科技如何精准识别老人发生“跌倒”？

许多高龄或患病老人的生活中，“跌倒”往往是一场严重的危机事件。统计数据显示，在加拿大等国家，高达62%因伤住院的老人都是由跌倒直接导致的。对于老年人而言，跌倒发生后的“及时救援”至关重要，延误救治可能会带来不可逆的伤害。

除了人工照看，能否借助现代科技为老人搭建一套全天候的跌倒监视与预警系统？这篇研究系统梳理了各种跌倒检测技术背后的物理特征、技术路线与优缺点，为智能养老设备的发展提供了清晰的逻辑框架。

想让机器识别跌倒的发生，需要明确跌倒在物理上的运动特征。研究表明，跌倒并非一个瞬时动作，而是一个持续1到3秒的复杂过程，通常包含几个连续的动作阶段。根据发生场景的不同，老人的跌倒可以分为三类：

（1）从床上跌落：初始状态为平躺在床上，随后身体高度急速下降至地面（期间经历短暂的自由落体状态），最终瘫倒在床边。

（2）从椅子上跌落：初始状态为坐姿，头部从坐姿高度迅速下降至地面，最终躺在椅子附近。

（3）在站立或行走时跌倒：过程持续1到2秒，身体大概率朝单一方向倒下，重心和头部轨迹几乎处于同一平面内，最终头部和身体停留在地面，伴随短时间的静止不动。

正是因为跌倒具有“高度急剧下降”、“速度模式异常”以及“最终停留在地面静止”等物理特征，研究人员得以设计各种算法和传感器来捕捉这些信号。不论采用何种技术方案，一套完整的智能跌倒报警系统通常都包含四大核心模块。

（1）数据采集（Data Acquisition）：通过传感器或摄像机获取老人的运动、姿态或视频图像。

（2）信号处理与特征提取（Data Processing & Feature Extraction）：将原始信号过滤去噪，提取出如加速度变化、身体长宽比、头部运动速度等特征。

（3）跌倒判定（Fall Detection）：将提取出的特征与预设的阈值或建立的模型进行比对，判断是否发生跌倒。

（4）无线预警（Fall Alert）：一旦触发报警，系统通过有线或无线通信手段，第一时间将警报发送至护理人员或家属的终端设备上。

根据硬件设备和实现原理的不同，研究人员将跌倒检测技术划分为了三大派系。

1. 可穿戴设备派（Wearable Devices）

这类设备通常需要老人随身佩戴，例如装有加速度计的腰带、嵌入水银开关的衣服，或是内置陀螺仪的智能手杖。

（1）姿态检测（Posture Devices）：利用倾角开关或水银开关判断设备是否处于水平倾倒状态，从而推断佩戴者是否倒地。

（2）运动检测（Motion Devices）：通过三轴加速度计测量体表受到的冲击力，或通过陀螺仪测量角速度。跌倒时，身体在下降阶段会呈现独特的加速度变化曲线。

优缺点：成本较低且易于使用。但缺点在于“侵入感”较强，许多老人健康时不愿意时刻佩戴；且如果设备发生位移或松动，极易产生误报。

2. 环境感知派（Ambience Devices）

该方法将传感器嵌入到老人的生活环境中，实现非接触式监测。

（1）存在感知（Presence Devices）：在床垫下方或地板地垫中铺设压力传感器阵列。当老人跌落到特定区域时，压力变化会触发警报。

（2）环境动作感知（Posture/Motion Devices）：在墙壁上安装红外热释电传感器阵列，或在地板上安装震动传感器。通过分析物体移动的热红外轨迹或震动信号来推断人体动态。

优缺点：无需老人在身体上佩戴任何物品，体验较好。但局限在于无法准确区分压力是来自人体还是重物掉落，误报率相对较高，且护理人员无法直接进行远程视觉核实。

3. 视觉感知派（Camera-based Approach）

随着摄像头成本的降低与计算机视觉的发展，基于摄像头的检测方案逐渐成为研究热点。视觉方法可以细分为以下三类：

（1）静止状态检测（Inactivity Detection）：算法重点监测人体在经历一段剧烈运动后是否在地面长时间保持静止。这种方法计算量小，但存在报警滞后的问题（必须等待静止一段时间）。

（2）二维/三维人体外形变化分析（Body Shape Change Analysis）：算法提取人体轮廓，分析轮廓外接矩形的长宽比变化。人在站立时外接矩形通常“高而窄”，而跌倒倒地后会变成“扁而宽”。

（3）头部三维运动分析（3D Head Motion Analysis）：利用摄像机追踪人头的空间轨迹。跌倒时，头部在垂直方向上的下降速度远高于水平方向的移动速度。头部特征不容易被家具遮挡，但三维坐标的精准计算相对耗时。

在文献中，作者通过表格（对应论文中的表1：各种跌倒检测技术属性汇总）客观对比了不同路线的综合表现：

（1）成本与部署：可穿戴设备和环境压力垫价格低廉，部署简单；基于摄像机的系统成本适中，但需要更复杂的算法与调试。

（2）佩戴舒适度与隐私：环境式和视觉式对老人无身体束缚。视觉系统虽然存在隐私顾虑，但其独有的优势在于支持远程视觉复核（Remote Visual Verification），护理人员接到报警后可以快速查看视频复核真实情况，避免虚惊一场。

尽管现有的跌倒检测技术已经取得了长足进展，但要实现真正成熟、高可靠性的家用普及，研究人员认为未来仍需在以下几个方面继续深耕：

（1）摄像机标定技术的引入：将空间标定算法融入视觉分析中，能够更精准地还原人体的三维真实姿态，降低视角偏差带来的误判。

（2）多模态融合（Sensor & Camera Synergy）：将可穿戴传感器的低延迟冲击响应与摄像头的视觉图像相结合，实现优势互补。

（3）夜间与暗光环境检测：许多老人在夜间起夜时容易跌倒，如何在微弱光线或暗光环境下维持高效检测是实用化的关键。

（4）从“事后检测”转向“事先预防”与“防护”：除了在跌倒发生后快速报警，如何通过分析步态预判跌倒风险，甚至结合防跌倒气囊等硬件减轻伤害，也是极具前景的发展方向。

学者介绍：余新国，华中师范大学国家数字化学习工程技术研究中心教授、博士生导师，澳大利亚伍伦贡大学名誉教授，湖北省智能科教研究会会长。主要研究方向包括人工智能教育、智能教育技术、教育机器人、智能教学系统，以及视频分析、计算机视觉、人机交互与多媒体技术，聚焦人工智能赋能教育与科研、智能科教系统研发及教育场景应用等问题。

ORCID：0000-0001-8379-6742

DOI：10.1109/HEALTH.2008.4600107