跌倒检测
摄像头看到有人跌倒就报警。
端侧跌倒检测——姿态估计、逐人时序状态机、一条 MQTT 事件，全部在本地完成。可以用一体化摄像头，也可以把你现有的 RTSP 摄像头接到 Jetson、瑞芯微 NPU 或 Hailo-8 主机上。
可复用现场模板
室内固定机位、人常常独处、摔倒后几分钟内必须有人知道的地方。
养老院与居家照护
老人卧室、卫生间门口、走廊。摔倒后不用等下一次查房。
康复中心与病区走廊
康复训练区、夜间病区走廊。无人值守时段补一双眼睛。
独居住宅
自家客厅、浴室门外。一个跌倒事件接进 Home Assistant，用来开灯、推送或发起呼叫。
不适用：垂直俯拍、长走廊远景、家具严重遮挡。启动时人已经躺着的，只报姿态，不产生事件。
如何实现
摄像头采集画面，检测主机完成判定，告警送至既有接收系统；需要值班界面时增配告警面板主机。
要跑起来只需要三样东西：出画面的摄像头、跑检测的主机、接事件的系统；要值班界面就再加一台告警面板主机（可以和检测主机同机，用 reCamera 时是一台小盒子）。摄像头和主机都在现场，视频不出设备；过网络的只有几百字节的一条 JSON。
摄像头
两条路，走哪条通常已经由墙上装着什么决定了：
- 已经有 IP 摄像头：把检测器指向 RTSP 流即可。摄像头那边一个字不用改，一台主机可以同时接多路。
- 没有摄像头：reCamera 2002 与 reCamera Pro 把摄像头和加速器做在一台里，通电即工作，不需要另配主机。代价是检测器会独占这个摄像头——装上后 Node-RED 和该摄像头上的其他视觉应用会停。
机位比硬件更能决定准确率。 固定的室内画面，2–3 m，侧向或斜角，肩部和髋部可见。跌倒过程必须发生在画面内：启动时人已经躺着的话，它报告姿态但不产生事件。垂直俯拍、长走廊远景、家具严重遮挡，实测都会明显变差。
检测主机
这台决定你能覆盖几路，也决定大部分成本。姿态估计、逐人跟踪、跌倒状态机和 MQTT broker 都跑在这里；判定逻辑各主机完全相同，区别只在加速器。
| 检测主机 | 加速器 | 当前下发的模型 | 路数 | 什么时候选它 |
|---|---|---|---|---|
| reCamera 2002 / Pro | 自带 NPU | YOLO11n-Pose INT8 | 1 | 单个房间，最快跑通一条告警链路 |
| reComputer RK3576 / RK3588 | 瑞芯微 NPU | YOLO11n-Pose FP16 | 1 | 已经在用瑞芯微板卡 |
| reComputer R2000 Series | Hailo-8 | YOLOv8s-Pose INT8 | 16 | 已经在用 Hailo，或者需要多路密度 |
| reComputer J30 / J40 | Orin Nano / Orin NX GPU | YOLO11s / YOLO11m FP16 | 7 / 8 | 多个视角，并且想给更大的模型留余量 |
路数是实测加速器吞吐除以单路 15 FPS，再按 RTSP 解码、跟踪与 MQTT 的开销打折后的值。端到端只实测过单路，所以这个数字应作为自行压测的起点，而非标称能力。单帧延迟、完整的 FP16/INT8 表和测试方法在工程 Wiki 上。
事件输出
reCamera 用自带的本地 broker。reComputer 各套餐会在 host 网络下随检测器一起拉起 eclipse-mosquitto:2，因此 MQTT broker 由检测主机自己提供——不需要外部 broker，这条链路上也没有任何一步需要外网。
部署的最后一步是应用内的实时预览：视频上叠加骨架、每个人的状态和证据计数，用来在接通知流程之前确认机位确实看得到该看的东西。数据接口见下方「能拿到什么数据」。
实现什么效果
装上之后，值守护理员在浏览器里看到和操作的告警面板。
实测数据
公开数据集上的工程基准，不是医疗或人身安全认证。
| 现场能得到什么 | 典型值 | 设备 |
|---|---|---|
| 跌倒到告警 | 1.4 秒 | 全平台一致 |
| 跌倒召回，冻结配置 | 95.8% | 留出集 27 段 |
| 日常动作不误报 | 77.8% | 同一留出集 |
| 一台主机同时接几路 | 16 路 | reComputer R2000 系列（R2035-12，Hailo-8） |
| 接入告警面板后，跌倒到告警送达 | P50 2.83 秒 | reComputer R2000 系列（R2035-12，Hailo-8），确认窗口调短 |
路数随主机档位变化，reCamera 与 RK 系列各 1 路、Jetson J30 / J40 为 7 / 8 路，按 15 FPS 输入折算，是自行压测的起点而非标称能力。五个套餐的准确率基本一致，所以选硬件看路数，不看准确率。
换到含远景与遮挡的外部数据集，召回降到 52.9%–58.8%——制约因素是姿态模型的人体检出率，不是跌倒判定。
面板那一行是整链——摄像头到检测器到面板再到 webhook，取证窗口与自动确认窗口各调到 1 秒。用出厂默认值（5 秒 + 60 秒）时同一条链路要一分钟出头，这是确认机制本身。
能拿到什么数据
部署完就靠这几个主题接数据。
| 主题 / 端口 | 内容 | retained |
|---|---|---|
<设备名>/fall-detection/results | 每帧一条 JSON：state、fall_detected、fall_event、event_id、person_count、fallen_count，以及 persons[] 里的 track_id / state / bbox | 否 |
<设备名>/fall-detection/status | online / offline，通过遗嘱消息发布 | 是 |
homeassistant/ | 自动发现配置：跌倒传感器、状态、事件编号、有人存在 | 是 |
RTSP 8554 /live0 | 实时视频，供预览和 NVR（reCamera 套餐） | — |
<设备名> 部署时自己填（reCamera 套餐默认 recamera，reComputer 套餐默认 recomputer），只是主题的第一段，可按房间或楼层命名；多路时流编号拼在主题后面，也写在 payload 里。fall_event 只在状态跃迁那一刻置位一次，自动化不会在人躺着的整段时间里反复触发。
移植到你的业务系统
这套设计的可复用单元不是「跌倒」，是「姿态估计 → 逐人跟踪 → 时序状态机 → MQTT 事件」这条链路。链路上只有倒数第二段跟这个具体事件绑定——定义「什么样子算跌倒」的那组特征与阈值。其余部分——机位规范、四套加速器运行时、模型交付路径、主题结构、Home Assistant 自动发现、现场调试预览——原样沿用。
| 层 | 移植时你要做的 |
|---|---|
| 机位规范与构图要求 | 直接复用 |
| 姿态估计与四套运行时（NPU / TensorRT / RKNN / Hailo） | 直接复用 |
| 逐人跟踪 | 直接复用 |
| MQTT 主题结构、Home Assistant 自动发现、预览工具 | 直接复用 |
| 状态机里的特征与阈值 | 按新事件重写 |
| 时序权重与留出测试集 | 重新采集与训练，并按同样的按人划分方式切分 |
形态相同的事件——由骨架的时间变化定义、而不是由目标类别定义——都落在这条链路的适用范围内：离床、久卧不动、攀爬、蹲伏到地面、跌倒后长时间未起身。
不适用的形态
- 精细的手部动作——判断某个手上动作是否合规。17 个关键点分辨不到这个层级，需要换模型类别，不是换阈值。
- 远景与严重遮挡——外部远景数据集上实测召回掉到 52.9%–58.8%。失效发生在姿态模型这一层，调状态机不改变这个数字。
- 需要用「没报警」证明「没出事」的场合——医疗或人身安全合规。本设计没有认证，也不对漏检做任何保证。
如何部署
说说你的现场情况，硬件由我们来定；再接上数据、照步骤装。
现有摄像头
现在有摄像头吗？
或者自己比一遍：各配置参数对照部署指南 · 30min →
| 套餐 | 用途 | 设备 | 数量 |
|---|---|---|---|
| reCamera 2002 | AI 摄像头 | reCamera 2002 | 1 |
| 告警面板主机（可选） | reComputer R1000 系列 / 已有的 Docker 主机（二选一） | 1 | |
| reCamera Pro | 摄像头 | reCamera Pro | 1 |
| 告警面板主机（可选） | reComputer R1000 系列 / 已有的 Docker 主机（二选一） | 1 | |
| IP 摄像头 + reComputer J30 / J40 | 检测主机 | reComputer J30 系列（Jetson Orin Nano） / reComputer J40 系列（Jetson Orin NX）（二选一） | 1 |
| IP 摄像头 | IP 摄像头 | 1 | |
| IP 摄像头 + reComputer RK3576 / RK3588 | 检测主机 | reComputer RK3588 系列 / reComputer RK3576 系列（二选一） | 1 |
| IP 摄像头 | IP 摄像头 | 1 | |
| IP 摄像头 + reComputer R2000（Hailo） | 检测主机 | reComputer Industrial R20 系列 | 1 |
| IP 摄像头 | IP 摄像头 | 1 |
| 套餐 | 视频来源 | 检测主机 | 当前下发的模型 | 路数 | 备注 |
|---|---|---|---|---|---|
| reCamera 2002 | 自带摄像头 | 同一台设备 | YOLO11n-Pose INT8 | 1 | 自带本地 broker 与 RTSP 8554；安装会把摄像头从 Node-RED 和其他视觉应用手里接管过去 |
| reCamera Pro | 自带摄像头 | 同一台设备 | YOLO11n-Pose INT8 | 1 | 新一代一体机；检测器随设备应用中心分发，本套餐负责配置并启用 |
| IP 摄像头 + reComputer J30 / J40 | 自备 RTSP | J30（Orin Nano）/ J40（Orin NX） | YOLO11s / YOLO11m FP16 | 起步 4 路（Orin Nano + YOLO11s）或 3 路（Orin NX + YOLO11m） | 首次部署要在设备上构建 TensorRT 引擎，10–20 分钟；需 10 GB 空闲磁盘 |
| IP 摄像头 + reComputer RK | 自备 RTSP | RK3576 / RK3588 | YOLO11n-Pose FP16 | 1 | 需要宿主的 librknnrt.so；.rknn 分板卡，部署时选错目标模型加载不了 |
| IP 摄像头 + reComputer R2000 系列（R2035-12，Hailo-8） | 自备 RTSP | reComputer R2000 series + Hailo-8 | YOLOv8s-Pose INT8 | 2 | ABI 锁定 HailoRT 4.21；加速器不能被其他程序占用 |
五个套餐端到端实测过的都是单路。上表的路数是把下面的吞吐表按解码、跟踪和 MQTT 的开销打折后的值，应作为自行压测的起点，而非标称能力。
难度定级 intermediate；reCamera 从零到跑通约 30 分钟，Jetson 因为要构建引擎会更久。
每个套餐的准确率、单帧延迟与多路吞吐实测数据，以及测试方法，见工程 Wiki。
告警面板在两个 reCamera 套餐里可选，在另外三个套餐里默认包含。 reComputer J30 / J40、RK、R2000 上它与检测器在同一份 compose 里一起起来，占 8080 端口。reCamera 2002 与 reCamera Pro 上摄像头承载不了它，所以它是一台独立机器上的额外步骤，这台机器不需要 AI 算力——reComputer R1000 系列，或你已有的一台 Docker 主机。跳过这一步，摄像头就只发 MQTT 事件，与之前完全一样。
常见问题
能。姿态估计、跟踪、跌倒判定和 MQTT broker 全部跑在检测主机上——reCamera 用自带的本地 broker，reComputer 各套餐会随检测器一起在 1883 端口拉起 mosquitto。只有当你自己把事件往外转发时才涉及外网。
不会。除非你自己去打开 RTSP 流或调试预览，视频始终留在设备上。网络上传的是每帧几百字节的 JSON——整体状态加每个被跟踪者一条记录。
在留出的 27 段测试集上（GMDCSA-24 v2.1，按人划分，只读一次），六组已冻结配置的平均是准确率 85.8%、跌倒召回 95.8%、平均告警延迟 1.4 秒。换到含远景与遮挡的独立外部数据集，召回降到 52.9%–58.8%。这是辅助告警，没有医疗或人身安全认证，也不对漏检做任何保证。
五个套餐端到端实测过的都是单路。作为你自己压测的起点：Orin Nano 上 4 路 YOLO11s、Orin NX 上 3 路 YOLO11m，Hailo-8 上 2 路，reCamera 与瑞芯微板卡各 1 路。RK 上实测的端到端吞吐只有加速器推理上限的 28%–44%，因为解码、跟踪、状态机和 MQTT 也要占 CPU。
2–3 m 的侧向或斜角机位，在可能发生跌倒的路径上整个人体（尤其肩部和髋部）保持可见。垂直俯拍、长走廊远景和家具严重遮挡都会更差。对着通行区域装，不要主要对着床或健身区——那里的日常地面动作在单独验证之前会被读成跌倒。
把 Home Assistant 指向同一个 MQTT broker 即可。检测器会在 homeassistant/ 下发自动发现配置，跌倒传感器、当前状态、事件编号和有人存在传感器会自动出现，不用手写 YAML。在线状态是 <设备名>/fall-detection/status 上的 retained 遗嘱消息，设备名是部署时自己填的，默认 recamera / recomputer。
「姿态 → 跟踪 → 时序状态机 → MQTT」这条链路可以复用，定义跌倒的那组特征与阈值不能。改指向新事件意味着重写这一层，并为新事件重新采集留出测试集。逐层的代价和三类不适用形态见「这套设计能复用到哪里」。
上游运行时代码是 Apache-2.0，但只覆盖代码和文档；姿态模型各自保留自己的条款，下载前需要显式接受。参考姿态权重由 Ultralytics 以 AGPL-3.0 分发——闭源商业出货前请确认该授权是否适合你的产品、获取商业授权，或替换成授权兼容的姿态模型。运行时本身在文档描述的输出契约内与模型文件无关。
没有找到你要的答案？
联系我们
获取可部署方案与产品选型支持。