技術概述

跌倒偵測是一種基於AI的影像分析技術，旨在自動識別當有人在監控攝影機視野內滑倒、絆倒或跌倒時。

與傳統影像監控依賴操作員注意到事件不同，AI驅動的跌倒偵測會持續分析人類的動作和身體姿勢。該技術可以識別與跌倒相關的特徵變化，例如從直立姿勢迅速向地面過渡，隨後呈現跌倒或異常的身體姿勢。

當觀察到的動作滿足設定的偵測標準時，系統會生成一個跌倒偵測事件，可用於即時警報、錄影、事件搜尋和其他自動化回應。

跌倒偵測的工作原理

AI持續處理來自監控攝影機的影像幀，並識別監控場景中的人。一旦偵測到人，系統會分析該人的身體位置和隨時間變化的動作。

跌倒本質上是一系列的動作，而不是總能可靠地從單一影像中判斷的狀況。

相關的視覺特徵可能包括：

• 快速失去直立的身體姿勢
• 突然向下的動作
• 身體方向的顯著變化
• 向地板或地面移動
• 動作後呈現水平或異常的身體姿勢
• 事件後仍然停留在地面上

通過評估這些特徵跨越連續的影像幀，AI可以判斷觀察到的動作是否類似於滑倒、絆倒或跌倒。

滑倒、絆倒與跌倒識別

跌倒可能通過不同的動作模式發生。

滑倒可能導致一個人的雙腳意外移動，而上半身失去平衡，結果是快速向下移動。

絆倒可能涉及前進動作的中斷，隨後失去平衡並向地面移動。

其他跌倒可能由於失去平衡、暈倒、工作場所事故或其他意外事件而發生。

雖然這些事件可能有不同的原因，但它們通常具有可識別的視覺特徵：突然失去正常的直立姿勢並異常地向地面過渡。

AI專注於這些可觀察的動作和姿勢模式，而不是嘗試確定事件的物理原因。

基於AI的姿勢和動作分析

跌倒檢測結合了人體檢測、姿勢分析和時間動作分析。

AI首先識別出人並評估人在場景中的身體空間關係。然後，它觀察該姿勢如何在一系列影像幀中發生變化。

這種時間分析很重要，因為一個人躺在地板上並不一定表示發生了跌倒。同樣，一個人彎腰、下跪、坐下、運動或進行維修工作時，可能暫時呈現低或水平姿勢而不跌倒。

通過考慮過渡和結果姿勢，AI獲得更多證據以區分實際跌倒與普通人類活動。

時間分析

時間是跌倒偵測中的一個重要元素。

典型的跌倒可能涉及從正常站立或行走姿勢快速轉換到接近地面的異常位置。AI可以分析多個畫面中的這一序列，並評估如移動速度、方向、身體方向和結果姿勢持續時間等因素。

例如，以下組合：

直立的人 → 突然向下的動作 → 跌倒的姿勢

比這些觀察中的任何一個單獨存在時提供更強的跌倒證據。

因此，時間分析可以提高偵測的可靠性，並減少由於正常姿勢變化引起的誤報。

跌倒後觀察

根據偵測配置和AI模型，懷疑跌倒後，人的行為可能提供額外的證據。

跌倒的人可能會在地面上停留一段時間，嘗試站起來，或表現出有限的移動。

因此，跌倒後的姿勢可以幫助加強偵測決策。然而，系統不應僅依賴於長時間的不動，因為有些人可能在跌倒後立即站起來，但仍需要記錄該事件。

主要目的是識別跌倒事件本身，而不僅僅是檢測地面上的人。

區分跌倒與正常活動

主要技術挑戰之一是區分真正的跌倒與涉及快速或不尋常姿勢變化的普通活動。

可能類似的活動包括：

快速坐下 有意躺下 跪下 蹲下 彎腰 拾取物品 運動或伸展 靠近地面進行維護 兒童玩耍 突然但受控的身體動作

AI使用學習到的動作、姿勢轉換、速度、方向和時間行為的組合來區分這些活動。

然而，極不尋常的動作或部分可見的事件偶爾可能導致誤報或漏報。

偵測區域

管理者可以定義攝影機視野內的特定區域，以便跌倒偵測功能運作。

偵測區域允許分析系統專注於跌倒監控相關的地點，例如：

• 生產車間
• 倉庫走道
• 建築入口
• 走廊
• 樓梯口
• 公共人行道
• 醫療區域
• 裝卸區域

當需要減少不必要的事件時，可以排除人們經常坐下、躺下、運動或在地面工作的區域。

因此，適當的偵測區域配置可以顯著提高整體系統效能。

信心和偵測參數

基於人工智慧的跌倒偵測是概率性的。系統評估可用的視覺證據，並確定觀察到的動作與人工智慧模型表示的跌倒行為的相似程度。

可以配置偵測參數以平衡靈敏度和對誤報的抵抗力。

更靈敏的配置可能會檢測到更廣泛的跌倒情況，包括不太明顯的事件，但也可能因不尋常的正常動作而產生更多的誤報。

更嚴格的配置可能會減少誤報，但可能會錯過部分可見或不太明顯的跌倒。

適當的配置取決於環境、攝影機視野、操作需求以及錯過事件的後果。

事件生成與整合

一旦懷疑的跌倒滿足配置的偵測標準，分析系統就會生成跌倒偵測事件。

該事件可以整合到更廣泛的ACTi影像監控工作流程中，並可用於：

• 向操作員顯示即時警報
• 突出顯示相應的監控攝影機
• 觸發或書籤錄影
• 創建事件記錄以供日後搜尋
• 生成警報或通知
• 提供影像進行事件驗證
• 啟動其他配置的響應工作流程

這使監控系統能夠自動將潛在事故帶到負責人員的注意，而不僅僅依賴於目擊者或持續的操作員觀察。

攝影機安裝和影像需求

攝影機的安裝對於跌倒偵測尤為重要，因為AI需要觀察到人的身體大部分以及向地面過渡的過程。

重要的安裝考量包括：

• 充分的全身可見性
• 清晰的監控地板或地面區域視圖
• 影像中合適的主體大小
• 適當的攝影機視角
• 足夠且一致的照明
• 合適的影像解析度和壓縮品質
• 家具、機械、貨架或其他人員的最小阻礙
• 限制運動模糊

僅顯示上半身的攝影機視圖可能無法提供足夠的信息來可靠地分析完整的跌倒。

視角考量

視角影響AI觀察身體姿勢和高度變化的清晰程度。

過於陡峭的俯視角可能使某些姿勢過渡不明顯，而過低或被遮擋的角度可能會阻止系統看到人的地面關係。

理想的攝影機應提供足夠的視角來區分站立、彎腰、坐下、蹲下和躺在地板上的人。

因此，攝影機安裝應與預期的移動路徑和被監控環境的物理佈局一起考慮。

遮擋和擁擠場景

遮擋可以顯著影響跌倒偵測。

在擁擠的環境中，另一個人可能部分或完全遮擋跌倒的人。同樣，桌子、櫃檯、車輛、機械、貨架或其他物體可能在關鍵的動作過程中遮擋人的身體。

如果AI無法觀察到足夠的跌倒過渡，事件可能更難識別。

因此，攝影機的位置應選擇在跌倒監控特別重要的區域中最小化可預測的遮擋。

環境因素

多種環境條件可能影響偵測效能，包括：

光線不足或變化 強烈陰影 逆光 低解析度影像 過度壓縮 運動模糊 擁擠場景 部分身體遮蔽 反光地板 極端攝影機視角 物體視覺上與人重疊

應在部署的實際運行條件下評估偵測效能。

即時處理

跌倒偵測被設計為持續分析監控影像，並在確認合格的跌倒後不久生成事件。

由於AI從觀察動作序列中獲益，而不是單一幀，因此在系統確認事件之前可能需要少量的時間證據。

確切的回應時間可能取決於AI運算平台、影像幀率、系統負載、網路條件、偵測配置以及跌倒本身的特徵。

目標是平衡及時通知與足夠的行為證據，以避免過多的誤報。

隱私和身份

跌倒偵測本質上不需要涉入人員的身份。

分析的目標是確定是否在監控區域內發生了跌倒，而不是確定人是誰。

因此，當不需要個人身份識別時，該技術可以獨立於面部識別或員工識別系統運行。

這使得能夠為出現在監控環境中的員工、顧客、訪客、病患或其他個人提供自動化的事件意識。

技術優勢

AI驅動的跌倒偵測將監控影像轉化為安全事件意識的自動來源。

主要技術優勢包括：

自動滑倒、絆倒和跌倒識別 人體姿勢和動作分析 多畫面時間行為分析 連續影像監控 實時事件生成 可配置的偵測區域和參數 與警報和通知的整合 事件與錄製影像的自動關聯 更快速地檢索事件畫面 操作不需要個人身份識別

效能考量

跌倒偵測是一種AI輔助技術，不應期望在所有情況下識別每一個可能的跌倒。

跌倒在速度、方向、嚴重性和身體動作上有很大差異。有些事件可能部分發生在攝影機視野之外或在另一個人或物體後面。其他正常活動可能在視覺上類似於部分跌倒動作。

因此，偵測的可靠性取決於AI可用的視覺證據的質量。

系統設計者應考慮攝影機位置、主體大小、地面可見性、影像質量、照明、偵測區域、信心參數和監控環境中的典型人類活動。

建議在代表性的操作條件下進行測試和調整，以實現靈敏度和誤報之間的適當平衡。

安全考量

跌倒偵測應被視為輔助和通知技術，而不是取代既定的工作場所安全措施、緊急程序、醫療警報系統或需要人員監督的地方。

偵測事件表明AI已識別出與跌倒一致的視覺行為。負責人員可以使用相關的實時或錄製影像來驗證情況並確定適當的響應。

結論

AI驅動的跌倒偵測使監控系統能夠自動識別與滑倒、絆倒和跌倒相關的動作和姿勢變化，並將這些觀察轉化為可行的安全事件。

通過結合人員偵測、姿勢分析、動作分析、時間行為識別、可配置的監控區域和基於信心的決策制定，該技術可以將許多跌倒事件與普通的人體姿勢變化區分開來。

當以合適的攝影機位置、足夠的場景可見性和適當配置的偵測參數部署時，跌倒偵測可以顯著提高對潛在事故的認識，並幫助負責人員在需要幫助時更快地做出反應。

有多種應用可以從 AI 輔助的跌倒偵測中受益。例如，擁有危險機械設備的工廠——如果工人突然倒在地上，AI 將立即偵測到並啟動警報，以便立即救援該人員。

城市監控攝影機可以在街道上搜尋跌倒的人，尤其是在冬季，當道路和人行道可能變得濕滑時。

在醫院和護理之家，攝影機會注意到急診室或場地其他地方的人員倒下。醫生將立即被通知。

兒童遊樂場有符合安全標準的攀爬設備，但偶爾仍可能發生意外。如果監控系統偵測到有小孩躺在地上，緊急服務將立即派出。

可以將ACTi的跌倒偵測攝影機與ACTi的ZNR系列NVR或Windows平台的NVR 3伺服器一起使用。VMS將接收來自攝影機的跌倒偵測警報，並透過影像彈出、聲音警報、發送電子郵件警報等方式處理事件。
此外，一些最新的ZNR系列NVR伺服器具有內建的跌倒偵測功能——即使使用沒有內建AI的普通監控攝影機，也可以透過NVR端的AI能力運行跌倒偵測。
閱讀更多