据国家卫健委预计，到2035年，我国60岁及以上老年人口数量将突破4亿，在总人口中的占比将超过30%。
届时我国将进入重度老龄化阶段。面对日益严峻的老龄化趋势，AI助老、智慧养老被加速提上日程。
对于老年人，特别是独居老人来说，摔跤跌倒无疑是隐藏在日常生活中的“头号威胁“。AI助老也因此体现出它重要的价值。
程序猿对老人的爱也很浪漫。最近就有AidLux开发者用平台便捷、高效地实现了老人摔倒检测demo，切实为老人日常生活保驾护航。
AidLux致力于持续降低AI应用开发和落地技术门槛，专注解决AIoT异构及碎片化问题。
作为跨生态融合与AI能力优势兼备的强大平台，AidLux不仅为AI项目开发、部署、落地提供了全流程的工具链支持，还能有效增强芯片性能——验证发现，搭载AidLux的高通芯片性能提升效果能够超越官方数据30%以上。
AidLux开发者们主要用人体姿态目标检测和人体关键点检测两种方式实现了老人摔倒检测，我们先展开看目标检测的方式。
基于YOLOV5目标检测模型实现的老年人摔倒检测首先需要进行数据采集，对摔倒和非摔倒姿态进行标注；
标记摔倒姿态
标记非摔倒姿态
然后将标注完成的数据输入YOLOv5目标检测模型中，提取人体行为特征，训练得到跌倒检测模型。
最后通过AidLux将打包完成的跌倒模型部署在安卓设备上进行推理运行，即可轻松实现老人摔倒检测。
使用人体关键点检测方式实现的老人摔倒检测与上述方式不同，它是基于现有的人体关键点检测模型加上一些关键点位置条件计算实现的，无需进行额外的数据采集与标注训练。
随后，同样通过AidLux将模型部署在安卓设备上，运行实现老人摔倒检测。
部署环节，我们以关键点检测模型为例，看看模型在AidLux上部署运行的操作步骤。
首先使用Cloud_ip，在电脑上访问你的AidLux。
通过云端桌面访问文件夹，将打包好的的模型文件上传到Home目录下；
打开对应文件，可选择设置进行视频检测还是图片检测；
打开AidCode，安装好所需要的库，执行检测代码，可以看到结果输出——“有人摔倒”
安装所需要的库，运行代码
结果输出
除了可以通过远程连接在电脑端方便地实现跌倒检测以外，在安卓设备端操作也同样可以：
直接在安卓设备上打开AidLux桌面上的AidCode，选择对应文件后开始运行，能看到结果输出——“有人摔倒“
当然，在实际使用中，还需要根据实际情况进行数据储存和信息反馈等功能的完善。
比如储存老人摔倒时的图片以便于医护人员判断老人摔伤的位置、通过接入微信服务号等方式实时推送老人摔倒警告信息等等。
AidLux开发者也提供了一些方法，大家可以前往开发者社区查看详情。
持续降低AI应用开发技术门槛，帮助开发者用科技的力量向世界释放善意，是我们愿意看到的事。
期待更多开发者与AidLux一起实现AI，实现爱。
感谢关注，我们下期再见！
