CN102227189A - 跌倒检测方法和装置 - Google Patents

跌倒检测方法和装置 Download PDF

Info

Publication number
CN102227189A
CN102227189A CN2009801472609A CN200980147260A CN102227189A CN 102227189 A CN102227189 A CN 102227189A CN 2009801472609 A CN2009801472609 A CN 2009801472609A CN 200980147260 A CN200980147260 A CN 200980147260A CN 102227189 A CN102227189 A CN 102227189A
Authority
CN
China
Prior art keywords
time
point
speed
motion
acceleration
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.)
Granted
Application number
CN2009801472609A
Other languages
English (en)
Other versions
CN102227189B (zh
Inventor
陈宁江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Priority to CN2009801472609A priority Critical patent/CN102227189B/zh
Publication of CN102227189A publication Critical patent/CN102227189A/zh
Application granted granted Critical
Publication of CN102227189B publication Critical patent/CN102227189B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116Determining posture transitions
    • A61B5/1117Fall detection
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/04Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438Sensor means for detecting
    • G08B21/0446Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7239Details of waveform analysis using differentiation including higher order derivatives
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7242Details of waveform analysis using integration

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Dentistry (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及一种用于跌倒检测的方法和装置。根据本发明,检测对象跌倒的方法包括如下步骤:获得与所述对象的运动关联的多个随时间变化的加速度(501);根据所述多个随时间变化的加速度计算出重力方向上的、多个相应的速度和位移(502);根据所述多个加速度、速度和位移,确定所述运动的前导时间和复原时间(503),其中,所述前导时间等于从所述运动的初始点到所述运动的极值点的时间间隔,所述复原时间等于从所述运动的极值点到所述运动的终止点的时间间隔;以及根据所述速度的峰值是否大于预定阈值以及所述前导时间是否长于所述复原时间来确定所述对象是否发生跌倒(504)。

Description

跌倒检测方法和装置
技术领域
本发明涉及跌倒检测,尤其涉及一种用于跌倒检测的方法和装置。
背景技术
跌倒是指身体突然、不受控制地且无意识地向下摔倒到地面上。跌倒每年造成对数百万人的影响并且尤其对老年人带来极大的伤害。实际上,已经估计跌倒是造成老年人死亡的三大主要原因之一。
目前市场上存在一些跌倒检测装置,其检测跌倒并在用户跌倒时允许获得手动或自动的援助。示例性的跌倒检测装置是根据用户在垂直方向上的速度变化曲线来检测跌倒,这是因为在跌倒过程中会发生重力方向上的垂直身体位移。在这种装置中,当在重力方向上的最大速度大于一阈值时,就确定发生了跌倒。
然而,这种阈值仅仅在将加速度计佩戴在用户躯干部位上时才是恰当的。如果传感器被佩戴在手腕上,那么其他活动,诸如挥手或者握手等,都可能会涉及到速度和跌倒时的速度一样高的手腕运动。因此,不能将最大速度作为用来区分跌倒和其他活动的可靠特征。
Thomas Degen等人(参见“Speedy:a Fall Detector in a Wrist Watch”,Proceedings of the Seventh IEEE International Symposium on Wearable Computers(2003),184-187页,以引用的方式将其内容并入本文)提出了一种老年人使用的佩戴在手腕上的跌倒检测器。这种装置小巧易用。
但是,该检测器仍然是仅仅使用很简单的标准,即,如果最大速度大于一预定阈值(在上述文献中,跌倒检测的速度阈值为1.3ms-1)时就确定跌倒发生。由于手在日常活动中起到非常重要的作用,在手的速度大于该阈值的日常活动中,诸如握手,这种检测方法常常产生误报。
发明内容
本发明的目的是提供一种佩戴方便、舒适的跌倒检测装置,其比现有技术中的跌倒检测器的误报率要低。
为了这个目的,本发明提供了一种跌倒检测方法和装置来解决上述问题。
根据本发明的一方面,提供了一种用于检测对象跌倒的方法,所述方法包括如下步骤:
获得与所述对象的运动关联的多个随时间变化的加速度;
根据所述多个随时间变化的加速度计算出重力方向上的、多个相应的速度和位移;
根据所述多个加速度、速度和位移,确定所述运动的前导时间和复原时间,其中,所述前导时间等于从所述运动的初始点到所述运动的极值点的时间间隔,所述复原时间等于从所述运动的极值点到所述运动的终止点的时间间隔;并且
根据所述速度的峰值是否大于预定阈值以及所述前导时间是否长于所述复原时间来确定所述对象是否发生跌倒。
由于跌倒的确定不仅包括重力方向上的最大速度必须大于阈值这样的标准,而且还包括前导时间必须长于复原时间这样的标准,其中可以利用代表跌倒和其他日常活动之间的差别的前导时间和复原时间作为区分跌倒和其他活动的特征,因此降低了误报率,并且由此提高了跌倒检测的可靠性。
在另一实施例中,所述方法还包括如下步骤:
根据所述多个速度计算随时间变化的速度的平滑度;
确定所述平滑度是否大于预定平滑度阈值;以及
当所述平滑度大于所述预定平滑度阈值且所述前导时间长于所述复原时间时,检测到所述对象发生跌倒。
由于除了代表跌倒和其他日常活动之间的差别的前导时间和复原时间之外,还可以利用速度变化曲线的平滑度作为区分跌倒和其他活动的特征,因此进一步提高了跌倒检测的可靠性。
根据本发明的另一方面,提供了一种用于检测对象跌倒的装置,所述装置包括:
获得单元,其被配置为获得与所述对象的运动关联的多个随时间变化的加速度;
第一计算单元,其被配置为根据所述多个随时间变化的加速度计算出重力方向上的、多个相应的速度和位移;
第一确定单元,其被配置为根据所述多个加速度、速度和位移,确定所述运动的前导时间和复原时间,其中,所述前导时间等于从所述运动的初始点到所述运动的极值点的时间间隔,所述复原时间等于从所述运动的极值点到所述运动的终止点的时间间隔;以及
第二确定单元单元,其被配置为根据所述速度的峰值是否大于预定阈值以及所述前导时间是否长于所述复原时间来确定所述对象是否发生跌倒。
参照结合附图进行的描述,本发明的其他目的和效果将变得更加显而易见并且更加易于理解。
附图说明
下面将结合实施例并且参照附图更加详细地描述和解释本发明,在附图中:
图1示出了手臂沿直线运动的速度变化曲线;
图2示出了手臂沿曲线运动的速度变化曲线;
图3示出了向前跌倒过程中的速度、加速度幅度和位移变化曲线;
图4示出了手腕扭转过程中的速度、加速度幅度和位移变化曲线;
图5是根据本发明一个实施例的检测对象跌倒的方法的流程图;
图6是根据本发明另一个实施例的检测对象跌倒的方法的流程图;
图7示出了计算前导时间T1和复原时间T2的过程;
图8是根据本发明一个实施例的检测对象跌倒的装置的示意性方框图;以及
图9是根据本发明另一个实施例的检测对象跌倒的装置的示意性方框图。
在附图中相同的附图标记表示相似或对应的特征和/或功能。
具体实施方式
图1示出了手臂沿直线运动的速度变化曲线,而图2示出了手臂沿曲线运动的速度变化曲线。
如图1所示,当人们在日常活动中手臂沿直线运动时,其速度变化曲线为钟形。如果手臂沿曲线运动,如图2所示,其速度变化曲线由几个钟形组成,每个钟形对应于由例如图中的点P的回折点分割的一段。而且还可以发现,所花费的时间被回折点相等地分割。
人们手臂运动具有以上特征的原因在于,手臂的运动趋向于平滑并且使手从一个平衡位置运动到另一个平衡位置。如果在手中握有物体的情况下进行手臂运动,那么该钟形曲线将不再对称,并且从速度为零的点到速度峰值点之间的时间间隔将小于从速度峰值点回到速度为零的点之间的时间间隔。
在跌倒和其他日常活动中的速度变化曲线中进一步发现了以下特征。所有的速度都是利用方程(1)计算的。
v = ( v x ) 2 + ( v y ) 2 + ( v z ) 2 - ∫ Gdt - - - ( 1 )
其中,vx=∫axdt,vy=∫aydt,vz=∫azdt,并且G为重力加速度。
所计算的速度仅仅是垂直速度,而非在三个轴上的速度,这是因为其他两个轴上的速度在跌倒中并不具有特别的特征。
此外,利用方程(2)来计算位移。
D = ( d x ) 2 + ( d y ) 2 + ( d z ) 2 - ∫ ∫ Gd t 2
(2)
dx=∫∫axdt2,dy=∫∫aydt2,dz=∫∫azdt2
利用方程(3)来计算加速度幅度。
A = ( a x ) 2 + ( a y ) 2 + ( a z ) 2 - - - ( 3 )
图3示出了向前跌倒过程中的速度、加速度幅度和位移变化曲线。如图所示,前导时间T1要长于复原时间T2
这里,前导时间T1被定义为从所述运动的初始点P1到所述运动的极值点E的时间间隔,其中所述运动的极值点E为重力方向上的多个速度的峰值所对应的时间点V和加速度幅度的峰值所对应的时间点A中较前出现的一个。这两个点彼此非常接近。所述运动的初始点P1是所述运动的极值点E之前最近的、速度为零的时间点。
请注意,如果速度正方向为反重力方向,那么所述多个速度的峰值就是最小速度;并且,所述加速度幅度的峰值是最大加速度幅度,而非在单个轴上的加速度。
复原时间T2被定义为从所述运动的极值点E到所述运动的终止点R的时间间隔,其中所述运动的终止点R是所述运动的极值点E之后最近的、速度为零的时间点P2和重力方向上的位移的峰值所对应的时间点D中较前出现的一个。这两个点也是彼此非常接近的。图3中的三条点划线表征出了前导时间T1和复原时间T2
跌倒中T1长于T2的原因在于在撞击(速度到达谷底时)之前,手腕沿着身体向下运动。T1是与身体下落时间成比例的。在撞击之后,手腕运动很快停止了。即使手腕在地面上反弹,返回到静止的时间T2也较短。
图4示出了手腕扭转过程中的速度、加速度幅度和位移变化曲线。可以发现重力方向上的最大速度大约为2.5ms-1(其大于现有技术中用于跌倒检测的阈值1.3ms-1)。但是,前导时间T1要小于复原时间T2
将跌倒和日常活动的速度变化曲线相比较,可以发现在跌倒时的前导时间要长于复原时间,而在日常活动中则相反。
基于以上认识而做出了本发明。也就是说,如果在重力方向上的最大速度超过一阈值并且前导时间长于复原时间的情况下才确定跌倒发生,那么就可以使跌倒检测更加可靠。
图5是根据本发明一个实施例的检测对象跌倒的方法的流程图。
如图5所示,本发明的检测对象跌倒的方法包括获得与所述对象的运动关联的多个随时间变化的加速度的步骤501。所述多个随时间变化的加速度可以由跌倒检测装置中并入的加速度计来检测。
该方法还包括步骤502:根据所述多个随时间变化的加速度计算出重力方向上的、多个相应的速度和位移。
在本发明的实施例中,计算步骤502采用上述方程(1)和(2)。
该方法还包括步骤503:根据所述多个加速度、速度和位移,确定所述运动的前导时间和复原时间,其中,所述前导时间等于从所述运动的初始点到所述运动的极值点的时间间隔,所述复原时间等于从所述运动的极值点到所述运动的终止点的时间间隔。
在本发明的实施例中,所述运动的初始点是所述运动的极值点之前最近的、速度为零的时间点。
该方法还包括步骤504:根据所述速度的峰值是否大于预定阈值以及所述前导时间是否长于所述复原时间,来确定所述对象是否发生跌倒。
在本发明的实施例中,所述预定阈值为1.3ms-1,并且当所述速度的峰值大于1.3ms-1并且所述前导时间长于所述复原时间时确定跌倒发生。
由于跌倒的确定不仅包括重力方向上的最大速度必须大于阈值这样的标准,而且还包括前导时间必须长于复原时间这样的标准,其中可以利用代表跌倒和其他日常活动之间的差别的前导时间和复原时间作为区分跌倒和其他活动的特征,因此降低了误报率,并且由此提高了跌倒检测的可靠性。
进一步,将图3和图4中的跌倒和日常活动的速度变化曲线相比较,可以发现日常活动中的速度变化曲线比跌倒时的速度变化曲线更加平滑(类似于钟形)。从数学上来讲,函数的平滑度可以由其二阶导数来度量。方程(4)和(5)示出了如何计算一阶导数D和二阶导数J。
D n = v n - v n - 1 t n - t n - 1 - - - ( 4 )
J n = D n - D n - 1 t n - t n - 1 - - - ( 5 )
其中tn-1和tn是相邻采样时间点。
有利的是使用方程(2)和(4)来计算速度的一阶导数而不是直接使用加速度数据,因为方程(2)能像滤波器那样使加速度数据更加平滑。
如果函数比较平滑,那么其一阶导数在一段非常短的时间段内不会变化很大。因此,其二阶导数应当不会太大,这意味着当采样间隔足够小时J值应当小于一阈值。由于日常活动的速度变化曲线比跌倒时的速度变化曲线更加平滑,因此跌倒时速度的二阶导数应当大于一阈值,例如当采样率为50Hz时该阈值为2ms-3
图6是根据本发明另一个实施例的检测对象跌倒的方法的流程图。
该方法包括的步骤501-503与上述实施例中阐述的步骤类似。该方法还包括步骤605:根据所述多个速度计算随时间变化的速度的平滑度。
在一实施例中,该方法还包括步骤606:确定所述平滑度是否大于预定平滑度阈值。
在一实施例中,该方法还包括步骤607:当所述平滑度大于预定平滑度阈值并且所述前导时间长于所述复原时间时,确定所述对象发生跌倒。
由于除了代表跌倒和其他日常活动之间的差别的前导时间和复原时间之外,还可以利用速度变化曲线的平滑度作为区分跌倒和其他活动的特征,因此进一步提高了跌倒检测的可靠性。
下文中,将参照图7详细地描述计算前导时间T1和复原时间T2的过程。
图7示出了详细前导时间T1和复原时间T2的过程。如图所示,根据本发明的实施例,该过程是根据多个加速度、速度和位移来执行的。结合图3和图4将更容易理解该过程。
首先,在步骤701,确定与重力方向上的多个速度的峰值相对应的时间点V。
接着,在步骤702,在离V点1秒的范围之内搜索与加速度幅度的峰值相对应的时间点A。
在步骤703,采用V点和A点中较前出现的点作为极值点E。
在步骤704,从V点向回搜索直到速度为零的时间点P1
在步骤705,计算P1点和E点之间的时间间隔作为前导时间T1
在步骤706,从V点向后搜索直到下一个速度为零的时间点P2
在步骤707,从V点向后搜索直到重力方向上的位移的峰值所对应的时间点D。
在步骤708,采用P2点和D点中较前出现的点作为终止点R。
最后,在步骤709,计算E点和R点之间的时间间隔作为复原时间T2
图8是根据本发明一个实施例的检测对象跌倒的装置的示意性方框图。该装置包括被配置为获得与所述对象的运动关联的多个随时间变化的加速度的获得单元801。该获得单元801可以执行上述步骤501。
该装置还包括被配置为根据所述多个随时间变化的加速度计算出重力方向上的、多个相应的速度和位移的第一计算单元802。该第一计算单元802可以执行上述步骤502。
该装置还包括被配置为根据所述多个加速度以及所述多个速度和位移来确定所述运动的前导时间和复原时间的第一确定单元803。该第一确定单元803可以执行上述步骤503。
该装置还包括被配置为根据所述速度的峰值是否大于预定阈值以及所述前导时间是否长于所述复原时间来确定所述对象是否发生跌倒的第二确定单元804。该第二确定单元804可以执行上述步骤504。
图9是根据本发明另一个实施例的检测对象跌倒的装置的示意性方框图。该装置包括的单元801-804与上述实施例中描述的单元类似。该装置还包括被配置为根据所述多个速度计算随时间变化的速度的平滑度的第二计算单元905。该第二计算单元905可以执行上述步骤605。
该装置还包括被配置为确定所述平滑度是否大于预定平滑度阈值的第三确定单元906。该第三确定单元906可以执行上述步骤606并且第二确定单元804可以执行上述步骤607。
本发明可以用包含多个不同元件的硬件以及用适当的计算机程序实现。在列举多个装置的设备权利要求中,这些装置中的一些可以用同一个硬件实现。在互不相同的从属权利要求中记载某些措施的事实并不表示这些措施的组合不能被有益地使用。
应当注意,上述实施例示意而非限制本发明并且本领域技术人员在不脱离所附权利要求范围的情况下将能够设计出各种替代实施例。在权利要求书中,不应该将括号中的任何附图标记解释成是对权利要求的限制。词语“包括”及其变形的使用并不排除存在权利要求或说明书中没有列举的其他元件或步骤。元件之前的词语“一”或“一个”并不排除存在多个这种元件。在列举了几个单元的装置权利要求中,这些元件中的几个可以由同一个软件和/或硬件来体现。词语“第一”、“第二”和“第三”等的使用并不表示任何顺序关系。应当将这些词语解释成名称。

Claims (15)

1.一种用于检测对象跌倒的方法,所述方法包括如下步骤:
-获得与所述对象的运动关联的多个随时间变化的加速度(501);
-根据所述多个随时间变化的加速度计算出重力方向上的、多个相应的速度和位移(502);
-根据所述多个加速度、速度和位移,确定所述运动的前导时间和复原时间(503),其中,所述前导时间等于从所述运动的初始点(P1)到所述运动的极值点(E)的时间间隔,所述复原时间等于从所述运动的极值点(E)到所述运动的终止点(R)的时间间隔;以及
-根据所述速度的峰值是否大于预定阈值以及所述前导时间是否长于所述复原时间,来确定所述对象是否发生跌倒(504)。
2.如权利要求1所述的方法,其中,所述运动的极值点(E)为重力方向上的所述多个速度的峰值所对应的时间点(V)和所述加速度的幅度的峰值所对应的时间点(A)中较前出现的一个。
3.如权利要求2所述的方法,其中,所述运动的初始点(P1)是所述运动的极值点(E)之前最近的、速度为零的时间点。
4.如权利要求3所述的方法,其中,所述运动的终止点(R)是所述运动的极值点(E)之后最近的、速度为零的时间点(P2)和重力方向上的所述位移的峰值所对应的时间点(D)中较前出现的一个。
5.如权利要求1所述的方法,还包括如下步骤:
-根据所述多个速度计算随时间变化的速度的平滑度(605);
-确定所述平滑度是否大于预定平滑度阈值(606);以及
-当所述平滑度大于所述预定平滑度阈值并且所述前导时间长于所述复原时间时,确定所述对象发生跌倒(607)。
6.如权利要求5所述的方法,其中,所述平滑度由所述多个速度的二阶导数给出并且被计算为:
D n = v n - v n - 1 t n - t n - 1 以及
J n = D n - D n - 1 t n - t n - 1 ,
其中,tn-1和tn是相邻采样时间点,vn-1和vn是相邻采样得到的速度,而Dn和Jn分别是所述多个速度的一阶导数和二阶导数。
7.如权利要求6所述的方法,其中,所述加速度包括分别沿x、y、z方向的加速度ax、ay、az,且所述速度由下式给出:
v = ( v x ) 2 + ( v y ) 2 + ( v z ) 2 - ∫ Gdt
其中,vx=∫axdt,vy=∫aydt,vz=∫azdt,且G为重力加速度。
8.一种用于检测对象跌倒的装置,所述装置包括:
-获得单元(801),其被配置为获得与所述对象的运动关联的多个随时间变化的加速度;
-第一计算单元(802),其被配置为根据所述多个随时间变化的加速度计算出重力方向上的、多个相应的速度和位移;
-第一确定单元(803),其被配置为根据所述多个加速度、速度和位移,来确定所述运动的前导时间和复原时间,其中,所述前导时间等于从所述运动的初始点(P1)到所述运动的极值点(E)的时间间隔,所述复原时间等于从所述运动的极值点(E)到所述运动的终止点(R)的时间间隔;以及
-第二确定单元(804),其被配置为根据所述速度的峰值是否大于预定阈值以及所述前导时间是否长于所述复原时间,来确定所述对象是否发生跌倒。
9.如权利要求8所述的装置,其中,所述运动的极值点(E)为重力方向上的所述多个速度的峰值所对应的时间点(V)和所述加速度的幅度的峰值所对应的时间点(A)中较前出现的一个。
10.如权利要求9所述的装置,其中,所述运动的初始点(P1)是所述运动的极值点(E)之前最近的、速度为零的时间点,而所述运动的终止点(R)是所述运动的极值点(E)之后最近的、速度为零的时间点(P2)和重力方向上的所述位移的峰值所对应的时间点(D)中较前出现的一个。
11.如权利要求8所述的装置,还包括,
-第二计算单元(905),其被配置为根据所述多个速度计算随时间变化的速度的平滑度;
-第三确定单元(906),其被配置为确定所述平滑度是否大于预定平滑度阈值;并且
其中,所述第二确定单元(804)还被配置为当所述平滑度大于所述预定平滑度阈值并且所述前导时间长于所述复原时间时确定所述对象发生跌倒。
12.如权利要求8所述的装置,其中,所述获得单元(801)是3D加速度计。
13.如权利要求8所述的装置,还包括预处理器,其用于对所述多个加速度、速度和位移进行预处理。
14.一种用于检测对象跌倒的计算机程序产品,其包含用于执行如下步骤的可执行指令:
-获得与所述对象的运动关联的多个随时间变化的加速度(501);
-根据所述多个随时间变化的加速度计算出重力方向上的、多个相应的速度和位移(502);
-根据所述多个加速度、速度和位移,来确定所述运动的前导时间和复原时间(503),其中,所述前导时间等于从所述运动的初始点(P1)到所述运动的极值点(E)的时间间隔,所述复原时间等于从所述运动的极值点(E)到所述运动的终止点(R)的时间间隔;以及
-根据所述速度的峰值是否大于预定阈值以及所述前导时间是否长于所述复原时间,来确定所述对象是否发生跌倒(504)。
15.如权利要求14所述的计算机程序产品,其中,所述运动的极值点(E)为重力方向上的所述多个速度的峰值所对应的时间点(V)和所述加速度的幅度的峰值所对应的时间点(A)中较前出现的一个。
CN2009801472609A 2008-11-28 2009-11-19 跌倒检测方法和装置 Active CN102227189B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2009801472609A CN102227189B (zh) 2008-11-28 2009-11-19 跌倒检测方法和装置

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
CN200810178339.5 2008-11-28
CN200810178339 2008-11-28
PCT/IB2009/055162 WO2010061321A1 (en) 2008-11-28 2009-11-19 Method and apparatus for fall detection
CN2009801472609A CN102227189B (zh) 2008-11-28 2009-11-19 跌倒检测方法和装置

Publications (2)

Publication Number Publication Date
CN102227189A true CN102227189A (zh) 2011-10-26
CN102227189B CN102227189B (zh) 2013-11-27

Family

ID=41666529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009801472609A Active CN102227189B (zh) 2008-11-28 2009-11-19 跌倒检测方法和装置

Country Status (7)

Country Link
US (1) US8756032B2 (zh)
EP (1) EP2369993B1 (zh)
JP (1) JP5512695B2 (zh)
CN (1) CN102227189B (zh)
AU (1) AU2009321213B2 (zh)
BR (1) BRPI0916173B8 (zh)
WO (1) WO2010061321A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102610056A (zh) * 2012-03-16 2012-07-25 清华大学 面向手机佩戴方式的跌倒事件检测系统和方法
CN103577836A (zh) * 2013-09-30 2014-02-12 吴家宝 人体摔倒检测模型建立方法及模型系统
CN103744531A (zh) * 2013-12-20 2014-04-23 深圳市奋达科技股份有限公司 智能手表左右侧功能键转换方法及系统
CN104813379A (zh) * 2012-11-27 2015-07-29 皇家飞利浦有限公司 检测设备在水平或垂直方向的位置的变化
CN105342626A (zh) * 2015-12-08 2016-02-24 成都麦杰康科技有限公司 穿戴式设备及应用于穿戴式设备的跌倒检测方法
CN105930871A (zh) * 2016-04-26 2016-09-07 浪潮电子信息产业股份有限公司 一种基于改进的智能学习算法的老年人防摔倒技术
CN106710141A (zh) * 2016-12-12 2017-05-24 东莞市广信知识产权服务有限公司 一种监控老人摔倒的电子传感系统
CN107067648A (zh) * 2017-03-30 2017-08-18 深圳市老乐健康科技有限公司 跌倒监控方法及系统
CN108175388A (zh) * 2017-12-01 2018-06-19 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
CN110473382A (zh) * 2019-07-31 2019-11-19 南京理工大学 一种跌倒检测算法
CN115766935A (zh) * 2022-10-17 2023-03-07 荣耀终端有限公司 一种跌落检测方法及电子设备

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103186902A (zh) * 2011-12-29 2013-07-03 爱思开电讯投资(中国)有限公司 基于视频的摔倒检测方法和设备
US10338091B2 (en) 2012-02-08 2019-07-02 Ashton Wackym Concussion detection and communication system
TWI469096B (zh) 2012-04-27 2015-01-11 Hon Hai Prec Ind Co Ltd 上空墜物預警系統及方法
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
JP6056372B2 (ja) * 2012-10-24 2017-01-11 富士通株式会社 状態判別装置、状態判別方法およびプログラム
TWI509578B (zh) * 2013-04-07 2015-11-21 Inventec Appliances Corp 計量視覺疲勞程度的可攜式裝置
US11170616B2 (en) 2016-03-16 2021-11-09 Triax Technologies, Inc. System and interfaces for managing workplace events
US20170270462A1 (en) 2016-03-16 2017-09-21 Triax Technologies, Inc. System and interfaces for managing workplace events
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
US11810032B2 (en) 2016-03-16 2023-11-07 Triax Technologies, Inc. Systems and methods for low-energy wireless applications using networked wearable sensors
EP3657456A1 (en) 2018-11-26 2020-05-27 Koninklijke Philips N.V. A method and system for monitoring a user

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10295649A (ja) * 1997-04-28 1998-11-10 Matsushita Electric Works Ltd 携帯型事故監視装置及びその装置を用いた携帯型事故監視システム
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
US7150048B2 (en) 2002-12-18 2006-12-19 Buckman Robert F Method and apparatus for body impact protection
US7394385B2 (en) * 2003-07-31 2008-07-01 Wellcare Systems, Inc. Comprehensive monitoring system
ES2249143B1 (es) 2004-06-21 2007-05-01 Fundacion Fatronik Metodo y dispositivo para el analisis de la actividad de una persona y deteccion automatica de caidas.
US7191089B2 (en) * 2004-12-01 2007-03-13 Freescale Semiconductor, Inc. System and method for fall detection
JP4116004B2 (ja) * 2005-02-15 2008-07-09 関西電力株式会社 転倒判定方法および転倒判定装置
US7248172B2 (en) * 2005-03-22 2007-07-24 Freescale Semiconductor, Inc. System and method for human body fall detection
DE102005056757A1 (de) * 2005-11-29 2007-05-31 Robert Bosch Gmbh Notfallüberwachungsvorrichtung für ältere oder behinderte Personen, Verfahren zur Detektion eines Notfalls sowie entsprechendes Computerprogramm
JP4663503B2 (ja) * 2005-12-07 2011-04-06 関西電力株式会社 転倒判定方法及びその装置
JP4749907B2 (ja) * 2006-03-27 2011-08-17 Okiセミコンダクタ株式会社 落下検出装置
ATE447359T1 (de) 2006-06-19 2009-11-15 Univ Bari Vorrichtung und verfahren zur erkennung von stürzen und unbeweglichkeit
WO2008091227A1 (en) 2007-01-22 2008-07-31 National University Of Singapore Method and system for fall-onset detection
WO2008129451A1 (en) * 2007-04-19 2008-10-30 Koninklijke Philips Electronics N.V. Fall detection system
US9138174B2 (en) * 2008-05-12 2015-09-22 Koninklijke Philips N.V. Displacement measurement in a fall detection system

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102610056A (zh) * 2012-03-16 2012-07-25 清华大学 面向手机佩戴方式的跌倒事件检测系统和方法
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
CN104813379B (zh) * 2012-11-27 2018-07-17 皇家飞利浦有限公司 检测设备在水平或垂直方向的位置的变化
CN104813379A (zh) * 2012-11-27 2015-07-29 皇家飞利浦有限公司 检测设备在水平或垂直方向的位置的变化
CN103577836A (zh) * 2013-09-30 2014-02-12 吴家宝 人体摔倒检测模型建立方法及模型系统
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
CN103744531A (zh) * 2013-12-20 2014-04-23 深圳市奋达科技股份有限公司 智能手表左右侧功能键转换方法及系统
CN105342626A (zh) * 2015-12-08 2016-02-24 成都麦杰康科技有限公司 穿戴式设备及应用于穿戴式设备的跌倒检测方法
CN105342626B (zh) * 2015-12-08 2018-06-29 成都麦杰康科技有限公司 穿戴式设备及应用于穿戴式设备的跌倒检测方法
CN105930871A (zh) * 2016-04-26 2016-09-07 浪潮电子信息产业股份有限公司 一种基于改进的智能学习算法的老年人防摔倒技术
CN105930871B (zh) * 2016-04-26 2019-06-25 浪潮电子信息产业股份有限公司 一种基于改进的智能学习算法的摔倒预警方法
CN106710141A (zh) * 2016-12-12 2017-05-24 东莞市广信知识产权服务有限公司 一种监控老人摔倒的电子传感系统
CN107067648A (zh) * 2017-03-30 2017-08-18 深圳市老乐健康科技有限公司 跌倒监控方法及系统
CN108175388A (zh) * 2017-12-01 2018-06-19 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
CN110473382A (zh) * 2019-07-31 2019-11-19 南京理工大学 一种跌倒检测算法
CN115766935A (zh) * 2022-10-17 2023-03-07 荣耀终端有限公司 一种跌落检测方法及电子设备
CN115766935B (zh) * 2022-10-17 2023-11-07 荣耀终端有限公司 一种跌落检测方法及电子设备

Also Published As

Publication number Publication date
EP2369993B1 (en) 2013-07-10
BRPI0916173A2 (pt) 2015-11-03
BRPI0916173B8 (pt) 2021-06-22
BRPI0916173B1 (pt) 2020-04-07
EP2369993A1 (en) 2011-10-05
WO2010061321A1 (en) 2010-06-03
JP5512695B2 (ja) 2014-06-04
AU2009321213B2 (en) 2015-09-17
JP2012510309A (ja) 2012-05-10
AU2009321213A1 (en) 2011-07-21
US20110231145A1 (en) 2011-09-22
US8756032B2 (en) 2014-06-17
CN102227189B (zh) 2013-11-27

Similar Documents

Publication Publication Date Title
CN102227189B (zh) 跌倒检测方法和装置
US9638711B2 (en) Method and system for discerning a false positive in a fall detection signal
CN102657533B (zh) 一种跌倒检测方法、跌倒检测装置和手腕式设备
CN105758404B (zh) 智能设备的实时定位方法及系统
CN103310192B (zh) 一种基于单轴加速度传感器的运动行为识别方法
CN106572814B (zh) 用于对用户活动进行分类和/或对用户步数进行计数的设备和方法
CN104586399B (zh) 用于辅助行走或者慢跑等训练的装置以及系统
CN103616034A (zh) 一种基于蓝牙的网络计步器及计步方法
CN103699795A (zh) 一种运动行为识别方法、装置及运动强度监测系统
Hsieh et al. A wrist-worn fall detection system using accelerometers and gyroscopes
CN104457781B (zh) 一种基于单轴加速度计的自适应步数检测方法
CN109115224A (zh) 一种九轴传感器的高动态轨迹处理方法及装置
US20170311899A1 (en) Apparatus and method for identifying movement in a patient
CN104535032A (zh) 一种基于移动终端重力传感器的纵跳高度测量方法及装置
CN107392106B (zh) 一种基于双门限的人体活动端点检测方法
JP5699717B2 (ja) 歩数検出装置、電子機器及びプログラム
JP4899725B2 (ja) 歩数計測装置
CN110201375A (zh) 一种无线耳机计步的方法、装置、设备及可读存储介质
CN105551191A (zh) 一种跌倒检测方法
WO2014191803A1 (en) Acceleration-based step activity detection and classification on mobile devices
CN110122929A (zh) 一种基于惯性传感器的抽烟事件监测系统及监测方法
CN103826202A (zh) 基于手机传感器信息改进WiFi定位结果跳动的方法
KR101773140B1 (ko) 식사 시간 산출 방법 및 장치
CN108776358A (zh) 一种智能设备的佩戴状态检测方法及系统
CN105911310B (zh) 一种用户运动模式的检测方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant