本文正在参加『In AidLux，To AIoT』AI应用案例征集活动
0.前言
年轻人独居是自由，但对老人来说，独居意味着抗风险能力差。尤其是对于在异地工作的子女来说，更是会担心家中老人的身体。老人相对于年轻人而言平衡力差，稍有不慎就会跌倒，且不少老人在跌倒后没有能力独自爬起。若是在家中跌倒，在无人帮助的情况下更为艰难，因此一定要做好预防工作。
本文以MediaPipe Pose人体关键点检测算法为基础，结合七牛云平台、喵提醒公众号和AidLux平台，制作了一个跌倒检测小助手，并且部署到手机上。希望能对各位读者有所帮助。
本文项目github链接：https://github.com/Study-Li404/mediapipe_fall_detection
完整的测试效果如下，当老人跌倒时，指定用户的手机会收到一条提醒，以便于迅速作出反应。
mediapipe pose 跌倒检测示例_哔哩哔哩bilibili_教程
1.项目整体方案介绍
1.1AidLux介绍
AidLux是基于ARM架构的跨生态（Android/鸿蒙+Linux）一站式AIoT应用开发和部署平台。该平台集成了当前主流的AI框架和AI应用所依赖的各种库，并做了全面的环境部署、适配和整合优化。可以让开发者把正在开发的AI应用快速迁移到Aidlux中，进行运行、调试与发布。
1.2业务实现流程
本文采用人体关键点定位的方案，通过对每一帧图像中的人体关键点进行检测，通过跌倒判定逻辑进行跌倒判断，若为跌倒状态则将图片上传七牛云，通过喵提醒发送提醒消息。工作流程如下图所示：
2.项目具体实现流程
2.1mediapipe pose讲解
本文所使用的人体关键点检测算法为谷歌所提供的mediapipe pose算法，该算法可以检测人体33个关键点。关键点分布如下图所示。
本文选器肩膀处两个关键点11，12和脚部两个关键点27，28。取11和12关键点y的中值为shoulder_y，取27，28关键点y的中值为ankle_y。在正常行走过程中，ankle_y的值必然大于shoulder_y，所以我们可以判定，当ankle_y的值必然小于shoulder_y时为跌倒状态。实现代码如下。
2.2七牛云使用教程
登陆七牛云官网（https://www.qiniu.com/）注册账号，注册账号后点击右上角矩形处。
选择对象存储Kodo。
选择空间管理，点击新建空间，输入存储空间名称，选择存储区域，点击确定。
此时我们可以看到，我们的空间列表中有了一个名为“person-fall-detection”的新空间。
在我们实际应用过程中，我们会使用代码上传相应的检测图片，所以需要用到外链、密钥和空间名称。点击空间名称，在空间概览中获得我们的空间名称。
随后点击文件管理，得到我们的外链域名。
点击右上方的头像选择密钥管理。
得到我们的AccessKey(AK)和SecreKey(SK)。
使用代码测试一下我们的七牛运平台是否配置好（注：该代码由江大白提供）。
运行后会得到一个链接：
复制该链接到浏览器上，会得到我们上传的图片。
2.3喵提醒使用教程
关注“喵提醒”的账号，点击回复消息中最后的“注册账号”。注册完账号后，在回复页面点击“提醒”，点击“新建”。
输入“标题”与“备注”，点击保存。
保存后会显示“喵码”和“网址”，将其记录下来。
使用代码测试喵提醒功能。
测试结果
2.4Aidlux使用教程
在应用商店搜索Aidlux，下载并注册。
将手机的wifi网络和电脑的网络连接到一起（若没有wifi，可以用usb数据线连接手机和电脑，开启手机的usb共享网络功能），打开安装好的手机上的Aidlux软件。点击Cloud_ip。
手机界面上会跳出可以在电脑上登录的IP网址。在电脑的浏览器上，随便输入一个IP，即可将手机的系统投影到电脑上。
root输入aidlux.
点击左下角文件管理界面
找到home文件夹，并双击进入此文件夹。
点击右上角上传图标
选择上传文件夹
上传结束后我们可以看到home下面多了一个名为fall_detect的文件夹，随后就可以凯撒测试了。
3.测试效果
安装好所需要的库，运行代码。
终端输出：
可以正常输出说明所需要的库安装好了。断开wifi。打开AiCode。
点击上方的加号。
点击open。
选择我们上传的关于跌检测的代码文件夹。
点开main.py
点击左上角的运行按钮，点击Run Now，
喵提醒输出结果：
4.不足与改进方向
4.1 漏检
从视频效果来看，mediapipe pose在检测类似于侧面的人体关键点存在漏检的现象。经过初步分析，在进行人体关键点检测之前加一个人体检测器，根据检测器输出的bounding box对原图进行切割，再进行人体关键点检测，效果也许会有所提升。
4.2关键点检测不准确
本文使用的mediapipe pose更加适合正对视角的关键点检测，在目标较小和非正对视角时存在关键点检测不准确的情况，后续有时间会尝试更多更加精准的关键点检测算法。
4.3判定逻辑不足
本文所采用的跌倒判定逻辑比较单一，主要是为了提供一个跌倒检测的实现流程，后续应该再添加一些判定逻辑会使得跌倒检测更加的准确。
5.结语
本文的技术部分的介绍到这里就结束了，感谢Aidlux提供的平台可以使得开发者将自己run好的模型进行快速验证和部署。感谢大白提供的教程（万字长文手把手教你Yolov5制作家庭安防告警系统：https://mp.weixin.qq.com/s/wK8LVf2ogRVBKm91d5lAuA）
尤其对于许多像我这样的学生而言，Aidlux可以让我们将学习的算法进行落地验证，看一看自己训练出来的模型在实际的工作中是什么效果。也减少了很多的经济成本和时间成本。
我今后会在Aidlux平台上尝试各种稀奇古怪的AI应用项目，感谢Aidlux平台的支持。也衷心希望能和各位开发者一起在此平台上进行各种AI项目的交流。
PS：Aidlux文档里有很多案例的代码教程，注释非常详细，大家有需要可以好好学习一下。
