劉曉然 劉玉 李健 亓雨晴 余長逍 唐子人

摘? ? 要? ?“健康中國”和“體育強(qiáng)國”發(fā)展戰(zhàn)略對全民健身事業(yè)的發(fā)展提出了明確的指導(dǎo)方向。在不斷提高人們健身有效性的同時(shí)，健身的安全性更不容小覷。目前，全民健身安全保障體系已大大加強(qiáng)了健身活動(dòng)中的安全防護(hù)措施，但在實(shí)際健身中仍會較為頻繁地發(fā)生意外危險(xiǎn)事件，發(fā)生突然、難以提前預(yù)測，而且致殘、致死率較高，無疑增加了部分健身者的心理負(fù)擔(dān)、降低了健身意愿。針對公共體育場所健身活動(dòng)中意外危險(xiǎn)事件識別難的問題，本研究采用大數(shù)據(jù)分析、人工智能等技術(shù)，研發(fā)了公共體育場所健身危險(xiǎn)事件AI識別和報(bào)警系統(tǒng)平臺，實(shí)現(xiàn)基于視覺、智能穿戴設(shè)備的健身過程中意外危險(xiǎn)事件（跌倒、溺水、心血管事件）的識別和報(bào)警，有效解決公共體育場所意外危險(xiǎn)事件識別、報(bào)警和應(yīng)急的問題，提高全民健身的安全性。

關(guān)鍵詞? ?人工智能識別；健身安全；健身危險(xiǎn)報(bào)警平臺；跌倒；溺水；心血管事件

中圖分類號：804.5；TP3? ? ? ? ? ?學(xué)科代碼：040302? ? ? ? ? ?文獻(xiàn)標(biāo)志碼：B

DOI：10.14036/j.cnki.cn11-4513.2023.03.003

Abstract? ?The development strategy of “Healthy China” and “Leading Sports Nation” have put forward a clear guiding direction for the National Fitness Development. Scientific fitness is a significant mean for health promotion， and scientific fitness needs are individual. While fitness effectiveness is improved， the safety of fitness should not be underestimated. The current national fitness security system has greatly enhanced the protect measures in national fitness activities， but actually， dangerous events still are frequent. Occurring suddenly， difficult to predict， if the resuscitation is not timely， resulting in a high rate of mortality and disability， which undoubtedly adds to the psychological burden of some exercisers. In order to solve the occurrence of accidental and dangerous events in fitness activities， our study adopted to big data analysis， artificial intelligence and other technologies， developed a platform of AI identification and alarm system for fitness dangerous events in public sports places， to realize the identification and alarm of dangerous events（fall， drowning， cardiovascular events） during fitness， which based on vision and smart wearable device， effective solutions for identification， alarm and emergency when dangerous events occur in public stadiums， improving the safety of fitness.

Keywords? ?artificial intelligence identification; fitness safety; fitness risk alarm platform; falling; drowning cardiovascular events

《“健康中國2030”規(guī)劃綱要》中提出了健康服務(wù)供給總體不足與需求不斷增長之間的矛盾依然突出，要全方位、全周期維護(hù)和保障人民健康，大幅提高健康水平［1］。為此，相關(guān)部門統(tǒng)籌建設(shè)全民健身公共設(shè)施，加強(qiáng)健身步道、騎行道、全民健身中心、體育公園等場地及設(shè)施建設(shè)，加速全民健身運(yùn)動(dòng)的普及。同時(shí)，國家體育總局發(fā)布了《體育健身活動(dòng)指南》，以此建立和完善針對不同人群、不同環(huán)境及不同身體狀況的運(yùn)動(dòng)處方庫，開展群眾健身休閑活動(dòng)，豐富和完善全民健身體系，推動(dòng)全民科學(xué)健身。與此同時(shí)，全民健身運(yùn)動(dòng)的安全性問題也逐步凸顯。

國家體育總局在2017年發(fā)布的《全民健身指南》中提出，在體育健身活動(dòng)過程中，要確保體育活動(dòng)者不出現(xiàn)或盡量避免發(fā)生運(yùn)動(dòng)傷害事故，是參加體育健身活動(dòng)的首要原則［2］。《全民健身計(jì)劃（2021—2025年）》對健身的安全性作了明確的指示，要求加強(qiáng)全民健身安全保障［3］。由此，一方面提倡個(gè)人健身前應(yīng)全面評估個(gè)人身體狀況和運(yùn)動(dòng)能力，制定適合自身特點(diǎn)的體育健身活動(dòng)方案。個(gè)人在體育健身活動(dòng)前要做充分的準(zhǔn)備活動(dòng)，在活動(dòng)過程中要控制運(yùn)動(dòng)強(qiáng)度、保持適當(dāng)?shù)倪\(yùn)動(dòng)負(fù)荷，在活動(dòng)后要做整理和放松活動(dòng)、定期進(jìn)行身體機(jī)能檢查。另一方面，對各類健身設(shè)施安全運(yùn)行加強(qiáng)監(jiān)管，鼓勵(lì)在公共體育場館配置急救設(shè)備，確保各類公共體育設(shè)施開放服務(wù)達(dá)到防疫標(biāo)準(zhǔn)、應(yīng)急標(biāo)準(zhǔn)、疏散標(biāo)準(zhǔn)、質(zhì)量標(biāo)準(zhǔn)及消防安全標(biāo)準(zhǔn)。

目前的全民健身安全保障體系已大大加強(qiáng)了全民健身活動(dòng)中的安全防護(hù)措施，但在實(shí)際健身中仍會較為頻繁地發(fā)生意外危險(xiǎn)事件，例如：跌倒、溺水、心血管危險(xiǎn)事件等。這些意外危險(xiǎn)事件發(fā)生突然且難以提前預(yù)測，如果搶救不及時(shí)，致死率和致殘率較高，這無疑增加了部分健身者的心理負(fù)擔(dān)。為了更好地降低健身活動(dòng)中意外危險(xiǎn)事件的發(fā)生率，本研究應(yīng)用大數(shù)據(jù)、人工智能等技術(shù)，研究建立公共體育場所健身危險(xiǎn)事件AI識別和報(bào)警系統(tǒng)平臺。該平臺可實(shí)現(xiàn)基于視覺與智能可穿戴設(shè)備的健身意外危險(xiǎn)事件（例如：跌倒、溺水、心血管危險(xiǎn)事件）的識別和報(bào)警，有效解決了復(fù)雜環(huán)境中運(yùn)動(dòng)意外危險(xiǎn)事件識別難度大、報(bào)警不及時(shí)及決策時(shí)程長的問題，能滿足實(shí)時(shí)交互的預(yù)測需求及提高全民健身的安全性。

1? ?公共體育場所健身意外危險(xiǎn)事件

參加有規(guī)律的健身活動(dòng)可獲得更多生理和心理上的健康益處，但是健身活動(dòng)也存在很多已證實(shí)的危險(xiǎn)因素。例如在健身運(yùn)動(dòng)時(shí)出現(xiàn)冠狀動(dòng)脈痙攣會產(chǎn)生心絞痛；沒有休息好或感冒后在健身運(yùn)動(dòng)時(shí)容易出現(xiàn)頭痛；在健身運(yùn)動(dòng)中還可能出現(xiàn)腹脹痛、腹絞痛、肝區(qū)痛、暈厥等不良反應(yīng)。這些不良反應(yīng)有些可以在運(yùn)動(dòng)停止后休息一段時(shí)間自行消失，但是有些如果沒有及時(shí)發(fā)現(xiàn)或搶救不及時(shí)，則可能危及生命。目前，最為常見且嚴(yán)重的意外危險(xiǎn)事件大致包括跌倒、溺水、心血管危險(xiǎn)事件等，這也正是公共體育場所健身危險(xiǎn)事件AI識別和報(bào)警系統(tǒng)平臺要識別的主要危險(xiǎn)事件。

1.1? 公共體育場所跌倒危險(xiǎn)事件

跌倒是指突發(fā)的、不自主及非故意的體位改變而倒在地上［4］。據(jù)估算，世界上每年發(fā)生684 000例致命性跌傷，即使未致命，每年仍大約有37 300 000例跌傷嚴(yán)重到需要進(jìn)行治療［5］。隨著馬拉松等戶外運(yùn)動(dòng)在健身領(lǐng)域風(fēng)靡，運(yùn)動(dòng)中的安全問題也接踵而至。據(jù)相關(guān)數(shù)據(jù)統(tǒng)計(jì)，超過63%的運(yùn)動(dòng)損傷者是由于在運(yùn)動(dòng)過程中發(fā)生跌倒無法得到及時(shí)救治而導(dǎo)致了傷?。?］。

在公共體育場所，跌倒的發(fā)生主要由內(nèi)在（生理）和外在（環(huán)境或情境）風(fēng)險(xiǎn)因素導(dǎo)致。內(nèi)在風(fēng)險(xiǎn)因素包括心血管功能障礙（例如：直立性低血壓和暈厥）、使用精神疾病類藥物、認(rèn)知障礙、下肢無力、平衡能力差、視力受損等，主要表現(xiàn)為因暈倒、休克等導(dǎo)致的突然性跌倒、突然抽筋、扭傷等肢體損傷［7］。外在風(fēng)險(xiǎn)因素主要指地面上有障礙物、地板濕滑、光線不足等，主要表現(xiàn)為因人體失去平衡而產(chǎn)生的突然跌倒［8］。

1.2? 公共游泳池溺水危險(xiǎn)事件

游泳是很多健身者選擇的運(yùn)動(dòng)項(xiàng)目，能鍛煉人的心肺耐力、提高心血管功能、促進(jìn)骨骼與肌肉的協(xié)調(diào)性、改善平衡能力，并且水的壓力和浮力可以使人體在運(yùn)動(dòng)過程中減少關(guān)節(jié)的損耗。但是游泳卻存在著潛在的危險(xiǎn)性，即便是十分熟悉水性的人也可能會因?yàn)楦鞣N意外情況而導(dǎo)致溺水，溺亡事故也時(shí)有發(fā)生。一旦溺水，人體會迅速發(fā)生一系列病理反應(yīng)，產(chǎn)生腦水腫、急性的呼吸窘迫綜合征、肺水腫、電解質(zhì)紊亂、心力衰竭、酸堿失衡、急性腎功能衰竭、血管內(nèi)凝血等并發(fā)癥［9］59，此時(shí)如果沒有被游泳救生員及時(shí)發(fā)現(xiàn)，溺水時(shí)間越長越容易造成人體不可逆的損傷或死亡。

當(dāng)游泳者出現(xiàn)溺水危險(xiǎn)時(shí)，一般會掙扎求救，有些動(dòng)作毫無規(guī)律，救生員會根據(jù)游泳者溺水的實(shí)際情況，憑借經(jīng)驗(yàn)采取相應(yīng)的救生措施。溺水者在求救狀態(tài)下呼吸道內(nèi)會進(jìn)入大量的水，并會很快失去求救意識，導(dǎo)致身體不斷下沉，這種情況下很難被救生員發(fā)現(xiàn)。在傳統(tǒng)的救生員管理模式下，救生員在游泳館的游泳者較多、光照強(qiáng)度低、長時(shí)間注視水面時(shí)很容易視覺疲勞，較難對突發(fā)溺水事件作出及時(shí)反應(yīng)。

1.3? 公共體育場所心血管危險(xiǎn)事件

適量的健身運(yùn)動(dòng)能提高人體的心肺耐力并降低心血管疾病的發(fā)生率，但如果健身者年齡偏大、患有慢性病、選擇了不適合自己的運(yùn)動(dòng)項(xiàng)目及在不合適的時(shí)間點(diǎn)運(yùn)動(dòng)或進(jìn)行了較高強(qiáng)度和較長時(shí)間的運(yùn)動(dòng)時(shí)，有可能發(fā)生心血管危險(xiǎn)事件，甚至可能發(fā)生心源性猝死［10］。關(guān)于運(yùn)動(dòng)猝死的新聞每隔一段時(shí)間就會出現(xiàn)，這主要是由于心源性猝死的發(fā)病特點(diǎn)是：男性心源性猝死的風(fēng)險(xiǎn)高于女性［11］；可以發(fā)生在運(yùn)動(dòng)過程中，也可以發(fā)生在運(yùn)動(dòng)后和休息時(shí)［12］；猝死者年齡主要集中在15～20歲的青少年和老年人。而且相關(guān)調(diào)查顯示，強(qiáng)度過大的運(yùn)動(dòng)，尤其是突然的、非常規(guī)的與涉及大強(qiáng)度無氧代謝的運(yùn)動(dòng)，對于未接受過專業(yè)訓(xùn)練者和有潛在心血管疾病者來說，存在一定的心血管疾病風(fēng)險(xiǎn)［10］。

運(yùn)動(dòng)前心血管疾病篩查和運(yùn)動(dòng)危險(xiǎn)分層是降低心血管疾病風(fēng)險(xiǎn)的主要手段。在2017年，來自世界各地的學(xué)者共同發(fā)布了運(yùn)動(dòng)前心血管疾病篩查專家共識和心電圖解讀專家共識，得到了國際奧委會和國際足球聯(lián)合會等國際體育組織的充分認(rèn)可和采納［13］。但仍有很多體育領(lǐng)域的學(xué)者對運(yùn)動(dòng)前心血管疾病篩查的有效性提出了質(zhì)疑，認(rèn)為運(yùn)動(dòng)前篩查會遺漏80%以上的病例［14］，而且心血管疾病的檢查需要消耗大量醫(yī)療資源。

2? ?公共體育場所健身危險(xiǎn)事件AI識別

2.1? 基于視覺的跌倒AI識別

2.1.1? 跌倒識別場景設(shè)計(jì)

《2022國民健身趨勢報(bào)告》中提到國民熱衷的健身項(xiàng)目主要以健步走、跑步、球類和健身舞蹈為主［15］。隨著大眾參與健身跑的人數(shù)與日俱增，跑步引發(fā)的意外危險(xiǎn)事件頻繁發(fā)生。有研究者通過因子分析構(gòu)建并驗(yàn)證了跑步者跑步風(fēng)險(xiǎn)認(rèn)知評價(jià)模型，提出個(gè)人身心狀況和跑步環(huán)境因素是影響跑步者在戶外發(fā)生跌倒的主要因素［16］。雖然在公共健身步道附近設(shè)立了一些救助點(diǎn)，但是仍無法做到有效地預(yù)防運(yùn)動(dòng)危險(xiǎn)事件發(fā)生和對跑步損傷者進(jìn)行及時(shí)救助，更無法實(shí)時(shí)監(jiān)測跑步者的身體狀況。

本研究研制的系統(tǒng)是一種基于視覺的戶外健身跑場景中跌倒行為識別方法，通過戶外健身步道安裝的攝像頭獲取跑步者的視頻流，從視頻流提取出每一幀圖片，從圖片中提取評估人體姿態(tài)的骨骼關(guān)鍵點(diǎn)，形成運(yùn)動(dòng)姿態(tài)編碼，與建立的倒地特征庫和非倒地特征庫進(jìn)行對比，從而實(shí)現(xiàn)對跑步意外跌倒或倒地狀態(tài)的識別。同時(shí)，建立跌倒行為特征數(shù)據(jù)庫，一是可以解決因攝像頭角度而使獲取到的人體姿態(tài)變形問題；二是可以識別跑步者前倒、側(cè)倒、坐地、系鞋帶等姿態(tài)；三是可以解決多人視覺圖像交疊在一起的識別問題，從而大大提高戶外健身跑場景下跌倒事件的識別率。

2.1.2? 人體姿態(tài)識別

跌倒識別需要對攝像頭中的人體姿態(tài)進(jìn)行精確的識別，圍繞圖像中的人體姿態(tài)估計(jì)問題進(jìn)行研究。人體姿態(tài)估計(jì)從輸出的維度上可分為二維和三維，二維是輸出基于圖像坐標(biāo)的人體關(guān)鍵點(diǎn)（x和y），三維是輸出在空間坐標(biāo)中的人體關(guān)鍵點(diǎn)（x、y及z）。

2.1.2.1? ? 二維人體姿態(tài)估計(jì)

本系統(tǒng)主要用于監(jiān)控運(yùn)動(dòng)場景中的人體姿態(tài)，由于在該場景中人體尺寸相對較小、人數(shù)不多，對姿態(tài)的識別精度要求較高，因此，選擇了自頂向下的流程。如圖1所示，先檢測圖像中的人體，然后對每個(gè)人體單獨(dú)進(jìn)行姿態(tài)估計(jì)，該流程由于對每個(gè)人體單獨(dú)做姿態(tài)估計(jì)，所以能忽略人體尺寸的影響，可達(dá)到較高的精度。

本方法使用HRNet（high-resolution net）作為人體姿態(tài)估計(jì)的主干網(wǎng)絡(luò)。該網(wǎng)絡(luò)在構(gòu)建第一階段維持了一個(gè)高分辨率，然后形成了從高到低逐漸增加分辨率的子網(wǎng)絡(luò)，同時(shí)將不同分辨率的網(wǎng)絡(luò)融合在一起［17］。由此，通過保持一個(gè)高分辨率，同時(shí)融合低分辨率的信息能有效地提取人體關(guān)鍵點(diǎn)的局部特征，并提高關(guān)鍵點(diǎn)的精度，其結(jié)構(gòu)如圖2所示。

2.1.2.2? ? 三維人體姿態(tài)估計(jì)

三維人體姿態(tài)估計(jì)需要獲取空間坐標(biāo)中的人體關(guān)鍵點(diǎn)（x、y及z），但是因?yàn)橄鄼C(jī)成像時(shí)會使深度信息丟失，一般采用多幀二維人體姿態(tài)推斷出三維人體姿態(tài)，而三維人體姿態(tài)估計(jì)是基于髖骨中心點(diǎn)的相對位置。在三維人體姿態(tài)估計(jì)時(shí)，將每個(gè)關(guān)鍵點(diǎn)的位置估計(jì)轉(zhuǎn)化為骨骼長度和方向的估計(jì)，該骨骼長度在視頻中就不會發(fā)生變化。在模型訓(xùn)練時(shí)，對骨骼長度和方向的約束會使三維人體姿態(tài)估計(jì)的結(jié)果更加準(zhǔn)確與穩(wěn)定，并且在對姿態(tài)識別進(jìn)行訓(xùn)練時(shí)，增強(qiáng)了對骨骼長度和方向的識別能力及模型的泛化能力。

2.1.3? 基于視覺的跌倒姿態(tài)AI識別算法

針對跑步場景中的倒地情況的多樣性及單攝像頭的多義性，設(shè)置多相機(jī)幀同步后的多視角視頻采集位置，以確保在多人擁擠和多視角情況下人體姿態(tài)還原的準(zhǔn)確性?；诖嗽O(shè)計(jì)了一套基于二維姿態(tài)特征比對的流程，主要步驟如下。

步驟1：對圖片進(jìn)行人體檢測，獲取圖片檢測框中每個(gè)人的空間坐標(biāo)（x、y、w、h），其中：（x，y）表示檢測框左上角點(diǎn)坐標(biāo)，w表示檢測框的寬，h表示檢測框的高。

步驟2：對每個(gè)檢測框中的人進(jìn)行人體姿態(tài)估計(jì)，獲取每個(gè)人的24個(gè)骨骼關(guān)鍵點(diǎn)的坐標(biāo){x1，y1，…，x24，y24 }。

步驟3：將每個(gè)人的24個(gè)骨骼關(guān)鍵點(diǎn)通過運(yùn)動(dòng)姿態(tài)編碼模型進(jìn)行姿態(tài)編碼，形成128維浮點(diǎn)歸一化特征向量。

步驟4：選取各種倒地的姿態(tài)（N），將這些姿態(tài)通過步驟1～3提取特征，并制作出倒地特征庫Ff=（ff1，…，ffN ）。選取各種躺、蹲、坐等與倒地比較相似的姿態(tài)（M），將這些姿態(tài)通過步驟1～3提取特征，并制作為非倒地特征庫Fn=（fn1，…， fnM ），如圖3所示。

步驟5：從監(jiān)控?cái)z像頭獲取視頻流，從視頻流提取出每一幀圖片。對每幀圖片通過步驟1～3提取特征f，將該特征分別與倒地特征庫和非倒地特征庫中的特征進(jìn)行比對。如果特征f與倒地特征庫中的特征比對分?jǐn)?shù)最大值超過閾值τf，同時(shí)特征f與非倒地特征庫中特征比對分?jǐn)?shù)最大值低于閾值τn，則認(rèn)為是倒地狀態(tài)。

步驟6：如果倒地狀態(tài)維持了一段時(shí)間（t），可設(shè)置t為5 s，則可判斷有人倒地，報(bào)警系統(tǒng)即可發(fā)出報(bào)警信號。

2.1.4? 跌倒識別數(shù)據(jù)的實(shí)時(shí)分析

基于視覺的跌倒姿態(tài)AI識別的數(shù)據(jù)采集端采集的人體姿態(tài)估計(jì)數(shù)據(jù)，可通過網(wǎng)絡(luò)傳輸模塊發(fā)送至云服務(wù)器端，經(jīng)過算法處理獲取用戶的實(shí)時(shí)運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，保存至云端服務(wù)器。如果用戶出現(xiàn)跌倒時(shí)，運(yùn)動(dòng)危險(xiǎn)事件報(bào)警系統(tǒng)APP的用戶端界面和場館工作人員端界面均出現(xiàn)跌倒危險(xiǎn)報(bào)警提示、跌倒瞬時(shí)圖像及跌倒定位信息，以便場館工作人員根據(jù)現(xiàn)場具體情況實(shí)施救援，如圖4所示。

2.2? 基于視覺的溺水AI識別

2.2.1? 溺水識別場景

游泳已經(jīng)成為一些健身者運(yùn)動(dòng)休閑的主要方式之一，但也有較大的安全風(fēng)險(xiǎn)。救生員在日常工作中主要是依靠視力觀察泳池中游泳者的活動(dòng)情況，通過肉眼鑒定游泳池中靜止不動(dòng)的游泳者是否溺水。分析實(shí)際數(shù)據(jù)后發(fā)現(xiàn)，人工看護(hù)方式的救生措施存有明顯的漏洞。除了主動(dòng)潛泳之外，游泳者溺于水中將會缺氧或肺部積水，缺氧達(dá)到或超過30 s，其生命將受到威脅；溺水時(shí)間超過180 s以上，游泳者可能受到嚴(yán)重的人身傷害，甚至死亡［9］59。因此，游泳救生員急需一種輔助技術(shù)手段協(xié)助救生工作，準(zhǔn)確地監(jiān)控整個(gè)游泳池的安全情況。本研究研制的系統(tǒng)是一種基于可視化游泳館場景下溺水識別方法，在游泳池側(cè)壁中位安裝攝像機(jī)拍攝游泳池內(nèi)部，每2個(gè)攝像機(jī)為一組，2臺攝像機(jī)視場角均大于90°，成一定角度放置可覆蓋窗內(nèi)將近180°的范圍。通過攝像機(jī)獲取游泳者的視頻流，從視頻流提取出每一幀圖片，研究基于人體骨骼檢測和人體運(yùn)動(dòng)軌跡跟蹤為基礎(chǔ)的游泳動(dòng)作識別技術(shù)與溺水監(jiān)測算法，對溺水危險(xiǎn)事件進(jìn)行識別。

2.2.2? 基于視覺的溺水AI識別算法

針對游泳館場景中的溺水情況的多樣性，設(shè)計(jì)多攝像機(jī)幀同步后的多視角視頻采集監(jiān)控并識別游泳池中的每個(gè)人的運(yùn)動(dòng)狀態(tài)，以此判斷是否發(fā)生溺水事件。整個(gè)算法流程包括人體檢測、人體姿態(tài)估計(jì)和人體運(yùn)動(dòng)狀態(tài)估計(jì)。由此設(shè)計(jì)了一套基于二維姿態(tài)特征比對的流程，其主要步驟如下。

步驟1：對圖片進(jìn)行人體檢測，獲取圖片中每個(gè)人的空間坐標(biāo)（x、y、w、h）的檢測框，其中（x，y）表示檢測框左上角點(diǎn)坐標(biāo)，w表示檢測框的寬，h表示檢測框的高。

步驟2：對每個(gè)檢測框進(jìn)行人體姿態(tài)估計(jì)，獲取每個(gè)人的24個(gè)骨骼關(guān)鍵點(diǎn)的坐標(biāo)。

步驟3：對應(yīng)一個(gè)視頻中的多幀圖片，重復(fù)步驟1和2，獲得多幀人體姿態(tài)圖片。

步驟4：計(jì)算每個(gè)人體關(guān)鍵點(diǎn)的運(yùn)動(dòng)速度，組成人體關(guān)鍵點(diǎn)運(yùn)動(dòng)特征。

步驟5：建立水中人體運(yùn)動(dòng)主題分類器，將水中人體運(yùn)動(dòng)狀態(tài)分為3種：正常水中運(yùn)動(dòng)姿態(tài)、人體緩慢下沉姿態(tài)、人體靜止平躺姿態(tài)，把這3種人體骨骼關(guān)鍵點(diǎn)和關(guān)鍵點(diǎn)的運(yùn)動(dòng)特征納入人體運(yùn)動(dòng)主題分類器，并通過數(shù)據(jù)訓(xùn)練分類器，如圖5所示。

步驟6：將人體關(guān)鍵點(diǎn)和運(yùn)動(dòng)特征輸入人體運(yùn)動(dòng)主題分類器，分類器可以輸出運(yùn)動(dòng)狀態(tài)預(yù)測結(jié)果，當(dāng)發(fā)現(xiàn)運(yùn)動(dòng)狀態(tài)為人體緩慢下沉直至靜止平躺時(shí)，可判斷為溺水事件發(fā)生并報(bào)警。

2.2.3? 溺水識別數(shù)據(jù)的實(shí)時(shí)分析

基于視覺的溺水AI識別的數(shù)據(jù)采集端采集的人體姿態(tài)估計(jì)數(shù)據(jù)，可通過網(wǎng)絡(luò)傳輸?shù)皆品?wù)器端，進(jìn)行算法處理，獲取用戶的實(shí)時(shí)運(yùn)動(dòng)狀態(tài)數(shù)據(jù)，保存至云端服務(wù)器。如果用戶出現(xiàn)溺水狀態(tài)，運(yùn)動(dòng)危險(xiǎn)事件報(bào)警系統(tǒng)APP的場館工作人員端界面出現(xiàn)溺水危險(xiǎn)報(bào)警提示、溺水瞬時(shí)圖像及溺水定位信息，以便救生員實(shí)施救援，如圖6所示。

2.3? 基于可穿戴設(shè)備的心血管危險(xiǎn)事件AI識別

2.3.1? 心血管危險(xiǎn)事件監(jiān)測手段與指標(biāo)

從2010年開始，運(yùn)動(dòng)與健康監(jiān)測技術(shù)迅速發(fā)展，涌現(xiàn)出了許多形式的生物信號采集方式，從距離定位功能發(fā)展到如今具有心臟監(jiān)測、睡眠監(jiān)測、呼吸狀態(tài)監(jiān)測、全面的運(yùn)動(dòng)監(jiān)測等功能［17-18］?？纱┐髦悄苁直?、智能手環(huán)等可穿戴智能設(shè)備對運(yùn)動(dòng)健身的影響也越來越深入人心。有研究顯示，可穿戴設(shè)備采集的靜息心率（與健康呈負(fù)相關(guān)）和心率變異性（與心臟健康呈正相關(guān)）數(shù)據(jù)的準(zhǔn)確性和一致性水平較高［19］。還有些可穿戴智能設(shè)備配有心電模塊，目前以顯示單導(dǎo)聯(lián)心電圖為主，通過建立深度神經(jīng)網(wǎng)絡(luò)和應(yīng)用人工智能技術(shù)可以經(jīng)驗(yàn)性地找出輸入數(shù)據(jù)（即心電圖）與輸出數(shù)據(jù)（即診斷）之間的關(guān)系，可高敏感性、高準(zhǔn)確性地作出診斷［20］，還可以在運(yùn)動(dòng)中進(jìn)行心電監(jiān)測，能更好地識別心律失常，相較腕率表采集的心率更為準(zhǔn)確［10］。

本研究針對心血管疾病不同風(fēng)險(xiǎn)等級人群研發(fā)了智能運(yùn)動(dòng)手表和單導(dǎo)聯(lián)心電衣。智能運(yùn)動(dòng)手表主要滿足心血管疾病低風(fēng)險(xiǎn)人群的需求，具有監(jiān)測心率、血氧、睡眠等功能，可以實(shí)現(xiàn)日常運(yùn)動(dòng)時(shí)靶心率的控制及對短時(shí)間脈率明顯下降的識別和報(bào)警，因?yàn)樵摤F(xiàn)象是惡性心率失常的常見表現(xiàn)。單導(dǎo)聯(lián)心電衣則是滿足心血管疾病高風(fēng)險(xiǎn)人群的需求，具有監(jiān)測房顫、房室傳導(dǎo)阻滯、室性心動(dòng)過速、心房早搏復(fù)合征、心房停搏等常見心律失常的功能。心搏驟停是前述常見心律失常的主要表現(xiàn)，單導(dǎo)聯(lián)心電衣一旦識別到上述指標(biāo)異常就會發(fā)送救援信息。

2.3.2? 基于心電衣的心血管危險(xiǎn)事件識別算法

心電信號是表征人體生命體征和健康程度的關(guān)鍵指標(biāo)。每年有大量的人死于心血管疾?。?1］，其中心律失常是最為常見、最具代表性的心率異常疾病。本文針對5種常見的心律失常（房顫、房室傳導(dǎo)阻滯、室性心動(dòng)過速、心房早搏復(fù)合征、心房停搏）設(shè)計(jì)識別算法，通過采集北京市首都醫(yī)科大學(xué)附屬朝陽醫(yī)院的多位心律失常患者的心電數(shù)據(jù)，結(jié)合單導(dǎo)聯(lián)心電公開數(shù)據(jù)集“Physio Net”中的多個(gè)正常心電數(shù)據(jù)樣本，構(gòu)建用于訓(xùn)練算法的樣本庫。樣本庫中包括6種類型的單導(dǎo)聯(lián)心電數(shù)據(jù)，共有515例。其中：正常心電有200例，房顫有156例、房室傳導(dǎo)阻滯有37例、室性心動(dòng)過速有20例、心房早搏復(fù)合征有173例、心房停搏有29例。

考慮到不同類別的心電信號在時(shí)序變化上具有顯著差異，本文構(gòu)建基于CNN-LSTM模型的單導(dǎo)聯(lián)心電異常識別算法。卷積神經(jīng)網(wǎng)絡(luò)（縮寫為“CNN”）是一種包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，通過對輸入的單導(dǎo)聯(lián)心電圖數(shù)據(jù)進(jìn)行卷積運(yùn)算可以提取心電時(shí)序特征?？紤]到CNN無法分析心電信號時(shí)序變化特征之間的關(guān)聯(lián)性，將CNN的輸出心電信號進(jìn)一步傳輸?shù)介L短時(shí)記憶網(wǎng)絡(luò)（縮寫為“LSTM”），以確定心電信號序列的時(shí)間依賴性。LSTM模型可以分析心電信號時(shí)序關(guān)聯(lián)特性，并解決傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)存在的梯度消失的問題，適用于分析心電信號的時(shí)序特性。

將心電數(shù)據(jù)樣本庫按照4∶1的比例拆分成訓(xùn)練集和測試集。將訓(xùn)練集輸入到模型進(jìn)行訓(xùn)練，測試集用于檢測模型的性能。本文所提出的基于CNN-LSTM模型的單導(dǎo)聯(lián)心電異常識別算法的主要步驟如下。

步驟1：數(shù)據(jù)預(yù)處理。對原始心電信號進(jìn)行降噪處理，并以30 s（9 000采樣點(diǎn)）為周期進(jìn)行心電信號序列分割，如圖7所示。

步驟2：CNN-LSTM模型訓(xùn)練。本研究構(gòu)建CNN-

LSTM模型對單導(dǎo)聯(lián)心電數(shù)據(jù)進(jìn)行分類預(yù)測，CNN-LSTM模型包括輸入層、CNN層、最大池化層、LSTM層、隨機(jī)失活（Dropout）層、全連接層及歸一化指數(shù)函數(shù)（Softmax）層組成，如圖8所示。

步驟3：使用已經(jīng)訓(xùn)練好的CNN-LSTM模型，對新輸入的單導(dǎo)聯(lián)心電圖信號數(shù)據(jù)進(jìn)行判斷，將其歸為相應(yīng)的類別。

2.3.3? 心血管危險(xiǎn)事件識別數(shù)據(jù)的實(shí)時(shí)分析

基于智能運(yùn)動(dòng)手表的數(shù)據(jù)采集端可實(shí)時(shí)采集和呈現(xiàn)人體運(yùn)動(dòng)相關(guān)數(shù)據(jù)。如果用戶出現(xiàn)心率驟降狀態(tài)，例如心率在連續(xù)30 s中下降30%，運(yùn)動(dòng)危險(xiǎn)事件報(bào)警系統(tǒng)APP的場館工作人員端界面和用戶運(yùn)動(dòng)手表界面均會出現(xiàn)心血管危險(xiǎn)事件報(bào)警提示，并將運(yùn)動(dòng)狀態(tài)和位置定位數(shù)據(jù)上傳至運(yùn)動(dòng)危險(xiǎn)事件報(bào)警平臺，以便場館工作人員根據(jù)現(xiàn)場具體情況實(shí)施救援。同時(shí)，基于心電衣的數(shù)據(jù)采集端采集人體心電數(shù)據(jù)并進(jìn)行算法處理。如果用戶出現(xiàn)心血管危險(xiǎn)事件風(fēng)險(xiǎn)，運(yùn)動(dòng)危險(xiǎn)事件報(bào)警APP的用戶端界面和場館工作人員端界面均會出現(xiàn)心血管危險(xiǎn)事件報(bào)警提示，并將運(yùn)動(dòng)狀態(tài)和位置定位數(shù)據(jù)上傳至運(yùn)動(dòng)危險(xiǎn)事件報(bào)警平臺，以便場館工作人員根據(jù)現(xiàn)場具體情況實(shí)施救援，如圖9所示。

3? ?公共體育場所健身危險(xiǎn)事件報(bào)警系統(tǒng)平臺的構(gòu)建

3.1? 健身危險(xiǎn)事件報(bào)警系統(tǒng)平臺總體設(shè)計(jì)

公共體育場所運(yùn)動(dòng)危險(xiǎn)事件識別、報(bào)警及應(yīng)急系統(tǒng)結(jié)合了人工智能識別技術(shù)和智能危險(xiǎn)事件識別設(shè)備，根據(jù)公共體育場所實(shí)際情況編寫預(yù)案，基于人工智能算法的最優(yōu)匹配，制定醫(yī)療資源的分配方案，最終構(gòu)建一套完整的公共體育場所運(yùn)動(dòng)危險(xiǎn)事件識別、報(bào)警及應(yīng)急系統(tǒng)。該系統(tǒng)是由健身危險(xiǎn)事件識別智能運(yùn)動(dòng)手表、健身危險(xiǎn)事件識別專用攝像裝置和健身危險(xiǎn)事件報(bào)警與救援APP組成，如圖10所示。

3.2? 健身危險(xiǎn)事件報(bào)警系統(tǒng)的用戶端設(shè)計(jì)

3.2.1? 用戶端基礎(chǔ)信息錄入

1）APP用戶登錄。進(jìn)入登錄界面后有2種登錄方式，一種為用戶密碼登錄，另一種為短信驗(yàn)證碼登錄。2）APP界面顯示。主界面以體育場館地形為背景，顯示包含個(gè)人健康信息、健康狀況、健身危險(xiǎn)事件報(bào)警按鈕。3）增添緊急聯(lián)系人。在APP界面可通過輸入聯(lián)系人的電話號碼添加緊急聯(lián)系人。4）確認(rèn)進(jìn)入場館功能。通過APP掃描體育場館二維碼，確認(rèn)用戶已進(jìn)入場館。

3.2.2? 健身危險(xiǎn)事件報(bào)警功能設(shè)計(jì)

1）跌倒報(bào)警功能。當(dāng)用戶在公共體育場所AI運(yùn)動(dòng)攝像機(jī)監(jiān)控范圍內(nèi)發(fā)生跌倒后，APP用戶端會出現(xiàn)跌倒危險(xiǎn)事件提示。用戶可根據(jù)自身情況判斷是否需要救援，如果不需要救援，可點(diǎn)擊關(guān)閉；如果需要救援或無法作出應(yīng)答，待20 s后，跌倒危險(xiǎn)事件會直接推送至APP的場館工作人員端。2）心血管危險(xiǎn)事件報(bào)警功能。用戶通過掃碼進(jìn)入公共體育場館健身，當(dāng)用戶在該場館內(nèi)發(fā)生心血管危險(xiǎn)事件后，APP用戶端會出現(xiàn)跌倒危險(xiǎn)事件提示。用戶可根據(jù)自身情況判斷是否需要救援，如果不需要救援，可點(diǎn)擊關(guān)閉；如果需要救援或無法作出應(yīng)答，待20 s后，心血管危險(xiǎn)事件會推送至APP的場館工作人員端，如圖11所示。

3.3? 健身危險(xiǎn)事件報(bào)警系統(tǒng)APP的場館工作人員端設(shè)計(jì)

3.3.1? 場館工作人員端基礎(chǔ)信息

公共體育場館APP管理端可添加工作人員信息。場館工作人員點(diǎn)擊APP安全界面的人物卡片上的場館名稱后，如果變?yōu)榫G色表示上崗、變?yōu)榛疑硎倦x崗。

3.3.2? 健身危險(xiǎn)事件報(bào)警信息推送功能設(shè)計(jì)

當(dāng)識別到用戶出現(xiàn)健身危險(xiǎn)事件，包括跌倒、溺水和心血管危險(xiǎn)事件后，健身危險(xiǎn)事件報(bào)警系統(tǒng)APP用戶界面出現(xiàn)跌倒危險(xiǎn)報(bào)警提示，且APP工作人員界面能收到跌倒報(bào)警推送信息，并顯示用戶精準(zhǔn)的位置定位信息，如圖12所示。

3.3.3? 健身危險(xiǎn)事件報(bào)警系統(tǒng)APP救援功能設(shè)計(jì)

工作人員在健身危險(xiǎn)事件報(bào)警系統(tǒng)安全界面收到救援推送信息后，可點(diǎn)擊“健康狀況”下的“救援”按鈕查看場館地形圖上是否規(guī)劃了到事發(fā)地點(diǎn)的最佳路線。同時(shí)，被救人員也能收到救援人員的路線圖。工作人員在實(shí)施救援后點(diǎn)擊“關(guān)閉”，被救用戶界面會提示“危險(xiǎn)事件已被工作人員關(guān)閉”，救援流程即為結(jié)束，如圖13所示。

3.4? 健身危險(xiǎn)事件報(bào)警系統(tǒng)APP的監(jiān)控中心界面設(shè)計(jì)

健身危險(xiǎn)事件報(bào)警系統(tǒng)APP包括危險(xiǎn)事件記錄、場館工作人員在崗情況、入場健身人員年齡分布、健身人流量分布、場館地形圖等基本信息。登錄科學(xué)健身管理系統(tǒng) （isports.org.cn）后，點(diǎn)擊監(jiān)控中心（如圖14所示），當(dāng)發(fā)生健身危險(xiǎn)事件時(shí)，可在監(jiān)控中心同步顯示發(fā)生健身危險(xiǎn)事件的人員和地點(diǎn)，點(diǎn)擊救援后，則可以顯示救援人員和救援路線。

此外，監(jiān)控中心支持對所監(jiān)控場館的基本信息進(jìn)行編輯（包括場地類別、器材、營業(yè)時(shí)間、責(zé)任人信息、場館地形圖上傳、場館二維碼上傳等），并且可以查看健身危險(xiǎn)事件的歷史信息、添加或刪除場館工作人員、添加或刪除攝像頭設(shè)備等。

4? ?結(jié)束語

通過采集大量的跌倒、非跌倒、模擬溺水及游泳的正常心率和心電、異常心率和心電的相關(guān)數(shù)據(jù)，對本研究設(shè)計(jì)的公共體育場所健身危險(xiǎn)事件AI識別和報(bào)警系統(tǒng)平臺進(jìn)行了測試，基于視覺的跌倒AI識別技術(shù)對跌倒的識別率、基于視覺的溺水AI識別技術(shù)對溺水的識別率、基于可穿戴設(shè)備的心血管危險(xiǎn)事件AI識別技術(shù)對心血管突發(fā)事件的識別率均達(dá)到90%以上，公共體育場所健身危險(xiǎn)事件報(bào)警系統(tǒng)的報(bào)警準(zhǔn)確度達(dá)到了95%以上。

綜上所述，本研究設(shè)計(jì)的公共體育場所健身危險(xiǎn)事件AI識別和報(bào)警系統(tǒng)平臺基本實(shí)現(xiàn)了基于視覺、智能可穿戴設(shè)備對健身過程中的意外危險(xiǎn)事件（跌倒、溺水、心血管事件）的識別和報(bào)警，有效解決了復(fù)雜環(huán)境下運(yùn)動(dòng)的意外危險(xiǎn)事件識別難度大、急救不及時(shí)及救援決策時(shí)程長的問題，有助于推動(dòng)“體醫(yī)融合”服務(wù)過程中的信息共享及更有力地推動(dòng)全民健身與全民健康的融合。

參考文獻(xiàn)：

［1］? 中共中央 國務(wù)院.“健康中國 2030”規(guī)劃綱要［EB/OL］.（2016-10-25）［2023-04-25］. http：//www.gov.cn/zhengce/2016-10/25/content_5124174.htm.

［2］? 中國體育報(bào). 《全民健身指南》解讀［N/OL］.（2017-08-14）［2023-03-20］. https：//www.sport.gov.cn/n315/n331/n405/c819327/content.html.

［3］? 國務(wù)院. 全民健身計(jì)劃（2021—2025年） ［EB/OL］.（2021-07-18）［2023-04-25］. http：//www.gov.cn/zhengce/content/2021-08/03/content_5629218.htm.

［4］? WHO. Global report on falls prevention in older age［M］. Geneva： WHO， 2008： 1-9.

［5］? 皮紅英，高遠(yuǎn)，侯慧如，等. 老年人跌倒風(fēng)險(xiǎn)綜合管理專家共識［J］. 中華保健醫(yī)學(xué)雜志，2022，24（6）：439-441.

［6］? 王宇紅. 對北京馬拉松賽事醫(yī)療安全保障體系的研究［D］.北京：北京體育大學(xué)，2016.

［7］? 李曉亮. “運(yùn)動(dòng)風(fēng)險(xiǎn)”概念的剖析與界定［J］. 哈爾濱體育學(xué)院學(xué)報(bào)，2011，29（6）：20-24.

［8］? 楊懌健，李麗萍. 從運(yùn)動(dòng)科學(xué)及公共衛(wèi)生角度開展老年人跌倒預(yù)防的研究［J］. 傷害醫(yī)學(xué)，2022，11（4）：1-6.

［9］? 沈浩然. 游泳救生員［M］. 北京：高等教育出版社，2015.

［10］? 中國醫(yī)藥衛(wèi)生文化協(xié)會心血管健康與科學(xué)運(yùn)動(dòng)分會. 運(yùn)動(dòng)相關(guān)心血管事件風(fēng)險(xiǎn)的評估與監(jiān)測中國專家共識［J］.中國循環(huán)雜志，2022，37（7）：659-668.

［11］? ECKART R E， SHRY E A， BURKE A P， et al. Sudden death in young adults： An autopsy-based series of a population undergoing active surveillance［J］. Journal of the American College of Cardiology， 2011， 58（12）： 1254-1261.

［12］? FINOCCHIARO G， PAPADAKIS M， ROBERTUS J L， et al. Etiology of sudden death in sports： Insights from a united kingdom regional registry［J］. Journal of the American College of Cardiology， 2016， 67（18）： 2108-2115.

［13］? DREZNER J A， SHARMA S， BAGGISH A， et al. International criteria for lectrocardiographic interpretation in athletes：Consensus statement［J］. British Journal of Sports Medicine，2017， 51（9）： 704-731.

［14］? LANDRY C H， ALLAN K S， CONNELLY K A， et al. Sudden cardiac arrest during participation in competitive sports［J］. New England Journal of Medicine， 2017， 377（20）： 1943-1953.

［15］? 一圖讀懂《2022國民健身趨勢報(bào)告》［EB/OL］. （2022-08-02）［2023-04-25］. http：//health.people.com.cn/n1/2022/0802/c14739-32492003.html.

［16］? 胡德剛，梁金輝，張吾龍. 健身跑者跑步風(fēng)險(xiǎn)認(rèn)知評價(jià)模型的構(gòu)建及實(shí)證分析［J］. 首都體育學(xué)院學(xué)報(bào)，2021，33（2）：162-171.

［17］? 倪禮，劉褚燚. 智能手環(huán)中國專利技術(shù)綜述［J］. 中國科技信息，2022（7）：18-19.

［18］? 李文祺，高佳鋒，尚玲瓏，等.穿戴式心率監(jiān)測報(bào)警器設(shè)計(jì)與制作［J］. 電子世界，2021（8）：190-191.

［19］? SUN J J， ZHAO J P， CHEN L C， et al. View-invariant probabilistic embedding for human pose［G］// Proceedings of european conference on computer vision 2020. Edinburgh： ECCV， 2020： 1-26.

［20］? MURAKAMI H， KAWAKAMI R， NAKAE S， et al. Accuracy of wearable devices forestimating total energy expenditure： comparison with metabolic chamber and doubly labeledwater method［J］. JAMA Internal Medicine， 2016， 176（5）： 702-703. ［21］? 胡盛壽，高潤霖，劉力生，等. 《中國心血管病報(bào)告2018》概要［J］. 中國循環(huán)雜志，2019，34（3）：209-220.