CN103390327A - 人体防跌倒预警方法及预警器 - Google Patents
人体防跌倒预警方法及预警器 Download PDFInfo
- Publication number
- CN103390327A CN103390327A CN2013102981479A CN201310298147A CN103390327A CN 103390327 A CN103390327 A CN 103390327A CN 2013102981479 A CN2013102981479 A CN 2013102981479A CN 201310298147 A CN201310298147 A CN 201310298147A CN 103390327 A CN103390327 A CN 103390327A
- Authority
- CN
- China
- Prior art keywords
- falling
- module
- data
- micro controller
- sensing module
- 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.)
- Pending
Links
Images
Landscapes
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及人体跌倒检测技术领域,提供了一种人体防跌倒预警方法及预警器。其中人体防跌倒预警方法包括:步骤S11:对被监测对象的身体姿态进行实时检测,采集所述被监测对象的身体姿态信息,获得检测数据;步骤S12:将所述检测数据进行融合处理,获得处理后的信号数据;步骤S13:将所述处理后的信号数据与一设定阈值进行比较,判断被监测对象是否有跌倒倾向,当被监测对象有跌倒倾向时,在被监测对象跌倒前进行报警。本发明实现了人体跌倒前的预警,为下一步要采取的防跌干预措施提供了可能。
Description
【技术领域】
本发明涉及人体跌倒检测技术领域,特别是涉及一种人体防跌倒预警方法及预警器。
【背景技术】
跌倒是指突发的、不自主的、非故意的体位改变,例如倒在地上或更低的平面上。据统计,世界上每年都有大约424000例死亡与跌倒行为直接相关,跌倒是世界上造成意外伤害死亡的第二大原因(仅次于交通事故)。研究表明,在65岁以上的老年人中,每年有1次或多次跌倒经历的比例高达1/3,其中20-30%的老人在跌倒事件中会造成擦伤、髋部骨折、头部外伤等,并随着年龄的增加而增加。在美国,每年用于跌倒的医疗总费用超过200亿美元。我国目前有约1.3亿老年人,每年约有2000万老年人至少发生共计2500万次跌倒事故,直接医疗费用超过50亿元人民币。由此可见,跌倒成为了威胁老年人生命安全和增加社会负担的重要因素。
目前判断跌倒主要有以下3种方法:
(1)基于视频图像的分析:对象的实时运动由摄像头监测,其不足之处在于不能保证用户的隐私安全。
(2)基于声频信号的分析:跌倒事件由分析冲击导致振动的频率部分判断,但其安装比较复杂,资金投入也比较大。
(3)基于穿戴式的装置检测:考虑用户的隐私权和尽可能减少干扰用户生活方式,穿戴式的装置是最适合的。穿戴式的跌倒检测/监测及报警装置一般都是基于惯性传感单元的。目前常见“跌倒报警器”的传感模块一般采用单一的三轴加速度计,测量精度和数据模态受限,或所采用的阈值算法不够优良,因此仅能实现人体跌倒后的报警功能而不能实现跌倒前的预警。
上述现有技术存在如下缺陷:
(1)均未实现跌倒前的预警:目前常见的“跌倒报警器”,其传感模块一般采用单一的三轴加速度计,测量精度和数据模态受限,或所采用的阈值算法不够优良,因此仅能实现人体跌倒后的报警功能而不能实现跌倒前的预警,从而不太可能实现即时的防跌倒干预措施及实时防护。
(2)佩戴使用不够方便:一部分跌倒报警装置采用了加速度计模块、姿态传感器模块及压力传感器模块等多模块组合方式,虽然理论上有利于提高跌倒判断的准确度,但多个传感模块必然也会增加装置的体积和功耗,影响了佩戴和使用的方便性。多个传感模块的数据融合处理对微处理器及阈值算法在精度尤其是速度方面提出了更高的要求。此外,理论上传感器模块越接近于人体,测得的传感数据就越准确,在实际应用中,多模块的组合能否真正有效提高跌倒判断的准确度还有待进一步验证。
(3)跌倒准确性判断不理想:目前的跌倒判断装置大多主要是仅依靠加速度来判断跌倒事件的发生,但人体日程运动非常复杂,而跌倒又通常是一瞬间发生的意外行为(1-2秒),依靠较少或单一的人体运动姿态信息来预测跌倒的可靠性不高,当人体有跌倒倾向而未能及时判断出时,就起不到预警效果,当人体没有跌倒倾向而做出误判断时,必然给穿戴者带来不便。
鉴于此,克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。
【发明内容】
本发明要解决的技术问题是提供一种能够在人体跌倒前实现预警功能的人体防跌倒预警方法及预警器。
本发明进一步要解决的技术问题是提供一种多模态传感数据的实时与准确融合、跌倒判断的实时性和准确性高的人体防跌倒预警方法及预警器。
本发明更进一步要解决的技术问题是提供一种便于升级或更换电路板、整个电路板的电磁兼容性高的人体防跌倒预警器。
本发明采用如下技术方案:
一种人体防跌倒预警方法,包括以下步骤:
步骤S11:对被监测对象的身体姿态进行实时检测,采集所述被监测对象的身体姿态信息,获得检测数据;
步骤S12:将所述检测数据进行融合处理,获得处理后的信号数据;
步骤S13:将所述处理后的信号数据与一设定阈值进行比较,判断被监测对象是否有跌倒倾向,当被监测对象有跌倒倾向时,在被监测对象跌倒前进行报警。
进一步地,所述被监测对象的身体姿态信息包括被监测对象的三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息,所述检测数据为九轴惯性传感数据;
所述步骤S12包括:
通过卡尔曼滤波器,将所述三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息融合到一起,导出姿态角信号,所述姿态角信号为处理后的信号数据。
进一步地,所述步骤S13包括:
步骤S131:判断所述处理后的信号数据是否大于设定阈值;
步骤S132:当所述处理后的信号数据大于设定阈值时,则判断出所述被监测对象有跌倒倾向;
步骤S133:当被监测对象有跌倒倾向时,在被监测对象跌倒前进行报警;
其中,根据多次跌倒实验,通过卡尔曼滤波器,将每次跌倒实验的三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息融合到一起,导出姿态角信号,并根据跌倒过程中的数据波形,选取出一姿态角信号作为设定阈值。
本发明还提供了一种人体防跌倒预警器,所述预警器采用上述的方法进行跌倒预警;所述预警器包括传感模块、微控制器模块和电源模块,其中:
传感模块与微控制器模块连接,传感模块对被监测对象的身体姿态进行实时检测,并将检测数据传送给微控制器模块;
微控制器模块接收传感模块的检测数据,对所述检测数据进行处理和判断,在预判出跌倒将发生、且在跌倒发生之前进行报警;
电源模块分别与传感模块和微控制器模块连接,给传感模块和微控制器模块供电。
进一步地,所述传感模块包括三轴加速度计、三轴陀螺仪和三轴磁力计,分别采集被监测对象的三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息,所述传感模块的检测数据为九轴惯性传感数据。
进一步地,所述三轴加速度计和三轴陀螺仪之间通过I2C总线进行通信;传感模块和微控制器模块之间通过SPI总线或者I2C总线进行通信,传感模块的检测数据通过SPI总线或者I2C总线传送给微控制器模块。
进一步地,所述传感模块、微控制器模块和电源模块为相互独立的硬件模块,传感模块、微控制器模块和电源模块之间通过电连接器进行连接。
进一步地,所述预警器还包括一用于存储传感模块的检测数据的移动快闪存储卡,通过移动快闪存储卡可对传感模块的检测数据进行离线分析。
进一步地,所述电源模块为聚合物锂离子电池;所述微控制器模块还包括分别与所述锂离子电池连接的充电单元和电源管理单元,充电单元对所述锂离子电池充电,电源管理单元提供相互独立的数字电压和模拟电压,为传感模块和微控制器模块提供稳压电源。
与现有技术相比,本发明的有益效果在于:通过采集被监测对象的身体姿态信息,获得检测数据,并进行融合计算,将计算后的信号数据与设定阈值进行比较,以判断是否有跌倒倾向,实现了人体跌倒前的预警,为下一步要采取的防跌干预措施提供了可能,解决了现有技术中类似产品仅有跌倒后报警功能的问题。
本发明进一步具有以下有益效果:采用高精度的三轴加速度计、三轴陀螺仪和三轴磁力计,并且采集的九轴惯性传感数据来自于同一个电路模块,采集到数据的精度和模态数较多,实现了多模态传感数据的实时与准确融合,对防跌预警的判断更加及时和准确。
本发明更进一步具有以下有益效果:传感模块、微控制器模块和电源模块分开独立设计,传感模块能更贴近人体表面从而使得采集的数据更准确,便于升级或更换其他电路板,也提高了整个电路板的电磁兼容性能。
【附图说明】
图1是本发明实施例1的人体防跌倒预警方法流程图;
图2是本发明实施例2的人体防跌倒预警方法流程图;
图3是本发明实施例3的人体防跌倒预警器的结构框图;
图4是跌倒预警时间结果示意图。
【具体实施方式】
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明中所提到的被监测对象主要是人体,特别是老年人等易跌人群。
下面通过具体实施例对本发明的技术方案进行详细说明。
实施例1
实施例1提供了一种人体防跌倒预警方法,如图1所示,该方法包括如下步骤:
步骤S11:对被监测对象的身体姿态进行实时检测,采集被监测对象的身体姿态信息,获得检测数据;
步骤S12:将检测数据进行融合处理,获得处理后的信号数据;
步骤S13:将处理后的信号数据与一设定阈值进行比较,判断被监测对象是否有跌倒倾向,当被监测对象有跌倒倾向时,在被监测对象跌倒前进行报警。
其中,被监测对象的身体姿态信息包括被监测对象的三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息,检测数据为九轴惯性传感数据。步骤S12对检测数据进行融合处理时,通过卡尔曼滤波器,将三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息融合到一起,导出姿态角信号,该姿态角信号为处理后的信号数据。
步骤S13通过如下方法判断被监测对象是否有跌倒倾向并在有跌倒倾向时报警:
步骤S131:判断处理后的信号数据是否大于设定阈值;
步骤S132:当处理后的信号数据大于设定阈值时,则判断出被监测对象有跌倒倾向;
步骤S133:当被监测对象有跌倒倾向时,在被监测对象跌倒前进行报警。
其中,设定阈值通过如下方式计算得出:根据多次跌倒实验,通过卡尔曼滤波器,将每次跌倒实验的三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息融合到一起,导出姿态角信号,并根据跌倒过程中的数据波形,选取出一姿态角信号作为设定阈值。
表1不同阈值的精度评价(预跌倒阶段)
阈值 | 灵敏度 | 特异度 |
3.0 | 83.33% | 100.00% |
4.0 | 90.28% | 98.61% |
4.5 | 98.61% | 98.61% |
5.0 | 98.61% | 97.22% |
5.5 | 98.61% | 87.50% |
6.0 | 100.00% | 80.56% |
如表1所示,在一具体实施例中,根据多次跌倒实验得到的数据中可以看出,5(或者4.5)是跌倒与否的分界点,当把阈值设为4.5时,其灵敏度和特异度都比较理想,因此可选取4.5作为设定阈值。
报警的方式是多种多样的,可采用现有技术中已有的报警方式,比如蜂鸣器报警、震动器振动等,此处不做限制。
本实施例通过采集被监测对象的身体姿态信息,获得检测数据,并进行融合计算,将计算后的信号数据与设定阈值进行比较,以判断是否有跌倒倾向,实现了人体跌倒前的预警,为下一步要采取的防跌干预措施提供了可能。进一步地,本实施例采用高精度的三轴加速度计、三轴陀螺仪和三轴磁力计,并且采集的九轴惯性传感数据来自于同一个电路模块,采集到数据的精度和模态数较多,实现了多模态传感数据的实时与准确融合,对防跌预警的判断更加及时和准确。
经实验论证,该防跌倒预警方法可在人体跌倒之前300-500ms预判出跌倒行为将不可避免地发生,实现了跌前预警。
实施例2
实施例2提供了另一种人体防跌倒预警方法,该方法在实施例1的基础上进行了进一步优化。
如图2所示,该方法包括如下步骤:
步骤S21:对被监测对象的身体姿态进行实时检测,采集被监测对象的身体姿态信息,获得检测数据;
步骤S22:将检测数据进行融合处理,获得处理后的信号数据;
步骤S23:将处理后的信号数据与一设定阈值进行比较,判断被监测对象是否有跌倒倾向;若是,则执行步骤S24,否则,返回执行步骤S21;
步骤S24:当被监测对象有跌倒倾向时,在被监测对象跌倒前进行报警,包括蜂鸣器报警或者震动器振动,或者两种方式同时进行;
步骤S25:判断用户是否按下取消报警按键;若是,则执行步骤S26,否则,返回执行步骤S24;
步骤S26:判断用户是否按下跌倒预警退出按键;若是,则结束跌倒预警,否则,返回执行步骤S21。
其中,步骤S21-S24为实施例1中的步骤,其具体实现方式可与实施例1类似,此处不再详细描述,请参考实施例1。
本实施例与实施例1相比,增加了用户可控的步骤,比如用户可控制是否继续报警,是否继续进行跌倒预警等,整个跌倒预警方式更为灵活。
实施例3
实施例3提供了一种人体防跌倒预警器,该预警器可采用实施例1或者实施例2提供的方法进行跌倒预警。
如图3所示,该预警器主要包括传感模块10、微控制器模块20和电源模块30,传感模块10与微控制器模块20连接,传感模块10对被监测对象的身体姿态进行实时检测,并将检测数据传送给微控制器模块20;微控制器模块20接收传感模块10的检测数据,对检测数据进行处理和判断,在预判出跌倒将发生、且在跌倒发生之前进行报警;电源模块30分别与传感模块10和微控制器模块20连接,给传感模块10和微控制器模块20供电。
下面对传感模块10的具体设计进行说明:
在跌倒预警监测上,高精度和多模态的人体运动传感信号是非常重要的,要想及时准确地判断出人体的跌倒倾向,需要实时监测人体的加速度、角速度、身体倾角等运动信息,把传感器固定在腰部(通过上百次的跌倒实验表明,放在腰部时跌倒预警效果是最好的),人体跌倒过程人体的加速度、角速度、身体倾角都会发生明显的变化。因此,本实施例的传感模块10可包括三轴加速度计11、三轴陀螺仪12和三轴磁力计13,它们分别采集被监测对象的三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息,传感模块10的检测数据为九轴惯性传感数据。三轴加速度计11和三轴陀螺仪12之间可通过I2C总线进行通信。传感模块10和微控制器模块20之间可通过SPI总线或者I2C总线进行通信,传感模块的检测数据通过SPI总线或者I2C总线传送给微控制器模块,本实施例中采用SPI总线。
三轴加速度计11和三轴陀螺仪12可选用MPU6000芯片,三轴磁力计13可选用MAG3110芯片。本实施例通过采用高精度和多模态数据的传感芯片,且九轴惯性传感数据设计在同一个电路模块上实现,而现有技术中类似产品通常仅有加速度模态,或多个模态的传感数据由不同的电路模块提供,不利于多模态传感数据的实时与准确融合。
下面对微控制器模块20的具体设计进行说明:
微控制器模块20上可设有微控制器21、报警单元22和存储单元23。目前大多数报警装置所采用的典型微控制器为ATMega128L,Silicon Labs C8051和MSP430,本实施例选择TI(Texas Instruments,德州仪器)的MSP430F2418PM作为防跌倒预警器的微控制器21(也即主控芯片),其特点是高性能和超低功耗,高性能能够快速处理数据并执行较为复杂的算法,使对跌倒的预警判断更加及时准确;超低功耗使得充电一次可使用较长时间,给用户带来方便。
传感模块采集到的九轴惯性传感数据由MPU6000通过SPI总线传送到微控制器21后,微控制器21对该数据进行处理,结合多次跌倒实验数据求出一个设定阀值,再依据这个设定阀值来判断人体是否要跌倒,在人体接触地面之前300-500ms即可判断出本次跌倒将不可避免地发生,同时通过报警单元22(蜂鸣器和/或震动器)发出实时警报。具体可采用实施例1中的方法进行设定阈值的计算以及跌倒判断,此处不再详细描述。
实际跌倒预警时间可以在实验中通过高速摄像机获得,但为了更准确地获得跌倒预警时间以便准确评估和不断提高预警时间,九轴惯性传感数据可以实时存入一个快速编程/擦除且低功耗的移动快闪存储卡中,例如TF卡(Trans-flashCard,或称MicroSD Card)或者SDHC卡(High Capacity SD Memory Card,高容量SD卡),可支持热插拔,便于对数据离线分析。内置移动快闪存储卡便于对重要参数实时存储和离线分析,方便插拔,而现有技术中大多数类似产品没有存储部分或使用固定在电路板上的存储芯片。
在微控制器模块20上,还留有JTAG(Joint Test Action Group,联合测试行动小组)接口24,可以通过MSP430串口调试器从上位机往微控制器21芯片里下载程序。
微控制器模块20还可设置多个扩展接口25,这些扩展接口25可以与防跌倒康复鞋、穿戴式安全气囊、定位模块和通讯模块中的一种或多种连接,或者与其他功能模块连接,实现跌中防护。多个是指至少2个,本实施例中留有20个扩展接口25,比如可以与防跌倒康复鞋连接,在人体跌倒前通过自动调整足底压力分布等其他干预措施,一定程度上有效预防老年人的跌倒行为。
本实施例中,传感模块10、微控制器模块20和电源模块30可以设计为相互独立的硬件模块,它们之间通过电连接器进行连接,电连接器可以选择易插拔的排针排母或杜邦线。将传感模块10、微控制器模块20和电源模块30设计为相互独立的硬件模块,可方便微控制器模块20将来还可以与其他种类的传感模块10连接;再者,这种独立设计有利于传感模块10能够更加贴近人体,从理论上来说有利于测量结果更加接近人体运动的真实情况;另外,运动传感器一般都对电磁噪声比较敏感,传感模块10和微控制器模块20的独立设计也有利于提高整个电路板的电磁兼容(EMC,Electro Magnetic Compatibility)性能。
下面对电源模块30的具体设计进行说明:
电源模块30可以是锂离子电池,比如聚合物锂离子电池,可根据电压、功耗和体积等指标的特殊需要专门定做。本实施例中采用额定电压3.7V、容量约240mAh、体积25*12*12mm、质量轻、可充电的专用锂离子电池。电源模块30的独立设计使用户方便更换电池。
在电源系统中,除了电源模块30外,还包括集成在微控制器模块20中分别与电源模块30连接的充电单元26和电源管理单元27。充电单元26对锂离子电池充电,为了使锂离子电池更高效地利用及保证用户的充电方便,可以使用普通的手机充电电压或USB(Universal Serial BUS,通用串行总线)电压充电,充电单元26上有Mini USB(微型USB)接口28,通过一根通用的USB数据线给锂离子电池充电。电源管理单元27具有稳压作用,可以提供相互独立的数字电压和模拟电压以降低交叉干扰,从而为整个电路板提供高质量的稳压电源,提高电路板的可靠性。
此外,也可以将充电单元26做成专用充电器,采用独立的电路板实现,这样微控制器模块20中无需设置充电单元26和微型USB接口28。
实验验证:
共9名年轻健康的成年志愿者(6男3女,年龄:24±3.5岁,体重:62±14.5kg,身高:170±12cm)参与了实验,实验程序包括校准、前倒、右倒和后倒,每人每个动作各做3次,总共做了81次(不含校准动作)跌倒实验,同时用一台高速摄像机记录实际的跌倒预警时间(也可以通过TF卡里的数据得出)。
实验结果证明,当用以判断跌倒预警的加速度阈值设置为4.5m/s2时,其检测灵敏度为98.61%,特异度为98.61%,结果比较理想,平均跌倒预警时间为300ms,如果适当降低灵敏度(比如80%—90%),预警时间可达到400-500ms。
最终实验数据结果请参阅图4。
本实施例具有以下有益效果:
(1)该防跌倒预警器能够实现人体跌倒前的预警,这是目前现有技术中此类产品尚不具备的功能;
(2)该防跌倒预警器内置高灵敏度的多模态传感芯片及超低功耗微处理器(或称微控制器),能够准确检测到运动信息并对其快速处理,与类似产品相比,能够对跌倒过程做出实时的正确判断,可靠性高;
(3)该防跌倒预警器的传感模块、微控制器模块和电源模块分开独立设计,传感模块能更贴近人体表面从而使得采集的数据更准确,便于升级或更换其他电路板,也提高了整个电路板的电磁兼容性能;
(4)该防跌倒预警器针对老年人等易跌人群而设计,可做成穿戴式,对产品结构设计、元器件选型及其布局进行优化设计,整体设计紧凑,体积小,佩戴使用方便,对人体正常生活干预小,成本低,功耗低,精度高,安全性高,可靠性高;
(5)为了便于实际应用,在设计外壳时,从方便、美观等方面布局开关,同时从硬件上和软件上都采取措施尽量避免误操作;外壳和电路板间设有导光柱,方便从外面观察各种信号指示灯;
(6)所采用的各类电子元器件、聚合物锂离子电池等材料选取安全可靠,无安全隐患。
值得说明的是,上述装置和系统内的模块、单元之间的信息交互、执行过程等内容,由于与本发明的方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种人体防跌倒预警方法,其特征在于,包括以下步骤:
步骤S11:对被监测对象的身体姿态进行实时检测,采集所述被监测对象的身体姿态信息,获得检测数据;
步骤S12:将所述检测数据进行融合处理,获得处理后的信号数据;
步骤S13:将所述处理后的信号数据与一设定阈值进行比较,判断被监测对象是否有跌倒倾向,当被监测对象有跌倒倾向时,在被监测对象跌倒前进行报警。
2.根据权利要求1所述的人体防跌倒预警方法,其特征在于,所述被监测对象的身体姿态信息包括被监测对象的三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息,所述检测数据为九轴惯性传感数据;
所述步骤S12包括:
通过卡尔曼滤波器,将所述三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息融合到一起,导出姿态角信号,所述姿态角信号为处理后的信号数据。
3.根据权利要求1所述的人体防跌倒预警方法,其特征在于,所述步骤S13包括:
步骤S131:判断所述处理后的信号数据是否大于设定阈值;
步骤S132:当所述处理后的信号数据大于设定阈值时,则判断出所述被监测对象有跌倒倾向;
步骤S133:当被监测对象有跌倒倾向时,在被监测对象跌倒前进行报警;
其中,根据多次跌倒实验,通过卡尔曼滤波器,将每次跌倒实验的三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息融合到一起,导出姿态角信号,并根据跌倒过程中的数据波形,选取出一姿态角信号作为设定阈值。
4.一种人体防跌倒预警器,其特征在于,所述预警器采用如权利要求1-3任一项所述的方法进行跌倒预警;所述预警器包括传感模块、微控制器模块和电源模块,其中:
传感模块与微控制器模块连接,传感模块对被监测对象的身体姿态进行实时检测,并将检测数据传送给微控制器模块;
微控制器模块接收传感模块的检测数据,对所述检测数据进行处理和判断,在预判出跌倒将发生、且在跌倒发生之前进行报警;
电源模块分别与传感模块和微控制器模块连接,给传感模块和微控制器模块供电。
5.根据权利要求4所述的人体防跌倒预警器,其特征在于,所述传感模块包括三轴加速度计、三轴陀螺仪和三轴磁力计,分别采集被监测对象的三个轴向的加速度信息、三个轴向的角速度信息和三个轴向的身体倾角信息,所述传感模块的检测数据为九轴惯性传感数据。
6.根据权利要求5所述的人体防跌倒预警器,其特征在于,所述三轴加速度计和三轴陀螺仪之间通过I2C总线进行通信;传感模块和微控制器模块之间通过SPI总线或者I2C总线进行通信,传感模块的检测数据通过SPI总线或者I2C总线传送给微控制器模块。
7.根据权利要求4所述的人体防跌倒预警器,其特征在于,所述传感模块、微控制器模块和电源模块为相互独立的硬件模块,传感模块、微控制器模块和电源模块之间通过电连接器进行连接。
8.根据权利要求4所述的人体防跌倒预警器,其特征在于,所述预警器还包括一用于存储传感模块的检测数据的移动快闪存储卡,通过移动快闪存储卡可对传感模块的检测数据进行离线分析。
9.根据权利要求4所述的人体防跌倒预警器,其特征在于,所述电源模块为聚合物锂离子电池;所述微控制器模块还包括分别与所述锂离子电池连接的充电单元和电源管理单元,充电单元对所述锂离子电池充电,电源管理单元提供相互独立的数字电压和模拟电压,为传感模块和微控制器模块提供稳压电源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102981479A CN103390327A (zh) | 2013-07-16 | 2013-07-16 | 人体防跌倒预警方法及预警器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013102981479A CN103390327A (zh) | 2013-07-16 | 2013-07-16 | 人体防跌倒预警方法及预警器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103390327A true CN103390327A (zh) | 2013-11-13 |
Family
ID=49534580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013102981479A Pending CN103390327A (zh) | 2013-07-16 | 2013-07-16 | 人体防跌倒预警方法及预警器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103390327A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361361A (zh) * | 2014-11-14 | 2015-02-18 | 北京天地弘毅科技有限公司 | 通过云计算和机器学习算法判断摔倒的方法和系统 |
CN105342301A (zh) * | 2015-12-10 | 2016-02-24 | 成都小爱未来智慧科技有限公司 | 智能水杯的防倾倒方法 |
CN105769205A (zh) * | 2016-02-23 | 2016-07-20 | 中国科学院深圳先进技术研究院 | 一种身体信息检测设备及跌倒检测系统 |
CN106023528A (zh) * | 2016-08-01 | 2016-10-12 | 王琰 | 一种老人危机监护装置 |
CN106846722A (zh) * | 2017-01-20 | 2017-06-13 | 青岛瑞诚铭机械设计有限公司 | 一种儿童运动安全监控装置 |
CN109991896A (zh) * | 2017-12-29 | 2019-07-09 | 深圳市优必选科技有限公司 | 机器人跌倒预判的方法、装置及存储装置 |
CN110736633A (zh) * | 2019-10-25 | 2020-01-31 | 上海电气集团股份有限公司 | 康复设备摔倒保护功能的测试方法、系统及存储介质 |
-
2013
- 2013-07-16 CN CN2013102981479A patent/CN103390327A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361361A (zh) * | 2014-11-14 | 2015-02-18 | 北京天地弘毅科技有限公司 | 通过云计算和机器学习算法判断摔倒的方法和系统 |
CN104361361B (zh) * | 2014-11-14 | 2018-04-03 | 北京天地弘毅科技有限公司 | 通过云计算和机器学习算法判断摔倒的方法和系统 |
CN105342301A (zh) * | 2015-12-10 | 2016-02-24 | 成都小爱未来智慧科技有限公司 | 智能水杯的防倾倒方法 |
CN105769205A (zh) * | 2016-02-23 | 2016-07-20 | 中国科学院深圳先进技术研究院 | 一种身体信息检测设备及跌倒检测系统 |
CN106023528A (zh) * | 2016-08-01 | 2016-10-12 | 王琰 | 一种老人危机监护装置 |
CN106846722A (zh) * | 2017-01-20 | 2017-06-13 | 青岛瑞诚铭机械设计有限公司 | 一种儿童运动安全监控装置 |
CN109991896A (zh) * | 2017-12-29 | 2019-07-09 | 深圳市优必选科技有限公司 | 机器人跌倒预判的方法、装置及存储装置 |
CN110736633A (zh) * | 2019-10-25 | 2020-01-31 | 上海电气集团股份有限公司 | 康复设备摔倒保护功能的测试方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103377542A (zh) | 人体防跌倒预警方法及预警器 | |
CN103377541A (zh) | 人体防跌倒预警及干预方法和系统 | |
CN103390327A (zh) | 人体防跌倒预警方法及预警器 | |
EP3811854B1 (en) | Wearing detection method, chip and device | |
CN105342623A (zh) | 智能跌倒监护装置及其处理方法 | |
CN103892815B (zh) | 一种人体生理指标监测方法及监测系统 | |
CN105389012A (zh) | 一种基于手势的电源管理方法及其系统 | |
CN102048521A (zh) | 跌倒监测和预防系统及方法 | |
CN206197948U (zh) | 量化检测帕金森运动症状的可穿戴智能设备 | |
CN110269304B (zh) | 安全帽、佩戴状态检测方法及装置、计算机可读存储介质 | |
CN113693565A (zh) | 一种可穿戴设备及其佩戴检测方法 | |
CN206576873U (zh) | 一种手机app直接监控的动态血糖监测仪 | |
CN107708552A (zh) | 姿势检测装置、眼镜型电子设备、姿势检测方法以及程序 | |
CN106248101A (zh) | 一种监测方法以及装置 | |
CN104680718A (zh) | 一种智能手环 | |
Al-Okby et al. | WeMos IoT Controller-Based Low-Cost Fall Detection System for Elderly Users | |
CN209473689U (zh) | 一种具有摔倒报警功能的智能鞋 | |
CN117647740A (zh) | 一种电池失效监测方法及便携式电子设备 | |
CN104361361A (zh) | 通过云计算和机器学习算法判断摔倒的方法和系统 | |
CN206147905U (zh) | 基于多传感器融合跌倒检测的系统 | |
Kumar et al. | A wearable inertial sensing device for fall detection and motion tracking | |
CN115299943A (zh) | 一种情绪监测方法及其装置 | |
CN217118429U (zh) | 穿戴式跌倒预测系统 | |
Sheng-lan et al. | Research and design of a fall detection system based on multi-axis sensor | |
CN104680717A (zh) | 一种可佩戴的跌倒检测胸针 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20131113 |