636
一、建设背景：《2024年度国家老龄事业发展公报》截至2024年末， 我国60岁及以上人口占总人口的22%，其中65岁及以上人口占15.6%，全国人均预期寿命达79.0岁，我国已步入中度老龄化，并成为全球老龄化速度最快的国家之一；而据国家卫健委预测数据，2035年左右，我国60岁及以上老年人口将突破4亿，在总人口中的占比将超过30%，届时中国将迈向重度老龄化。传统健康养老方式和资源配置手段面临巨大挑战，加快虚拟现实、大数据、人工智能等新技术在智慧养老领域融合应用十分必要。
中国每年4000万老人跌倒，每10秒1起，跌倒后无人救助超1小时，死亡率提升300%，在老龄化加速与独居老人数量攀升的背景下，跌倒已成为威胁老年人生命安全的“隐形杀手”。美国数据显示20%-30%的跌倒老人会遭遇中重度损伤，导致生活不能自理甚至死亡，老人跌倒具有高发生率和致残率。
AI行为分析+毫米波雷达 融合解决方案
二、 AI行为分析技术
传统的视频监控，现状及需求分析：缺乏提前预警机制
在大多时候只能用于事后取证，无法起到预防、预警的作用。由于是将人类作为监控者自身，从而在监控能力上存在很多局限，这些限制因素使视频监控系统或多或少的存在不会主动报警、报警度差、录像数据分析困难等缺陷，进而导致整个系统安全性和实用性的降低，因此无法满足养老安防这类场所。
随着互联网，大数据，算力全方位的发展，人工智能走上了快速道，各行各业开始用人工智能降本增效，辅助人力，向科技要效率。视频智能AI分析监控系统（简称AI行为分析），实现了监控方式由被动到主动的转变，能够实现全天候不间断地对视频进行分析，自动发现监控画面中的异常行为，从而能够更加有效的协助安全管理人员处理危机，并且最大限度的降低误报和漏报现象，能够满足提升养老安防系统对于安全的要求。
1. 概述： 根据视频或图像中的人体关键点，包括：鼻子，左右手肘，臂部左右侧，左右眼，左右耳，脖子，左右脚腕等，基于AI神经网络的深度学习算法，把人体主要活动骨架结构化，根据人的肢体运动轨迹，从而去定义各种人的动作行为，当摄像头抓拍到异常行为时，立即预警。
2. 涉及算法：AI神经网络的深度学习算法、视频结构化技术、人脸识别算法、人脸比对算法、人体识别算法、物体识别算法、活体算法、3D画面矫正算法、移动侦测算法、图像比对算法、物体轨迹算法、人体跟踪算法。
3. 神经网络人体骨骼关键点检测算法示意图：
系统在触发预警后，会自动存储事件的相关信息，包括事件截图、事件录像、抓拍截图等基础信息，并通过对这些基础信息的统计和分析，提供风险指数、防控能力、应急处置等指标供用户参考。
4. 智慧养老机构常用算法：
不慎倒地 ，紧急求救 ，异常徘徊，超时滞留，聚集围观，区域禁行，危险攀爬，入厕超时，尾随跟踪，久坐不动，值班睡岗，值班缺岗，声强突变，摄像机故障诊断，人脸识别辅助，人员统计，蹲下提醒
三．雷达智能感知技术
高精度监测：可分辨0.1-0.5毫米级位移，精准识别跌倒、离开等异常行为。
非接触式设计：无需佩戴设备，避免隐私泄露与使用干扰，尤其适用于浴室、厨房、卧室等敏感场景。
快速响应：可设置5-30秒跌倒状态，同步推送预警至家属、社区医生及急救中心，形成“黄金5分钟”救援圈。相比传统红外或摄像头方案，该技术在光线、湿度、遮挡等复杂环境中仍能稳定运行，解决了传统设备因环境干扰导致的漏报问题。
场景化应用：居家、社区、养老院三大场景，构建“监测-预警-服务”闭环。
居家场景：安装于卧室、卫生间等高风险区域，联动智能门锁、燃气消防传感器系统。
社区场景：与社区康养平台对接，实现多户老人数据集中管理。
养老机构：集成于智慧养老院系统，结合AI感知、认知训练、远程医疗等功能，为失能老人提供全方位照护。
