跑步机上的跌倒检测方法、装置、计算机设备和存储介质与流程

1.本技术涉及图像检测技术领域，特别是涉及一种跑步机上的跌倒检测方法、装置、计算机设备和存储介质。


背景技术：

2.随着跑步机的普及，使用跑步机的对象越来越多。在使用跑步机的过程中，因重心偏移，使用跑步机的对象容易失去平衡，导致跌倒，并且跑步机此时仍在运行，可能会对跌倒的使用跑步机的对象造成二次伤害。由此，对使用跑步机的对象进行跌倒检测就尤为必要。
3.传统技术中通过使用跑步机的对象穿戴加速度传感器或者三维结构光深度传感器的手环，进行跌倒检测。而通过手环进行跌倒检测时，容易出现跌倒检测误判。因此，传统技术中对使用跑步机的对象进行跌倒检测的方法存在准确性低的问题。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高跌倒检测准确性的跑步机上的跌倒检测方法、装置、计算机设备和存储介质。
5.第一方面，本技术提供了一种跑步机上的跌倒检测方法，所述跑步机上安装有深度相机；所述深度相机的拍摄范围为，在目标对象站立于所述跑步机上的预设区域的情况下，覆盖所述目标对象的脸部和预设比例躯干。所述方法包括：
6.在所述目标对象使用所述跑步机的过程中，通过所述深度相机对所述目标对象进行拍摄，获得目标深度图像；
7.基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒。
8.在其中一个实施例中，所述基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒，包括：
9.在所述目标对象未在所述目标深度图像中出现，或者所述目标对象的所处区域未出现在所述目标深度图像的指定上部分区域内的情况下，确定所述目标对象发生跌倒。
10.在其中一个实施例中，所述基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒，包括：
11.确定所述目标对象的所处区域在所述目标深度图像中的面积；
12.在所述面积小于预设面积阈值的情况下，确定所述目标对象发生跌倒。
13.在其中一个实施例中，所述基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒，包括：
14.获取异常图像数据库，所述异常图像数据库包括样本对象发生跌倒时拍摄得到的异常深度图像；
15.将所述目标深度图像中的目标对象轮廓与每一异常深度图像中的样本对象轮廓
进行比对，在存在异常深度图像中的样本对象轮廓与所述目标对象轮廓之间相似度达到预设程度的情况下，确定所述目标对象发生跌倒。
16.在其中一个实施例中，所述目标对象轮廓和所述样本对象轮廓均为边缘轮廓或者躯干轮廓。
17.在其中一个实施例中，所述方法还包括：
18.在所述目标对象发生跌倒的情况下，停止运行所述跑步机；
19.向所述目标对象的指定关联对象推送报警消息。
20.在其中一个实施例中，所述方法还包括：
21.在所述深度相机拍摄到所述目标对象的目标脸部图像的情况下，将所述目标脸部图像与脸部图像数据库中的预存脸部图像进行比对；
22.在所述预存脸部图像与所述目标脸部图像比对成功的情况下，获取比对成功的所述预存脸部图像相应的预设跑步机参数，按照所述预设跑步机参数对所述跑步机进行设置。
23.第二方面，本技术还提供了一种跑步机上的跌倒检测装置。所述装置包括：
24.图像获取模块，用于在目标对象使用跑步机的过程中，通过所述跑步机上安装的深度相机对所述目标对象进行拍摄，获得目标深度图像；其中，所述深度相机的拍摄范围为，在所述目标对象站立于所述跑步机上的预设区域的情况下，覆盖所述目标对象的脸部和预设比例躯干；
25.跌倒判断模块，用于基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒。
26.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一方法的步骤。
27.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一方法的步骤。
28.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述任一方法的步骤。
29.上述跑步机上的跌倒检测方法、装置、计算机设备和存储介质，通过在目标对象使用跑步机的过程中，通过跑步机上安装的深度相机对目标对象进行拍摄，获得目标深度图像，基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒。相比于传统技术中对使用跑步机的对象进行跌倒检测的方法存在准确性低的问题而言，本技术通过使用跑步机的目标对象在目标深度图像中的所处区域，判断目标对象是否发生跌倒，能够提高对跑步机上的目标对象进行跌倒检测的准确性。
附图说明
30.图1为一个实施例中提供一目标对象使用跑步机的示意图；
31.图2为本技术实施例中提供的跑步机上的跌倒检测方法的流程示意图；
32.图3为一个实施例中提供一tof相机的成像原理示意图；
33.图4为一个实施例中获得的目标深度图像的示意图；
34.图5为一个实施例中确定目标对象是否发生跌倒的流程示意图；
35.图6为一个实施例中一异常深度图像的示意图；
36.图7为一个实施例中另一异常深度图像的示意图；
37.图8为一个实施例中跑步机参数设置的流程示意图；
38.图9为一个实施例中提供一目标脸部图像的示意图；
39.图10为一个实施例中提供的跑步机上的跌倒检测方法的完整流程示意图；
40.图11为本技术实施例中提供的一种跑步机上的跌倒检测装置的结构框图；
41.图12为本技术实施例中提供的一种计算机设备的内部结构图。
具体实施方式
42.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
43.在本实施例中，提供的一种跑步机上的跌倒检测方法，本实施例以该方法应用于计算机设备进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括计算机设备和服务器的系统，并通过计算机设备和服务器的交互实现。
44.介绍该跑步机上的跌倒检测方法之前，首先对该方法的应用场景进行说明。本实施例中提供一目标对象使用跑步机的示意图，如图1所示，图1中10为跑步机，20为目标对象，30为深度相机。图1中示例性地示出深度相机30的拍摄范围为目标对象头顶上方至目标对象的鞋底或者脚底，不用作限定深度相机的拍摄范围。
45.图2为本技术实施例中提供的跑步机上的跌倒检测方法的流程示意图，该方法应用于计算机设备中，在一个实施例中，如图2所示，包括以下步骤：
46.s201，在目标对象使用跑步机的过程中，通过跑步机上安装的深度相机对目标对象进行拍摄，获得目标深度图像；其中，深度相机的拍摄范围为，在目标对象站立于跑步机上的预设区域的情况下，覆盖目标对象的脸部和预设比例躯干。
47.其中，目标对象为位于跑步机上的对象，目标对象可以是人，也可以是动物，具体不作限定。深度相机为获得目标深度图像的设备。预设区域和预设比例可以人为基于实际情况进行设定。
48.优选的，深度相机为tof(time of flight飞行时间测距)相机。tof相机的成像原理是通过光线折返时间去计算相机与待拍摄对象之间的距离，以得到深度图像的。在此，提供一tof相机的成像原理示意图，如图3所示，图3中a为照射单元，通常照射单元发射的光线为红外光线，b为待拍摄对象，c为成像单元，tof相机由照射单元和成像单元组成。
49.在一些实施例中，通过tof相机对目标对象进行拍摄，获得的目标深度图像的示意图，如图4所示，图4中颜色的深浅表示距离深度相机的远近，颜色越深表示距离越近。
50.s202，基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒。
51.本实施例提供的跑步机上的跌倒检测方法，通过在目标对象使用跑步机的过程中，通过跑步机上安装的深度相机对目标对象进行拍摄，获得目标深度图像，基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒。相比于传统技术中对使用跑步机的对象进行跌倒检测的方法存在准确性低的问题而言，本实施例通过使用跑步机的目标
对象在目标深度图像中的所处区域，判断目标对象是否发生跌倒，能够提高对跑步机上的目标对象进行跌倒检测的准确性。
52.在一个实施例中，基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒，包括：
53.在目标对象未在目标深度图像中出现，或者目标对象的所处区域未出现在目标深度图像的指定上部分区域内的情况下，确定目标对象发生跌倒。
54.其中，指定上部分区域为人为在目标对象正常使用跑步机的情况下，基于目标对象在目标深度图像中的所处区域而设定的。
55.以图4进行举例，图4中深色区域为目标对象的所处区域，且图4中示出的是目标对象在正常使用跑步机的情况下拍摄得到的目标深度图像。此时，人为可以将目标深度图像进行对半切分，将目标深度图像的上半部分作为指定上部分区域。
56.在本实施例中，在目标对象使用跑步机的过程中，通过目标对象未在目标深度图像中出现或者未出现在目标深度图像的指定上部分区域内，判定目标对象发生跌倒，能够更加快速的判断目标对象是否跌倒，并且能够通过调整指定上部分区域的方式以避免误判，提高了对跑步机上的目标对象进行跌倒检测的准确性。
57.在一个实施例中，基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒，包括：
58.确定目标对象的所处区域在目标深度图像中的面积；
59.在面积小于预设面积阈值的情况下，确定目标对象发生跌倒。
60.其中，预设面积阈值可以人为设定。
61.在本实施例中，在目标对象使用跑步机的过程中，通过确定目标对象的所处区域在目标深度图像中的面积小于预设面积阈值，判定目标对象发生跌倒，进一步地防止在目标对象发生跌倒时未检测到的情况发生，能够提高对跑步机上的目标对象进行跌倒检测的准确性。
62.在一个实施例中，基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒的流程示意图，如图5所示，包括以下步骤：
63.s501，获取异常图像数据库，异常图像数据库包括样本对象发生跌倒时拍摄得到的异常深度图像。
64.其中，样本对象为在跑步机上的对象，样本对象可以与目标对象是同一对象，也可以与目标对象不是同一对象但是同一类对象，例如目标对象是人，样本对象也是人。异常深度图像为通过深度相机拍摄样本对象跌倒时得到的图像。
65.示例性地，异常深度图像的示意图，如图6和图7所示，图6为样本对象向后跌倒的图像示意图，图7为样本对象向前跌倒的图像示意图。
66.s502，将目标深度图像中的目标对象轮廓与每一异常深度图像中的样本对象轮廓进行比对，在存在异常深度图像中的样本对象轮廓与目标对象轮廓之间相似度达到预设程度的情况下，确定目标对象发生跌倒。
67.其中，预设程度可以由人为设定，也可以由计算机设备设定。
68.在本实施例中，在目标对象使用跑步机的过程中，在目标深度图像中的目标对象轮廓与每一异常深度图像中的样本对象轮廓之间相似度达到预设程度的情况下，判定目标
对象发生跌倒，增设判断目标对象是否发生跌倒的方式，进一步提高对跑步机上的目标对象进行跌倒检测的准确性。
69.在一个实施例中，目标对象轮廓和样本对象轮廓均为边缘轮廓或者躯干轮廓。
70.其中，边缘轮廓为依据目标对象或者样本对象在目标深度图像或者异常深度图像中所处区域的边缘所确定出的轮廓。躯干轮廓为对目标深度图像或者异常深度图像中目标对象或者样本对象所处区域进行躯干关键点识别，将识别出的躯干关键点连接起来形成的轮廓。
71.在本实施例中，基于边缘轮廓或者躯干轮廓进行跌倒检测，明确相似度比对主体，能够更准确地进行相似度比对。
72.在一个实施例中，该跑步机上的跌倒检测方法还包括：
73.在目标对象发生跌倒的情况下，停止运行跑步机；
74.向目标对象的指定关联对象推送报警消息。
75.在本实施例中，在目标对象发生跌倒的情况下，停止运行跑步机，能够避免对跌倒的目标对象造成二次伤害，并向目标对象的指定关联对象推送报警消息，能够及时对跌倒的目标对象进行救助，以减小对跌倒的目标对象的持续性伤害。
76.在一个实施例中，该跑步机上的跌倒检测方法还包括跑步机参数设置的内容，跑步机参数设置的流程示意图，如图8所示，包括以下步骤：
77.s801，在深度相机拍摄到目标对象的目标脸部图像的情况下，将目标脸部图像与脸部图像数据库中的预存脸部图像进行比对。
78.其中，目标脸部图像为通过深度相机拍摄到的目标对象的脸部图像。预存脸部图像为目标对象提前录入的脸部图像。
79.示例性地，提供一目标脸部图像的示意图，如图9所示。
80.s802，在预存脸部图像与目标脸部图像比对成功的情况下，获取比对成功的预存脸部图像相应的预设跑步机参数，按照预设跑步机参数对跑步机进行设置。
81.其中，预设跑步机参数为目标对象提前设定好的参数。
82.在一些实施例中，在目标脸部图像与预存脸部图像之间相似度达到预设相似程度的情况下，确定预存脸部图像与目标脸部图像比对成功。其中，预设相似程度可以由人为设定，也可以由计算机设备设定。
83.在本实施例中，通过脸部图像比对，直接获取预设跑步机参数，按照预设跑步机参数对跑步机进行设置，能够更方便快捷地使用跑步机，提升目标对象使用跑步机时的体验感。
84.在这里，以一完整实施例的方式对本技术提出的跑步机上的跌倒检测方法进行详细说明，完整流程示意图，如图10所示，具体包括以下内容：
85.s1001，通过tof相机拍摄目标对象的目标脸部图像。
86.s1002，将目标脸部图像与脸部图像数据库中的预存脸部图像进行比对，若比对成功则继续执行步骤s1003，若比对不成功则返回重新执行步骤s1001。
87.s1003，获取比对成功的预存脸部图像相应的预设跑步机参数，按照预设跑步机参数对跑步机进行设置。
88.s1004，在目标对象使用跑步机的过程中，检测目标对象是否发生跌倒。
89.具体的，通过跑步机上安装的深度相机对目标对象进行拍摄，获得目标深度图像，在目标对象未在目标深度图像中出现，或者目标对象的所处区域未出现在目标深度图像的指定上部分区域内的情况下，确定目标对象发生跌倒；
90.或者确定目标对象的所处区域在目标深度图像中的面积，在面积小于预设面积阈值的情况下，确定目标对象发生跌倒；
91.或者将目标深度图像中的目标对象轮廓与异常图像数据库中每一异常深度图像中的样本对象轮廓进行比对，在存在异常深度图像中的样本对象轮廓与目标对象轮廓之间相似度达到预设程度的情况下，确定目标对象发生跌倒。
92.s1005，在目标对象发生跌倒的情况下，停止运行跑步机，向目标对象的指定关联对象推送报警消息。
93.s1006，若目标对象未发生跌倒，在结束使用跑步机之后，记录目标对象本次的运动数据并展示给目标对象，并调取该目标对象的历史运动数据并展示给目标对象，以供目标对象参考。
94.其中，运动数据包括运动时长、运动距离或者跑步机参数中的至少一项。将目标对象本次的运动数据和历史运动数据同时提供给目标对象，能够帮助目标对象直观的观测到本次的运动情况，以便后续进行运动调整。
95.本实施例提供的跑步机上的跌倒检测方法，通过脸部图像比对，直接获取预设跑步机参数，按照预设跑步机参数对跑步机进行设置，能够更方便快捷地使用跑步机，提升目标对象使用跑步机时的体验感；并且在目标对象使用跑步机的过程中，能够通过使用跑步机的目标对象在目标深度图像中的所处区域，判断目标对象是否发生跌倒，提高了对跑步机上的目标对象进行跌倒检测的准确性。
96.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
97.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的跑步机上的跌倒检测方法的跑步机上的跌倒检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个跑步机上的跌倒检测装置实施例中的具体限定可以参见上文中对于跑步机上的跌倒检测方法的限定，在此不再赘述。
98.参见图11，图11为本技术实施例中提供的一种跑步机上的跌倒检测装置的结构框图，该装置1100包括：图像获取模块1101和跌倒判断模块1102，其中：
99.图像获取模块1101，用于在目标对象使用跑步机的过程中，通过跑步机上安装的深度相机对目标对象进行拍摄，获得目标深度图像；其中，深度相机的拍摄范围为，在目标对象站立于跑步机上的预设区域的情况下，覆盖目标对象的脸部和预设比例躯干；
100.跌倒判断模块1102，用于基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒。
101.本实施例提供的跑步机上的跌倒检测装置，通过图像获取模块在目标对象使用跑步机的过程中，通过跑步机上安装的深度相机对目标对象进行拍摄，获得目标深度图像，通过跌倒判断模块基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒。相比于传统技术中对使用跑步机的对象进行跌倒检测的方法存在准确性低的问题而言，本实施例通过使用跑步机的目标对象在目标深度图像中的所处区域，判断目标对象是否发生跌倒，能够提高对跑步机上的目标对象进行跌倒检测的准确性。
102.可选的，跌倒判断模块1102包括：
103.第一跌倒判断单元，用于在目标对象未在目标深度图像中出现，或者目标对象的所处区域未出现在目标深度图像的指定上部分区域内的情况下，确定目标对象发生跌倒。
104.可选的，跌倒判断模块1102包括：
105.面积确定单元，用于确定目标对象的所处区域在目标深度图像中的面积；
106.第二跌倒判断单元，用于在面积小于预设面积阈值的情况下，确定目标对象发生跌倒。
107.可选的，跌倒判断模块1102包括：
108.异常图像获取单元，用于获取异常图像数据库，异常图像数据库包括样本对象发生跌倒时拍摄得到的异常深度图像；
109.第三跌倒判断单元，用于将目标深度图像中的目标对象轮廓与每一异常深度图像中的样本对象轮廓进行比对，在存在异常深度图像中的样本对象轮廓与目标对象轮廓之间相似度达到预设程度的情况下，确定目标对象发生跌倒。
110.可选的，目标对象轮廓和样本对象轮廓均为边缘轮廓或者躯干轮廓。
111.可选的，该装置1100还包括：
112.处理模块，用于在目标对象发生跌倒的情况下，停止运行跑步机；
113.报警模块，用于向目标对象的指定关联对象推送报警消息。
114.可选的，该装置1100还包括：
115.脸部图像比对模块，用于在深度相机拍摄到目标对象的目标脸部图像的情况下，将目标脸部图像与脸部图像数据库中的预存脸部图像进行比对；
116.参数设置模块，用于在存在预存脸部图像与目标脸部图像比对成功的情况下，获取比对成功的预存脸部图像相应的预设跑步机参数，按照预设跑步机参数对跑步机进行设置。
117.上述跑步机上的跌倒检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
118.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图12所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统
和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种跑步机上的跌倒检测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
119.本领域技术人员可以理解，图12中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
120.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述实施例提供的跑步机上的跌倒检测方法的步骤：
121.在目标对象使用跑步机的过程中，通过跑步机上安装的深度相机对目标对象进行拍摄，获得目标深度图像；其中，深度相机的拍摄范围为，在目标对象站立于跑步机上的预设区域的情况下，覆盖目标对象的脸部和预设比例躯干；
122.基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒。
123.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
124.在目标对象未在目标深度图像中出现，或者目标对象的所处区域未出现在目标深度图像的指定上部分区域内的情况下，确定目标对象发生跌倒。
125.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
126.确定目标对象的所处区域在目标深度图像中的面积；
127.在面积小于预设面积阈值的情况下，确定目标对象发生跌倒。
128.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
129.获取异常图像数据库，异常图像数据库包括样本对象发生跌倒时拍摄得到的异常深度图像；
130.将目标深度图像中的目标对象轮廓与每一异常深度图像中的样本对象轮廓进行比对，在存在异常深度图像中的样本对象轮廓与目标对象轮廓之间相似度达到预设程度的情况下，确定目标对象发生跌倒。
131.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
132.目标对象轮廓和样本对象轮廓均为边缘轮廓或者躯干轮廓。
133.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
134.在目标对象发生跌倒的情况下，停止运行跑步机；
135.向目标对象的指定关联对象推送报警消息。
136.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
137.在深度相机拍摄到目标对象的目标脸部图像的情况下，将目标脸部图像与脸部图像数据库中的预存脸部图像进行比对；
138.在存在预存脸部图像与目标脸部图像比对成功的情况下，获取比对成功的预存脸部图像相应的预设跑步机参数，按照预设跑步机参数对跑步机进行设置。
139.上述实施例的实现原理和技术效果与上述方法实施例类似，在此不再赘述。
140.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例提供的跑步机上的跌倒检测方法的步骤：
141.在目标对象使用跑步机的过程中，通过跑步机上安装的深度相机对目标对象进行拍摄，获得目标深度图像；其中，深度相机的拍摄范围为，在目标对象站立于跑步机上的预设区域的情况下，覆盖目标对象的脸部和预设比例躯干；
142.基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒。
143.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
144.在目标对象未在目标深度图像中出现，或者目标对象的所处区域未出现在目标深度图像的指定上部分区域内的情况下，确定目标对象发生跌倒。
145.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
146.确定目标对象的所处区域在目标深度图像中的面积；
147.在面积小于预设面积阈值的情况下，确定目标对象发生跌倒。
148.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
149.获取异常图像数据库，异常图像数据库包括样本对象发生跌倒时拍摄得到的异常深度图像；
150.将目标深度图像中的目标对象轮廓与每一异常深度图像中的样本对象轮廓进行比对，在存在异常深度图像中的样本对象轮廓与目标对象轮廓之间相似度达到预设程度的情况下，确定目标对象发生跌倒。
151.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
152.目标对象轮廓和样本对象轮廓均为边缘轮廓或者躯干轮廓。
153.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
154.在目标对象发生跌倒的情况下，停止运行跑步机；
155.向目标对象的指定关联对象推送报警消息。
156.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
157.在深度相机拍摄到目标对象的目标脸部图像的情况下，将目标脸部图像与脸部图像数据库中的预存脸部图像进行比对；
158.在存在预存脸部图像与目标脸部图像比对成功的情况下，获取比对成功的预存脸部图像相应的预设跑步机参数，按照预设跑步机参数对跑步机进行设置。
159.上述实施例的实现原理和技术效果与上述方法实施例类似，在此不再赘述。
160.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述实施例提供的跑步机上的跌倒检测方法的步骤：
161.在目标对象使用跑步机的过程中，通过跑步机上安装的深度相机对目标对象进行拍摄，获得目标深度图像；其中，深度相机的拍摄范围为，在目标对象站立于跑步机上的预设区域的情况下，覆盖目标对象的脸部和预设比例躯干；
162.基于目标深度图像中目标对象的所处区域，确定目标对象是否发生跌倒。
163.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
164.在目标对象未在目标深度图像中出现，或者目标对象的所处区域未出现在目标深度图像的指定上部分区域内的情况下，确定目标对象发生跌倒。
165.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
166.确定目标对象的所处区域在目标深度图像中的面积；
167.在面积小于预设面积阈值的情况下，确定目标对象发生跌倒。
168.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
169.获取异常图像数据库，异常图像数据库包括样本对象发生跌倒时拍摄得到的异常深度图像；
170.将目标深度图像中的目标对象轮廓与每一异常深度图像中的样本对象轮廓进行比对，在存在异常深度图像中的样本对象轮廓与目标对象轮廓之间相似度达到预设程度的情况下，确定目标对象发生跌倒。
171.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
172.目标对象轮廓和样本对象轮廓均为边缘轮廓或者躯干轮廓。
173.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
174.在目标对象发生跌倒的情况下，停止运行跑步机；
175.向目标对象的指定关联对象推送报警消息。
176.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
177.在深度相机拍摄到目标对象的目标脸部图像的情况下，将目标脸部图像与脸部图像数据库中的预存脸部图像进行比对；
178.在存在预存脸部图像与目标脸部图像比对成功的情况下，获取比对成功的预存脸部图像相应的预设跑步机参数，按照预设跑步机参数对跑步机进行设置。
179.上述实施例的实现原理和技术效果与上述方法实施例类似，在此不再赘述。
180.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
181.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
182.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
183.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种跑步机上的跌倒检测方法，其特征在于，所述跑步机上安装有深度相机；所述深度相机的拍摄范围为，在目标对象站立于所述跑步机上的预设区域的情况下，覆盖所述目标对象的脸部和预设比例躯干；所述方法包括：在所述目标对象使用所述跑步机的过程中，通过所述深度相机对所述目标对象进行拍摄，获得目标深度图像；基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒，包括：在所述目标对象未在所述目标深度图像中出现，或者所述目标对象的所处区域未出现在所述目标深度图像的指定上部分区域内的情况下，确定所述目标对象发生跌倒。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒，包括：确定所述目标对象的所处区域在所述目标深度图像中的面积；在所述面积小于预设面积阈值的情况下，确定所述目标对象发生跌倒。4.根据权利要求1所述的方法，其特征在于，所述基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒，包括：获取异常图像数据库，所述异常图像数据库包括样本对象发生跌倒时拍摄得到的异常深度图像；将所述目标深度图像中的目标对象轮廓与每一异常深度图像中的样本对象轮廓进行比对，在存在异常深度图像中的样本对象轮廓与所述目标对象轮廓之间相似度达到预设程度的情况下，确定所述目标对象发生跌倒。5.根据权利要求4所述的方法，其特征在于，所述目标对象轮廓和所述样本对象轮廓均为边缘轮廓或者躯干轮廓。6.根据权利要求1至5任意一项所述的方法，其特征在于，所述方法还包括：在所述目标对象发生跌倒的情况下，停止运行所述跑步机；向所述目标对象的指定关联对象推送报警消息。7.根据权利要求1至5任意一项所述的方法，其特征在于，所述方法还包括：在所述深度相机拍摄到所述目标对象的目标脸部图像的情况下，将所述目标脸部图像与脸部图像数据库中的预存脸部图像进行比对；在所述预存脸部图像与所述目标脸部图像比对成功的情况下，获取比对成功的所述预存脸部图像相应的预设跑步机参数，按照所述预设跑步机参数对所述跑步机进行设置。8.一种跑步机上的跌倒检测装置，其特征在于，所述装置包括：图像获取模块，用于在目标对象使用跑步机的过程中，通过所述跑步机上安装的深度相机对所述目标对象进行拍摄，获得目标深度图像；其中，所述深度相机的拍摄范围为，在所述目标对象站立于所述跑步机上的预设区域的情况下，覆盖所述目标对象的脸部和预设比例躯干；跌倒判断模块，用于基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。11.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。

技术总结
本申请涉及一种跑步机上的跌倒检测方法、装置、计算机设备和存储介质。所述方法包括：在目标对象使用跑步机的过程中，通过所述跑步机上安装的深度相机对所述目标对象进行拍摄，获得目标深度图像；其中，所述深度相机的拍摄范围为，在所述目标对象站立于所述跑步机上的预设区域的情况下，覆盖所述目标对象的脸部和预设比例躯干；基于所述目标深度图像中所述目标对象的所处区域，确定所述目标对象是否发生跌倒。采用本方法能够提高跑步机上跌倒检测准确性。性。性。


技术研发人员：姚永鑫 蔡明宏
受保护的技术使用者：业成光电（深圳）有限公司 业成光电（无锡）有限公司 英特盛科技股份有限公司
技术研发日：2023.05.10
技术公布日：2023/8/24