做智慧养老这行的兄弟应该都有同感：客户张口就是"能不能检测老人摔倒"，一问预算，就一个普通摄像头的钱。你要给他报套雷达、毫米波、穿戴手环，人家立马摇头——老人不戴、家属嫌贵、物业嫌麻烦。
那有没有便宜的搞法？有，而且是这两年真能落地的：普通网络摄像头 + 开源AI姿态识别 + 微信小程序告警。一套下来硬件成本可能就几百块，今天聊聊怎么干。
一、核心思路：让AI只看"火柴人"，不看画面
很多人第一反应是：AI看监控，那老人隐私怎么办？这恰恰是这套方案最舒服的地方。
我们用的开源模型（比如 YOLOv8-pose、MediaPipe、RTMPose 这类），干的活叫"人体关键点检测"。说人话就是：它把画面里的人简化成一副火柴人——头顶一个点、肩膀两个点、手肘、手腕、胯、膝盖、脚踝，一共十几个点。
它输出的是坐标数字，不是视频。你完全可以做到：视频流进盒子，出来的只有一串坐标，原始画面本地就删掉，不上云、不存储。家属问起来，你就说"我们不传画面，只传骨架"，这一句话能解决 80% 的顾虑。
打个比方：摄像头是眼睛，AI 是大脑，但大脑只记住了"这个人现在是站着的还是躺着的"，没记住他穿了什么睡衣。
二、怎么判断"摔了"？
别想着一步到位搞什么高深算法。实战里最好用的判断逻辑，其实是几条朴素规则的组合：
1. 姿态突变。 火柴人从"竖着"变成"横着"，而且是短时间内发生的。人正常躺下是慢慢躺，摔倒是一秒内塌下去。
2. 位置突变。 头部关键点的高度，从画面中上部一下子掉到下部。
3. 持续不动。 这条最值钱。光判断"躺下"没用——老人蹲下系鞋带、弯腰捡东西、坐沙发上斜躺，全都会误报。 所以要加一个"躺平状态持续超过 N 秒且姿态无变化"的条件，一般设 5～10 秒。
4. 区域白名单。 卧室床的区域、沙发区域，直接屏蔽掉。老人在床上躺着，绝对不能报警。
实际项目里，这四条规则跑下来，误报率能压到可接受范围。剩下的漏报误报，靠后面讲的人工确认兜底。
三、跑在哪儿？别想着上云
这里有个坑：千万别把视频流推到云端做推理。 一是带宽扛不住，一个小区几十路摄像头，上行带宽直接爆；二是延迟高，摔倒了等三秒才报警，家属要骂人；三是隐私合规过不去。
正确姿势是边缘计算：一个几百块的小盒子（ARM 或带核显的 x86 都行），装在弱电间，本地拉 RTSP 流、本地推理、本地判断，只把"事件"推出去。一个盒子跑 4～8 路 1080P 问题不大，够一栋楼用。
四、告警怎么到家属手机上？
这一步最容易被低估。很多方案卡在"报警发给谁、怎么发"上。
微信生态里能用的路子：
- 小程序订阅消息：家属在小程序里点一次"允许通知"，你就能推一条。注意它是"一次性订阅"，推一次消耗一次，得设计好引导家属续订。适合做"确认类"告警。
- 服务号模板消息：需要企业资质，但推送稳定，适合做主力通道。
- 企业微信机器人 / 群机器人：物业、护理站这种 B 端场景特别好用，一个 Webhook 就行，老人摔倒直接进护理群。
实际推荐是双通道：小程序订阅消息给家属，Webhook 给护理站。哪边先看到哪边先处理。
小程序那边别只写"检测到摔倒"，信息要给全：哪个房间、几点几分、一张火柴人姿态快照（不是原图），再加两个按钮——"我来处理"和"误报，忽略"。家属点"误报"，这条数据回流，正好拿去优化规则。这就是个很朴素的飞轮。
五、几个真踩过的坑
- 夜间红外画面：很多模型在黑白红外下识别率会掉，选模型时一定要拿夜里的素材测。
- 老人行动缓慢：有些老人是扶着墙慢慢滑下去的，姿态变化不够"剧烈"，纯靠速度阈值会漏，得补一条"异常低姿态持续"。
- 多人场景：客厅里来了客人，得做目标跟踪（给每个人一个 ID），否则关键点会串。
- 别追求 100% 准确：告诉客户这是个"辅助提醒"工具，不是医疗设备，把预期管理好，项目才活得久。
说到底，这套方案的价值不在算法多牛，而在于便宜、可复制、隐私友好，能快速铺到老旧小区改造这类预算紧的项目里。
更多智慧养老、边缘AI落地的方案和踩坑记录，可以翻翻 itfangan.com，里面同类项目的拆解还挺全的。