CN101711401B - 跌倒检测系统 - Google Patents
跌倒检测系统 Download PDFInfo
- Publication number
- CN101711401B CN101711401B CN200880012293.8A CN200880012293A CN101711401B CN 101711401 B CN101711401 B CN 101711401B CN 200880012293 A CN200880012293 A CN 200880012293A CN 101711401 B CN101711401 B CN 101711401B
- Authority
- CN
- China
- Prior art keywords
- fall detection
- detection system
- sensor assembly
- evaluation logic
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 238000011156 evaluation Methods 0.000 claims abstract description 65
- 230000001133 acceleration Effects 0.000 claims abstract description 52
- 238000012935 Averaging Methods 0.000 claims description 14
- 230000036541 health Effects 0.000 claims description 11
- 230000005684 electric field Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 238000011067 equilibration Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
- G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Business, Economics & Management (AREA)
- Biophysics (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Emergency Management (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及跌倒检测系统,用于检测人体跌倒事件。该检测系统包括:用户佩戴的传感器模块,用于采集用户身体的运动数据,例如加速度数据;第一评估逻辑模块,用于基于从所述加速度数据中观测到的碰撞,识别潜在的跌倒事件;以及第二评估逻辑模块,用于至少大约在所述碰撞时,验证所述传感器模块确实由所述用户佩戴,以防止系统只因为传感器掉落而发出报警。第二评估逻辑模块可以包括:自由落体检测装置,用于基于自由落体的典型特征(例如一次或多次完全旋转和/或自由落体阶段,在此期间,加速度数据的幅值相对稳定且较小),评估所述加速度数据。附加的或可替代的是,第二评估逻辑模块可以包括身体邻近度检测装置,用于检测所述传感器模块是否紧邻人体。
Description
发明领域
本发明涉及一种跌倒检测系统,其用于自动检测用户的跌倒事件。
技术背景
这种自动跌倒检测系统是公知的。其用于检测用户的跌倒事件,并向远程的医护提供商报告这些事件,以便让医护提供商采取适当的行动。为了实现此目的,检测系统通常包括由用户佩戴的传感器模块,用于采集用户身体的运动数据,例如加速度数据。检测系统还包括评估逻辑模块,用于在采集到的运动数据中检测碰撞。这种碰撞发生在用户跌倒过程中着地的时候。但是,这种碰撞也可能发生在其它事件中,例如用户的突然运动或碰撞到其周围的物体。所以,在加速度数据中检测到碰撞并不足以确切地识别出跌倒的发生。因此,大多数检测系统还检测指明跌倒的其它指标是否存在。例如,可以验证碰撞是否伴随着用户方位角的改变(例如,用户的体态从站立变成了卧倒)。只有在这种情况下,系统才向远程医护提供商发出警报。这样,可以降低错误警的次数,从而提高系统的可靠性和用户的认可度。
但是,这些公知的跌倒检测系统存在一些缺点,从而会导致误警仍旧发生。
例如,一种经常发生的情况是,传感器模块本身从用户身上掉了下来,例如在换衣服的时候。另一种情况是,传感器模块被暂时放置在桌子等的上面,并意外地在那里受到了碰撞。在这些情况下,显然不应该生成报警,但公知的系统还是会生成报警。
当传感器模块附着于身体的方式不适当(即方位角不对)时,还会出现其它一些问题。这可能会影响系统辨别用户方位角变化的能力,并可能使系统对于跌倒的存在与否得出错误的结论。具体而言,系统可能在不存在跌倒时生成警报(所谓的“误警”),或者更糟糕的情形是,在存在跌倒时不生成警报(所谓的“漏警”)。这两种情况都是应该避免的,因为它们都会严重损害系统的可信度。
发明内容
因此,本发明的一个方面在于提供一种具有改进可靠性的跌倒检测系统。具体而言,本发明的目的在于提供一种系统,其中,排除错误报警(误警和漏警)报告或至少减少其数量。
为了实现此目的,根据本发明的一种跌倒检测系统的特征在于,提供有第二评估逻辑模块,其用于验证至少大约在所观测的碰撞时用户确实佩戴着传感器模块。
可将该第二评估逻辑模块布置为扫描加速度数据,以判断是否出现自由落体特征(即自由落体的典型特征,例如一次或多次完全旋转(大于360°))或是否在碰撞前出现自由落体阶段(在自由落体阶段内,加速度数据的幅值基本稳定,且是相对较低的值)。研究表明,如果出现这种自由落体特征,则观测到的碰撞很可能是由传感器模块自身的掉落造成的,而不是由人体的跌倒事件造成的。
附加的或可替代的是,可将第二评估逻辑模块布置为检测传感器模块与人体的邻近度。如果在观测到碰撞前后无法建立这种邻近度,则所述碰撞很可能不是由人体的跌倒事件造成的。
因此,正是由于根据本发明的评估逻辑模块,可以辨别加速度数据中的碰撞是由人体的跌倒事件造成的还是由传感器模块自身的掉落造成的。这样就避免了误警。此外,如果检测到传感器模块的掉落,则应向用户和/或医护提供商告知传感器模块没有正确装配好并应当重新装配。
根据本发明的一个有益方面,如果上述评估逻辑模块确定用户佩戴着传感器模块,则可以提供另一个评估模块,其用于检测至少在加速度数据中观测到碰撞的之前和之后的传感器模块方位角的相对变化。由于这种相对测量,无论碰撞前模块的(绝对)方位角如何,都可以检测模块方位角以及用户方位角的任何变化。不再需要将模块设置在一个特定的方位角。同样,用户可以从任何位置跌倒,即站立、坐下或卧倒。用户的初始位置(即跌倒前的位置)不再重要。如果传感器模块在使用过程中经受了意外的方位角变化,至少如果这种变化不和在加速信号中观测到碰撞同时发生,就不会导致报警。当然,在评价潜在的跌倒事件的发生时,还可以设置一个或多个阈值,以确保只考虑大于最小值(例如,大于45度)的方位角变化。
从属权利要求中列明了根据本发明的跌倒检测系统的其它有益实施例。
附图说明
为了解释本发明,下面将结合附图对本发明的示例性实施例进行描述,其中:
图1示出了根据本发明的跌倒检测系统的框图;
图2示出了落向地面的传感器模块的加速度数据;
图3示出了朝向地面跌落到的人体的加速度数据;
图4示出了根据本发明的第二评估逻辑模块的第一实施例的框图,将其布置为确定图2和图3的加速度数据中是否存在自由落体阶段;
图5示出了根据本发明的第二评估逻辑模块的第二实施例的框图,将其布置为确定图2和图3的加速度数据中是否存在旋转;以及
图6示出了根据本发明的跌倒检测系统的第四实施例的框图,其装配有另一个评估逻辑模块,用于检测传感器模块的相对方位角变化。
具体实施方式
图1示出了根据本发明的跌倒检测系统1的框图。跌倒检测系统1包括由用户佩戴的传感器模块2,其用于采集用户身体的加速度数据X、Y、Z。检测系统1还包括评估逻辑模块3,其用于检测是否发生了人体跌倒事件。根据本发明,这个评估逻辑模块3分成第一评估逻辑模块5和第二评估逻辑模块6,其中,将第一评估逻辑模块5布置为检测跌倒事件,将第二评估逻辑模块6布置为推断该跌倒事件是对应于用户的跌倒还是对应于传感器模块2的掉落。
传感器模块2包括一个或多个加速度计8,将加速度计8优选地布置为测量在3个正交方向X、Y和Z上的加速度数据。这些加速度计可以容纳在外壳10中,该外壳可以配置有夹子11、带子、腕带、项圈或类似的连接装置,用于简单地附着在用户的身体或衣服上。或者,也可以将传感器模块2或检测系统1作为一个整体集成在衣服部分上。外壳10还可以容纳电源12、诸如蜂鸣器或闪光灯之类的报警模块13以及诸如一个或多个按钮之类的输入模块14,例如用于手工启动或取消报警。
可以将第一评估逻辑模块5和/或第二评估逻辑模块6容纳在传感器2的外壳10中,或者容纳在不需要佩戴在用户身体上的一个或多个分离模块中。在任何一种情况下,都可以提供适当的通信装置,以便在所述相应模块之间可以进行数据交换。
将第一评估逻辑模块5布置为针对潜在跌倒事件扫描所测量的加速度数据X、Y、Z。这种跌倒事件可以表现为碰撞,即在短时间内所述加速度数据的幅值M急剧增加,可能随后紧接着有一段(相对)安静的时间,在这段时间内跌倒的物体(人体或传感器模块)保持卧倒状态。因此,可将第一评估逻辑模块5布置为监视加速度信号X、Y、Z的幅值M,并当超过某一预定阈值M碰撞(例如2.5g,其中g是重力加速度)时,设置一个标记。
将第二评估逻辑模块6布置确定碰撞是由人体的跌倒造成的还是由传感器模块2的掉落造成的。这可以通过各种方式来实现。其中的一种方式是,评估逻辑模块可以利用两个物体的跌倒特征差异。一般来说,传感器模块2很有可能表现为自由落体,而人体则并非如此;传感器模块2在掉落过程中会经受一次或多次完全旋转,而人体则不会。此外,评估逻辑模块可以验证在观测到碰撞时传感器模块2是否紧邻用户。也可以使用不同方式对此进行验证。下面,将论述各个可能的评估技术的详细示例。
需要注意的是,本文中提及“第一”和“第二”评估逻辑模块并不表示评估逻辑模块的工作顺序。这些评估逻辑模块可以同时并相互独立地进行工作。
实施例1:自由落体阶段的检测
图2表示传感器模块2从桌子掉落到地面期间所测量的加速度数据X、Y、Z。图3表示人体朝向地面跌倒期间所测量的加速度数据X、Y、Z。图2和图3都还示出了幅值M,其例如可以使用如下公式进行计算:
或者使用下式:
M=|X|+|Y|+|Z| (2)
图2中的加速度数据可以分成5个不同的阶段,标记为①到⑤:
-在第一阶段①中,加速度数据X、Y、Z、M基本稳定,这表明,传感器模块2静止地放在桌子上;
-在第二阶段②中,加速度数据X、Y、Z、M在所有三个方向上均波动。这表明,传感器模块2被推到了桌子的边沿,而后将开始掉落;
-在第三阶段③中,加速度数据X、Y、Z在所有三个方向上均基本稳定,幅值M明显小于传感器2静止地放在桌子上的第一阶段①中的幅值M。这表明,传感器模块2正在经历自由落体;
-在第四阶段④中,加速度数据X、Y、Z、M显示出了大幅度的波动。这表明,传感器模块2撞击地面并反弹;以及
-在第五阶段⑤中,加速度数据X、Y、Z、M再次基本稳定。这表明,传感器模块2处于地面上,基本上保持静止。
图3中的加速度数据X、Y、Z、M显示出与图2中数据大体相似,但其缺少第三阶段③,即自由落体阶段。因此,是否存在这个阶段③可以用于确定特定的加速度信号是由人体跌倒造成的还是由传感器模块2的掉落造成的。
图4示出了用于检测该第三阶段③是否存在的第二评估逻辑模块6的框图。评估逻辑模块6包括:第一方框16,用于评估在某一时间段(T)中根据公式(1)的幅值M是否小于预定的阈值(THmag);第二方框17,用于评估该时间段(T)的长度是否大于最小长度(T1)并小于最大长度(T2);以及第三方框18,用于评估在所述时间段(T)内,各加速度分量的方差δX、δY、δZ是否小于预定阈值(THvar)。如果所有这三个方框16、17、18的结果都是肯定性的(Y),则检测到自由落体阶段③。
自由落体阶段③中的幅值M的水平取决于第二阶段②的幅值M,而后者又取决于当传感器模块2从桌子掉落时的初始加速度。例如,当传感器模块2受相当大的外力碰撞而从桌子上掉落时,其初始加速度以及由此在阶段②和阶段③中的其幅值M将明显大于当传感器模块2从用户手中滑落而基本不具有初始加速度的情况。在后一种情况下,阶段③中的幅值M可能接近于零,而在第一种情况下,幅值M将会高很多。为了能检测到在所述第一种情况下的自由落体阶段③,不应把阈值THmag设置的过低。因此,在优选情况下,阈值THmag的选择取决于阶段②中的实际测量幅值。例如,可以将THmag定义为阶段②中所测量的最大幅值的十分之一。
自由落体阶段③的实际长度(即时间段T的长度)将根据模块所掉落的高度h而不同,高度h根据h=0.5gT2,其中h是以米为单位的高度,g是重力加速度9.8m/s2,T是以秒为单位的时间。因此,通过选择传感器模块实际掉落的最小高度h1和最大高度h2,就可以确定适当的最小长度T1和最大长度T2。
可以通过经验来确定第三评估模块18的阈值THvar,例如可以将其设置为10。
如果使用图4的评估逻辑模块检测到自由落体阶段③,则此信息可以用于将定时器(未示出)激活给定的预设时间段T定时器。如果在此时间段T定时器中,第一评估逻辑模块5检测到了碰撞,则不会发出跌倒报警。
实施例2:一次或多次完全旋转的检测
图5示出了根据本发明的备选跌倒检测系统101的实施例,其具有可替代的或附加的第二评估逻辑模块106。与实施例1中相似的那些部件用相似的标记(增加100)表示。第二评估逻辑模块106利用了诸如传感器模块102之类的小物体在从某一高度掉落过程中会进行一次或多次完全旋转(即大于360度的旋转)的特点。而在另一方面,人体并不进行这样的旋转。因此,这个特点可用于区分传感器模块102的意外滑落和人体的跌倒事件。
根据图5的检测系统101包括传感器模块102和第一评估逻辑模块105,它们与图1中所描述的类似。传感器模块102可以配备有一个或多个角度传感器或陀螺仪,用于测量旋转。可将第二评估模块106布置为将所述角度传感器的输出与某一预定阈值(例如360度)进行比较。
如果第一评估逻辑模块105检测到碰撞,并且第二评估逻辑模块106检测到一次或多次完全旋转的存在,则可以防止检测系统101生成警报,这是因为,观测到的碰撞很有可能是由传感器模块102的掉落造成的。另一方面,如果所测量的旋转具有的旋转角小于360°,则碰撞有可能是由人体跌倒事件造成的,将会发出跌倒警报。
根据备选实施例,可将第二评估模块106布置为根据由共同加速传感器102(即具有一个或多个线性加速度传感器的传感器模块)测量出的加速度数据X、Y、Z,检测出一次或多次旋转的存在。例如,这可以如题为“Gyroless platform stabilization techniques”的US5124938 A中所披露的那样进行实现,其描述了在不使用陀螺仪的情况下根据加速度表获得角加速度信息的方法。在这种情况下,无需单独的角度传感器,这样可以节约成本,并降低系统的复杂度,提高系统的鲁棒性。
实施例3:传感器模块与用户身体的紧邻度的检测
根据本发明的又一个实施例,在观测到碰撞时可以通过使用第二评估逻辑模块来验证传感器模块是否紧邻人体(因此很有可能由用户佩戴),从而防止因传感器模块的意外掉落而造成的误警。为此,第二评估逻辑模块例如可以包括传感器,其容纳于传感器模块中,并能够感测因用户身体移入或移出电场而造成的电场畸变。适当的传感器例如是电场传感器,如在文献“Applying electrical field sensing toHuman-Computer interfaces”(其作者T.G.Zimmerman等发表在IEEE,May 1995)中描述的那样。
如果在检测到潜在的跌倒事件时(例如通过上述实施例所描述的第一评估逻辑模块)这种电场传感器可以感测畸变,这表明传感器模块紧邻用户的身体,因此很有可能由所述用户的身体佩戴。因此,跌倒事件很有可能是人体的跌倒事件,故检测系统可以生成报警。
或者,也可以在传感器模块和牢固地附着于用户身体的某个其它单元之间使用无线通信技术来检测传感器模块与用户身体之间的紧邻度。传感器模块和该单元可以分别配备有发送器和接收器,或者分别配备有接收器和发送器。或者,传感器模块2和该单元也均可以包括发送器和接收器。将此发送器和接收器配置为只在它们相互间处于近距离范围时,更具体而言,只在它们耦合于用户身体时,才能在相互间进行通信。可替代或附加的是,可将发送器和接收器配置为使用用于数据传输的用户身体,通过身体耦合的通信在相互间进行通信。为了实现此目的,传感器模块或该单元中之一可以通过电容耦合来将特定量的能量传送给对方。在题为“System for automatic continuousand reliable electronic patient identification”的未预先公开的专利申请WO 2006035351 A2中描述了这种身体耦合通信的示例。该申请的内容以引用方式并入本文。
可以在特定时刻激活上述第二评估逻辑模块6、106,例如当第一评估逻辑模块5、105检测到潜在的跌倒事件的时候。或者,所述第二评估逻辑模块6、106也可以连续地或半连续地进行工作。例如,根据第三实施例的第二评估逻辑模块可以定期的时间间隔验证传感器模块是否处于紧邻状态。因此,在初期阶段就可以检测到传感器模块的失控移除。当检测到这种移除时,就可以向用户和/或医护提供商告知传感器模块很有可能被移除了。此外,可以在预设的时间间隔内请求用户确认所述观测和/或重新装配模块。如果在该时间间隔内没有获得任何响应,则向医护提供商发出警报。如果定期地验证传感器模块的邻近程度,就可以使医护提供商验证用户是否正确地佩戴着传感器模块,从而再次保证了“无报警”状态确实对应于“无报警”情况。
根据本发明的上述第二评估逻辑模块并不限于跌倒检测系统。其有益地适用于其它电子设备(特别是需要用户佩戴的电子设备),而不限制主权利要求的特征。此外,可以将两个或多个第二评估逻辑模块的实施例予以组合,从而更可靠地评价是否发生了人体跌倒事件。
实施例4:方位传感器模块和/或用户的相对变化的检测
图6示意性地示出了根据本发明的具有改善的评估逻辑模块207的检测系统的另一个实施例。与上述实施例相似的那些部件用相似的标记(增加200)表示。当检测到潜在的跌倒事件并且(例如通过上述实施例的其中之一)已经确定用户佩戴着传感器模块202时,改善的评估逻辑模块207可以有助于验证该跌倒事件是不是确实由用户的跌倒造成的,而不是由例如突然的移动或其它原因造成的。这是通过验证用户的姿势是否发生了变化(例如从站立到卧倒)来实现的。一般来说,如果传感器模块202的垂直方位角发生了偏移,就检测出姿势的这种变化。传感器模块202必须以规定的垂直方位角附着于用户,并且在用户的正常活动中必须保持此方位角。如果传感器模块202没有以正确的方式附着或在使用过程中发生了移位,则会导致误警。
根据图6的改善的评估逻辑模块207克服了这些缺点,它可以检测用户方位角的变化,而不管传感器模块202(以及用户)的初始方位角。评估逻辑模块207包括平均模块202、存储器209以及比较器215。
评估逻辑模块207的工作原理基于下面的思想:在预定的时间间隔内对传感器模块202测量的加速度数据X、Y、Z进行求平均,从而可以检测到传感器模块202的方位角变化。所得到的平均信号s1表示重力,因为只要传感器模块202不改变其方位角,重力就是至少保持恒定的唯一加速度。所以,由平均信号s1的X、Y、Z分量给定的方向表示重力的方向。由此可以估计传感器模块202的垂直方位角,并且可以看到该垂直方位角的变化。因为跌倒的特征在于还伴随有垂直方位角上的这种变化,所以平均信号s1可以用于检测跌倒。
平均装置220例如可以包括图6所示的低通滤波器。该低通滤波器220在时间间隔τ内对加速度数据X、Y、Z进行求平均,该时间间隔τ与滤波器220的带宽成反比。该平均信号s1可以随后储存于存储器209中。当(使用上述技术中的任何一种)检测到潜在的跌倒事件时,比较器215将当前信号s1(t)的方向与先前存储的版本s1(t-τ)的方向进行比较。为了实现此目的,比较器215可以计算所述信号s1(t)xs1(t-τ)的矢量外积(vector out product),如图6所示。如果该矢量外积的幅值超过零或特定的阈值Thres,则出现了方位角的变化,于是,就可以将观测到的碰撞确认为实际的跌倒事件,从而发出警报。阈值Thres的选择应考虑到测量的误差和噪声,以避免将比较器215任何(由这种噪声造成的)不为零的结果视为方位角的变化。此外,还可以将阈值Thres提高到在跌倒情况下很有可能发生的最小方位角变化。例如,可以通过实验来获得,如果是跌倒情况,则传感器模块202的方位角变化通常至少是45度。小于45度的变化不太可能是由跌倒造成的。通过据此设置阈值Thres,可以进一步避免误警。
如上所述,用来对信号s1进行求平均的时间间隔t与低通滤波器220的带宽成反比。例如,如果低通滤波器220具有10Hz的带宽,则在100msec的时间间隔内进行求平均,如果滤波器220具有0.1Hz的带宽,则在10秒的时间间隔内进行求平均。一般来说,较长的平均时间(较小的带宽)有益于垂直方位角的准确估计。但是,其缺点是,在碰撞后需要相当长的时间段来确定碰撞是否伴随有方位角的变化。一般来说,即便求平均时间较短,强烈的方位角变化也是较容易检测的;小的方位角变化则可能需要较长的求平均时间。根据本发明的有益方面,该信息用于在使用过程中根据检测状态调整低通滤波器220的带宽。在稳定状态下,即当没有检测到潜在的跌倒(加速度信号X、Y、Z中无碰撞)时,带宽可以较小,从而平均时间就会相对较长。当检测到潜在的跌倒时,可以采用较宽的带宽,则平均时间就会较短,从而可以相对较快地获得当前方位角的第一估计。
根据评估逻辑模块207的另一个有益方面,在稳定状态期间,可以通过对存储在存储器209中的多个s1值进行求平均来计算趋势。当检测到潜在跌倒时,该趋势有助于确定是小带宽就已足够可靠还是大带宽看起来更合适。存储的信号s1的稳定状态值还可以用于估计变化。因此,该信息可以用于设置比较器215中的实际阈值。
此外,存储器209还可以基于在假定的跌倒后可以观测到方位角变化来提供参考方位角。由于假定的跌倒一般涉及强的加速度,因此在假定跌倒期间平均信号s1的可靠性就会降低。因此,根据优选实施例,检测系统201可以计算当前方位角和以延迟增量τ存储在存储器209中的那些方位角之间的差值,并使用这一系列的差值来改善其判断结果。或者,也可以标记出对于存储的哪些s1值而言加速度信号X、Y、Z具有低能量内容。因此,只有标记出的这些s1值可以用于判定是否发生了方位角变化。
此外,通过监视存储的s1的值,可以定期地检测偏差。即便在加速度数据中不存在碰撞(潜在的跌倒事件),这种偏差的出现也可以引发向用户和/或医护提供商发出报警或某种警告。
平均模块220可以采用不同的方式来实现。例如,可以将图6所示的低通滤波器替换为积分器。或者,平均装置220可以包括布置为计算预定时间窗上的自相关的计算装置。为了实现此目的,可以将信号s1分割成长度为W的窗。这些窗可以重叠。例如,第一个窗的范围可以是从s1[1]到s1[1+W],而后续窗的范围可以是从s1[2]到s1[2+W],即,后续窗只位移相隔了一个采样周期(方括号用于表示采样周期)。窗的长度W例如可以约等于500ms。此外,取s1[t]的延迟版本,将其表示为s’1[t-τ]。延迟τ例如可以约等于500ms。使用相同的窗长度和相同的窗间距(即相同的重叠)对s’1划分窗。可以根据下面的公式计算自相关Rxy[W]:
信号s1和s’1都是矢量。可以将它们的乘积计算为内积。它们乘积的另一个定义可以根据几何代数学或克利福德(Clifford)代数学理论,或者根据四元数理论。此外,可根据下面的公式计算Rxx和Ryy。
Rxx和Ryy可以用于将Rxy归一化:
R′xy对应于归一化内积(亦在四元数的情况下),可以将方位角的变化计算为:
假如跌倒,可能较大,例如其量级为从大约60度到大约90度,在这些情况下w很有可能是跌倒事件。在此区域外,可以比较小,例如,如果没有运动,则接近于0度,如果是诸如正常行走之类的常规运动,则在大约20度到大约50度的范围内。当然,给出的这些值仅用于说明目的,而非解释为无限制性的。
在所有情况下,由于有了根据本发明的平均装置220,不需要传感器模块202在潜在的跌倒前处于指定的方位角,即可检测到所述传感器模块202的方位角的变化。其可以以任意的方位角附着于用户的身体。此外,模块202不需要保持恒定的方位角。如果在使用过程中传感器模块的方位角发生了变化且这种变化并不伴随有碰撞,则不会引起报警。只是简单地将新的方位角存储于存储器中。任何后续的方位角检查都将采用这个新的方位角作为参考。此外,对跌倒开始时用户的初始体态或方位角并没有限制,即用户可以处于站立的姿势、坐下的姿势或甚至是卧倒的姿势。最后一种姿势可以在例如用户从床上跌倒到地面上时出现。尽管在这种情况下,用户在跌倒后的方位角可能与其在跌倒前的方位角基本相似,但只要用户在其跌倒时发生了转动,即从床上滚落,则根据本发明的评估逻辑模块207仍能够检测到跌倒事件。在这种情况下,所述的评估逻辑模块207将测量旋转的变化,该旋转变化随后可以用于引发适当的报警。因此,使用根据本发明的检测系统,传感器模块202和用户的初始方位角就不再重要。所以,可以以任何方向装配传感器模块,这样就增强了其易用性。此外,由于排除了误警的一个来源(用户和/或传感器模块的初始方位角),所以,系统的可靠性也提高了。
本发明绝不受说明书和附图中所呈现的示例性实施例的限制。应明确认识到的是,所示和所述的多个实施例(的部分)的所有组合都包含在本说明书中,也落入了本发明的保护范围之内。而且,正如权利要求书所涵盖的那样,许多变体也落入本发明的保护范围之内。
Claims (15)
1.一种跌倒检测系统,包括:
-用户佩戴的传感器模块,用于采集其身体的运动数据,其中所述运动数据为加速度数据;
-第一评估逻辑模块,用于基于从所述运动数据中观测到的碰撞识别潜在跌倒事件;以及
-第二评估逻辑模块,用于验证所述传感器模块至少大约在所述碰撞时确实由所述用户佩戴,所述第二评估逻辑模块包括自由落体检测装置,所述自由落体检测装置用于评估所述运动数据中的自由落体典型特征以便识别在所述碰撞前的预定时间间隔内是否存在自由落体阶段,
其中,自由落体阶段的存在将所述传感器模块的掉落与所述用户的跌倒事件区别开。
2.根据权利要求1所述的跌倒检测系统,其中,将所述自由落体检测装置布置为检测在所述碰撞前的所述预定时间间隔内所述加速度数据的幅值是否基本稳定并且小于预设阈值。
3.根据权利要求2所述的跌倒检测系统,其中,将所述预设阈值选择为所述潜在跌倒事件开始时所述加速度的幅值的一部分。
4.根据权利要求1所述的跌倒检测系统,其中,将所述自由落体检测装置布置为识别在所述碰撞前的预定时间间隔内是否存在至少一次完全旋转。
5.根据权利要求4所述的跌倒检测系统,其中,将所述自由落体检测装置布置为基于线性加速度数据识别是否存在至少一次完全旋转。
6.根据权利要求1所述的跌倒检测系统,其中,所述自由落体检测装置包括角度传感器,其用于测量角运动。
7.根据权利要求1所述的跌倒检测系统,其中,所述第二评估逻辑模块还包括身体邻近度检测装置,所述身体邻近度检测装置具有电场传感器,将所述电场传感器布置为测量当所述电场传感器紧邻用户身体时电场的畸变以便确定所述传感器模块是否确实由所述用户佩戴。
8.根据权利要求7所述的跌倒检测系统,其中,所述身体邻近度检测装置至少包括发送器和接收器,所述发送器和所述接收器中的一个牢固地附着于所述用户的身体,而另一个则容纳在所述传感器模块中,其中,所述发送器和接收器只有在相互间的距离等于或小于大约所述用户的高度的一半时才能相互进行通信。
9.根据权利要求7所述的跌倒检测系统,其中,所述身体邻近度检测装置包括布置为通过身体耦合通信而相互进行通信的发送器和接收器,其中,所述用户的身体用于数据传输。
10.根据权利要求1或7所述的跌倒检测系统,包括:
第三评估逻辑模块,将其布置为检测所述传感器模块的方位的相对变化。
11.根据权利要求10所述的跌倒检测系统,其中,所述第三评估逻辑模块包括:
平均装置,用于对从所述传感器模块获得的加速度数据进行求平均;
存储器,用于存储所述平均装置的经过平均的输出信号;以及
比较器,用于将一个经过平均的输出信号的方向与先前存储的版本的方向进行比较。
12.根据权利要求11所述的跌倒检测系统,其中,所述平均装置包括低通滤波器、积分器和/或自相关计算装置。
13.根据权利要求11所述的跌倒检测系统,其中,根据所述跌倒检测系统的检测状态,所述平均装置对所述加速度数据进行求平均的时间间隔是可调节的,其中,所述检测状态表示是否检测到潜在跌倒事件。
14.根据权利要求13所述的跌倒检测系统,其中,只要没有检测到潜在跌倒事件,就将所述求平均的时间间隔调节为相对较长。
15.根据权利要求11所述的跌倒检测系统,其中,所述比较器包括:
计算两个经过平均的输出信号的矢量外积的装置;以及
计算所述矢量外积的幅值是否超过了某一预定阈值的装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200880012293.8A CN101711401B (zh) | 2007-04-19 | 2008-04-15 | 跌倒检测系统 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200710096643 | 2007-04-19 | ||
CN200710096643.0 | 2007-04-19 | ||
PCT/IB2008/051424 WO2008129451A1 (en) | 2007-04-19 | 2008-04-15 | Fall detection system |
CN200880012293.8A CN101711401B (zh) | 2007-04-19 | 2008-04-15 | 跌倒检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101711401A CN101711401A (zh) | 2010-05-19 |
CN101711401B true CN101711401B (zh) | 2014-03-12 |
Family
ID=39591512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200880012293.8A Active CN101711401B (zh) | 2007-04-19 | 2008-04-15 | 跌倒检测系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8408041B2 (zh) |
EP (1) | EP2147421B1 (zh) |
JP (2) | JP5539857B2 (zh) |
CN (1) | CN101711401B (zh) |
WO (1) | WO2008129451A1 (zh) |
Families Citing this family (106)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8152745B2 (en) * | 2008-02-25 | 2012-04-10 | Shriners Hospitals For Children | Activity monitoring |
US9704369B2 (en) * | 2008-06-27 | 2017-07-11 | Barron Associates, Inc. | Autonomous fall monitor using an altimeter with opposed sensing ports |
CN102187371B (zh) * | 2008-10-17 | 2014-05-14 | 皇家飞利浦电子股份有限公司 | 跌倒检测系统和操作跌倒检测系统的方法 |
CN101727731B (zh) * | 2008-10-31 | 2012-03-14 | 深圳富泰宏精密工业有限公司 | 电子装置及防止该电子装置掉落的方法 |
WO2010061321A1 (en) * | 2008-11-28 | 2010-06-03 | Koninklijke Philips Electronics N.V. | Method and apparatus for fall detection |
BRPI0917755A2 (pt) * | 2008-12-15 | 2016-02-23 | Koninkl Philips Electronics Nv | método para a calibração de um detector de queda, método para o ajuste de um detector de queda, aparelho para a calibração de um detector de queda e detector de queda |
US8880377B2 (en) * | 2008-12-22 | 2014-11-04 | Polar Electro Oy | Overall motion determination |
CN101771742A (zh) * | 2008-12-31 | 2010-07-07 | 深圳富泰宏精密工业有限公司 | 安全报告系统及方法 |
US9470704B2 (en) | 2009-02-23 | 2016-10-18 | Nortek Security & Control Llc | Wearable motion sensing device |
US20100217533A1 (en) * | 2009-02-23 | 2010-08-26 | Laburnum Networks, Inc. | Identifying a Type of Motion of an Object |
US8972197B2 (en) * | 2009-09-15 | 2015-03-03 | Numera, Inc. | Method and system for analyzing breathing of a user |
US8560267B2 (en) | 2009-09-15 | 2013-10-15 | Imetrikus, Inc. | Identifying one or more activities of an animate or inanimate object |
US10631732B2 (en) | 2009-03-24 | 2020-04-28 | Leaf Healthcare, Inc. | Systems and methods for displaying sensor-based user orientation information |
US11278237B2 (en) | 2010-04-22 | 2022-03-22 | Leaf Healthcare, Inc. | Devices, systems, and methods for preventing, detecting, and treating pressure-induced ischemia, pressure ulcers, and other conditions |
DE102009019767B4 (de) * | 2009-04-28 | 2017-07-20 | Universität Rostock | Vorrichtung und Verfahren zur Sturzerkennung |
CN102110347B (zh) * | 2009-12-29 | 2013-11-06 | 深圳市赛格导航科技股份有限公司 | 一种人体跌倒检测和报警的设备和方法 |
JP5515875B2 (ja) * | 2010-03-08 | 2014-06-11 | セイコーエプソン株式会社 | 転倒検出装置、転倒検出方法 |
AT509630B1 (de) * | 2010-03-23 | 2012-12-15 | Spantec Gmbh | Verfahren zur verifizierung eines sturzes |
US8909497B1 (en) | 2010-04-06 | 2014-12-09 | Keynetik, Inc. | System and method for fall detection |
US10758162B2 (en) | 2010-04-22 | 2020-09-01 | Leaf Healthcare, Inc. | Systems, devices and methods for analyzing a person status based at least on a detected orientation of the person |
US10588565B2 (en) | 2010-04-22 | 2020-03-17 | Leaf Healthcare, Inc. | Calibrated systems, devices and methods for preventing, detecting, and treating pressure-induced ischemia, pressure ulcers, and other conditions |
US11369309B2 (en) | 2010-04-22 | 2022-06-28 | Leaf Healthcare, Inc. | Systems and methods for managing a position management protocol based on detected inclination angle of a person |
US11272860B2 (en) | 2010-04-22 | 2022-03-15 | Leaf Healthcare, Inc. | Sensor device with a selectively activatable display |
US11051751B2 (en) | 2010-04-22 | 2021-07-06 | Leaf Healthcare, Inc. | Calibrated systems, devices and methods for preventing, detecting, and treating pressure-induced ischemia, pressure ulcers, and other conditions |
US11980449B2 (en) | 2010-04-22 | 2024-05-14 | Leaf Healthcare, Inc. | Systems and methods for monitoring orientation and biometric data using acceleration data |
JP6192032B2 (ja) | 2010-04-22 | 2017-09-06 | リーフ ヘルスケア インコーポレイテッド | 患者の生理学的状況をモニタリングするシステム |
US10140837B2 (en) * | 2010-04-22 | 2018-11-27 | Leaf Healthcare, Inc. | Systems, devices and methods for the prevention and treatment of pressure ulcers, bed exits, falls, and other conditions |
CN101938556A (zh) * | 2010-08-26 | 2011-01-05 | 惠州Tcl移动通信有限公司 | 一种基于手机的摔倒监测方法及手机 |
US9545342B2 (en) | 2010-09-08 | 2017-01-17 | Fit Assist Medical Inc. | Multifunctional medical monitoring system |
US10292445B2 (en) | 2011-02-24 | 2019-05-21 | Rochester Institute Of Technology | Event monitoring dosimetry apparatuses and methods thereof |
US9138172B2 (en) | 2011-02-24 | 2015-09-22 | Rochester Institute Of Technology | Method for monitoring exposure to an event and device thereof |
US9339224B2 (en) | 2011-02-24 | 2016-05-17 | Rochester Institute Of Technology | Event dosimeter devices and methods thereof |
US9427177B2 (en) | 2011-04-11 | 2016-08-30 | Fidelity Investment Corporation | Fall detection methods and devices |
KR101110639B1 (ko) | 2011-06-22 | 2012-06-12 | 팅크웨어(주) | 세이프 서비스 시스템 및 그 방법 |
US9047907B2 (en) | 2011-06-23 | 2015-06-02 | Western Digital Technologies, Inc. | Electronic device avoiding false detection of free fall event based on detected operating modes |
US8928484B2 (en) | 2011-07-13 | 2015-01-06 | Lumo Bodytech, Inc. | System and method of biomechanical posture detection and feedback |
US9128521B2 (en) | 2011-07-13 | 2015-09-08 | Lumo Bodytech, Inc. | System and method of biomechanical posture detection and feedback including sensor normalization |
EP2549228A1 (en) | 2011-07-20 | 2013-01-23 | Koninklijke Philips Electronics N.V. | A method of enhancing the detectability of a height change with an air pressure sensor and a sensor unit for determining a height change |
WO2013024461A1 (en) | 2011-08-18 | 2013-02-21 | Koninklijke Philips Electronics N.V. | Estimating velocity in a horizontal or vertical direction from acceleration measurements |
JP6059229B2 (ja) * | 2011-09-02 | 2017-01-11 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | ベッド退出監視装置 |
JP5885292B2 (ja) * | 2011-11-08 | 2016-03-15 | 公立大学法人首都大学東京 | 行動認識プログラムおよび行動認識用の処理装置 |
US9588135B1 (en) | 2011-11-14 | 2017-03-07 | Vital Connect, Inc. | Method and system for fall detection of a user |
US8614630B2 (en) * | 2011-11-14 | 2013-12-24 | Vital Connect, Inc. | Fall detection using sensor fusion |
US9818281B2 (en) | 2011-11-14 | 2017-11-14 | Vital Connect, Inc. | Method and system for fall detection of a user |
CN102542724B (zh) * | 2011-12-15 | 2014-01-01 | 上海移为通信技术有限公司 | 跌落检测报警方法 |
CN102610056B (zh) * | 2012-03-16 | 2013-09-04 | 清华大学 | 面向手机佩戴方式的跌倒事件检测系统和方法 |
CN102657533B (zh) * | 2012-04-28 | 2013-11-13 | 浙江大学城市学院 | 一种跌倒检测方法、跌倒检测装置和手腕式设备 |
ES2448941B1 (es) * | 2012-09-17 | 2015-02-10 | Mª Del Carmen LOPEZ GONZALEZ | Método y sistema de alarma para detectar posturas incorrectas |
CN103021131A (zh) * | 2012-12-28 | 2013-04-03 | 中科院微电子研究所昆山分所 | 跌倒检测系统和检测方法 |
US9730620B2 (en) * | 2012-12-31 | 2017-08-15 | Dexcom, Inc. | Remote monitoring of analyte measurements |
CN103116745B (zh) * | 2013-03-01 | 2016-01-20 | 南通大学 | 基于几何代数的老人跌倒状态建模、特征提取及识别方法 |
JP2016512777A (ja) * | 2013-03-22 | 2016-05-09 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 転倒を検出する方法及び転倒検出器 |
TWI540541B (zh) * | 2013-05-14 | 2016-07-01 | 緯創資通股份有限公司 | 用於行動裝置之緊急狀況偵測方法 |
US8953274B1 (en) | 2013-06-06 | 2015-02-10 | Western Digital Technologies, Inc. | Deceleration of spindle motor in disk drive |
US9591996B2 (en) | 2013-06-07 | 2017-03-14 | Lumo BodyTech, Inc | System and method for detecting transitions between sitting and standing states |
US8885285B1 (en) | 2013-07-23 | 2014-11-11 | Western Digital Technologies, Inc. | Impact detection for data storage device |
US9076471B1 (en) | 2013-07-31 | 2015-07-07 | Western Digital Technologies, Inc. | Fall detection scheme using FFS |
CN105530865B (zh) * | 2013-09-11 | 2022-05-24 | 皇家飞利浦有限公司 | 跌倒检测系统和方法 |
CN103577836B (zh) * | 2013-09-30 | 2018-01-23 | 吴家宝 | 人体摔倒检测模型建立方法及模型系统 |
CN103561144A (zh) * | 2013-11-18 | 2014-02-05 | 中国人民解放军信息工程大学 | 基于智能手机的摔倒检测方法及装置 |
CN104700564B (zh) * | 2013-12-06 | 2017-09-05 | 中安消物联传感(深圳)有限公司 | 一种跌倒检测装置及方法 |
CN105814572B (zh) * | 2013-12-20 | 2019-08-13 | 皇家飞利浦有限公司 | 一种记录系统、记录设备、分配设备和登记数据的方法 |
US9058826B1 (en) | 2014-02-13 | 2015-06-16 | Western Digital Technologies, Inc. | Data storage device detecting free fall condition from disk speed variations |
US10568548B2 (en) * | 2014-09-03 | 2020-02-25 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Device, system, and method for patient fall detection |
CN104287116B (zh) * | 2014-09-16 | 2016-01-13 | 浙江航天长峰科技发展有限公司 | 一种多功能安全防护背心 |
CN104243656A (zh) * | 2014-10-10 | 2014-12-24 | 北京大学工学院南京研究院 | 一种智能手机跌倒检测自动拨号求救方法 |
CN104408876A (zh) * | 2014-12-10 | 2015-03-11 | 范子成 | 一种从高处摔落的检测及报警方法和装置 |
CN104382593A (zh) * | 2014-12-17 | 2015-03-04 | 上海斐讯数据通信技术有限公司 | 对环境危险度进行监测的装置和方法 |
JP6502135B2 (ja) * | 2015-03-19 | 2019-04-17 | セコム株式会社 | 転倒検知端末およびプログラム |
EP3289573B1 (en) * | 2015-04-30 | 2021-10-06 | Honeywell International Inc. | System for integrating multiple sensor data to predict a fall risk |
WO2017010956A1 (en) | 2015-07-15 | 2017-01-19 | Birbenli Izzet Fatih | A monitoring system |
CA2996196C (en) | 2015-08-31 | 2024-06-11 | Masimo Corporation | Wireless patient monitoring systems and methods |
CN105342623B (zh) * | 2015-09-25 | 2018-05-29 | 广东乐源数字技术有限公司 | 智能跌倒监护装置及其处理方法 |
KR102411738B1 (ko) | 2015-09-25 | 2022-06-21 | 삼성전자 주식회사 | 낙상 감지 장치 및 그 제어방법 |
US10314520B2 (en) | 2015-10-02 | 2019-06-11 | Seismic Holdings, Inc. | System and method for characterizing biomechanical activity |
US10463909B2 (en) | 2015-12-27 | 2019-11-05 | Seismic Holdings, Inc. | System and method for using performance signatures |
US10959647B2 (en) | 2015-12-30 | 2021-03-30 | Seismic Holdings, Inc. | System and method for sensing and responding to fatigue during a physical activity |
US10325229B2 (en) | 2016-03-16 | 2019-06-18 | Triax Technologies, Inc. | Wearable sensor for tracking worksite events including sensor removal |
US11170616B2 (en) | 2016-03-16 | 2021-11-09 | Triax Technologies, Inc. | System and interfaces for managing workplace events |
US11810032B2 (en) | 2016-03-16 | 2023-11-07 | Triax Technologies, Inc. | Systems and methods for low-energy wireless applications using networked wearable sensors |
US10769562B2 (en) | 2016-03-16 | 2020-09-08 | Triax Technologies, Inc. | Sensor based system and method for authorizing operation of worksite equipment using a locally stored access control list |
US10043368B1 (en) * | 2017-04-13 | 2018-08-07 | Msa Technology, Llc | Fall detection system |
GB2561328B (en) * | 2016-06-28 | 2019-04-10 | Skyguard Ltd | Safety device with fall detection |
CN106228751B (zh) * | 2016-08-26 | 2019-06-07 | 陈雷 | 基于安卓平台mems/磁传感器/gps的跌倒智能报警系统与方法 |
US10506990B2 (en) * | 2016-09-09 | 2019-12-17 | Qualcomm Incorporated | Devices and methods for fall detection based on phase segmentation |
WO2018071715A1 (en) | 2016-10-13 | 2018-04-19 | Masimo Corporation | Systems and methods for patient fall detection |
CN106726340B (zh) * | 2016-12-05 | 2019-06-04 | 北京理工大学 | 一种智能安全保护的人体下肢康复训练机器人 |
CN106530625B (zh) | 2017-01-06 | 2018-04-03 | 京东方科技集团股份有限公司 | 溺水报警系统和溺水报警方法 |
CN107358248B (zh) * | 2017-06-07 | 2021-03-23 | 南京邮电大学 | 一种提高跌倒检测系统精度的方法 |
CN108175388B (zh) * | 2017-12-01 | 2021-01-26 | 中国联合网络通信集团有限公司 | 基于可穿戴设备的行为监测方法及装置 |
CN108021888B (zh) * | 2017-12-05 | 2021-09-24 | 电子科技大学 | 一种跌倒检测方法 |
US10198928B1 (en) * | 2017-12-29 | 2019-02-05 | Medhab, Llc. | Fall detection system |
EP3657456A1 (en) | 2018-11-26 | 2020-05-27 | Koninklijke Philips N.V. | A method and system for monitoring a user |
US11200655B2 (en) | 2019-01-11 | 2021-12-14 | Universal City Studios Llc | Wearable visualization system and method |
EP3756830A1 (en) * | 2019-06-25 | 2020-12-30 | Hilti Aktiengesellschaft | Drop protection for a battery |
CN110638459B (zh) * | 2019-09-03 | 2023-05-05 | 宁波路晟电器科技有限公司 | 一种基于加速度传感器的人体运动跌倒检测装置及方法 |
CN111084548B (zh) * | 2020-01-06 | 2021-05-28 | 珠海格力电器股份有限公司 | 显示水量的热水壶 |
JP7560269B2 (ja) | 2020-01-10 | 2024-10-02 | 日本無線株式会社 | 転倒判定装置、携帯端末、通信装置及び転倒判定プログラム |
US12064217B2 (en) | 2020-03-20 | 2024-08-20 | Masimo Corporation | Remote patient management and monitoring systems and methods |
USD980091S1 (en) | 2020-07-27 | 2023-03-07 | Masimo Corporation | Wearable temperature measurement device |
USD974193S1 (en) | 2020-07-27 | 2023-01-03 | Masimo Corporation | Wearable temperature measurement device |
US11682291B1 (en) | 2020-11-17 | 2023-06-20 | HD Group Enterprises LLC | Two way portable emergency communicator device, system and method |
JP7109524B2 (ja) * | 2020-11-30 | 2022-07-29 | 三井住友海上火災保険株式会社 | 事故判定装置、検出装置、事故判定システム、事故判定方法、及びプログラム |
USD1000975S1 (en) | 2021-09-22 | 2023-10-10 | Masimo Corporation | Wearable temperature measurement device |
US20240362986A1 (en) * | 2022-01-31 | 2024-10-31 | Pioneer Corporation | Information processing device |
USD1048908S1 (en) | 2022-10-04 | 2024-10-29 | Masimo Corporation | Wearable sensor |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2974872B2 (ja) * | 1993-03-17 | 1999-11-10 | 国際電気株式会社 | 転倒発報機能付携帯無線機 |
DE69736622T2 (de) | 1996-07-03 | 2007-09-13 | Hitachi, Ltd. | System zur Bewegungserkennung |
US5836887A (en) * | 1996-09-19 | 1998-11-17 | Colin Corporation | Physical information monitor system having means for determining reference range for abnormality determination, based on moving average of previously obtained values |
JPH1145530A (ja) * | 1997-07-30 | 1999-02-16 | Sony Corp | ハードディスク装置及びハードディスク装置を内蔵する情報処理装置 |
US6547728B1 (en) * | 1998-03-31 | 2003-04-15 | Georges Marc Cornuejols | Device for measuring organism condition |
US6201476B1 (en) * | 1998-05-06 | 2001-03-13 | Csem-Centre Suisse D'electronique Et De Microtechnique S.A. | Device for monitoring the activity of a person and/or detecting a fall, in particular with a view to providing help in the event of an incident hazardous to life or limb |
US6160478A (en) * | 1998-10-27 | 2000-12-12 | Sarcos Lc | Wireless health monitoring system |
JP2001160801A (ja) * | 1999-12-02 | 2001-06-12 | Sony Corp | 二重方式デジタルデータ伝送方法および装置 |
JP2002251681A (ja) * | 2001-02-21 | 2002-09-06 | Saibuaasu:Kk | 動作検知装置、動作検知システム、異常動作通知システム、ゲームシステム、所定動作の通知方法およびセンタ装置 |
JP2004234622A (ja) * | 2002-11-19 | 2004-08-19 | Seiko Instruments Inc | 生体情報計測システム |
CN100520620C (zh) | 2002-11-20 | 2009-07-29 | 精工爱普生株式会社 | 显影辊、显影装置、图像形成装置及计算机系统 |
JP3925649B2 (ja) * | 2003-02-19 | 2007-06-06 | 独立行政法人科学技術振興機構 | 転倒検出方法及び転倒救助方法 |
GB2401466A (en) | 2003-05-08 | 2004-11-10 | Koninkl Philips Electronics Nv | Detecting a fall |
FR2856913B1 (fr) * | 2003-07-02 | 2005-08-05 | Commissariat Energie Atomique | Detecteur portatif pour mesurer des mouvements d'une personne porteuse, et procede. |
JP4329011B2 (ja) * | 2003-07-22 | 2009-09-09 | ソニー株式会社 | 携帯型電子機器及び携帯型電子機器におけるハードディスクのヘッドの退避方法 |
US20050033200A1 (en) * | 2003-08-05 | 2005-02-10 | Soehren Wayne A. | Human motion identification and measurement system and method |
JP2006003155A (ja) * | 2004-06-16 | 2006-01-05 | Sharp Corp | 情報処理装置、加速度検出装置 |
JP4592360B2 (ja) * | 2004-09-02 | 2010-12-01 | 公立大学法人会津大学 | 身体状態監視装置 |
US7248172B2 (en) * | 2005-03-22 | 2007-07-24 | Freescale Semiconductor, Inc. | System and method for human body fall detection |
JP4697074B2 (ja) * | 2005-07-13 | 2011-06-08 | 日本ビクター株式会社 | 記録再生装置 |
KR100723494B1 (ko) * | 2005-07-23 | 2007-06-04 | 삼성전자주식회사 | 모바일 기기의 자유 낙하 검출 방법, 이에 적합한 장치,그리고 이에 적합한 기록매체 |
-
2008
- 2008-04-15 CN CN200880012293.8A patent/CN101711401B/zh active Active
- 2008-04-15 US US12/596,449 patent/US8408041B2/en active Active
- 2008-04-15 WO PCT/IB2008/051424 patent/WO2008129451A1/en active Application Filing
- 2008-04-15 EP EP08737848.5A patent/EP2147421B1/en active Active
- 2008-04-15 JP JP2010503644A patent/JP5539857B2/ja active Active
-
2014
- 2014-05-01 JP JP2014094851A patent/JP5695778B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2014179116A (ja) | 2014-09-25 |
CN101711401A (zh) | 2010-05-19 |
EP2147421B1 (en) | 2014-07-30 |
US20100121226A1 (en) | 2010-05-13 |
JP2010525443A (ja) | 2010-07-22 |
EP2147421A1 (en) | 2010-01-27 |
JP5695778B2 (ja) | 2015-04-08 |
JP5539857B2 (ja) | 2014-07-02 |
US8408041B2 (en) | 2013-04-02 |
WO2008129451A1 (en) | 2008-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101711401B (zh) | 跌倒检测系统 | |
EP3563764B1 (en) | Determining body postures and activities | |
CN102667882A (zh) | 用于根据加速计测量样本来估计速度和/或位移的方法 | |
EP2741669B1 (en) | Bed exit monitoring apparatus | |
EP2451351B1 (en) | Fall prevention | |
KR101718555B1 (ko) | 사람의 보행을 검출하기 위한 시스템 및 방법 | |
CN102027517B (zh) | 跌倒检测系统中的位移测量 | |
JP6253660B2 (ja) | ユーザの転倒リスクを推定するコンピュータプログラム、装置、デバイス及びシステム | |
US8825435B2 (en) | Intertial tracking system with provision for position correction | |
US20130197856A1 (en) | Method and system for discerning a false positive in a fall detection signal | |
CN101881625B (zh) | 步幅校正方法、测距方法及计步装置 | |
US20050033200A1 (en) | Human motion identification and measurement system and method | |
US20150164434A1 (en) | Method and apparatus for detecting a critical situation of a subject | |
EP2745120A1 (en) | Estimating velocity in a horizontal or vertical direction from acceleration measurements | |
WO2014083538A1 (en) | Method and apparatus for identifying transitions between sitting and standing postures | |
WO2006101587A2 (en) | System and method for human body fall detection | |
EP2783630A1 (en) | Human motion analysis method and device | |
EP2341821A1 (en) | Power measurement method and apparatus | |
Zhong et al. | A real-time pre-impact fall detection and protection system | |
Razum et al. | Optimal threshold selection for threshold-based fall detection algorithms with multiple features | |
US20200408528A1 (en) | System and method for imu motion detection utilizing standard deviation | |
Tarashansky et al. | A study of position independent algorithms for phone-based gait frequency detection | |
Zhao et al. | THE MEMS IMPLEMENTATION BASED ON SENSOR FUSION ALGORITHMS | |
Lei et al. | THE MEMS IMPLEMENTATION BASED ON SENSOR FUSION ALGORITHMS | |
SE542305C2 (en) | Arrangement and system for wearable balance meter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |