【电子DIY】跌倒检测识别摄像头+安信可AiPi-BW21-CBV

以下作品由安信可社区用户

bzhou830制作

01项目背景

前不久一个做医疗健康行业的老友找我咨询，想在一个医疗机器人上开发一个跌倒检测的功能。机器人搭配的是arm sbc，机器人是可以在养老院的各个房间巡逻的。

讨论下来有两个方案：

使用激光雷达传感器，而且市面上也有支持跌倒检测的激光雷达传感器。但是成本相对会高一点点。

使用视觉方案，考虑机器人上的处理器是RK3588，对于当前的应用来说是完全足够的。因此只需要添加摄像头作为额外的硬件开销，笔者这时就想到了BW21-CBV-Kit这款能检测人脸和动作的摄像头开发板。

02视频展示

03外形设计

在solidworks中使用装配体将打印件分割成各个零件，绘制在一起。

摄像头直接凸出包裹，将零件导出打印，组装起来得到这样。

随后摄像头放置在手机支架上，插电后开机测试。

04固件烧录

BW21的资料在论坛上相当的丰富。这次只需要按照如下进行环境搭建。

安信可小安派BW21-CBV-Kit 上手环境搭建 - 小安派·BW21-CBV-KIt - 物联网开发者社区-安信可论坛 - Powered by Discuz!

打开这个example。修改里面的Wi-Fi名称和密码，烧录即可使用。因为是将BW21当作一个网络摄像头，在机器人端来捕获摄像头的视频流进行检测。

在代码中测试打开摄像头视频流。

️

05跌倒检测算法设计

算法的核心思想：

人体检测与跟踪

首先通过YOLO模型检测视频帧中的所有人体，并利用跟踪算法为每个人分配唯一ID，实现跨帧跟踪，保证同一人的运动特征连续性。

姿态估计与特征提取

对每个人体区域，使用Mediapipe等方法提取关键点，计算出人体主轴角度、长宽比、关键点坐标、速度、加速度等多种时序和空间特征。mediapipe中的关键点比较多，目前只需要使用如下的关键点：0, 11, 12, 23, 24, 25, 26, 27, 28。

多特征融合判别跌倒

跌倒检测不是单一条件触发，而是融合了以下多种特征：

●身体姿态接近水平

●关键点的垂直位移突变

●姿态角度突变（身体突然变弯曲等）

●加速度突变 只有当多个条件同时满足（如满足3个及以上），才判定为跌倒，降低误报率。

最终检测到异常的视频帧会保存下来。

选取两帧来看看跌倒的效果吧，哈哈！