跌倒是危害老年人安全的主要原因之一,跌倒中头部撞击地面尤其危险,严重可导致死亡。近年来,意外跌倒对老年人肢体损伤的研究受到高度重视,对跌倒后严重性进行评估,可避免老年人因疼痛敏感性低而导致的延误就诊,在医生急救时给予有用信息,为后续跌倒保护研究提供相关参考。论文开展人体跌倒头部伤害评估模型研究,从跌倒过程不同人体姿态入手,面向视频和可穿戴传感的不同场景开展人体跌倒的头部伤害严重性评估,引入人体关节点提取和分类学习进行特征提取和头部伤害严重性评估模型研究。论文工作如下:1.基于视频数据的人体跌倒行为过程姿态估计,通过视频数据预处理以OPENPOSE提取人体跌倒视频的二维关键点坐标,采用Bi LSTM+CNN完成缺失关键点修补,实现跌倒过程中的人体关键点三维坐标估计。实验表明,Human3.6数据集的平均误差为49.4mm。2.针对跌倒行为可能造成头部伤害,利用RGB摄像头采集跌倒视频,根据跌倒姿态进行头部伤害评估。结合常用头部伤害指标对跌倒后头部伤害严重程度分级,将人体关键点和身体部位结合,采用全局上下文感知注意长短时记忆神经网络模型学习特征,通过softmax输出分级结果,构建不同姿态下头部跌倒伤害严重性评估模型,模型准确率达74.17%。3.针对部分无法采集的场景,建立基于可穿戴传感的人体跌倒头部伤害评估模型。通过分析跌倒过程中不同部位加速度与头部加速度相关性,选择传感器佩戴部位,采集人体跌倒过程中不同部位三轴加速度数据,提出多卷积-长短期记忆神经网络算法进行人体跌倒头部伤害评估,模型在公开数据集和自测数据集上精度分别达64.97%和62.58%。4.采用Eclipse和Android Studio开发工具,结合My SQL数据库和Springboot框架设计完成面向人体跌倒过程的跌倒严重性评估系统,该系统包括人体跌倒检测及警报、人体跌倒过程视频数据及跌倒特征展示、基于视频数据和可穿戴传感器数据的头部受伤害程度的自动评估、社区警报处理、患者电子病历管理、医生辅助诊疗和后续伤害恢复情况跟踪等功能,可以实现老年人跌倒检测、严重性评估以及后续恢复过程流程化管理。