的目标人员的安全行为模型f，设置冗余量后建立目标人员安全行动的行为模型g，确保目标人员在做出上述行为模型g中的行动时不会因为自身原因摔倒，学习芯片将路线模型g作为安全行为模型存入储存器，设置学习频率最少为每日三次；身体监控模块设置为可穿戴的监控设备，包括智能手环、智能鞋和智能腰带。
26.人的行为安全性和其自身在做出该行为的状态紧密相关，因此判断该行为是否会造成目标人员摔倒需要结合当时的身体状态，上述方法建立了目标人员的行动和身体状态对应的模型，一旦超出该模型则有摔倒风险，通过设定适当的冗余，使得目标人员在做出风险行为前得到预警，从而预防因自身身体状态不佳造成的摔倒，所述行为数据包括但不限于行走速度，起床速度，蹲起速度，转头速度，转身速度，走路时脚离地距离，平衡性，眼睛灵活性，身体状态数据包括但不限于血压、血糖、血氧、呼吸频率、心率。
27.如图1至3所示，本发明的一种预防摔倒智能监控系统，其在工作时，首先通过对大量历史数据的学习建立在监控场景内目标人员的安全路线模型和安全行为模型，之后处理器结合所述安装路线模型和实时视频监控对目标人员的移动路线进行监控，当目标人员的路线与安全路线模型不符时报警器及时发出警报，当目标人员的行为和当时的身体状态与安全行为模型不符时报警器及时发出警报，当有新的障碍物或杂物临时进入安全路线模型中时，处理器通过报警器发出警报提醒工作人员进行清障，清障未执行的，处理器越过学习芯片对安全路线模型进行临时修改，最后当监控模块检测到目标人员进入安全路线模型中时，处理器通过报警器提醒处在安全路线模型中的其他人员注意避让目标人员和及时帮扶目标人员即可。
28.本发明所实现的主要功能为：
29.1、具有学习能力，通过不断优化安全路线模型和安全行为模型结合智能监控预防目标人员摔倒；
30.2、能够提醒其他人员注意避让目标人员和及时帮扶目标人员；
31.3、对目标人员的行走路线、行为和身体状况进行监控。
32.本发明的一种预防摔倒智能监控系统，其安装方式、连接方式或设置方式均为常见机械方式，只要能够达成其有益效果的均可进行实施；本发明的一种预防摔倒智能监控
系统的视频监控模块、身体监控模块、处理器、储存器、学习芯片为市面上采购，本行业内技术人员只需按照其附带的使用说明书进行安装和操作即可，而无需本领域的技术人员付出创造性劳动。
33.本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
34.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

技术特征：
1.一种预防摔倒智能监控系统，包括视频监控模块和身体监控模块，视频监控模块全面覆盖监控场景，身体监控模块用于实时监控目标人员的身体状况；其特征在于，还包括处理器、报警器、储存器和学习芯片，处理器与视频监控模块、身体监控模块、报警器和储存器通讯连接，处理器将视频监控模块录制的历史监控视频和身体监控模块的历史身体数据按照统一的时刻表处理后存储在储存器中，学习芯片调取储存器中的历史视频监控数据，进行场景内人员移动路线学习，建立场景内目标人员移动的安全路线模型，并将所述安全路线存储在储存器中，学习芯片调取储存器中目标人员的历史视频监控数据和身体监控数据，进行目标人员行为学习，建立目标人员安全行为模型，并将所述安全行为模型存储在储存器中，处理器将目标人员的实时监控数据与安全路线模型和安全行为模型进行对比，当目标人员偏离安全路线模型或安全行为模型时发报警器发出报警。2.如权利要求1所述的一种预防摔倒智能监控系统，其特征在于，视频监控模块包含多个摄像设备，多个摄像设备安装在监控场景中，调整摄像设备位置全面覆盖监控场景，摄像设备具有人脸识别功能和夜视功能。3.如权利要求1所述的一种预防摔倒智能监控系统，其特征在于，安全路线模型的建立过程为：学习芯片调取大量历史监控视频，对比同一时刻多个摄像设备录制的同一人员的监控视频，通过多角度对比人员与监控场景中标记物的相对位置得到该人员的移动路线，将其中人员行走时受到阻碍的路线剔除，同样方法提取监控场景中所有人员的移动路线数据，将移动路线数据合并后形成监控场景内的可供人员顺利行走的路线模型a，为目标人员设置冗余量后建立目标人员安全行走的路线模型b，确保目标人员在上述路线模型b中行走时不会被障碍物磕碰绊倒，学习芯片将路线模型b作为安全路线模型存入储存器，设置学习频率最少为每日三次。4.如权利要求1所述的一种预防摔倒智能监控系统，其特征在于，处理器具有侵入判断能力。5.如权利要求1所述的一种预防摔倒智能监控系统，其特征在于，储存器中设置多个分区，多个分区分别储存历史视频录像、历史身体监控数据、安全模型、实时数据和报警报告。6.如权利要求1所述的一种预防摔倒智能监控系统，其特征在于，安全行为模型建立过程为：学习芯片调取大量历史监控视频，对比同一时刻多个摄像设备录制的目标人员的监控视频，通过多角度对比目标人员的面部与监控场景中标记物的相对位置得到该人员的行为数据c，将得到多种行为数据c与同时刻身体监控模块得到的身体状态数据d结合得到数据e，剔除掉目标人员发生失衡时的数据e，将剩余的数据e合并后形成监控场景内的目标人员的安全行为模型f，设置冗余量后建立目标人员安全行动的行为模型g，确保目标人员在做出上述行为模型g中的行动时不会因为自身原因摔倒，学习芯片将路线模型g作为安全行为模型存入储存器，设置学习频率最少为每日三次。7.如权利要求6所述的一种预防摔倒智能监控系统，其特征在于，所述行为数据包括但不限于行走速度，起床速度，蹲起速度，转头速度，转身速度，走路时脚离地距离，平衡性，眼睛灵活性。8.如权利要求1所述的一种预防摔倒智能监控系统，其特征在于，身体监控模块设置为可穿戴的监控设备，包括智能手环、智能鞋和智能腰带，身体状态数据包括但不限于血压、血糖、血氧、呼吸频率、心率。

技术总结
本发明涉及护理设备的技术领域，特别是涉及一种预防摔倒智能监控系统，其具有学习能力，通过不断优化安全路线模型和安全行为模型结合智能监控预防目标人员摔倒，局限性小；包括视频监控模块和身体监控模块；还包括处理器、报警器、储存器和学习芯片，处理器将历史监控视频和历史身体数据处理后存储在储存器中，学习芯片调取储存器中的历史视频监控数据，建立安全路线模型，并将安全路线存入储存器，学习芯片调取储存器中目标人员的历史视频监控数据和身体监控数据，建立安全行为模型，并将安全行为模型存入储存器，处理器对比目标人员的实时监控数据与安全路线模型和安全行为模型，当目标人员偏离安全路线模型或安全行为模型时发报警器报警。型时发报警器报警。型时发报警器报警。


技术研发人员：张艳艳 岳寿伟 赵娜 王静
受保护的技术使用者：山东大学齐鲁医院
技术研发日：2023.04.10
技术公布日：2023/6/26