TWM537280U - 分析跌倒嚴重程度的跌倒偵測系統及其穿戴式裝置 - Google Patents

Description

分析跌倒嚴重程度的跌倒偵測系統及其穿戴式裝置

本創作係有關於一種跌倒偵測系統及其穿戴式裝置，特別是指一種用以分析跌倒嚴重程度的跌倒偵測系統及其穿戴式裝置。

由於醫療衛生、科技的快速進步，促使許多先進國家的國民平均壽命延長，直觀之，國民平均壽命延長係為社會進步的體現，代表的是醫療、衛生、營養、居住環境、工作條件改善、以及物資和財富的增加，然而，相對於國民平均壽命延長的一面，同樣受生育率下降影響，致使這些先進國家的人口結構產生改變，高齡失能者長期照顧問題成為公共政策的重要課題，要如何有效的減少人力服務所需的資源，同時改善高齡者的長期照護環境，係為短期內各先進國家將要面臨的問題。

對於長期住院的病患或在家受照護的老年人，由於護士及看護的不足，經常會有獨自行動的情況，若病患或老年人的身邊沒有人攙扶，經常會有跌倒、受傷的情況。為了避免上述的情況發生，目前許多病院係在病患的身上配戴有具備慣性偵測器的穿戴式裝置，透過慣性偵測器偵測用戶是否跌倒，當偵測到 用戶跌倒時係將訊息傳遞至服務中心，以告知服務中心對應的病患或被看護者需要提供醫療服務，藉此服務中心可緊急派出醫療人員進行救援。然而，這類的跌倒偵測經常會有誤判的情事，或是病患或被看護者雖然跌倒，但狀況不嚴重，卻經常要驚擾服務中心的醫療人員，導致大量的醫療資源浪費，甚至經常有糾紛情況發生。

是以，為解決上述問題，中華人民共和國公布號第102186420號專利係揭示一種跌倒檢測系統，其中處理器用於分析信號以識別跌倒後用戶的靜止期以及將用戶的靜止期的長度與閾值進行比較以確定跌倒的嚴重性。所述的案件可以判斷用戶是否重新站起，若在閾值時間內重新站起則認定用戶的狀態不嚴重。惟，上述的判別式雖然可以判定用戶跌倒之後是否處於不省人事或昏厥的狀態，卻不能排除用戶被人攙扶站起的狀況，或是用戶雖然清醒但仍受了傷的情況，基於上述的情況，若僅依據跌倒靜止的時間即排除用戶需要緊急救援的情況，顯然會誤判用戶傷害的嚴重性程度。

本創作的主要目的，在於解決習知技術無法有效針對跌倒的狀態分辨嚴重性，導致誤判的情事。

為解決上述問題，本創作係提供一種跌倒偵測系統，包含有一用以供用戶穿戴的穿戴式裝置、以及一連接至該穿戴式裝置的處理器。該穿戴式裝置上係設置有一偵測用戶運動數 據的慣性感測器。該處理器係連接至該穿戴式裝置的慣性感測器，依據該用戶運動數據識別該用戶跌倒狀態發生時，進一步經由該慣性感測器取得該用戶於重新站起時的用戶運動數據，依據數據庫中的正常姿態條件及/或異常姿態條件與該用戶運動數據進行比對以判定該用戶的傷害嚴重程度。

進一步地，該處理器係預先記錄該用戶或一般人正常姿態所取得的用戶運動數據建立該正常姿態條件。

進一步地，該處理器係包含有複數個預設定的該異常姿態條件，該處理器係依據該異常姿態條件將該用戶運動數據進行分類以判定該用戶的傷害種類。

進一步地，該跌倒偵測系統更進一步包含有一連接至該處理器的警示裝置，於該處理器偵測到該用戶的異常姿態時係依據該傷害種類產生一警示訊號傳送至該警示裝置。

進一步地，該處理器於該用戶跌倒狀態發生時於單位時間內增加擷取該用戶運動數據的次數。

本創作的另一目的，在於提供一種穿戴式裝置，用以供用戶穿戴，該穿戴式裝置包含有一慣性感測器、一通訊模組、以及一連接至該慣性感測器以及該通訊模組的處理器。該慣性感測器係依據用戶的運動方式取得用戶運動數據。該通訊模組係用以連結並傳輸數據至服務器，以透過該服務器實現即時的監控。該處理器依據該用戶運動數據識別該用戶跌倒狀態發生時，進一步經由該慣性感測器取得該用戶於重新站起時的用戶運動數據， 依據數據庫中的正常姿態條件及/或異常姿態條件與該用戶運動數據進行比對以將該用戶的傷害嚴重程度經由該通訊模組回報至該服務器。

進一步地，該處理器係預先記錄該用戶或一般人正常姿態所取得的用戶運動數據建立該正常姿態條件。

進一步地，該處理器係包含有複數個預設定的該異常姿態條件，該處理器係依據該異常姿態條件將該用戶運動數據進行分類以判定該用戶的傷害種類。

進一步地，該跌倒偵測系統更進一步包含有一連接至該處理器的警示裝置，於該處理器偵測到該用戶的異常姿態時係依據該傷害種類產生一警示訊號傳送至該警示裝置。

進一步地，該處理器於該用戶跌倒狀態發生時於單位時間內增加擷取該用戶運動數據的次數。

是以，本創作係比習知技術具有以下之優勢功效：

1.本創作可藉由分析跌倒後姿態或行走模式的數據，判斷用戶的傷害嚴重程度，決定是否要派出緊急救護人員，相較習知技術可精確分析用戶的傷勢，減少誤判的情況發生，可使管理上更加容易，進而減少人力成本支出與避免社會資源浪費。

2.本創作可藉由用戶的姿態或行走模式預先判斷用戶跌倒的嚴重性及可能受傷的狀況，基於上述的數據可預先準備對應的器材或調配對應傷患種類的醫護人員至現場處理。

M1‧‧‧服務器

M2‧‧‧用戶

M3‧‧‧資料匯流層

M4‧‧‧監控平台

M5‧‧‧行動裝置

100‧‧‧跌倒偵測系統

110‧‧‧穿戴式裝置

111‧‧‧慣性感測器

112‧‧‧通訊模組

113‧‧‧處理器

114‧‧‧儲存單元

120‧‧‧伺服器

121‧‧‧用戶資料庫

122‧‧‧通訊模組

123‧‧‧處理器

124‧‧‧儲存單元

125‧‧‧警示裝置

130‧‧‧資料匯流層

圖1，長照看護系統的方塊示意圖。

圖2，本創作一較佳實施態樣的方塊示意圖。

圖3，跌倒狀態的數據圖形。

圖4，正常姿態數據圖形。

圖5，異常姿態數據圖形(一)。

圖6，異常姿態數據圖形(二)。

圖7，異常姿態數據圖形(三)。

有關本創作之詳細說明及技術內容，現就配合圖式說明如下。

以下係針對服務器的運作方式進行簡略的說明，請參閱「圖1」，係為長照看護系統的方塊示意圖，如圖所示： 本創作係適用於服務器M1對複數個用戶(被看護者)即時的照護，以發揮對病患或被照護者執行遠端性且即時性的照顧功能。

所述的服務器M1係可經由資料匯流層M3建立與複數個用戶M2的連結，藉由建立用戶M2專屬的資料庫，完成對複數個用戶M2即時的監控。於進行即時的數據監控時，服務器M1係同時依據用戶運動數據建立資料庫，並將對應的資料與用戶的帳戶建立關聯性。於其中一較佳實施態樣中，用戶端M2的穿戴式裝置可經由無線網路將包含有用戶跌倒資訊的數據封包傳送至服務器M1。於另一較佳實施態樣中，用戶端M2的穿戴式裝置可透 過簡訊將用戶的狀態(例如跌倒、姿態)傳送至服務器M1。

服務器M1除了經由資料匯流層M3與複數個用戶端M2進行通訊，亦可經由資料匯流層M3與醫護人員及監控平台M4進行資料互換，當服務器M1判斷用戶為需要緊急照護的情況時，係傳送緊急訊息至監控平台M4，告知醫護人員對應用戶可能發生的狀況。

除上述的方式外，該服務器M1亦可透過資料匯流層M3連接醫護人員的行動裝置M5，將上述的緊急訊息即時地傳送至醫護人員的行動裝置M5，以利醫護人員對用戶的狀況能夠做出即時的應對。

所述的資料匯流層M3可以為藍芽(BlueTooth)、ZigBee、GPRS、WiFi、GSM、3G、4G、HSDPA或WiMax所組成之無線通訊協定其中之一者。透過資料匯流層M3，係可在有限人力資源下，實現全時照護的可能性。

以下係針對本創作跌倒偵測系統進行說明，請參閱「圖2」，係本創作第一實施態樣的方塊示意圖，如圖所示： 本實施態樣係揭示一種跌倒偵測系統100，包含有一或複數個具有慣性感測器111的穿戴式裝置110、以及一伺服器120用以監控上述的一或複數個慣性感測器111所取得的用戶運動數據，藉以達成即時性的監控。

所述的穿戴式裝置110用以供用戶穿戴，該穿戴式裝置110例如可以為眼鏡式、手錶型、穿著式、配戴式、貼附式 等，於本創作並不限制該穿戴式裝置110的具體實施方式。

所述的穿戴式裝置110上係設置有一偵測用戶運動數據的慣性感測器111、一通訊模組112、一連接至該慣性感測器111及該通訊模組112的處理器113、以及一連接至該處理器113的儲存單元114。所述的慣性感測器111係可以為加速度計(G-Sensor)、磁力計(M-Sensor)、陀螺儀(Gyroscope)、重力感應器(GV-Sensor)、線性加速度感應器(LA-Sensor)、旋轉向量感應器(RV-Sensor)、傾角感應器(Tilt-Sensor)或上述裝置的總成，藉由上述的裝置可以感受載體運動的加速度、角加速度、方向、移動量等數據(以下統稱之為用戶運動數據)，透過上述的數據可以識別用戶是否跌倒狀態、及用戶的姿態。

於一較佳實施態樣中，所述的伺服器120係包含有一通訊模組122、一用戶資料庫121、一警示裝置125、一連接至該通訊模組122、該用戶資料庫121及警示裝置125的處理器123、以及一連接至該處理器123的儲存單元124。該通訊模組122用以經由資料匯流層130與一或複數個穿戴式裝置110相互數據傳輸，該用戶資料庫121係用以儲存用戶帳戶及其他相關的用戶資料。該處理器123係經由通訊模組122遠端連接至該穿戴式裝置110以存取慣性感測器111的數據，有關於用戶狀態的分析、數據的儲存、及用戶資料庫121的建立均由伺服器120的處理器123執行，穿戴式裝置110僅用以優化慣性感測器111所取得的訊號、以及經由通訊模組112與伺服器120進行數據收發工作。

於另一較佳實施態樣中，考量檢測的即時性，用戶狀態的分析可由穿戴式裝置110端的處理器113執行、並將用戶運動數據儲存於一儲存單元114，藉此可增加辨識的可靠度並減少資料丟失的情況，以下係以本實施態樣為主體進行說明。

所述的處理器113、123例如為中央處理單元(Central Processing Unit,CPU)或是其他可程式化的微處理器(microprocessor)等。該處理器113、123係較佳可搭配儲存單元114使用，用以載入儲存單元114內的程式並執行。該儲存單元114例如是任意型式的固定式或可移動式隨機存取記憶體(Random Access Memory，RAM)、唯讀記憶體(Read-Only Memory，ROM)、快閃記憶體(Flash memory)、硬碟或其他類似裝置或這些裝置的組合。於其中一較佳實施態樣中，儲存單元114可以與該處理器113、123、共構而成為一具有儲存單元114的處理器，於本創作中不予以限制。

所述的處理器113係用以載入儲存單元114的程式並執行跌倒識別、姿態識別以及一時脈調整等工作。該處理器113依據該用戶運動數據判斷用戶是否跌倒，當判斷用戶跌倒狀態發生時，進一步偵測該用戶於重新站起時的用戶運動數據，並依據數據庫(可儲存於服務器的用戶資料庫121或穿戴式裝置110的儲存單元114，於本創作中不予以限制)中設定的正常姿態條件與該用戶運動數據進行比對以判定該用戶的傷害嚴重程度。當該處理器113偵測到該用戶的異常姿態時係依據該傷害種類產生一警示 訊號傳送至該警示裝置125。

具體而言，所述的慣性感測器111係直接提供三軸感測訊號，分別為X軸加速度(速度)參數、Y軸加速度(速度)參數、Z軸加速度(速度)參數。於本實施態樣中，係採用三軸的慣性感測器進行檢測。於另一較佳實施態樣中，可以採用六軸的慣性感測器進行檢測，其中三軸加速度用以檢測，另外三軸角加速度係用以驗證以增加檢測結果的可靠度，惟，本創作並不排除使用例如僅使用九軸、九軸以上或是其他類似的手段對用戶的姿態進行檢測。

於一開始裝設穿戴式裝置110於用戶身上時，處理器113係可先提供一連串的指示，供用戶依照指示進行，以便記錄用戶正常姿態的數據，所記錄的數據將儲存於儲存單元114(或上傳至伺服器120的用戶資料庫121)以建立用戶專屬的正常姿態條件。

於另一較佳實施態樣中，用戶可配戴一或複數個穿戴式裝置110在身體的各個部位，藉由分別取得對應各部位的數據，可更清楚判定用戶的姿態、或是用戶的行走模式。所述的手段應包含於本創作的均等實施態樣的範圍內。

為便於說明及理解，以下所提到的X軸、Y軸、及Z軸係基於真實空間中的方向進行對應，其中X軸、Y軸係分別對應至真實空間中的左右、前後之水平方向，Z軸係對應至真實空間中的垂直方向，上述的對應關係並非用以限制本創作範圍。 另外，有關於圖示的部分係以理想數據進行繪製，並非以實際實驗數據繪製，在此先行敘明。

請參閱「圖3」，由於跌倒事件的特性具有快速、急遽變化的特徵，於辨識是否為跌倒時，可設定二組條件，一組為時間條件、另一組為加速度閾值條件，當處理器判定所偵測到的數據圖形同時符合二組條件時(觸發時間短、加速度變化量大)，係判定為跌倒事件發生。如圖所示，由圖示中可知道，在時間軸2-3秒的時間區間內，Y軸及Z軸的加速度均有大幅地變化，處理器113於圖形中判斷出該Y軸及Z軸產生大幅度變化時，係判定跌倒事件發生。此外，X軸、Y軸、及Z軸方向的量值為該方向上G感應度(加速度感應度)，於水平軸的方向為經過時間的量值，在此先行說明。

除上述的方式外，亦可透過偵測用戶X軸、Y軸或Z軸的方向判斷用戶是否為跌倒的狀態(例如Z軸由高準位移動至低準位)。惟上述的偵測跌倒的方式僅為本創作對於跌倒偵測方法的例示，非屬本創作所欲限制的範圍。

處理器113可設定另一時間閾值作為輔助參考參數，用以識別用戶使否於跌倒後又重新站起。當處理器113判斷跌倒事件發生時，會啟動一計時功能，透過該計時功能判斷跌倒事件後的靜止期是否超過該閾值，以判斷該用戶是否重新站起。於一般情況下，當所述的靜止期超過該閾值時，係判定跌倒事件的程度為嚴重，通報服務器派出醫護人員緊急提供救援；於另一 情況下，當X軸、Y軸、Z軸的加速度數值又發生大幅度的變化時，即可判定該用戶又重新站起。於另一較佳實施態樣中，判斷是否重新站起時，可以藉由判斷Z軸參數是否由低準位重新移動至高準位，若是的話，可判定用戶重新站起。

該處理器113包含有一節能狀態、以及一精密檢測狀態。於常時狀態時，該處理器113係調降該慣性感測器111於單位時間內擷取該用戶運動數據的次數，以增加該穿戴式裝置110的運作時間。當該處理器113偵測到該跌倒事件發生時，該處理器113係切換至精密檢測狀態，於單位時間內增加擷取該用戶運動數據次數，藉此獲得更精確的數據，藉此，於分析用戶運動數據時，可更精確的判斷用戶傷害嚴重程度。

處理器113於識別跌倒事件發生後，且用戶於靜止期內又重新站起時，該處理器113係進一步偵測該用戶於重新站起時的姿態的數據，並依據該姿態的數據與數據庫中的正常姿態的數據進行比對以判定該用戶的傷害嚴重程度。該處理器113係包含有複數個預設定的異常姿態條件，依據該異常姿態條件將該用戶運動數據進行分類以判定該用戶的傷害種類。

於本創作中所述的正常姿態條件，具體係指處理器113依據用戶初始偵測的數據或依據一般人於一般行走習慣所取得的用戶運動數據而設定的條件，該條件可以為數據或是演算法，於本創作中不予以限制。於本創作中所述的異常姿態條件，具體係指處理器113依據用戶或一般人於異常姿態時所取得的用 戶運動數據或依據該用戶運動數據所設定的演算法，於本創作中不予以限制。於進行比對時可透過模糊演算法(Fuzzy Algorithm)將姿態數據與異常狀態條件進行比對，經由數據圖形中的相關性，分析該姿態數據符合的條件判斷用戶受到傷害的種類。下面僅舉部分較常見的異常狀態供例示，於本創作中並不僅限於以下的實施態樣。

請參閱「圖4」，係揭示用戶於正常走動時的數據。由圖示中可知道一般人於正常向前行走時，行進模式包含有向前的加速度、走路時上下微幅晃動的加速度、以及身體於行進時自然的左右擺動的加速度，在圖4中可看到X軸加速度圖形係於正負區域間依據時序規律的擺動，因為跨出腳步時，人體的側邊會呈現傾斜的狀態，在左腳、右腳互換前進的情況下，人的身體也會自然的左右擺動；Y軸的加速度圖形係依據時序呈現規律的擺幅，主要的原因在於人在行進時在踏出步伐後向前移動的加速度是最大的，而在另一腳未著地之前逐漸減少；在Z軸的加速度圖形則在正負區域間依據時序規律的擺動，主要的原因在於行進模式中，踏步會產生身體上下輕微的擺幅；處理器113可依據這些正常行走的數據圖形，設定閾值或是將數據儲存後作為正常姿態條件，在閾值條件符合或是圖形比對符合時，判斷用戶的姿態是否正常。

當判定正常姿態條件不符合時，係接著將該用戶的用戶運動數據與異常姿態條件進行比對，以判斷用戶可能受到何 種傷害。在此須說明，本創作並不一定需要依據上述的順序進行比對，亦可直接將用戶運動數據與異常姿態條件進行比對，以判定用戶的傷害嚴重程度。系統中預設的異常姿態例如為：

移動速度慢：

請參閱「圖5」，一般用戶跌倒受傷時，移動速度會變慢，可依據用戶的用戶運動數據判斷用戶的移動速度。在圖5中可看到，當用戶移動速度變慢時，Y軸的加速度準位明顯會降低；因為行走的速度變慢，身體上下的晃動減少，Z軸的加速度變化量也會變小，可直接設定閾值作為異常姿態條件判斷Y軸加速度準位，當用戶的移動速度低於預設定的閾值時，即判斷用戶為不適而移動速度變慢的異常姿態。

單腳不適：

請參閱「圖6」，用戶於跌倒受傷時，如果受傷在腳部的位置時，在移動模式上會有不同的情況，可依據該情況判斷用戶是否受傷。當用戶腳部受傷時，最有可能直接反應的位置在用戶的平衡性，由於身體缺乏平衡性，用戶在移動中容易產生朝一側晃動的情況。圖6係揭示用戶左腳受傷時X軸、Y軸、Z軸的加速度變化圖形，由圖可知道X軸圖形中的變化量會明顯向負區域偏移，這是因為用戶的左右平衡明顯向一側傾斜，因此造成X軸加速度不平衡的狀況；Z軸的加速度變化量明顯增加了，因為用戶身體的上下晃動幅度增加，因此造成Z軸的加速度變化量增加。可設定X軸變化量的閾值、及Z軸變化量的閾值或是將用戶 運動數據儲存後直接作為異常姿態條件，在閾值條件符合或是圖形比對符合時，用戶即可判定為腳部受傷而拖曳的異常姿態。

跳動：

請參閱「圖7」，用戶受傷的位置在腳部時，尤其受傷位置在單腳的情況時，用戶可能會有跳動的情況，例如單腳受傷的嚴重性高時，傷者為避免患部(腳)著地，可能會有單腳跳動的情況。圖7係揭示用戶單腳受傷而跳動的情況，其中Y軸的加速度值峰至谷的間距會增加(即變化量)，谷的加速度有可能至0，而使得每一個波峰間產生間隔時間，主要原因在於每一次跳動間所產生的停頓期；由於跳動的關係，跳動時上下擺動的幅度及加速度會增加，因此Z軸的變化量也會大幅地上升，跳動的停頓期也會讓波與波之間的間隔時間也會增加；可設定閾值或是將用戶運動數據儲存後直接作為異常姿態條件，在閾值條件符合或是圖形比對符合時，可判斷用戶為腳部受傷而跳動的異常姿態。

藉由設定上述的異常狀態條件，可將用戶的傷害進行分類，以判斷用戶的受傷的嚴重程度。惟，上述的方法僅為本創作的例示，除上述的方法外，亦可透過地磁感測器(M-Sensor)、傾角感測器(Tilt Sensor)、或其他類似的裝置針對用戶的靜態姿態進行判斷，以分析用戶的受傷程度，本創作並不欲限制於上述的實施態樣，在此必須先行敘明。

綜上所述，本創作可藉由分析跌倒後姿態或行走模式的數據，判斷用戶的傷害嚴重程度，決定是否要派出緊急救護 人員，相較習知技術可精確分析用戶的傷勢，減少誤判的情況。此外，本創作可藉由用戶的姿態或行走模式預先判斷用戶跌倒的嚴重性及可能受傷的狀況，基於上述的數據可預先準備對應的器材或調配對應傷患種類的醫護人員至現場處理。

以上已將本創作做一詳細說明，惟以上所述者，僅惟本創作之一較佳實施例而已，當不能以此限定本創作實施之範圍，即凡依本創作申請專利範圍所作之均等變化與修飾，皆應仍屬本創作之專利涵蓋範圍內。

100‧‧‧跌倒偵測系統

110‧‧‧穿戴式裝置

111‧‧‧慣性感測器

112‧‧‧通訊模組

113‧‧‧處理器

114‧‧‧儲存單元

120‧‧‧伺服器

121‧‧‧用戶資料庫

122‧‧‧通訊模組

123‧‧‧處理器

124‧‧‧儲存單元

130‧‧‧資料匯流層

Claims (10)

1. 一種跌倒偵測系統，包含有：一穿戴式裝置，用以供用戶穿戴，該穿戴式裝置上係設置有一偵測用戶運動數據的慣性感測器；以及一處理器，係連接至該穿戴式裝置的慣性感測器，該處理器依據該用戶運動數據識別該用戶跌倒狀態發生時，進一步經由該慣性感測器取得該用戶於重新站起時的用戶運動數據，依據數據庫中的正常姿態條件及/或異常姿態條件與該用戶運動數據進行比對以判定該用戶的傷害嚴重程度。
2. 如申請專利範圍第1項所述的跌倒偵測系統，其中，該處理器係預先記錄該用戶或一般人正常姿態所取得的用戶運動數據建立該正常姿態條件。
3. 如申請專利範圍第1項至第2項中任一項所述的跌倒偵測系統，其中，該處理器係包含有複數個預設定的該異常姿態條件，該處理器係依據該異常姿態條件將該用戶運動數據進行分類以判定該用戶的傷害種類。
4. 如申請專利範圍第3項所述的跌倒偵測系統，更進一步包含有一連接至該處理器的警示裝置，於該處理器偵測到該用戶的異常姿態時係依據該傷害種類產生一警示訊號傳送至該警示裝 置。
5. 如申請專利範圍第1項至第2項中任一項所述的跌倒偵測系統，其中，該處理器於該用戶跌倒狀態發生時於單位時間內增加擷取該用戶運動數據的次數。
6. 一種穿戴式裝置，用以供用戶穿戴，該穿戴式裝置包含有：一慣性感測器，係依據用戶的運動方式取得用戶運動數據；一通訊模組，係用以連結並傳輸數據至伺服器，以透過該伺服器實現即時的監控；以及一處理器，係連接至該慣性感測器以及該通訊模組，該處理器依據該用戶運動數據識別該用戶跌倒狀態發生時，進一步經由該慣性感測器取得該用戶於重新站起時的用戶運動數據，依據數據庫中的正常姿態條件及/或異常姿態條件與該用戶運動數據進行比對以將該用戶的傷害嚴重程度經由該通訊模組回報至該服務器。
7. 如申請專利範圍第6項所述的穿戴式裝置，其中，該處理器係預先記錄該用戶或一般人正常姿態所取得的用戶運動數據建立該正常姿態條件。
8. 如申請專利範圍第6項至第7項中任一項所述的穿戴式裝置， 其中，該處理器係包含有複數個預設定的該異常姿態條件，該處理器係依據該異常姿態條件將該用戶運動數據進行分類以判定該用戶的傷害種類。
9. 如申請專利範圍第6項所述的穿戴式裝置，更進一步包含有一連接至該處理器的警示裝置，於該處理器偵測到該用戶的異常姿態時係依據該傷害種類產生一警示訊號傳送至該警示裝置。
10. 如申請專利範圍第6項至第7項中任一項所述的穿戴式裝置，其中，該處理器於該用戶跌倒狀態發生時於單位時間內增加擷取該用戶運動數據的次數。