跌倒检测方法及装置

技术领域

本发明涉及跌倒检测技术领域，特别是指一种跌倒检测方法及装置。

背景技术

随着人口老龄化的加剧，老年人的安全已成为必须重视的问题。其中，跌倒是危害老年人健康的重要因素。据统计，在我国，65岁以上的居民中，有超过20％的男性、45％左右的女性曾跌倒过，而且年龄越大，发生跌倒的可能性也就越大。由于人体发生跌倒具有不确定性和不可预知性，当老年人跌倒后，如果长时间得不到及时有效的救治，可能会导致长期瘫痪甚至危及生命。因此，为了确保老人跌倒后能得到及时的救治，对老人进行跌倒检测是非常重要的。

目前，跌倒检测的检测结果仍存在较大的误差。

发明内容

本发明要解决的技术问题是提供一种跌倒检测方法及装置，能够精确检测目标对象是否跌倒。

为解决上述技术问题，本发明的实施例提供技术方案如下：

一方面，提供一种跌倒检测方法，包括：

利用安装在建筑物内的多个雷达对所述建筑物内的目标对象进行检测，获得检测数据，所述检测数据包括所述目标对象的状态、雷达编号以及所述目标对象的位置信息，所述多个雷达包括侧装雷达和顶装雷达，所述侧装雷达安装在所述建筑物的墙壁上，所述顶装雷达安装在所述建筑物的顶部；

若所述检测数据中所述目标对象的状态为跌倒，根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒；

若确定所述目标对象跌倒，根据当前时间信息、跌倒方式和所述目标对象的身体数据确定报警优先级，根据所述报警优先级对应的报警方式进行报警。

本发明的可选实施例中，若所述检测数据中所述目标对象的状态为跌倒，根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤之前，所述方法还包括：

根据所述检测数据中的雷达编号判断发送所述检测数据的雷达是侧装雷达或顶装雷达，若发送所述检测数据的雷达是侧装雷达，根据所述侧装雷达的安装角度对所述检测数据中的位置信息进行换算。

本发明的可选实施例中，若所述检测数据中所述目标对象的状态为跌倒，根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤之前，所述方法还包括：

对所述检测数据中的位置信息进行坐标转换，将不同雷达发送的位置信息转换为预设基准坐标系下的坐标数据；

对多个坐标数据进行融合和/或聚类，得到多个有效坐标数据；

根据所述多个有效坐标数据获取所述目标对象的行动轨迹。

本发明的可选实施例中，所述根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒包括：

将所述目标对象的行动轨迹和所述多个有效坐标数据输入所述误报识别模型，得到所述目标对象的跌倒状态和跌倒方式。

本发明的可选实施例中，若所述检测数据中所述目标对象的状态为跌倒，根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤之前，所述方法还包括：

确认是否向所述目标对象播放语音指令；

如果确认向所述目标对象播放语音指令，则向所述目标对象播放语音指令，询问所述目标对象是否跌倒；接收所述目标对象返回的语音确认结果；若所述语音确认结果指示跌倒，则执行根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤；若所述语音确认结果指示未跌倒，将所述检测数据存储为误报数据；

如果不向所述目标对象播放语音指令，则执行根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤。

本发明的可选实施例中，所述方法还包括训练得到所述误报识别模型的步骤，包括：

建立误报识别初始模型；

获取训练数据集合，所述训练数据集合包括预设时间段内目标对象的行动轨迹、有效坐标数据、跌倒状态和跌倒方式；

利用所述训练数据集合对所述误报识别初始模型进行训练，得到所述误报识别模型。

本发明的可选实施例中，训练得到所述误报识别模型的步骤具体包括：

利用多个不同的训练数据集合分别对所述误报识别初始模型进行训练，得到多个候选误报识别模型；

利用评价参数对所述多个候选误报识别模型进行评价，选出最优的候选误报识别模型作为所述误报识别模型，所述评价参数包括以下至少一项：准确率、精准度、召回率。

本发明实施例还提供了一种跌倒检测装置，包括：

检测模块，用于利用安装在建筑物内的多个雷达对所述建筑物内的目标对象进行检测，获得检测数据，所述检测数据包括所述目标对象的状态、雷达编号以及所述目标对象的位置信息，所述多个雷达包括侧装雷达和顶装雷达，所述侧装雷达安装在所述建筑物的墙壁上，所述顶装雷达安装在所述建筑物的顶部；

处理模块，用于若所述检测数据中所述目标对象的状态为跌倒，根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒；

报警模块，用于若确定所述目标对象跌倒，根据当前时间信息、跌倒方式和所述目标对象的身体数据确定报警优先级，根据所述报警优先级对应的报警方式进行报警。

本发明的可选实施例中，所述装置还包括：

换算模块，用于根据所述检测数据中的雷达编号判断发送所述检测数据的雷达是侧装雷达或顶装雷达，若发送所述检测数据的雷达是侧装雷达，根据所述侧装雷达的安装角度对所述检测数据中的位置信息进行换算。

本发明的可选实施例中，所述装置还包括：

转换模块，用于对所述检测数据中的位置信息进行坐标转换，将不同雷达发送的位置信息转换为预设基准坐标系下的坐标数据；

坐标处理模块，用于对多个坐标数据进行融合和/或聚类，得到多个有效坐标数据；

获取模块，用于根据所述多个有效坐标数据获取所述目标对象的行动轨迹。

本发明的可选实施例中，所述处理模块具体用于将所述目标对象的行动轨迹和所述多个有效坐标数据输入所述误报识别模型，得到所述目标对象的跌倒状态和跌倒方式。

本发明的可选实施例中，所述装置还包括：

语音播放模块，用于向所述目标对象播放语音指令，询问所述目标对象是否跌倒；

语音接收模块，用于接收所述目标对象返回的语音确认结果；

判断模块，用于若所述语音确认结果指示跌倒，则执行根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤；若所述语音确认结果指示未跌倒，将所述检测数据存储为误报数据。

本发明的可选实施例中，所述装置还包括训练模块，用于训练得到所述误报识别模型，所述训练模块包括：

建立单元，用于建立误报识别初始模型；

获取单元，用于获取训练数据集合，所述训练数据集合包括预设时间段内目标对象的行动轨迹、有效坐标数据、跌倒状态和跌倒方式；

训练单元，用于利用所述训练数据集合对所述误报识别初始模型进行训练，得到所述误报识别模型。

本发明的可选实施例中，所述训练模块具体用于利用多个不同的训练数据集合分别对所述误报识别初始模型进行训练，得到多个候选误报识别模型；利用评价参数对所述多个候选误报识别模型进行评价，选出最优的候选误报识别模型作为所述误报识别模型，所述评价参数包括以下至少一项：准确率、精准度、召回率。

本发明实施例还提供了一种跌倒检测设备，包括：

处理器；和

存储器，在所述存储器中存储有计算机程序指令，

其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器执行如上所述的跌倒检测方法中的步骤。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器运行时，使得所述处理器执行如上所述的跌倒检测方法中的步骤。

本发明的实施例具有以下有益效果：

上述方案中，预先训练好误报识别模型，在雷达检测到目标对象跌倒之后，还会利用目标对象的位置信息和误报识别模型再次确认目标对象是否跌倒，能够精确检测目标对象是否跌倒；并且还能够根据当前时间信息、跌倒方式和目标对象的身体数据确定报警优先级，根据报警优先级对应的报警方式进行报警，能够实现报警策略的个性化。

附图说明

图1为本发明实施例跌倒检测方法的流程示意图；

图2为本发明实施例侧装雷达的示意图；

图3为本发明实施例顶装雷达的示意图；

图4为本发明实施例的系统结构示意图；

图5为本发明实施例训练误报识别模型的示意图；

图6为本发明实施例跌倒检测装置的结构框图；

图7为本发明实施例跌倒检测设备的结构框图。

具体实施方式

为使本发明的实施例要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明实施例提供一种跌倒检测方法及装置，能够精确检测目标对象是否跌倒。

实施例一

本发明实施例提供一种跌倒检测方法，如图1所示，本实施例包括：

步骤101：利用安装在建筑物内的多个雷达对所述建筑物内的目标对象进行检测，获得检测数据，所述检测数据包括所述目标对象的状态、雷达编号以及所述目标对象的位置信息，所述多个雷达包括侧装雷达和顶装雷达，所述侧装雷达安装在所述建筑物的墙壁上，所述顶装雷达安装在所述建筑物的顶部；

本实施例中，建筑物可以为养老院或者老人居住的住宅，目标对象可以为需要监护的老人，在建筑物内设置有多个雷达，雷达可以采用毫米波雷达，本实施例使用毫米波雷达远距离检测老人的行为，不收集人脸等生物体征数据，不受光照度等影响可以24小时昼夜使用，既不会像穿戴设备一样给老人带来不便，也不会像摄像头一样给老人带来隐私泄露的心理负担。

本实施例中，雷达包括侧装雷达和顶装雷达，均位于建筑物的内部，能够对目标对象进行检测。如图2所示，侧装雷达LD1安装在建筑物的墙壁上；如图3所示，顶装雷达LD2安装在建筑物的顶部；本实施例通过采用侧装雷达与顶装雷达相结合的方式，可以根据具体场景灵活布置，最大化满足多样化的客户场景和定制化安装。其中，侧装雷达可以为多个，安装在建筑物的每一墙壁上，采集老人的行动轨迹、位置数据和进行跌倒判断；顶装雷达也可以为多个，安装在建筑物顶部的不同区域，采集老人的行动轨迹、位置数据和进行跌倒判断。为了保证检测范围能够覆盖整个建筑物，顶装雷达和侧装雷达的检测区域应覆盖整个建筑物，且相邻雷达之间的检测区域存在重叠。

本实施例中，可以在每个房间内安装N台毫米波雷达，N为大于1的整数，安装每一台毫米波雷达后，测量得到其相对于整个建筑物的安装位置，以及相对于所在房间墙面、门等重要物体的相对坐标信息。在N台毫米波雷达安装完成后，如图4所示，需要将每台雷达的安装位置以及雷达附近的位置信息发送给云服务器端，云服务器可以与侧装式雷达(即侧装雷达)以及顶装式雷达(顶装雷达)通信，在云服务器端设置有轨迹融合模块、语音确认模块、跌倒综合判断模块、正常动作识别模块和异常动作识别模块。正常动作识别模块和异常动作识别模块可以根据时间数据、位置数据、环境数据、历史规律数据、被守护者(也就是目标对象)信息识别正常动作和异常动作(比如跌倒)，如果识别出异常动作，则发给报警模块进行报警，报警模块与移动终端以及监控中心连接，可以向移动终端以及监控中心发送报警信息。

在本实施例的系统工作时，启动房间内的所有毫米波雷达，当老人进入房间时，房间内的毫米波雷达mmWave_n可以捕捉到人体相对于毫米波雷达的相对位置，在2s内判断出老人是否跌倒，并将信息发送给云服务器端的数据中心，数据格式为[mmWave_n(即雷达编号),status(即目标对象的状态)，ref_x,ref_y,ref_z]，其中[ref_x,ref_y,ref_z]为目标对象在雷达坐标系下的三维坐标，代表了目标对象的位置信息。只要老人在房间内，房间内的毫米波雷达就会不间断地向数据中心输出上述数据，如果老人离开房间，毫米波雷达无法检测到老人，将会停止向数据中心发送数据。如果老人离开当前房间进入另一房间，则另一房间的毫米波雷达将会进行检测，并将检测数据发送给数据中心。

本实施例中，目标对象与雷达之间的位置关系，可以为：正对雷达、背对雷达、位于雷达右侧、位于雷达左侧。

本实施例中，跌倒是指突发、不自主的、非故意的体位改变，倒在地上或更低的平面上。跌倒的原因包括：地面湿滑、障碍物绊倒、光线不足、步态失调(病因，蹒跚步态等)。

雷达可以通过检测以下身体部位来判断目标对象是否跌倒：膝盖、小腿、大腿、臀部、背部、腹部、胸部、肩部、肘部、头部、手。

发生跌倒时，目标对象的身体部位可以是以下情况之一：

双膝跪地跌倒，比如行走过程中突然被绊倒向前跌倒后，双手扶住正前方的沙发(快速跌倒)；或，心脏疾病发作缓慢跪地，但由于前方有柜子，没有完全倒在地(慢速跌倒)；或，心脏疾病发作缓慢跪地，双手持续放在胸口处(慢速跌倒)；

双膝跪地跌倒，且双手撑地，比如在空旷的区域行走被绊倒跪地后两手撑在地上(快速跌倒)；或，心脏疾病发作缓慢跪地后双手撑在地上(慢速跌倒)；

双膝跪地跌倒，左单手撑地，比如走在茶几边突然被绊倒，左手撑在地上，右手扶在了茶几边上(快速跌倒)；或，心脏疾病发作缓慢跪地后左手撑在地上，右手扶住胸口(慢速跌倒)；

双膝跪地跌倒，右单手撑地，比如走在茶几边突然被绊倒，右手撑在地上，左手扶在了茶几边上(快速跌倒)，或，心脏疾病发作缓慢跪地后右手撑在地上，左手扶住胸口(慢速跌倒)；

双膝跪地跌倒，头部着地，比如踩小板凳踩歪突然向前摔倒磕到头(快速跌倒)，或，头疼双手捂头跪地跌倒后，头也跟着降低至地面(慢速跌倒)；

左单膝跪地跌倒，比如在沙发和茶几之间，由于地方窄，摔倒后左膝着地身体靠在了沙发上(快速跌倒)，或，拄拐杖慢速行走时右腿处有障碍物被绊倒后双手握紧了拐杖(慢速跌倒)；

右单膝跪地跌倒，比如在沙发和茶几之间，由于地方窄，摔倒后右膝着地身体靠在了沙发上(快速跌倒)，或，拄拐杖慢速行走时左腿处有障碍物被绊倒后双手握紧了拐杖(慢速跌倒)；

左单膝跪地跌倒，且双手撑地，比如走路时踩到了右脚的鞋带被绊倒后双手撑地(快速跌倒)，或，右腿突发疼痛去查看时左腿无力支撑跪在了地上(慢速跌倒)；

右单膝跪地跌倒，且双手撑地，比如走路时踩到了左脚的鞋带被绊倒后双手撑地(快速跌倒)，或，右腿突发疼痛去查看时右腿无力支撑跪在了地上(慢速跌倒)；

左单膝跪地跌倒，左单手撑地；

左单膝跪地跌倒，右单手撑地；

右单膝跪地跌倒，左单手撑地；

右单膝跪地跌倒，右单手撑地；

坐地跌倒，双腿着地，比如由于地面湿滑摔倒突然被滑倒坐在地上双手扶在两边的桌子上(快速跌倒)，多发于客厅，电视柜和茶几之间；或，突发脑部病症双手抱头背靠墙或者家具慢速滑倒后坐在地上(慢速跌倒)；

坐地跌倒，双腿双手着地，比如由于地面湿滑摔倒后没有可依扶的东西，双手撑在地上(快速跌倒)；或，突发病症背靠墙或者家具慢速滑倒后双手撑在地上(慢速跌倒)；

坐地跌倒，双腿左单手手着地，比如由于地面湿滑向后摔倒右手扶到了旁边的桌子，左手撑在地上(快速跌倒)；或，突发心脏疾病背靠家具缓慢滑倒，右手捂住胸口左手扶在地上(慢速跌倒)；

坐地跌倒，双腿右单手手着地，比如由于地面湿滑向后摔倒左手扶到了旁边的桌子，右手撑在地上(快速跌倒)；或，突发心脏疾病背靠家具缓慢滑倒，左手捂住胸口右手扶在地上(慢速跌倒)；

坐地跌倒，左单腿，左单手着地；

坐地跌倒，右单腿，右单手着地；

左侧面跌倒，比如由于踩到了地面上的小物品导致脚底打滑向左侧跌倒，左手左腿侧先着地(快速跌倒)；

右侧面跌倒，比如由于踩到了地面上的小物品导致脚底打滑向右侧跌倒，右手右腿侧先着地(快速跌倒)；

仰面跌倒，腿部伸直，头部伸直，比如卫生间地面湿滑，整个人直挺挺向后摔倒(快速跌倒)；

仰面跌倒，腿部伸直，头部抬起，比如卫生间地面湿滑，整个人向后摔倒但伸手拉住面前的扶手，头没着地(快速跌倒)；或，卫生间地面湿滑，整个人向后摔倒但想伸手去拉面前的扶手试图阻止跌倒(快速跌倒)；

仰面跌倒，双腿弯曲，比如快速行走过程中突然撞到了床脚后向后跌倒，躺地后双腿卷曲抬起，双手抱住被撞到的双腿(快速跌倒)；

仰面跌倒，左单腿弯曲，比如快速行走过程中突然撞到了床脚后向后跌倒，躺地后左腿卷曲抬起，双手抱住被撞到的左腿(快速跌倒)；

仰面跌倒，右单腿弯曲，比如快速行走过程中突然撞到了床脚后向后跌倒，躺地后右腿卷曲抬起，双手抱住被撞到的右腿(快速跌倒)；

正面跌倒，腿部伸直，头部伸直，比如空旷区域突然晕厥后向前方摔倒(快速跌倒)；

正面跌倒，腿部伸直，头部抬起，比如快速行走时突然被绊倒，因有意识，向前摔倒时手扶到了前方的小凳子头部没有着地(快速跌倒)；或，快速行走时突然被绊倒，因有意识，向前摔倒时手撑在了地上头部没有着地(快速跌倒)；

正面跌倒，双腿抬起，头部伸直，比如快速行走时突然被箱子绊倒，向前跌倒后双腿架在了箱子上(快速跌倒)；

正面跌倒，左单腿抬起，头部伸直，比如快速行走时突然被箱子绊倒，向前跌倒后左腿架在了箱子上(快速跌倒)；

正面跌倒，右单腿抬起，头部伸直，比如快速行走时突然被箱子绊倒，向前跌倒后右腿架在了箱子上(快速跌倒)。

本实施例中，雷达对目标对象的移动速度、移动方向、跌倒速度、动作、依扶进行检测，动作包括：行走、蹲下、弯腰、跪下、目标对象可能转移的动作、坐下、躺下、站立。跌倒需要测量基础数据：慢速行走速度、正常行走速度、绊倒跌倒时间、一般跌倒时间、依扶缓慢跌倒时间等。

步骤102：若所述检测数据中所述目标对象的状态为跌倒，根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒；

本实施例中，需要根据所述检测数据中的雷达编号判断发送所述检测数据的雷达是侧装雷达或顶装雷达，若发送所述检测数据的雷达是侧装雷达，根据所述侧装雷达的安装角度对所述检测数据中的位置信息进行换算。

如图4所示，轨迹融合模块会接收所有雷达上报的检测数据，根据雷达编号识别接收到的是侧装雷达还是顶装雷达的检测数据，如果是侧装雷达的检测数据，则会根据侧装雷达的安装角度比如15度倾角对检测数据中的位置信息进行换算，然后对换算过后的侧装雷达或顶装雷达的坐标数据进行聚类和跟踪。雷达上传到服务器的坐标全部都是基于当前雷达自身为原点的坐标系数据，需要基于全屋安装的位置坐标进行变换，从而得到全屋统一坐标下的坐标数据，具体地，对所述检测数据中的位置信息进行坐标转换，将不同雷达发送的位置信息转换为预设基准坐标系下的坐标数据；对多个坐标数据进行融合和/或聚类，去除重合以及无效的坐标数据，得到多个有效坐标数据；根据所述多个有效坐标数据获取所述目标对象的行动轨迹。具体地，可以采用卡尔曼滤波的方式获取目标对象的行动轨迹，需要实现多雷达之间跟踪标识的接力和平滑滤波。

本实施例中，可以根据预设的策略判断是否启动语音确认模块，如果启动语音确认模块，向所述目标对象播放语音指令，询问所述目标对象是否跌倒；接收所述目标对象返回的语音确认结果；若所述语音确认结果指示跌倒，则执行根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤；若所述语音确认结果指示未跌倒，将所述检测数据存储为误报数据。

如果不启动语音确认模块，则执行根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤。

其中，语音确认模块接收融合后的雷达数据，根据跌倒状态提取语音确认必要的相关信息，例如雷达编号、房屋信息、

位置信息、被监护人相关信息等，根据与被监护人相关的对话逻辑策略生成语音指令，并发送给对应雷达，雷达根据语音指令启动相应内置的语音，询问状况，雷达同时启动麦克风监听被监护人的语音回复，并将语音结果上传云服务器，语音确认模块启动语音识别功能，识别回复内容，根据内部逻辑判断是否继续对话；如果结束对话，则向雷达发送关闭麦克风功能指令，之后将语音确认的结果发送给跌倒综合判断模块。

跌倒综合判断模块根据目标对象的行动轨迹计算出跌倒发生的具体位置，同时识别出周围可能的环境区域信息，提取跌倒发生的完整过程中从正常行走到跌倒后的雷达轨迹数据，根据目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒，将所述目标对象的行动轨迹和所述多个有效坐标数据输入所述误报识别模型，得到所述目标对象的跌倒状态和跌倒方式。

本实施例中，可以通过误报识别模型识别是否为误报，如果为误报，将所述检测数据存储为误报数据。如果不是误报，则通知报警模块进行报警。具体地，误报识别模型可以根据提取跌倒发生的完整过程中从正常行走到跌倒后的行动轨迹数据，对照被监护人的类似行为的历史数据，计算行为变异性，调用误报识别算法(算法包括机器学习、深度学习、强化学习等)判断是否为误报；还可以根据跌倒后一段时间的行动轨迹数据，调用状态识别算法识别被监护人状态，如自行站起、正常活动、异常静止、信号消失、外出等，判断是否为误报；还可以根据异常状态条件启动漏识别算法(算法包括机器学习、深度学习、强化学习等)，识别是否为跌倒状态，如果是则进行数据标记。

步骤103：若确定所述目标对象跌倒，根据当前时间信息、跌倒方式和所述目标对象的身体数据确定报警优先级，根据所述报警优先级对应的报警方式进行报警。

如果是误报，则报警模块可以存储相关信息；如果不是误报，判断目标对象确实发生了跌倒，则可以根据当前时间信息、跌倒方式和所述目标对象的身体数据确定报警优先级，比如，当前时间为晚上，则报警优先级较高，当前时间为白天，则报警优先级较低；跌倒方式为快速跌倒，则报警优先级较高，跌倒方式为慢速跌倒，则报警优先级较低；被监护人的身体数据表明身体状况良好，则报警优先级较低；被监护人的身体数据表明身体状况较差，则报警优先级较高；跌倒后被监护人快速站起(30s内站起来坐到沙发上)，则报警优先级较低；跌倒后被监护人长时间后才站起(1分钟之后站起来，过程中静止信号消失，或者，1分钟之后站起来，过程中按摩腿部膝盖)，则报警优先级较高。

根据报警优先级，查找预设的报警优先级对应的报警方式进行报警，如日志记录、一般通知、紧急短信通知、紧急电话语音通知、紧急人工实时干预等，启动不同的报警方法。

本实施例中，预先训练好误报识别模型，在雷达检测到目标对象跌倒之后，还会利用目标对象的位置信息和误报识别模型再次确认目标对象是否跌倒，能够精确检测目标对象是否跌倒；并且还能够根据当前时间信息、跌倒方式和目标对象的身体数据确定报警优先级，根据报警优先级对应的报警方式进行报警，能够实现报警策略的个性化。

如图4所示，在云服务器端设置有offline系统，包括数据清洗模块、模型部署模块、模型评价模块和模型训练模块。模型训练模块能够训练误报识别模型，模型部署模块能够将误报识别模型部署在云服务器端，模型评价模块能够对误报识别模型进行评价，数据清洗模块能够对检测数据进行处理。

本实施例中，模型训练模块需要预先训练误报识别模型，如图5所示，训练得到所述故障检测模型的步骤包括：

步骤201：建立误报识别初始模型；

步骤202：获取训练数据集合，所述训练数据集合包括预设时间段内目标对象的行动轨迹、有效坐标数据、跌倒状态和跌倒方式；

步骤203：利用所述训练数据集合对所述误报识别初始模型进行训练，得到所述误报识别模型。

本实施例的误报识别模型能够实现对检测数据的误报识别和漏报识别，误报识别模型具体可以采用神经网络模型。

另外，本实施例中，可以利用多个不同的训练数据集合分别对所述误报识别初始模型进行训练，得到多个候选误报识别模型；模型评价模块利用评价参数对所述多个候选误报识别模型进行评价，选出最优的候选误报识别模型作为所述误报识别模型，所述评价参数包括以下至少一项：准确率、精准度、召回率、P-R曲线、F1、ROC和AUC。本实施例可以每隔预设时间执行选出最优的候选误报识别模型的操作，这样可以保证识别的精确度。

具体地，模型评价模块可以根据准确率、精准度、召回率、P-R曲线、F1、ROC和AUC中的单一参数或多者组合的加权对候选误报识别模型进行评估，在对应的训练数据集合上根据上述选定参数运行候选误报识别模型，对候选误报识别模型的评价结果进行排序，选出最优模型。

数据清洗模块可以据预设日程自动启动数据抽取模块，抽取日程可能是不同的异步线程或进程，抽取多用户、多终端关联的误报数据，抽取多用户、多终端关联的湍报数据，按照模型要求对误报、漏报数据进行数据清洗，清洗包括抽取必要数据内容、补充必要数据内容等，保存清洗后的数据到相应的训练数据集合，还可以根据预设数据保存策略定期对在线数据进行删除和备份工作。

本实施例中，模型部署模块可以根据部署计划进行部署准备，准备内容包括确认网络状况、服务器负载状况、需要部署的新模型相关资源完备性等，根据目前资源准备状况及可用时间等条件预测并生成部署计划，按照计划顺序执行部署，同时启动事务管理，保证部署过程中的完整性，如果部署过程中发生意外，则自动启动再部署工作，部署内容会从最后一个完成步骤开始，对发生意外的模型进行重新部署，所有模型完整部署后，进行部署后续工作，包括启动系统、保存记录、通知相关人员等。

实施例二

本发明实施例还提供了一种跌倒检测装置，如图6所示，所述装置包括：

检测模块31，用于利用安装在建筑物内的多个雷达对所述建筑物内的目标对象进行检测，获得检测数据，所述检测数据包括所述目标对象的状态、雷达编号以及所述目标对象的位置信息，所述多个雷达包括侧装雷达和顶装雷达，所述侧装雷达安装在所述建筑物的墙壁上，所述顶装雷达安装在所述建筑物的顶部；

处理模块32，用于若所述检测数据中所述目标对象的状态为跌倒，根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒；

报警模块33，用于若确定所述目标对象跌倒，根据当前时间信息、跌倒方式和所述目标对象的身体数据确定报警优先级，根据所述报警优先级对应的报警方式进行报警。

本实施例中，预先训练好误报识别模型，在雷达检测到目标对象跌倒之后，还会利用目标对象的位置信息和误报识别模型再次确认目标对象是否跌倒，能够精确检测目标对象是否跌倒；并且还能够根据当前时间信息、跌倒方式和目标对象的身体数据确定报警优先级，根据报警优先级对应的报警方式进行报警，能够实现报警策略的个性化。

本发明的可选实施例中，所述装置还包括：

换算模块，用于根据所述检测数据中的雷达编号判断发送所述检测数据的雷达是侧装雷达或顶装雷达，若发送所述检测数据的雷达是侧装雷达，根据所述侧装雷达的安装角度对所述检测数据中的位置信息进行换算。

本发明的可选实施例中，所述装置还包括：

转换模块，用于对所述检测数据中的位置信息进行坐标转换，将不同雷达发送的位置信息转换为预设基准坐标系下的坐标数据；

坐标处理模块，用于对多个坐标数据进行融合和/或聚类，得到多个有效坐标数据；

获取模块，用于根据所述多个有效坐标数据获取所述目标对象的行动轨迹。

本发明的可选实施例中，所述处理模块具体用于将所述目标对象的行动轨迹和所述多个有效坐标数据输入所述误报识别模型，得到所述目标对象的跌倒状态和跌倒方式。

本发明的可选实施例中，所述装置还包括：

语音播放模块，用于向所述目标对象播放语音指令，询问所述目标对象是否跌倒；

语音接收模块，用于接收所述目标对象返回的语音确认结果；

判断模块，用于若所述语音确认结果指示跌倒，则执行根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤；若所述语音确认结果指示未跌倒，将所述检测数据存储为误报数据。

本发明的可选实施例中，所述装置还包括训练模块，用于训练得到所述误报识别模型，所述训练模块包括：

建立单元，用于建立误报识别初始模型；

获取单元，用于获取训练数据集合，所述训练数据集合包括预设时间段内目标对象的行动轨迹、有效坐标数据、跌倒状态和跌倒方式；

训练单元，用于利用所述训练数据集合对所述误报识别初始模型进行训练，得到所述误报识别模型。

本发明的可选实施例中，所述训练模块具体用于利用多个不同的训练数据集合分别对所述误报识别初始模型进行训练，得到多个候选误报识别模型；利用评价参数对所述多个候选误报识别模型进行评价，选出最优的候选误报识别模型作为所述误报识别模型，所述评价参数包括以下至少一项：准确率、精准度、召回率、P-R曲线、F1、ROC和AUC。

实施例三

本发明实施例还提供了一种跌倒检测设备50，如图7所示，包括：

处理器52；和

存储器54，在所述存储器54中存储有计算机程序指令，

其中，在所述计算机程序指令被所述处理器运行时，使得所述处理器52执行以下步骤：

利用安装在建筑物内的多个雷达对所述建筑物内的目标对象进行检测，获得检测数据，所述检测数据包括所述目标对象的状态、雷达编号以及所述目标对象的位置信息，所述多个雷达包括侧装雷达和顶装雷达，所述侧装雷达安装在所述建筑物的墙壁上，所述顶装雷达安装在所述建筑物的顶部；

若所述检测数据中所述目标对象的状态为跌倒，根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒；

若确定所述目标对象跌倒，根据当前时间信息、跌倒方式和所述目标对象的身体数据确定报警优先级，根据所述报警优先级对应的报警方式进行报警。

进一步地，如图7所示，跌倒检测设备50还包括网络接口51、输入设备53、硬盘55、和显示设备56。

上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器52代表的一个或者多个中央处理器(CPU)，以及由存储器54代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解，总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外，还包括电源总线、控制总线和状态信号总线，这些都是本领域所公知的，因此本文不再对其进行详细描述。

所述网络接口51，可以连接至网络(如因特网、局域网等)，从网络中获取相关数据，并可以保存在硬盘55中。

所述输入设备53，可以接收操作人员输入的各种指令，并发送给处理器52以供执行。所述输入设备53可以包括键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。

所述显示设备56，可以将处理器52执行指令获得的结果进行显示。

所述存储器54，用于存储操作系统运行所必须的程序和数据，以及处理器52计算过程中的中间结果等数据。

可以理解，本发明实施例中的存储器54可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)，其用作外部高速缓存。本文描述的装置和方法的存储器54旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器54存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统541和应用程序542。

其中，操作系统541，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序542，包含各种应用程序，例如浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序542中。

上述处理器52，当调用并执行所述存储器54中所存储的应用程序和数据，具体的，执行以下步骤：利用安装在建筑物内的多个雷达对所述建筑物内的目标对象进行检测，获得检测数据，所述检测数据包括所述目标对象的状态、雷达编号以及所述目标对象的位置信息，所述多个雷达包括侧装雷达和顶装雷达，所述侧装雷达安装在所述建筑物的墙壁上，所述顶装雷达安装在所述建筑物的顶部；若所述检测数据中所述目标对象的状态为跌倒，根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒；若确定所述目标对象跌倒，根据当前时间信息、跌倒方式和所述目标对象的身体数据确定报警优先级，根据所述报警优先级对应的报警方式进行报警。

本发明上述实施例揭示的方法可以应用于处理器52中，或者由处理器52实现。处理器52可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器52中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器52可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器54，处理器52读取存储器54中的信息，结合其硬件完成上述方法的步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

进一步地，处理器52具体用于根据所述检测数据中的雷达编号判断发送所述检测数据的雷达是侧装雷达或顶装雷达，若发送所述检测数据的雷达是侧装雷达，根据所述侧装雷达的安装角度对所述检测数据中的位置信息进行换算。

进一步地，处理器52具体用于对所述检测数据中的位置信息进行坐标转换，将不同雷达发送的位置信息转换为预设基准坐标系下的坐标数据；对多个坐标数据进行融合和/或聚类，得到多个有效坐标数据；根据所述多个有效坐标数据获取所述目标对象的行动轨迹。

进一步地，处理器52具体用于对所述图像数据进行检测，识别出乘坐者的关节点；将连续多帧图像中的关节点的坐标输入行为识别模型中，输出乘坐者的异常行为。

进一步地，处理器52具体用于将所述目标对象的行动轨迹和所述多个有效坐标数据输入所述误报识别模型，得到所述目标对象的跌倒状态和跌倒方式。

进一步地，处理器52具体用于向所述目标对象播放语音指令，询问所述目标对象是否跌倒；接收所述目标对象返回的语音确认结果；若所述语音确认结果指示跌倒，则执行根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤；若所述语音确认结果指示未跌倒，将所述检测数据存储为误报数据。

进一步地，处理器52还用于训练得到所述误报识别模型，包括：

建立误报识别初始模型；

获取训练数据集合，所述训练数据集合包括预设时间段内目标对象的行动轨迹、有效坐标数据、跌倒状态和跌倒方式；

利用所述训练数据集合对所述误报识别初始模型进行训练，得到所述误报识别模型。

实施例四

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器运行时，使得所述处理器执行以下步骤：

利用安装在建筑物内的多个雷达对所述建筑物内的目标对象进行检测，获得检测数据，所述检测数据包括所述目标对象的状态、雷达编号以及所述目标对象的位置信息，所述多个雷达包括侧装雷达和顶装雷达，所述侧装雷达安装在所述建筑物的墙壁上，所述顶装雷达安装在所述建筑物的顶部；

若所述检测数据中所述目标对象的状态为跌倒，根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒；

若确定所述目标对象跌倒，根据当前时间信息、跌倒方式和所述目标对象的身体数据确定报警优先级，根据所述报警优先级对应的报警方式进行报警。

进一步地，所述计算机程序被处理器运行时，还使得所述处理器执行以下步骤：根据所述检测数据中的雷达编号判断发送所述检测数据的雷达是侧装雷达或顶装雷达，若发送所述检测数据的雷达是侧装雷达，根据所述侧装雷达的安装角度对所述检测数据中的位置信息进行换算。

进一步地，所述计算机程序被处理器运行时，还使得所述处理器执行以下步骤：

对所述检测数据中的位置信息进行坐标转换，将不同雷达发送的位置信息转换为预设基准坐标系下的坐标数据；

对多个坐标数据进行融合和/或聚类，得到多个有效坐标数据；

根据所述多个有效坐标数据获取所述目标对象的行动轨迹。

进一步地，所述计算机程序被处理器运行时，还使得所述处理器执行以下步骤：

将所述目标对象的行动轨迹和所述多个有效坐标数据输入所述误报识别模型，得到所述目标对象的跌倒状态和跌倒方式。

进一步地，所述计算机程序被处理器运行时，还使得所述处理器执行以下步骤：

向所述目标对象播放语音指令，询问所述目标对象是否跌倒；

接收所述目标对象返回的语音确认结果；

若所述语音确认结果指示跌倒，则执行根据所述目标对象的位置信息以及预先训练的误报识别模型确定所述目标对象是否跌倒的步骤；若所述语音确认结果指示未跌倒，将所述检测数据存储为误报数据。

进一步地，所述计算机程序被处理器运行时，还使得所述处理器执行以下步骤的任一项：

建立误报识别初始模型；

获取训练数据集合，所述训练数据集合包括预设时间段内目标对象的行动轨迹、有效坐标数据、跌倒状态和跌倒方式；

利用所述训练数据集合对所述误报识别初始模型进行训练，得到所述误报识别模型。

进一步地，所述计算机程序被处理器运行时，还使得所述处理器执行以下步骤：

利用多个不同的训练数据集合分别对所述误报识别初始模型进行训练，得到多个候选误报识别模型；

利用评价参数对所述多个候选误报识别模型进行评价，选出最优的候选误报识别模型作为所述误报识别模型，所述评价参数包括以下至少一项：准确率、精准度、召回率、P-R曲线、F1、ROC和AUC。

以上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，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。