给长辈装个AI守护（一）：表哥让我装监控，我却去训练了一个模型

表哥让我装监控，我越想越不对劲

姑父去世后，姑姑一个人住。表哥让我帮忙装个监控，说他们兄妹几个抽空看看，别姑姑在家摔倒了没人知道。

监控我愿意帮着装，但我当时就想：这运气得多逆天——姑姑摔倒的那一两分钟，表哥他们正好在看监控？

监控能解决"看"，解决不了"看不过来"。再孝顺的子女，也不可能24小时盯着屏幕，大家都要上班、带娃、睡觉。真正的问题从来不是家里有没有摄像头，是**摔倒的那一刻，正好有人在看吗**。

我当时就冒出一个念头：能不能搞个AI来帮忙盯着，摔倒了自动给表哥他们发报警？

调研：三条路，各有各的坎

认真调研了一段时间，发现技术上还真可行，方案无非三种：

1. 买高价的自带摔倒检测功能的摄像头；

2. 调用云端的视觉大模型，或者本地部署一套；

3. 找开源的视觉检测模型自己跑。

第1种那种自带检测的成品摄像头，画面传不传、存在哪，我没法确认，心里不踏实。第2种里，调用云端模型意味着家里的实时画面要传出去，这个我个人接受不了。本地部署的话，成本又很高。第3种我找了一圈开源模型，发现大多以室外场景为主，居家场景的很少。

而且有个更根本的问题：**躺着的人，到底是睡着了，还是摔倒了？**纯看画面，这两种情况太像了。

没有我理想中的方案。那就自己训一个。

从50万张图里，挑出2万多张

自己训练，第一件事是搞数据。网上找开源的摔倒数据集，加上睡觉、瑜伽这些家庭日常活动的数据集（做负样本用），攒下来大概50万张图片。

然后就是最枯燥的活：挑图。每天12到16个小时，一张张过。比如足球比赛里大量的"摔倒"——假摔、草地上打滚、庆祝滑跪，这些跟居家场景根本不是一回事，绝大部分剔除，只留一小部分保持数据多样性。同时把睡觉、瑜伽、俯卧撑这些常见的居家活动挑出来做负样本——**因为老人在床上、地垫上平躺的样子，和摔倒躺着的样子，在画面里可能是同一件事**。模型必须学会分清"正常地躺着"和"摔倒后躺着"。

反复筛选之后，最后留下2万多张，其中7000多张异常摔倒图片。

刷抖音，刷出了第二个功能

训练是漫长的过程，等待的间隙我就看看B站、刷刷抖音。有天刷到一个家庭火灾的视频，突然反应过来：摔倒检测之上，我还可以做火灾检测啊。

于是又是找开源数据集，又是50多万张图。这次反过来：把绝大部分森林火灾、野外大火的图去掉，只留一小部分；把抽烟、打火机、香薰、煤气灶的火、蜡烛这些家里常见的东西挑出来做负样本——家里有火太常见了，做饭、点蜡烛、点香薰都是日常，**模型得学会分辨"日常的火"和"危险的火"，不能见到火苗就报警**。

然后做多目标检测的训练。

从决定自己训练，到最后拿到比较满意的模型，前后大概半年。摔倒的检测我比较满意；火灾这块说实话还有很大提升空间——我的目标是做预警，尽可能在火刚起、烟刚冒的时候就发现，但恰恰这种早期小火小烟的数据太少、太难找了。

这半年，我一直在想一件事

训练模型的这半年，我经常在抖音刷到有人在家发生意外：有及时被发现救回来的，也有没能及时发现的，遗憾地走了，其中个别还是粉丝不少的网红。

其实我自己也经历过。比较早的时候，家里长辈低血糖晕倒，没能及时发现，先是成了植物人，后来人走了。那时候AI还没现在这么火，如果有的话……不好说，但至少多一个被及时发现的机会。

所以我越来越确定一件事：**独自在家的人出了事，被发现往往是在几小时之后，甚至更久。我想做的，就是把这段时间压到一两分钟。**

我觉得这个事有做成产品的机会。