项目报道｜基于ToF技术+AI算法，「趋视蓝城」推出“小蓝狮”，打造智慧养老防跌倒标配产品

文｜沈筱

编辑｜王与桐

中国正加速步入老龄化社会。民政部数据显示，截至2021年底，我国60岁及以上老年人口占总人口比例为18.9%，预计到2025、2035年，该数字将分别超过20%、30%。在人口结构变化加速的情况下，养老问题的紧迫性凸显。

然而，我国养老服务市场目前仍面临照护人员、照护场所的供需缺口问题。在这一背景下，国家和地方政府陆续出台了9073、9064等一系列引导养老产业发展的政策，鼓励以居家养老方式为主（90%），社区日间照料为辅（7%/6%），机构养老作为服务补充（3%/4%）。但是，由于近年来国内家庭单元的规模逐渐减少，居家养老所需的人力也难以得到有效保障。因此，解决养老供需缺口问题仍需寻求他法。

这就为科技产品在养老产业中的推广应用提供了机会。智慧养老产业趁势而起，涌现出针对不同养老应用场景开发智能设备，以及基于AI、大数据等技术提供健康监测、数据分析等服务的企业。

在老年人需要看护的场景中，防跌倒被认为是关键的一环。中国疾病监测系统此前公布的数据显示，跌倒是我国65岁以上老年人因伤致死的首要原因。

针对老人防跌倒这一场景，上海趋视蓝城信息科技有限公司（以下简称：趋视蓝城）推出了基于ToF雷达和AI算法的3D智能人体姿态感应器“小蓝狮”系列产品，并搭建了相应的AIoT平台，以提供姿态预警、健康数据管理和分析等智能看护服务。

通过ToF（Time of Flight，飞行时间）传感器，与其关联的电子设备能够采集场景内的环境、物体和人体的深度数据，并支持实时成像。在算法辅助下，这些数据可以用于测量距离、大小，跟踪运动。基于ToF深度数据构建的AI算法专家模型和深度学习网络，可以实现对跌倒、坐卧、缓步等人体姿态的准确识别。目前，ToF技术已经在智能手机的人脸识别和手势判断场景得到了广泛应用。其他应用场景包括：扫地机器人的障碍物识别；AR眼镜、等智能硬件设备的3D拍照、3D建模；无人驾驶的障碍物识别和测距等。

除了“小蓝狮”系列产品，趋视蓝城还开发了智慧康养SaaS平台，面向居民社区，养老地产、政府及民营养老机构、居家养老场景提供一体化智能看护解决方案。平台功能覆盖日常文娱生活管理、健康管理、居家照护管理等，能够集成来自AIoT平台反馈的健康数据和服务预警信息。

趋视蓝城成立于2022年，由「上海趋视信息科技有限公司」（以下简称：趋视科技）和「浙江蓝城春风建设管理有限公司」（以下简称：蓝城春风）共同投资设立。

趋视科技主攻AI视觉行为分析技术，相关产品和解决方案已经应用于零售、安防、智慧社区等多个领域。蓝城春风隶属于房地产综合服务商「蓝城集团」。蓝城集团拥有20余年的房地产开发和运营管理经验，以蓝城农业、蓝城颐养、蓝城健康为核心服务产业。

在产品方面，趋视蓝城CEO单义勇告诉36氪：“当前，市面上用于智慧养老场景的防跌倒类科技产品主要是毫米波雷达。相较于RGB摄像头，毫米波雷达可以识别高度变化，对老年人的隐私保护较强。但是，毫米波雷达识别的准确度较差，产生姿态误报的概率很高。而ToF雷达可以在保障老年人隐私的同时显著提升姿态报告的准确度。”

此外，趋视蓝城后续还将推出基于体态识别和康养结合的全产业链产品，旨在系统性采集人体微表情和各类动作数据，利用AI技术实现综合健康评估、康复及运动指导，服务需求上报等功能。

“小蓝狮”系列产品准确度和隐私性的双重保障，一方面是由于与毫米波雷达、激光雷达等其他技术路线相比，ToF方案本身有一定的技术优势。同时，近年来ToF传感器硬件模组在技术层面取得了一定的进展；另一方面，是得益于趋视科技在视觉识别AI算法等方面的技术积累。

首先，技术优势体现于成像的隐私性保护较高，但采集的体态数据更清晰、更丰富。在此基础上，辅以三维空间数据，趋视蓝城能够利用AI技术对使用者的体态和行为信息进行更准确的判断分析。趋视蓝城CEO单义勇介绍：“毫米波雷达的准确率不高主要是目前能够获得到的数据量太低，只能做机械判断，难以用到AI技术。而我们的ToF设备上面每个都带有AI芯片，可以直接做判断。”

与其他雷达传感器的成像比较

趋蓝ToF-3D传感器成像

目前，趋视蓝城应用的ToF传感器支持的数据采集最大距离为8米，分辨率达640*480。趋视蓝城CEO单义勇指出：“采集距离和分辨率的提升很关键。2021年的时候，ToF传感器模组只能支持6米的采集距离。到了2022年，这个数字增加到了8-10米。另外，在分辨率层面，已经能达到与VGA类似的程度，足以清楚分辨出人体体态和行为。”

其次，体态识别准确率的提升需要有相应的AI算法、模型的支撑，并通过大量数据来实现模型的持续优化。而趋视科技前期已经积累了大量用于深度学习的数据，并拥有成熟的模型。

趋视蓝城能够直接调用其现成模型，并快速写入设备算法。

目前，首席科学家张忠博士带领的技术团队已经解决了两个ToF技术难点。

一是通过数据调制，实现了远距离深度数据漂移的可控。据介绍，在传统意义上，监测距离达到8米后，深度数据的漂移失真会比较严重；

二是基于深度学习算法，结合专家模型，提高了体态识别的准确率。趋视蓝城CEO单义勇告诉36氪：“深度学习存在不能达成准确识别的场景，比如由于遮挡物的覆盖或者阻挡，造成人体特征数据完全或部分丢失的场景。举例来讲，老年人可能在茶几背后摔倒了，ToF设备捕捉不到茶几背后的人像。这个时候，传统的深度学习系统会出现误报，但是我们通过专家系统的记忆和分析能力可以实现推断。”

在趋视蓝城看来，这一专家系统也是目前公司的核心技术壁垒，能够帮助其构建一定的先发优势。趋视蓝城CEO单义勇指出：“现在以这个技术做事情的还比较少，有人做，但是落地比较慢。”

在市场方面，依托蓝城集团以及关联企业在房地产行业的资源，趋视蓝城已经签约部分养老地产项目，如杭州蓝城·陶然里等，业态以CCRC社区和高端养老机构为主。趋视蓝城预计今年落地项目会超过10个，并在5月实现量产，向客户交付约一万台产品。

但同时，透过趋视蓝城现阶段所具备的技术优势和资源优势，在市场层面，其可能面临着相应的两个挑战。

一是，产品价格较高，而市场的付费意愿和购买能力仍较低。

从成本侧来看，趋视蓝城CEO单义勇表示，每台ToF设备都装有AI芯片，这就导致ToF设备的价格无法直接降到和普通雷达传感器一样的成本水平。从需求侧来看，市场教育和费用支付被认为是国内养老市场从刚需养老服务走向CCRC精细化管理模式的两个拦路虎。

目前趋视蓝城的设备定价为一台2000元人民币。通常情况下，需要在厕所、卧室、客厅三个场景分别放置一台设备，也就是单一住户需支付的设备费用至少6000元。趋视蓝城CEO单义勇坦言，这也是为什么趋视蓝城首先要从CCRC社区和高端养老机构来切入市场的主要原因之一。但同时，他也表示，未来随着产量的增长，外采模组的价格会降低；加之通过后端“模组+自研主板”的形式，公司有望实现成本的持续下降，未来一台设备的售价可以降至1000元左右。

二是，现有行业资源能否在产品向除关联企业之外的B端客户，以及G端和C端客户渗透的过程中持续发挥优势还有待验证。

总的来看，趋视蓝城现阶段的业务模式主要分BtoBtoC、BtoGtoC两类，而将直接面向C端用户作为下一阶段的目标。

在BtoBtoC模式下，CCRC社区、养老地产等B端客户，其新建项目是否采用ToF方案，以及建成项目是否更换为ToF方案，可能会更注重设备能够为项目创造的实际经济价值。而这又在一定程度上取决于设备的价值能否被C端用户认可。具体而言，一是ToF方案在用户选择养老机构的决策过程中的权重大小；二是用户是否愿意因为ToF方案的采用支付溢价。

此外，趋视蓝城的体态识别产品目前只解决了养老需求的一小部分——实时看护、即时反馈。在后续服务的提供上，还需要专业的机构和服务人员来填补。因此，设备的采用能否实际地降低照护人员需求，提高照护效率，提高人员复用率，降低照护成本也可能构成核心考量因素的一部分。

在BtoGtoC模式下，政府更重视社会价值的创造。尽管趋视蓝城提出了订阅付费的模式来解决设备成本较高的问题，但正如前文所述，是否能够与后端服务达成协同可能是关键。这对C端用户本身而言，同样重要。

这样一来，做好产品和服务形态的延伸，与产业链上下游企业建立可靠的合作伙伴关系可能是趋视蓝城未来需要关注的。

对此，趋视蓝城表示将探索“物业+”的形式，与物业公司达成合作，由趋视蓝城负责智能设备的提供和基本运营，物业负责体态预警后的服务输出。在这种模式下，小区住户也可以采用设备和服务订阅的形式付费。但是，这样的合作模式可能在实际推行时会面临一些困难，比如相关责任的划定，以及物业提供相关服务的能力等。

关于团队

目前团队以研发人员为主，正在筹建营销团队。

创始人兼首席科学家张忠博士，毕业于清华大学，曾在全球首家视觉行为分析企业OBJECTVIDEO担任首席科学家近10年，带领团队开发了行业领先的专家算法模型。目前，在结合深度学习模型的基础上，张忠博士已经构建了成熟的“专家模型系统+深度学习系统”双系统的技术路径。

创始人兼CEO单义勇在康养地产头部企业工作近20年，曾参与多个行业标杆康养地产项目的规划、建设、运营工作，并曾参与创办健康管理公司，推出基于IoT的O2O社区健康管理解决方案。

创始人兼CFO 梅坚博士，拥有20余年金融行业从业经验，以及3年地产咨询行业创业经验，曾任国有和股份制商业银行首席信息官、投资银行部总裁。

团队其他核心成员均有人工智能、IOT等领域的多年从业经历。