核心用法
跌倒检测分析技能（fall-detection-image-analysis）是一款面向独居老人居家看护与养老院安全监测的AI视觉分析工具。用户上传图片或短视频（支持jpg/jpeg/png/mp4/avi/mov格式，视频建议5秒以内、最大10MB），系统通过人体检测、姿态判断、跌倒识别三阶段分析，输出结构化报告，包含识别结果、风险等级、处置建议及云端报告链接。支持本地文件路径或网络URL输入，API服务自动下载网络资源。
历史报告查询功能通过--list参数调用云端API，以Markdown表格形式呈现完整报告清单，支持日期过滤。系统内部自动处理用户身份关联，无需用户输入任何身份标识。
显著优点
1. 零穿戴依赖：无需老人佩戴任何设备，降低使用门槛与抵触感
2. 弱网环境适配：优化存储与网络受限场景，支持离线素材后续上传分析
3. 快速筛查能力：单张图片或5秒短视频即可完成风险判断，适合日常巡检
4. 双模输入支持：兼容本地文件与网络监控流，灵活对接现有安防基础设施
5. 云端报告沉淀：历史数据云端存储，支持跨时间维度风险追踪与复盘
潜在缺点与局限性
- 结果仅供参考：明确提示不能替代人工确认，疑似跌倒需立即人工核实
- 视频时长限制：建议5秒以内，过长视频可能截断或处理失败
- 依赖画面质量：光线不足、遮挡严重、角度极端时识别准确率下降
- 隐私敏感：涉及老人居家影像采集，需配套完善的数据授权与存储合规机制
- 无实时预警：当前版本为事后分析，非持续流式监控实时告警
适合人群
- 独居老人子女/家属：定期远程查看老人活动状态
- 养老机构护工：批量巡检房间，提升人效比
- 社区养老服务中心：建立区域化老人安全监测档案
- 智能安防集成商：作为AI模块接入既有监控系统
常规风险
| 风险类型 | 说明 |
|---------|------|
| 误判风险 | 正常坐下、弯腰捡物可能被识别为跌倒，需人工二次确认 |
| 漏检风险 | 跌倒发生在画面边缘、被家具遮挡、或快速移动模糊时可能漏识 |
| 隐私泄露 | 居家影像含敏感生活场景，传输与存储需加密及访问控制 |
| 过度依赖 | 用户可能因"AI已检测"而降低主动关怀频率，形成虚假安全感 |
| 应急响应缺口 | 检测到跌倒后系统仅输出报告，无自动报警、通知家属等联动机制 |