核心用法
本技能专为独居老人居家安全场景设计，通过融合计算机视觉与毫米波雷达技术，实现对跌倒、摔倒等异常事件的无感化精准监测。用户上传监控图片或视频后，系统自动完成人体检测、姿态分析、跌倒识别，并在秒级时间内触发报警。
关键操作流程：
1. 强制获取 open-id：按优先级读取技能目录或 workspace 配置文件中的 api-key，或要求用户提供用户名/手机号作为身份标识
2. 执行检测分析：调用 python -m scripts.elderly_fall_detection_analysis 处理本地文件或网络 URL
3. 历史报告查询：支持 --list 参数从云端接口获取历史检测报告，以 Markdown 表格形式呈现
输出内容：监控基本信息、检测结果（是否跌倒/置信度）、跌倒位置、报警等级（安全/注意/紧急报警）、应急建议。
显著优点
- 零穿戴负担：无需老人佩戴任何设备，完全无感监测
- 双技术融合：视觉+雷达双重验证，提升检测准确性与抗干扰能力
- 隐私优先设计：本地处理为主，不上传原始视频至云端，严格保护老人隐私
- 秒级响应：异常识别到报警触发时间在秒级，显著缩短救援响应时间
- 24/7 全天候：支持不间断监控，适合卧室、浴室、客厅等高频活动区域
潜在缺点与局限性
- 环境依赖性强：对光线、摄像头角度、遮挡物敏感，大面积阴影或逆光可能导致漏检
- 文件大小限制：视频文件最大 10MB，长时段监控需分段处理
- 无法替代人工：检测结果仅供预警参考，仍需人工确认与应急处理
- 配置复杂度高：open-id 获取流程繁琐，涉及多级配置文件检查
- 历史数据云端依赖：报告存储依赖外部 API 服务，离线场景无法查询历史记录
适合人群
- 独居老人家庭子女：远程关注父母居家安全
- 养老机构/社区服务中心：批量管理多位老人的活动区域安全
- 智能家居集成商：将跌倒检测能力嵌入整体居家养老解决方案
- 紧急救援服务机构：作为快速响应触发源，缩短黄金救援时间
常规风险
- 误报风险：宠物、快速坐下、弯腰捡物等动作可能触发误报警
- 漏报风险：摄像头盲区、严重遮挡、极端光线条件下可能漏检真实跌倒
- 数据安全风险：open-id 与报告数据通过云端 API 传输，存在网络层泄露风险
- 服务连续性风险：API 服务异常时无法查询历史报告，且明确禁止回退至本地记忆
- 伦理风险：长期监控可能引发老人心理不适，需提前告知并获得同意