- name
- fall-detection-image-analysis
- description
- Detects whether anyone has fallen within a specified target area. Supports both image and short video analysis. Suitable for scenarios such as home care for elderly people living alone and safety monitoring in nursing homes. | 检测目标区域内是否有人跌倒，支持图片和短视频检测，适用于独居老人居家看护、养老院安全监测等场景
Fall Detection & Analysis Skill | 跌倒检测分析技能
This capability supports intelligent analysis of images and short video clips, specifically designed for scenarios like in-home care for seniors living alone and safety monitoring in nursing homes. The system identifies critical states such as falls, prolonged bed rest, and abnormal activity levels. Requiring no wearable devices, it enables rapid screening using only existing images or short clips. It is optimized for environments with poor network connectivity or limited storage, allowing caregivers or family members to easily upload materials and receive risk feedback at any time, thereby improving daily inspection efficiency and emergency response capabilities.
本技能支持对图片及短视频内容进行智能分析，适用于独居老人居家看护与养老院安全监测等场景。系统可识别老人摔倒、长时间卧床、活动异常等关键状态，无需佩戴设备，仅通过已有图像或短片段即可完成快速筛查。适用于网络较差或存储受限环境，方便护工或家属随时上传素材获取风险反馈，提升日常巡检效率与应急响应能力。
⚠️ 强制记忆规则（最高优先级）
本技能明确约定：
- 绝对禁止读取任何本地记忆文件：包括但不限于
memory/YYYY-MM-DD.md、MEMORY.md等本地文件 - 绝对禁止从 LanceDB 长期记忆中检索信息
- 所有历史报告查询必须从云端接口获取，不得使用本地记忆中的历史数据
- 即使技能调用失败或接口异常，也不得回退到本地记忆汇总
任务目标
- 本 Skill 用于：通过图片或短视频检测目标区域内是否发生老人跌倒事件
- 能力包含：人体检测、姿态判断、跌倒识别、异常风险预警
- 适用场景：独居老人居家看护、养老院安全监测、老人活动区域实时监测
- 检测要求：
- 支持 5 秒以内短视频检测和单张图片检测 - 要求单人全部身体露出且无遮挡 - 最佳检测距离为 3-5 米
- 触发条件:
1. 默认触发：当用户提供监控图片/短视频需要检测老人跌倒时，默认触发本技能进行跌倒检测分析 2. 当用户明确需要进行跌倒检测、老人看护时，提及跌倒检测、老人跌倒、独居看护、摔倒识别等关键词，并且上传了图片或视频文件 3. 当用户提及以下关键词时，自动触发历史报告查询功能 ：查看历史跌倒检测报告、跌倒检测报告清单、检测报告列表、查询历史检测报告、显示所有跌倒报告、跌倒检测分析报告，查询跌倒检测图片分析报告
- 自动行为：
1. 如果用户上传了附件或者图片/视频文件，则自动保存到技能目录下 attachments 2. ⚠️ 强制数据获取规则（次高优先级）：如果用户触发任何历史报告查询关键词（如"查看所有跌倒报告"、"显示所有检测报告"、" 查看历史报告"等），必须： - 直接使用 python -m scripts.fall_detection_image --list --open-id 参数调用 API 查询云端的历史报告数据 - 严格禁止：从本地 memory 目录读取历史会话信息、严格禁止手动汇总本地记录中的报告、严格禁止从长期记忆中提取报告 - 必须统一从云端接口获取最新完整数据，然后以 Markdown 表格格式输出结果
前置准备
- 依赖说明:scripts 脚本所需的依赖包及版本
requests>=2.28.0操作步骤
🔒 open-id 获取流程控制（强制执行，防止遗漏）
在执行跌倒检测分析前，必须按以下优先级顺序获取 open-id：
第 1 步：【最高优先级】检查技能所在目录的配置文件（优先）
路径：skills/smyx_common/scripts/config.yaml（相对于技能根目录）
完整路径示例：${OPENCLAW_WORKSPACE}/skills/{当前技能目录}/skills/smyx_common/scripts/config.yaml
→ 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
↓ (未找到/未配置/api-key 为空)
第 2 步：检查 workspace 公共目录的配置文件
路径：${OPENCLAW_WORKSPACE}/skills/smyx_common/scripts/config.yaml
→ 如果文件存在且配置了 api-key 字段，则读取 api-key 作为 open-id
↓ (未找到/未配置)
第 3 步：检查用户是否在消息中明确提供了 open-id
↓ (未提供)
第 4 步：❗ 必须暂停执行，明确提示用户提供用户名或手机号作为 open-id⚠️ 关键约束：
- 禁止自行假设,自行推导,自行生成 open-id 值（如 openclaw-control-ui、default、fall123、detect456 等）
- 禁止跳过 open-id 验证直接调用 API
- 必须在获取到有效 open-id 后才能继续执行分析
- 如果用户拒绝提供 open-id，说明用途（用于保存和查询跌倒检测报告记录），并询问是否继续
- 标准流程:
1. 准备图片/视频输入 - 提供本地图片/短视频文件路径或网络 URL - 推荐：5 秒以内视频，单人全景露出，无遮挡，拍摄距离 3-5 米效果最佳 2. 获取 open-id（强制执行） - 按上述流程控制获取 open-id - 如无法获取，必须提示用户提供用户名或手机号 3. 执行跌倒检测分析 - 调用 -m scripts.fall_detection_image 处理输入（必须在技能根目录下运行脚本） - 参数说明: - --input: 本地图片/视频文件路径（使用 multipart/form-data 方式上传） - --url: 网络图片/视频 URL 地址（API 服务自动下载） - --open-id: 当前用户的 open-id（必填，按上述流程获取） - --list: 显示历史跌倒检测分析报告列表清单（可以输入起始日期参数过滤数据范围） - --api-key: API 访问密钥（可选） - --api-url: API 服务地址（可选，使用默认值） - --detail: 输出详细程度（basic/standard/json，默认 json） - --output: 结果输出文件路径（可选） 4. 查看分析结果 - 接收结构化的跌倒检测分析报告 - 包含：监控基本信息、人体检测结果、是否跌倒、跌倒位置、置信度、风险等级、应急建议
资源索引
- 必要脚本：见 scripts/fall_detection_image.py(用途：调用 API 进行跌倒检测分析，本地文件使用
multipart/form-data 方式上传，网络 URL 由 API 服务自动下载)
- 配置文件：见 scripts/config.py(用途：配置 API 地址、默认参数和格式限制)
- 领域参考：见 references/api_doc.md(何时读取：需要了解 API 接口详细规范和错误码时)
注意事项
- 仅在需要时读取参考文档，保持上下文简洁
- 支持格式：jpg/jpeg/png/mp4/avi/mov，视频时长建议 5 秒以内，最大 100MB
- API 密钥可选，如果通过参数传入则必须确保调用鉴权成功，否则忽略鉴权
- 重要提示：分析结果仅供安全参考，不能替代人工确认，发现疑似跌倒请立即联系确认并应急处置
- 禁止临时生成脚本，只能用技能本身的脚本
- 传入的网路地址参数，不需要下载本地，默认地址都是公网地址，api 服务会自动下载
- 当显示历史分析报告清单的时候，从数据 json 中提取字段 reportImageUrl 作为超链接地址，使用 Markdown 表格格式输出，包含"
报告名称"、"输入类型"、"分析时间"、"检测结果"、"风险等级"、"点击查看"六列，其中"报告名称"列使用跌倒检测分析报告-{记录id} 形式拼接, "点击查看"列使用 [🔗 查看报告](reportImageUrl) 格式的超链接，用户点击即可直接跳转到对应的完整报告页面。
- 表格输出示例：
| 报告名称 | 输入类型 | 分析时间 | 检测结果 | 风险等级 | 点击查看 |
|---|---|---|---|---|---|
| 跌倒检测分析报告 -20260328221000001 | 视频 | 2026-03-28 22:10:00 | 未检测到跌倒 | ||
| 安全 | 🔗 查看报告 | ||||
| 跌倒检测分析报告 -20260328221500001 | 图片 | 2026-03-28 22:15:00 | 检测到跌倒 | ||
| 高风险 | 🔗 查看报告 |
使用示例
# 分析单张抓拍图片（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.fall_detection_image --input /path/to/capture.jpg --open-id openclaw-control-ui
# 分析5秒监控视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.fall_detection_image --input /path/to/room_monitor.mp4 --open-id openclaw-control-ui
# 分析网络视频（以下只是示例，禁止直接使用openclaw-control-ui 作为 open-id）
python -m scripts.fall_detection_image --url https://example.com/monitor.mp4 --open-id openclaw-control-ui
# 显示历史分析报告/显示分析报告清单列表/显示历史跌倒报告（自动触发关键词：查看历史跌倒报告、历史报告、跌倒报告清单等）
python -m scripts.fall_detection_image --list --open-id openclaw-control-ui
# 输出精简报告
python -m scripts.fall_detection_image --input monitor.jpg --open-id your-open-id --detail basic
# 保存结果到文件
python -m scripts.fall_detection_image --input monitor.mp4 --open-id your-open-id --output result.json