【玄铁杯第三届RISC-V应用创新大赛】基于视觉的独居老人健康监护与分析
[复制链接]
随着人口老龄化的加剧,独居老人的健康监护问题日益凸显。传统的健康监护方式往往依赖于医疗机构的定期检查和家属的观察,但这种方式存在一定的局限性。首先,医疗机构无法随时随地监测老人的健康状况,而家属也很难全天候照顾老人。其次,这种定期检查的方式很难及时发现老人的突发健康问题,如摔倒、情绪异常等。因此,开发一种基于视觉识别技术的独居老人健康监护系统,对于老人的身心健康监测具有重要意义。
本系统设计了一款基于视觉识别的独居老人健康监护与分析模块,它能够自动监测和分析老人的行为状况和日常行为数据,并实时将数据记录在本地。该模块采用图像处理技术和深度学习算法,对老人的身体姿态、活动轨迹等进行实时监测和识别,以判断老人的健康状况和是否发生意外或突发状况。同时,该系统还集成了人体红外模块,可以通过传感器监测老人的生活行为数据,如日常活动量,从而对老人的健康状况进行较为全面的监测和分析。一旦识别出异常情况,系统将立即启动应急响应机制,通过手机短信通知家人或医护人员,以便医护人员远程监控老人的健康状况。这款设备不仅可以提高独居老人的生活质量,还能为家人和医护人员提供更加全面和精准的健康管理和安全保障服务。
本系统以荔枝派为核心,三个模块组成:摄像头、红外对管,和4g模块组成。
视频采集模块负责实时采集视频信号,主控荔枝派负责对视频信号进行分析和判断,一旦检测到异常,信息发送模块将通过4g模块将报警信息传送到远端手机,向家中人员发出警报,提醒他们注意安全。
4.1 摄像头检测模块
结合摄像头的视频捕捉与人工智能模型的数据识别,能较为准确的判断老人的运动姿态,并根据情况进行警告。
4.1.1 硬件:
使用USB摄像头,通过USB接口与开发板连接。
4.1.2 软件:
4.1.2.1 视频捕捉
利用opencv库,对usb摄像头数据进行处理和保存为图片供模型识别使用。
以下为测试图片的识别标记
摄像头的数据采集(使用opencv库)后,通过yolov5模型(使用hhb部署,转化为二进制文件),对采集的数据进行分析和标注,输出结果。
4.2 人体红外模块
4.2.1 硬件
使用人体红外模块,通过调整电路上的时间、距离敏感度的参数,然后通过gpio持续读取模块的状态。
4.2.2 软件
使用编写驱动方式,采取gpio中断方式进行SR501状态的读取。
通过红外对管采集外界环境(是否有人通过/距离),来判断人的状态和需求(靠近饮水机,判断为想喝水)。
4.3 4g模块的使用
4.3.1 硬件
使用的是Cat1模组,通过uart串口发送at指令进行控制。
当摄像头采集图片判断到摔倒时候,即通过at指令控制4g模块向目标手机发送短信,警告摔倒。。
25b23f539b304d599e39dabbaaa4f7a7
【玄铁杯第三届RISC-V应用创新大赛】LicheePi 4A Yolox与Yolo5的布置与用例测试 https://bbs.eeworld.com.cn/thread-1260541-1-1.html
【玄铁杯第三届RISC-V应用创新大赛】LicheePi 4A 基于Yolov5的姿态识别模型的选择... https://bbs.eeworld.com.cn/thread-1260776-1-1.html
LicheePi 4A 基于Yolov5的姿态识别模型的细节修改 https://bbs.eeworld.com.cn/thread-1264903-1-1.html
【玄铁杯第三届RISC-V应用创新大赛】LicheePi 4A 基于人体红外传感器的使用 https://bbs.eeworld.com.cn/thread-1265909-1-1.html
【玄铁杯第三届RISC-V应用创新大赛】LicheePi 4A Yolox模型的maixhub在线训练 https://bbs.eeworld.com.cn/thread-1266196-1-1.htm
- 项目总结(对作品完成度、技术探索、创新点等方面进行总结)
在本次项目中,我们完成了预期的目标,包括对摔倒姿态图片的检测、使用摄像头进行OpenCV应用,以及4G模块的AT指令使用和红外模块的驱动和使用。这些成果基本上达到预期的50%的目标。
在技术探索方面,我们尝试使用了hhb部署,这是一种将模型转化为二进制文件的方式,可以在Python环境不完善的荔枝派上运行。通过这种方式,我们成功地实现了摔倒姿态分析的功能。
此外,我们还探索了如何使用4G模块来传输数据。在这个过程中,我们使用了AT指令来控制4G模块,实现了数据的传输功能。在这个过程中,我们遇到了一些问题,如英文与汉字的发送格式等,但通过不断尝试和改进,我们最终成功地解决了这些问题。
在创新点方面,我们的项目有一些独特之处。首先,我们成功地将深度学习模型应用到了摔倒姿态的检测中。其次,我们使用了hhb部署,将模型转化为二进制文件,使得在Python环境不完善的荔枝派上也能运行摔倒姿态分析功能。此外,我们还实现了4G模块的数据传输功能,使得远程监控成为可能。
在预期还应该完成人面部表情的识别、将数据通过云端推送(mqtt等技术)、通过qt撰写页面方便老人健康系统的操作便利性等,会使系统的运作更流畅、效果更好。
|