CN103961109B - 基于加速度信号和角速度信号的人体姿态检测装置 - Google Patents
基于加速度信号和角速度信号的人体姿态检测装置 Download PDFInfo
- Publication number
- CN103961109B CN103961109B CN201410185030.4A CN201410185030A CN103961109B CN 103961109 B CN103961109 B CN 103961109B CN 201410185030 A CN201410185030 A CN 201410185030A CN 103961109 B CN103961109 B CN 103961109B
- Authority
- CN
- China
- Prior art keywords
- human body
- attitude
- angular velocity
- acceleration
- waist
- 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.)
- Expired - Fee Related
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Gyroscopes (AREA)
Abstract
本发明公开了一种基于加速度信号与角速度信号的人体姿态检测装置,包括姿态检测部分和姿态检测信息传输部分;姿态检测部分与姿态检测信息传输部分相连;姿态检测部分对人体姿态进行检测,实时判别人体姿态,姿态检测部分控制姿态检测信息传输部分向监护人或监护中心发送被监护人的姿态信息。本发明的优点在于:采用两个传感器节点的佩戴方式,提高被监护人的舒适度;采集人体姿态变化过程中的加速度和角速度信息,采集的运动信息丰富,识别准确率高;能够识别静态姿态(站、坐、躺)和动态姿态(走、跑、上楼梯、下楼梯)。
Description
技术领域
本发明涉及一种基于加速度信号和角速度信号的人体姿态检测装置,属于医学检测技术领域。
背景技术
随着人口老龄化趋势不断加剧,对老年人日常生活的监护以及对姿态等意外突发情况的检测成为医疗监护中的重要内容。老年人的日常动作是评价其生活质量和健康状态的重要依据,因此,识别和记录老年人的日常动作,对老年人的日常生活进行监护具有重要意义。此外,糖尿病、心血管疾病和关节炎等慢性疾病发病率增高与日常活动减少存在必然联系,通过挖掘这些疾病与日常活动之间的联系,可以为疾病的早期发现提供重要线索,对于慢性病病人的健康管理具有重要意义。
现有的人体姿态检测技术可分为两类:基于视频的姿态检测系统,基于穿戴式传感器的姿态检测系统。
基于视频的姿态检测系统是在一定区域内安装摄像头,集人的运动图像序列。通过图像处理的方法实现检测、识别人体姿态。
基于穿戴式传感器的姿态检测系统,指通过微型可穿戴设备,如衣服、帽子、首饰等,采集人体运动过程中的信号,并通过模式识别算法检测人体的活动。
基于视频的姿态检测系统存在数据采集量大,算法复杂,并且容易受周围环境的影响和检测范围限制的缺点。现有基于穿戴式传感器的姿态检测系统,如公开号为CN103632133A,CN103300865A,仅通过采集人体运动过程中的加速度信号进行姿态检测,忽略了人体运动过程中角速度的变化,容易造成检测人体姿态的准确率不高,同时检测人体姿态的种类有限。公开号为CN103637807A的研究中,将传感器佩戴于人体多个部位,极大的降低了系统的实用性和佩戴者的舒适度。而且,大部分传统的人体姿态检测方式无远程无线通信功能。
发明内容
本发明为了克服现有技术的不足,提供一种基于加速度信号和角速度信号的人体姿态检测装置,能够区分人体站,坐,躺,走,跑,上楼梯和下楼梯时的姿态。
基于加速度信号和角速度信号的人体姿态检测装置,包括姿态检测部分和姿态检测信息传输部分;
姿态检测信息传输部分分别连接姿态检测部分;姿态检测部分对人体姿态进行检测,实时判别人体姿态,姿态检测信息传输部分向监护人或监护中心发送当前的姿态信息。
姿态检测部分包括微控制器、第一加速度传感器、第二加速度传感器、第一陀螺仪和第二陀螺仪;
第一加速度传感器和第一陀螺仪佩戴于人体腰部,第二加速度传感器和第二陀螺仪佩戴于人体大腿部,第一加速度传感器用于测量腰部的加速度信号,第一陀螺仪用于测量腰部的角速度信号,第二加速度传感器用于测量大腿部的加速度信号,第二陀螺仪用于测量大腿部的角速度信号,微控制器对两个加速度传感器和两个陀螺仪的信号进行同时采集,将第一加速度传感器测量的加速度带入公式(1),得到人体腰部加速度信号向量模svm1;
其中:ax、ay、az分别表示xyz三个方向上的线加速度大小,其中z方向为垂直方向,y方向为人体前后向,x方向为左右方向;
带入公式(2),得到人体腰部和重力方向夹角为θ1;
将第二加速度传感器测量的加速度带入公式(1),得到人体腿部加速度信号向量模svm2,带入公式(2),得到腿部和重力方向夹角为θ2;
通过第一陀螺仪得到人体腰部运动角速度,带入公式(3),得到人体腰部角速度信号向量模ω1;
其中:ωx、ωy、ωz分别表示绕x轴、y轴、z轴转动时的角速度大小,其中z轴为人体垂直轴,y轴为人体矢状轴,x轴为人体冠状轴;
通过第二陀螺仪,得到人体大腿运动角速度,带入公式(3),得到人体腿部角速度信号向量模ω2;
设定人体处于静态姿态时腰部和腿部svm和ω的阈值,静态姿态包括站、坐和躺三个动作,针对不同被监测人群,例如:老人、儿童、残疾人,设定个性化的svm和ω阈值;
微控制器通过人体腰部和重力方向夹角为θ1、腿部和重力方向夹角为θ2判断人体静态姿态;如当θ1和θ2均小于A时,则人体处于站立姿态;如当θ1小于A且θ2大于B时,人体处于坐姿态;如当θ1和θ2均大于B时,则人体处于躺位姿态;A为20°-30°,B为60°-70°;
当人体腰部信号向量模svm1和人体腿部信号向量模svm2均超过svm阈值,并且人体腰部运动角速度向量模ω1和人体大腿运动角速度向量模ω2均超过ω阈值,微控制器判断人体处于动态姿态,动态姿态包括走、跑、上楼梯和下楼梯;此时,微控制器采集被监护人位于腰部和腿部的加速度信号和角速度信号,并检测运动过程中位于腿部x轴角速度信号ωx的波谷,将两个波谷间的数据作为一个观测窗口,并在腰部和腿部采集到的ax、ay、az、ωy、ωz、svm、ω中找到与之相对应的窗口起点和终点,提取腰部和腿部位于窗口间信号ax,ay,az,ωx,ωy,ωz,svm和ω的均值、标准差、平均绝对偏差作为特征向量,输入BP神经网络,BP神经网络进行动作姿态识别,得到监护人为走、跑、上楼梯或者下楼梯的动作姿态。
本发明的优点在于:
(1)采用两个传感器节点的佩戴方式,提高被监护人的舒适度
(2)采集人体姿态变化过程中的加速度和角速度信息,采集的运动信息丰富,识别准确率高;
(3)能够识别静态姿态(站、坐、躺)和动态姿态(走、跑、上楼梯、下楼梯)。
附图说明
图1是本发明的结构示意图;
图2是本发明姿态检测部分结构示意图;
图3是本发明的三轴加速度示意图;
图4是本发明的人体传感器佩戴示意图;
图中:
1-姿态检测部分2-姿态检测信息传输部分
3-微控制器4-第一加速度传感器5-第二加速度传感器
6-第一陀螺仪7-第二陀螺仪
具体实施方式
下面将结合附图和示例对本发明作进一步的详细说明。
本发明是一种基于加速度信号和角速度信号的人体姿态检测装置,如图1所示,包括姿态检测部分1和姿态检测信息传输部分2。姿态检测信息传输部分2连接姿态检测部分1。
姿态检测部分1对人体姿态进行检测,实时判别人体姿态,姿态检测信息传输部分2向监护人或监护中心发送当前的姿态信息和被监护人的地理位置。
如图2所示,姿态检测部分1包括微控制器3、第一加速度传感器4(三轴)、第二加速度传感器5(三轴)、第一陀螺仪6(三轴)和第二陀螺仪7(三轴)。图3为三轴加速度传感器信号示意,xyz为各轴向上加速度,静止状态下其矢量和为1g。θ表示z轴与垂向的夹角,它可以由z轴方向加速度值大小和三轴加速度大小矢量和之间的三角函数关系求得,第一加速度传感器4和第一陀螺仪6佩戴于人体腰部,第二加速度传感器5和第二陀螺仪7佩戴于人体大腿部,如图4所示,第一加速度传感器4用于测量腰部的加速度信号,第一陀螺仪6用于测量腰部的角速度信号,第二加速度传感器5用于测量大腿部的加速度信号,第二陀螺仪7用于测量大腿部的角速度信号,微控制器3对两个加速度传感器和两个陀螺仪的信号进行同时采集,将第一加速度传感器4测量的加速度带入公式(1),得到人体腰部加速度信号向量模svm1,带入公式(2),得到人体腰部和重力方向夹角为θ1;将第二加速度传感器5测量的加速度带入公式(1),得到人体腿部加速度信号向量模svm2,带入公式(2),得到腿部和重力方向夹角为θ2,通过第一陀螺仪6得到人体腰部运动角速度,带入公式(3),得到人体腰部角速度信号向量模ω1,通过第二陀螺仪7,得到人体大腿运动角速度,带入公式(3),得到人体腿部角速度信号向量模ω2。
其中:axayaz分别表示xyz三个方向上的加速度大小,其中z方向为垂直方向,y方向为人体前后向,x方向为左右方向。ωxωyωz分别表示绕x轴y轴z轴转动时的角速度大小,其中z轴为人体垂直轴,y轴为人体矢状轴,x轴为人体冠状轴。
设定人体处于静态姿态时腰部和腿部svm和ω的阈值,静态姿态包括站、坐和躺三个动作,针对不同被监测人群,例如:老人、儿童、残疾人,设定个性化的svm和ω阈值。微控制器3通过人体腰部和重力方向夹角为θ1、腿部和重力方向夹角为θ2判断人体静态姿态。如当θ1和θ2均小于一固定值时(可设定在20°-30°之间),则人体处于站立姿态;如当θ1小于一固定值θ2大于一固定值(θ1可设定在20°-30°之间,θ2可设定在60°-70°之间),则人体处于坐姿态;如当θ1和θ2均大于一固定值(可设定在60°-70°之间)时,则人体处于躺位姿态。
当人体腰部信号向量模svm1和人体腿部信号向量模svm2均超过svm阈值,并且人体腰部运动角速度向量模ω1和人体大腿运动角速度向量模ω2均超过ω阈值,微控制器3判断人体处于动态姿态,动态姿态包括走、跑、上楼梯和下楼梯。此时,微控制器3采集被监护人位于腰部和腿部的加速度信号和角速度信号,并检测运动过程中位于腿部x轴角速度信号(ωx)的波谷,将两个波谷间的数据作为一个观测窗口,并在腰部和腿部采集到的ax、ay、az、ωy、ωz、svm、ω中找到与之相对应的窗口起点和终点,提取腰部和腿部位于窗口间的信号ax,ay,az,ωx,ωy,ωz,svm和ω的均值、标准差、平均绝对偏差作为特征向量,输入BP神经网络,BP神经网络进行动作姿态识别,得到监护人为走、跑、上楼梯或者下楼梯的动作姿态。
所述的BP神经网络为三层BP神经网络,网络的输入为腰部和腿部运动信息提取出的特征向量,网络输出分别对应走、跑、上楼梯或者下楼梯。传递函数类型选为logsig函数,输出层传递函数选为线性函数purelin,网络的训练方法选择梯度下降算法。网络训练的最大循环次数为200000次,训练目标为均方根误差小于0.0001。
采集监护人在走、跑、上楼梯、下楼梯时分别对应的特征向量,将其作为训练样本,对BP神经网络进行训练,随后用训练好的BP神经网络对动态姿态进行识别。
微控制器3控制姿态检测信息传输部分2向监护人或监护中心发送姿态信息,姿态检测信息传输部分2采用GSM模块进行远程无线通信。
Claims (1)
1.基于加速度信号和角速度信号的人体姿态检测装置,包括姿态检测部分和姿态检测信息传输部分;
姿态检测信息传输部分连接姿态检测部分;姿态检测部分对人体姿态进行检测,实时判别人体姿态,姿态检测信息传输部分向监护人或监护中心发送当前的姿态信息;
姿态检测部分包括微控制器、第一加速度传感器、第二加速度传感器、第一陀螺仪和第二陀螺仪;
第一加速度传感器和第一陀螺仪佩戴于人体腰部,第二加速度传感器和第二陀螺仪佩戴于人体大腿部,第一加速度传感器用于测量腰部的加速度信号,第一陀螺仪用于测量腰部的角速度信号,第二加速度传感器用于测量大腿部的加速度信号,第二陀螺仪用于测量大腿部的角速度信号,微控制器对两个加速度传感器和两个陀螺仪的信号进行同时采集,将第一加速度传感器测量的加速度带入公式(1),得到人体腰部加速度信号向量模svm1;
其中:ax、ay、az分别表示xyz三个方向上的线加速度大小,其中z方向为垂直方向,y方向为人体前后向,x方向为左右方向;
带入公式(2),得到人体腰部和重力方向夹角为θ1;
将第二加速度传感器测量的加速度带入公式(1),得到人体腿部加速度信号向量模svm2,带入公式(2),得到腿部和重力方向夹角为θ2;
通过第一陀螺仪得到人体腰部运动角速度,带入公式(3),得到人体腰部角速度信号向量模ω1;
其中:ωx、ωy、ωz分别表示绕x轴、y轴、z轴转动时的角速度大小,其中z轴为人体垂直轴,y轴为人体矢状轴,x轴为人体冠状轴;
通过第二陀螺仪,得到人体大腿运动角速度,带入公式(3),得到人体腿部角速度信号向量模ω2;
设定人体处于静态姿态时腰部和腿部svm和ω的阈值,静态姿态包括站、坐和躺三个动作,针对不同被监测人群,设定个性化的svm和ω阈值;
微控制器通过人体腰部和重力方向夹角为θ1、腿部和重力方向夹角为θ2判断人体静态姿态;如当θ1和θ2均小于A时,则人体处于站立姿态;如当θ1小于A且θ2大于B时,人体处于坐姿态;如当θ1和θ2均大于B时,则人体处于躺位姿态;A为20°-30°,B为60°-70°;
当人体腰部信号向量模svm1和人体腿部信号向量模svm2均超过svm阈值,并且人体腰部运动角速度向量模ω1和人体大腿运动角速度向量模ω2均超过ω阈值,微控制器判断人体处于动态姿态,动态姿态包括走、跑、上楼梯和下楼梯;此时,微控制器采集被监护人位于腰部和腿部的加速度信号和角速度信号,并检测运动过程中位于腿部x轴角速度信号ωx的波谷,将两个波谷间的数据作为一个观测窗口,并在腰部和腿部采集到的ax、ay、az、ωy、ωz、svm、ω中找到与之相对应的窗口起点和终点,提取腰部和腿部位于窗口间信号ax,ay,az,ωx,ωy,ωz,svm和ω的均值、标准差、平均绝对偏差作为特征向量,输入BP神经网络,BP神经网络进行动作姿态识别,得到监护人为走、跑、上楼梯或者下楼梯的动作姿态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410185030.4A CN103961109B (zh) | 2014-05-05 | 2014-05-05 | 基于加速度信号和角速度信号的人体姿态检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410185030.4A CN103961109B (zh) | 2014-05-05 | 2014-05-05 | 基于加速度信号和角速度信号的人体姿态检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103961109A CN103961109A (zh) | 2014-08-06 |
CN103961109B true CN103961109B (zh) | 2016-02-24 |
Family
ID=51231469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410185030.4A Expired - Fee Related CN103961109B (zh) | 2014-05-05 | 2014-05-05 | 基于加速度信号和角速度信号的人体姿态检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103961109B (zh) |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105581798A (zh) * | 2014-11-17 | 2016-05-18 | 吕俊逸 | 脚部动作的辨识装置及脚部动作的辨识方法 |
CN104545936A (zh) * | 2014-12-31 | 2015-04-29 | 戴晓伟 | 腰部姿态检测方法及检测结果的触觉反馈方法 |
CN104691454B (zh) * | 2015-03-25 | 2017-06-27 | 深圳元景车联科技有限公司 | 一种驾驶习惯分析的方法 |
CN105232052A (zh) * | 2015-10-21 | 2016-01-13 | 武汉纺织大学 | 组合传感器识别人体下肢运动姿态的装置 |
CN105287063B (zh) * | 2015-11-02 | 2017-11-24 | 电子科技大学 | 一种用于外骨骼随动控制的姿态测量系统及其使用方法 |
CN106618584B (zh) * | 2015-11-10 | 2019-11-22 | 北京纳通科技集团有限公司 | 一种用于监测用户下肢运动的方法 |
CN106096509B (zh) * | 2016-05-31 | 2019-12-31 | 深圳市酷浪云计算有限公司 | 羽毛球拍的动作识别方法和装置 |
CN106073793B (zh) * | 2016-06-13 | 2019-03-15 | 中南大学 | 基于微惯性传感器的姿态跟踪与识别方法 |
CN106376483B (zh) * | 2016-08-30 | 2019-10-22 | 深圳市沃特沃德股份有限公司 | 宠物运动状态的判断方法和装置 |
CN106510719B (zh) * | 2016-09-30 | 2023-11-28 | 歌尔股份有限公司 | 一种用户姿态监测方法和可穿戴设备 |
CN106333689A (zh) * | 2016-09-30 | 2017-01-18 | 福建工程学院 | 一种起立姿势监测方法及系统 |
CN106510720B (zh) * | 2016-10-19 | 2020-01-10 | Oppo广东移动通信有限公司 | 一种用户状态的提示方法及装置 |
CN106344036A (zh) * | 2016-10-31 | 2017-01-25 | 广州大学 | 一种检测人体运动姿势的智能运动背心装置及其检测方法 |
CN108089729A (zh) * | 2016-11-23 | 2018-05-29 | 中兴通讯股份有限公司 | 终端及其实现阅读姿势检测的方法 |
CN106767800B (zh) * | 2016-11-30 | 2019-07-26 | 武汉船舶通信研究所 | 一种步伐分割检测方法 |
CN108244744B (zh) * | 2016-12-29 | 2021-06-08 | 中国移动通信有限公司研究院 | 一种运动状态识别的方法、鞋底及鞋 |
CN106955109A (zh) * | 2017-03-21 | 2017-07-18 | 深圳大学 | 步态行为记录分析仪、方法及系统 |
CN107016411B (zh) * | 2017-03-28 | 2020-09-29 | 北京犀牛数字互动科技有限公司 | 数据处理方法及装置 |
CN106982361A (zh) * | 2017-05-11 | 2017-07-25 | 赵淑良 | 执法行为监测马甲、执法行为监测方法和系统 |
CN109793497B (zh) * | 2017-11-17 | 2022-08-19 | 广东乐心医疗电子股份有限公司 | 一种睡眠状态识别方法及装置 |
CN107862302A (zh) * | 2017-11-29 | 2018-03-30 | 合肥赑歌数据科技有限公司 | 一种基于半监督学习的人体运动检测系统及方法 |
CN108478222B (zh) * | 2017-12-21 | 2021-04-13 | 北京精密机电控制设备研究所 | 一种基于神经网络的关节角误差补偿实验装置及方法 |
CN108158591A (zh) * | 2017-12-26 | 2018-06-15 | 深圳市康莱米电子股份有限公司 | 检测摔倒的方法及装置 |
CN108615050B (zh) * | 2018-04-11 | 2020-10-09 | 南京邮电大学 | 一种基于支持向量机的人体姿态判别方法 |
CN108683724A (zh) * | 2018-05-11 | 2018-10-19 | 江苏舜天全圣特科技有限公司 | 一种智能儿童安全及步态健康监护系统 |
CN110338996B (zh) * | 2019-05-30 | 2020-12-15 | 沈阳工业大学 | 一种轮椅控制方法 |
CN110180158B (zh) * | 2019-07-02 | 2021-04-23 | 乐跑体育互联网(武汉)有限公司 | 一种跑步状态识别方法、系统及终端设备 |
CN112568899A (zh) * | 2019-09-30 | 2021-03-30 | 深圳市荣盛智能装备有限公司 | 一种人员姿态判断方法和系统 |
CN111166340B (zh) * | 2019-12-31 | 2022-11-18 | 石家庄学院 | 基于自适应加速度信号分割的人体姿势实时识别方法 |
CN111241983B (zh) * | 2020-01-07 | 2023-09-26 | 京东科技信息技术有限公司 | 一种姿势检测方法、装置、系统、电子设备及存储介质 |
CN111596325A (zh) * | 2020-05-09 | 2020-08-28 | 北京东方海龙消防科技有限公司 | 一种定位搜救系统 |
CN111775887A (zh) * | 2020-06-05 | 2020-10-16 | 联合汽车电子有限公司 | 防中继攻击方法、可读存储介质及智能设备 |
CN111781995B (zh) * | 2020-06-30 | 2022-10-21 | 联想(北京)有限公司 | 一种处理方法及电子设备 |
CN112346554A (zh) * | 2020-09-22 | 2021-02-09 | 上海贝瑞电子科技有限公司 | 一种基于人体姿态识别技术控制血氧仪的方法 |
CN112370048A (zh) * | 2020-11-10 | 2021-02-19 | 南京紫金体育产业股份有限公司 | 基于关节关键点的运动姿态伤害预防方法、系统和存储介质 |
CN112885182A (zh) * | 2021-03-02 | 2021-06-01 | 中国人民解放军军事科学院国防工程研究院工程防护研究所 | 一种城市环境模拟仿真训练系统 |
CN116058297B (zh) * | 2023-03-06 | 2023-05-30 | 星宠王国(北京)科技有限公司 | 一种用于宠物定位用智能穿戴项圈 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136180A (zh) * | 2011-03-11 | 2011-07-27 | 北京航空航天大学 | 人体跌倒检测与报警装置 |
CN103142234A (zh) * | 2013-01-25 | 2013-06-12 | 中国科学院深圳先进技术研究院 | 用于判断人体跌倒的传感器系统、方法及人体防护装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4007899B2 (ja) * | 2002-11-07 | 2007-11-14 | オリンパス株式会社 | 運動検出装置 |
-
2014
- 2014-05-05 CN CN201410185030.4A patent/CN103961109B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136180A (zh) * | 2011-03-11 | 2011-07-27 | 北京航空航天大学 | 人体跌倒检测与报警装置 |
CN103142234A (zh) * | 2013-01-25 | 2013-06-12 | 中国科学院深圳先进技术研究院 | 用于判断人体跌倒的传感器系统、方法及人体防护装置 |
Non-Patent Citations (1)
Title |
---|
基于三维加速度传感器的人体行为识别;徐川龙;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20140315(第03期);I140-56 * |
Also Published As
Publication number | Publication date |
---|---|
CN103961109A (zh) | 2014-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103961109B (zh) | 基于加速度信号和角速度信号的人体姿态检测装置 | |
Gao et al. | Evaluation of accelerometer based multi-sensor versus single-sensor activity recognition systems | |
Andò et al. | A multisensor data-fusion approach for ADL and fall classification | |
CN102136180B (zh) | 人体跌倒检测与报警装置 | |
Cola et al. | An on-node processing approach for anomaly detection in gait | |
Ghasemzadeh et al. | A body sensor network with electromyogram and inertial sensors: Multimodal interpretation of muscular activities | |
CN103750841B (zh) | 基于mems惯性传感器的人体膝关节角度无线检测系统及方法 | |
Bertolotti et al. | A wearable and modular inertial unit for measuring limb movements and balance control abilities | |
CN109069066A (zh) | 可穿戴和连接的步态分析系统 | |
Mostarac et al. | System for monitoring and fall detection of patients using mobile 3-axis accelerometers sensors | |
CN109480857B (zh) | 一种用于帕金森病患者冻结步态检测的装置及方法 | |
CN103479362A (zh) | 一种基于无线体域网的运动功能康复监测系统 | |
Yi et al. | Wearable sensor data fusion for remote health assessment and fall detection | |
CN109171734A (zh) | 基于多传感器数据融合的人体行为分析云管理系统 | |
Andò et al. | A wearable device to support the pull test for postural instability assessment in Parkinson’s disease | |
CN105748037A (zh) | 具有用于患脊柱侧凸的患者的生物反馈系统的体感背心 | |
CN106344031A (zh) | 一种基于声音反馈的步态训练与评估系统 | |
Gao et al. | A comparison of classifiers for activity recognition using multiple accelerometer-based sensors | |
CN107943271A (zh) | 运动数据检测方法、装置及系统 | |
CN103632133A (zh) | 人体姿态识别方法 | |
Kumar et al. | Motor recovery monitoring in post acute stroke patients using wireless accelerometer and cross-correlation | |
Sundarsingh et al. | Fall detection smart-shoe enabled with wireless IoT device | |
CN111387990A (zh) | 一种脑卒中偏瘫患者用离床预警系统 | |
Holloway et al. | Street rehab: Linking accessibility and rehabilitation | |
CN105769206A (zh) | 一种基于上下肢运动信息的步态相位判别方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160224 Termination date: 20170505 |