一种基于树莓派的老年人行为监测分析方法

摘要

随着中国人口老龄化问题日益严重，老年人口比例不断上升。独居老人的安全问题已成为社会关注的焦点。本文设计的系统运行于树莓派4B上，连接摄像头模块和语音输入模块。基于OpenCV框架，采用Python语言编程，实现了一种可识别室内独居老人跌倒行为并发出智能报警的远程监控系统。

关键词 ：运动物体检测与跟踪；树莓派；OpenCV；图像处理

一、引言

根据2010年第六次全国人口普查数据显示，中国老龄化程度越来越高，且仍处于上升趋势。60岁以上的老年人占总人口的13.26%，65岁以上的老年人占总人口的8.87%。根据最新数据，截至2017年底，中国60岁以上人口已达2.4亿，占总人口的17.3%[1]。这些老年人的子女也已步入中年，需要赚钱工作、教育和抚养子女。为了不给子女增添麻烦，大多数老年人选择独居，尽量减少对子女的打扰。但与此同时，独居老人的安全问题却无法得到保障。

老年人跌倒发生率高，后果严重，是导致老年人残疾和死亡的重要原因之一。根据疾病控制与预防中心2006年发布的数据，美国每年有30%的65岁以上人群会发生跌倒。随着美国人口老龄化，因跌倒导致的死亡人数从2003年的13,700人上升到2006年的15,802人。跌倒可能引发严重后果，例如影响老年人身心健康，增加家庭和社会负担。因此，跌倒已成为老年医学领域的一个重要课题。

近年来，随着计算机和图像处理技术的不断进步，跌倒问题出现了新的解决方案。计算机硬件每年都在更新，如今一系列智能安防设备（如摄像头）正逐步进入普通人的生活。图像处理技术也已应用于社会的各个方面，例如视频监控、安全防护、交通管理、无人机、无人驾驶车辆等。将计算机视觉技术与二者结合，为解决跌倒问题提供了新的思路。使用计算机视觉技术来检测跌倒具有诸多优势。它可以通过摄像头实时掌握老年人的生活动态，并能保存视频文件以供后续查看。因此，基于视觉的跌倒检测研究不仅具有很高的应用价值，而且具有广阔的应用前景。

II. 系统设计总体思路

该系统分为两部分。一部分运行在手机终端，可通过该部分查看实时监控视频并接收跌倒警告，同时用户可进行语音询问。另一部分运行在树莓派上，分为四个模块：图像采集模块、跌倒检测模块、报警模块和远程监控模块。

图像采集模块由摄像头和麦克风阵列组成，可为树莓派输入音视频。跌倒检测模块为图像行为识别算法，能够识别老年人的跌倒行为。报警模块为APP提示报警，报警方式是系统自动保存老年人异常和疑似跌倒行为前后5秒的视频，并将其发送至手机终端。远程监控模块为树莓派通过局域网将数据上传至百度云服务器，监护人可通过移动应用查看监控区域的实时视频。

III. 硬件选择

A. 树莓派

树莓派作为一款极客爱好微型计算机，由注册于英国的树莓派基金会研发，于2012年3月发布，因其大小仅如信用卡，且具备普通计算机几乎全部的基本功能，可安装Linux系统，故被称为卡片式微型计算机。与其他硬件设备相比，树莓派由于具备低功耗、便携性、通用输入输出接口（GPIO）等特点，在中国得到广泛应用。我们可以利用它构建家庭影院、机器人、智能汽车、无线路由器、私有服务器、基站、智能家居等。在物联网应用中也具有显著优势。树莓派处理器的核心架构为ARM。目前，树莓派处理器已升级至第四代，其处理性能显著提升，同时外设接口也更加丰富，具备Wi-Fi功能和低功耗蓝牙功能。

基于上述优点，选择树莓派作为硬件平台。

B. 红外相机模块和语音模块

摄像头模块是本文主要使用的外部模块，通过CSI接口连接，摄像头模块如下图所示。该树莓派红外相机为500万像素，兼容所有版本的树莓派，内置红外截止滤光片，可校正红外相机在白天拍摄时的色彩问题，成像效果良好。配备红外补光灯，支持红外夜视功能。支持根据入射物体的距离进行对焦和自调节。摄像头像素下的图像质量满足系统要求。同时，红外相机能够很好地支持夜间监控成像，监测异常行为。

对于语音模块，我选择了索尼PlayStation Eye。它采用USB2.0接口，配备有四通道定向麦克风和扬声器。树莓派PlayStation Eye驱动免费且易于安装。集成摄像头的像素较低，因此另选了一个摄像头模块，以免影响视频中的人体动作识别。

IV. 软件技术选型

A. Android Studio

Android Studio 是用于在 IntelliJ IDEA 上开发安卓应用程序的官方集成开发环境（IDE）。此外，IntelliJ 拥有强大的代码编辑器和开发工具，Android Studio 还提供了更多可提高安卓编译效率的功能，例如基于 Gradle 的灵活编译系统、快速且功能丰富的模拟器、统一的环境、更改函数代码的应用以及无需重启应用程序即可推送资源来修改正在运行的应用程序的能力。

该软件用作客户端部分，使监护人能够通过手机轻松查看被监护人的实时监控内容，并接收其异常行为警告信息，以便及时采取相应措施。

B. 树莓派结合OpenCV

作为微型计算机，树莓派只需连接显示器和键盘即可实现传统计算机上的大多数功能，如文字处理、图像处理等。对于在树莓派上的图像处理，OpenCV 是首选工具。OpenCV 是一个采用 BSD 许可证（开源）的跨平台计算机视觉库，可在 Linux、Windows 和 Mac OS 操作系统上运行。它主要用 C++语言编写，实现了许多图像处理和计算机视觉的通用算法。作为与其结合的微型计算机，树莓派能够解决许多与计算机视觉相关应用的复杂问题。

在获取监控视频图像后，使用OpenCV进行图像处理，以区分被监护人的异常行为。

C. 语音处理模块

Speech recognition module，想要使用开源智能语音音响项目——Jingle。小叮当是一个基于树莓派运行的开源中文语音对话机器人/智能音箱项目。它具有插件、语音识别、语音合成和中文语音对话机器人功能，且高度模块化。支持中文，集成了百度、科大讯飞、阿里、谷歌等中文语音识别与语音合成技术，并可不断扩展。当摄像头检测到被监控人员的异常行为后，可通过语音识别功能进行语音问答交互，有助于减少视频识别错误或误报带来的问题。

V. 图像处理与算法

A. 图像预处理

平滑，也称为“模糊”，用于在尽可能保留图像细节的同时减少图像中的噪声。图像噪声的存在对图像质量有很大影响。如果不对图像噪声进行处理，将会影响后续的图像分割、特征提取和图像识别等工作。常见的图像平滑技术大致可分为高斯滤波、中值滤波、双边滤波等。

通过查阅相关文献可知，高斯滤波在处理正态分布噪声方面效果良好，中值滤波擅长处理椒盐噪声，双边滤波能够保留边缘特征，但处理效率较低。这三种方法在噪声处理上均有较好效果。考虑到本系统采集视频时较不易出现椒盐噪声，因此不采用中值滤波方法。本系统的跌倒检测为实时检测，为了不影响实时检测性能，未考虑使用双边滤波方法。由于大多数噪声特性呈正态分布，本文选择高斯滤波方法对采集的图像进行预处理。

然后通过阈值处理获得运动目标。经过阈值处理后，图像中会存在一些噪声点，需要进一步去除以突出目标特征。数学形态学是一种基于形状的图像处理理论和方法，其主要思想是利用具有一定大小和形状的结构元素来测量和提取图像中的相同形状，从而实现对目标图像的分析与识别。形态学包括膨胀、腐蚀、开闭运算。采用相关形态学方法消除图像噪声，并对后续图像算法的判别进行进一步预处理。

B. 跌倒判断算法设计

计算机视觉判断算法指的是基于人体比例特征的现有相关算法。首先，获取图像以找到移动的人体的最小外接矩阵。通过正常行为判断，身体长度大于宽度。同时，结合人体的有效面积比和最小外接矩阵的最小面积比，解决因手臂展开导致的宽高比特征所引起的触发情况。此外，利用前后帧包围矩形中心的坐标移动来判断其是否过大。当满足上述三个条件时，可立即发送预警信息，并同时进行语音识别查询，以便对误判的预警信息进行呼叫确认。经过语音识别咨询后，跌倒的严重程度可以被判断，并且可以协助监护人进行后续处理。

VI. 结论

中国老龄化程度逐渐加深，老年人的安全问题一直是社会关注的焦点。本文设计了一种针对老年人跌倒的智能安全监控系统，该系统结合树莓派4B、OpenCV和计算机视觉技术，实现对老年人跌倒行为的判断与报警。相较于可穿戴跌倒预警、在环境中安装多种传感器等其他跌倒行为监测手段，本文所设计的系统基于计算机视觉技术，具有安装和使用简便的优点。结合当前手机已不仅是简单的通信设备，更成为生活中各方面的智能管家，本文设计了移动应用，以配合树莓派的远程监控和智能报警功能。期望通过该系统，有效预防老年人跌倒引发的一系列严重后遗症，长时间跌倒后无人救助所导致的危害将减少，独居老人的安全将得到保障。