CN104956415B - 监视系统 - Google Patents
监视系统 Download PDFInfo
- Publication number
- CN104956415B CN104956415B CN201380071591.5A CN201380071591A CN104956415B CN 104956415 B CN104956415 B CN 104956415B CN 201380071591 A CN201380071591 A CN 201380071591A CN 104956415 B CN104956415 B CN 104956415B
- Authority
- CN
- China
- Prior art keywords
- walking
- sound
- sensor
- time
- signal
- 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
Classifications
-
- 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
-
- 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
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/0423—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting deviation from an expected pattern of behaviour or schedule
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供一种监视对象者的健康状态的系统。该系统具有:测定部,其以时间序列测定对象者居住或者停留的设施中的所述对象者的位置;以及信息处理部,其通过判定对象者的位置的时间序列变化是否满足预先决定的判定条件,来判定对象者的健康状态。
Description
技术领域
本发明涉及对人的状态进行监视的系统。
背景技术
在高龄化发展,并且多数为多代人不共同居住的社会中,等周围的人意识到独居老人、或者只有高龄者的家庭的健康状态的恶化、生活机能的降低时为时已晚的风险升高。因此,寻求高效地监视居住者的状态的系统。
以往,作为居住者的监视系统存在以下装置等:对水壶(pot)、燃气、自来水、电气等的利用状态进行监视的装置;对是否在设置于家中的传感器前面通过进行检测的装置;或者,居住者本人紧急时刻按下按钮进行通报的装置。这些装置的共同点在于:当异常发生时通过对外部进行通知来进行安危的监视。
另一方面,一般地,大多是在倒下而不能活动,或者陷入紧急事态之后即使进行处置也不能完全恢复,有时以此为起始而卧床不起,或需要看护。因此,为了使高龄者有更长时间自立的生活,寻求并非在异常产生之后进行通知,而是捕捉健康状态的恶化、或者生活机能的降低的征兆,采取预防性的措施。但是,上述的现有的监视装置没有这样的功能。
作为在日常生活中推定出行动的监视技术,在专利文献1中公开有通过声音传感器来设备监视声音,从而对对象者进行监视的系统。并且,在专利文献1中公开了如下技术:通过由多个声音传感器捕捉到的声音的强度比推定出声音产生的房间,与声音的特征一起推定出声音的产生原因。
现有技术文献
专利文献
专利文献1:日本特开2011-237865号公报
非专利文献
非专利文献1:秋山弘子、“长寿时代的科学与社会的构想”、岩波书店科学Vol.80、No.1(2010)
发明内容
发明要解决的课题
在专利文献1的现有技术中,从产生的声源的位置与声音的大小推定出产生原因(例如,跌倒),但是不能从居住者日常的状态的变化(时间序列中的状态的变化)检测出健康状态的恶化等。
本发明提供一种系统,在日常生活中居住者不会特别在意,以时间序列评价居住者的状态,判定居住者的健康状态。
用于解决课题的手段
为了解决上述课题,例如采用权利要求书所记载的结构。本申请包括多个解决上述课题的单元,但是列举其中一例来说,是监视对象者的健康状态的系统,具有:测定部,其以时间序列测定所述对象者居住或者停留的设施中的所述对象者的位置;以及信息处理部,其通过判定所述对象者的位置的时间序列的变化是否满足预定的判定条件,来判定所述对象者的健康状态。
发明效果
根据本发明,通过以时间序列测定监视对象者的位置进行监视,能够检测出日常生活中监视对象者的日常生活模式的变化。由此能够掌握监视对象者的健康状态。
与本发明相关的进一步的特征根据本说明书的记述、附图能够明确。并且,上述的以外的、课题、结构以及效果通过以下的实施例的说明能够明确。
附图说明
图1是本发明的第一实施例涉及的监视系统的整体结构图。
图2是表示监视对象者居住的设施的布局以及传感器的设置位置的图。
图3是设施的测定系统的结构图。
图4是对确定脚步声的产生位置的原理进行说明的图。
图5是计算出脚步声的位置的信号处理的流程的一例。
图6是根据传感器数据绘制出声源的位置的时间变化的图。
图7是根据脚步声的声源位置的时间序列数据计算出步行速度的流程。
图8是从设施经由网络发送到信息处理系统的数据集合的一例。
图9表示步行声音的判别算法的流程。
图10是通过麦克风计测出环境声音时的声音压力的测定例。
图11A是图10的测定例中的特定的频率区域的累积强度时间序列数据,是从100Hz到400Hz的频率区域的数据。
图11B是图10的测定例中的特定的频率区域的累积强度时间序列数据,是1kHz以上的频率区域的数据。
图12是通过麦克风计测出环境声音时的声音压力的测定例。
图13A是图12的测定例中的特定的频率区域的累积强度时间序列数据,是从100Hz到400Hz的频率区域的数据。
图13B是图12的测定例中的特定的频率区域的累积强度时间序列数据,是1kHz以上的频率区域的数据。
图14A是脚着地时的信号强度的时间序列变化的一例。
图14B是脚着地时的信号强度的时间序列变化的一例。
图14C是脚着地时的信号强度的时间序列变化的一例。
图14D是脚着地时的信号强度的时间序列变化的一例。
图14E是脚着地时的信号强度的时间序列变化的一例。
图15是布局表的一例。
图16A是状态信息表的一例。
图16B是联络内容表的一例。
图17是异常判定表的一例。
图18是使用了第一实施例的监视系统的监视服务的流程的一例。
图19是信息处理系统提供的监视负责人用的数据显示画面的一例。
图20是表示第二实施例的监视系统的位置推定方法的原理的示意图。
图21是将从同一信号源通过两个不同的介质而测定出的信号进行比较的实验的结果图。
图22A是绘制了从同一信号源通过两个不同的介质而测定出的信号的到达时间差的图。
图22B是绘制了根据图22A的到达时间差推定出的信号源位置的图。
图23是第四实施例的监视系统的测定系统的结构图。
图24是第四实施例的测定系统的校准动作的流程。
图25是在校准功能中利用门的开闭声音时的流程。
具体实施方式
以下,参照附图对本发明的实施例进行说明。另外,附图表示了遵照本发明的原理的具体的实施例,但是这些是用于理解本发明的,绝非用于限定性解释本发明。
本发明的监视系统的特征在于:以时间序列来测定监视对象者的位置,监视监视对象者的状态。并且,作为更进一步的特征,本发明的监视系统还具有监视监视对象者的步行机能的功能。这样,进行步行机能的监视的理由如下。
在非专利文献1中叙述了如下调查结果:因运动机能或者认知机能的衰退而陷入需要看护状态的比例很多。因此,可以说能够日常性地监视运动机能的监视系统的有用性提高。特别从自己移动而进行生活行动的意思、和通过步行运动而使血流良好并保持代谢机能的意思两个方面出发,步行机能是重要机能。因此,日常性监视步行机能的监视系统是有效的。但是,目前为止的运动机能、步行机能的评价是一年一次,是由主板体等组织而通过体育设施等来接受机能评价的程度,评价的覆盖范围以及频度方面不充分。为了捕捉健康状态的恶化、生活机能降低的征兆,采取预防性的措施,理想的是,能够在日常生活中自然地进行评价,能够从外部知道评价结果。因此,在本发明中,从日常生活中监视监视对象者的步行机能。
<第一实施例>
<监视系统的结构>
图1是本发明的第一实施例涉及的监视系统的整体结构图。监视系统100具有:监视对象者(对象者)居住或者停留的设施1、提供监视服务的信息处理系统2、以及监视负责人使用的终端3这三个主要的结构要素。
设施1具有用于以时间序列测定设施1中的对象者的位置的测定系统TN0200。测定系统TN0200具有:步行信号计测部TN0201,其通过传感器来计测步行信号;控制部以及运算部TN0202,其控制步行信号计测部TN0201,针对计测出的信号执行运算处理;储存部TN0203,其对控制部以及运算部TN0202的运算结果进行储存;以及通信部TN0204,其具有将运算结果通信给外部的功能。
信息处理系统2通过对监视对象者的位置的时间序列的变化是否满足后述的异常判定表(图17)的条件进行判定,而判定监视对象者的健康状态。信息处理系统2具有:经由网络8收到从设置于设施1的测定系统TN0200的通信部TN0204发送的信息的通信部9;布局信息存储部10;异常判定信息存储部11;历史储存部12;进行监视对象者的行动解析、步行机能评价、以及异常判定的控制部以及运算部13;以及监视者信息存储部16。在信息处理系统2中,控制部以及运算部13的运算结果、以及来自测定系统TN0200的信息被储存于历史储存部12。
信息处理系统2还具有应用程序服务器(APP服务器)14、WEB服务器15、以及邮件服务器17。应用程序服务器14参照储存于历史储存部12的信息向终端3提供显示监视对象者的状态或历史的应用功能。WEB服务器15根据经由因特网等网络8从终端3接收到的请求,提供显示监视对象者的状态或历史的画面。并且,邮件服务器17使用监视者信息存储部16的信息针对平时的监视负责人或者紧急负责人发送通知监视对象者的状态的邮件。
应用程序服务器14以及WEB服务器15使用登记于监视者信息存储部16的管理信息,与访问WEB服务器的监视负责人的ID对应地选择显示内容。终端3具有:通信部,其经由网络8接收从提供监视服务的信息处理系统2提供的、监视对象者的步行机能评价、行动解析、异常判定的结果。并且,终端3还具有:显示部,其显示收到的信息;以及输入部,其根据需要进行输入。终端3例如是PC、智能电话、平板终端、以及便携电话等。
另外,这些各据点的结构不需要作为硬件而独立,也可以在成为一体的硬件内来实现多个功能。并且,提供监视服务的信息处理系统2、接收来自信息处理系统2的信息且进行对信息处理系统2的输入的终端3也可以存在于同一据点内。并且,也可以使用多个终端3。通过在多个部位进行监视能够期待更可靠的监视。像后述那样,能够将平时的监视负责人与紧急应对者进行组合来提供监视服务。并且,通过使居住于远离地方的家人等持有用于监视服务的终端3,能够从远处确认监视对象者的状态。
并且,测定系统TN0200以及信息处理系统2的结构要素由电脑、工作站等信息处理装置构成。信息处理装置具有:中央处理装置、存储器等存储部、以及存储介质。中央处理装置由CPU(Central Pr0cessing Unit:中央处理单元)等处理器构成。存储介质例如是非易失性存储介质等。在非易失性存储介质中包括有磁盘、非易失性存储器等。上述的存储部和储存部通过存储介质或者存储器等存储部而实现。并且,在存储介质中存储有实现监视系统的功能的程序等,在存储器中展开存储于存储介质的程序。CPU执行在存储器展开的程序。因此,以下所说明的监视系统的处理也可以作为在电脑上执行的程序而实现。另外,实施例的结构的一部分或全部例如也可以通过用集成电路进行设计等而通过硬件来实现。
<设施的结构>
接下来对设施1内的系统进行说明。图2是设施1的建筑物的布局的一例。设施1由:第一房间TN0101、第二房间TN0102、浴室TN0103、卫生间TN0104、玄关TN0105构成,各房间通过走廊TN0106而连接。传感器TN0107a、TN0107b例如设置于走廊TN0106的端部的两个部位,进行设施1内的感测。另外,在图2中,后缀的a、b…表示同一结构要素,在不是特别需要的情况下省略。
图3是设施1内的测定系统TN0200的结构图,更详细地对图1中的设施1内的系统进行了叙述。测定系统TN0200是通过传感器检测声音或者振动,取得监视对象者的位置以及步行信息的系统。测定系统TN0200具有:传感器TN0107a、TN0107b、数据收集部TN0201a、控制部以及运算部TN0202、储存部TN0203、以及通信部TN0204。
传感器TN0107设置于设施1内,对人活动的声音或者振动进行感测。由传感器TN0107取得的数据被数据收集部TN0201a收集。由数据收集部TN0201a收集的数据经由控制部以及运算部TN0202而暂时储存于储存部TN0203。控制部以及运算部TN0202关于由数据收集部TN0201a收集的数据进行数据解析处理。并且,控制部以及运算部TN0202进行步行信号计测部TN0201以及储存部TN0203的控制。由控制部以及运算部TN0202进行了数据解析而得的结果经由通信部TN0204被发送至网络8。并且,控制部以及运算部TN0202能够根据来自通信部TN0204的数据进行控制和运算。
<声源位置的测定>
接下来,在本实施例中对声源位置的测定的详细情况进行说明。在监视系统中,使用传感器TN0107来对监视对象者步行时脚步声产生的位置进行确定,进行设施1内的移动路径和场所的确定、移动速度等的计测。
图4是对确定脚步声产生的位置的原理进行说明的图。在从脚步声产生的时刻(TN0301a、TN0301b、…)到通过传感器TN0107接收到脚步声的信号的时刻(传感器TN0107a:TN0302a、TN0302b、…、传感器TN0107b:TN0303a、TN0303b、…)为止的期间,与从脚步声产生的场所到传感器TN0107a、TN0107b为止的距离对应地,产生传播延迟时间。例如,空气中声音的传播速度在气温15℃时大约为340m/s。因此,如果在传感器TN0107a、TN0107b之间有1m的距离差,则产生大约3毫秒的延迟时间。并且,因步行产生的振动在走廊等刚体中传播时也产生传播延迟时间。
随着脚步声产生的场所移动,由传感器TN0107a、TN0107b接收声音的到达时间发生变化。在将声音的传播速度设为vs的情况下,到达时间会延迟将从声源到传感器的距离除以vs而得的时间。因此,在通过两个传感器TN0107a、TN0107b接收到来自一个声源的声音时,以下的关系式成立。
{xf(n)-x1}-{x2-xf(n)}=△t(n)·vs
这里,xf(n)是声音产生的声源的位置。并且,x1是传感器TN0107a的坐标,x2是传感器TN0107b的坐标。并且,△t(n)是传感器TN0107a与传感器TN0107b接收到声音时的时间差。并且,字母n表示第n次的声音的声源位置、计测时间差数据。该数学式能够以如下方式变形。
xf(n)={△t(n)·vs+(x2-x1)}/2
因此,如果知晓传感器TN0107a、TN0107b的坐标、声音的传播速度、以及传感器TN0107a与传感器TN0107b的接收时间差,则能够计算出声源的位置。传感器TN0107a、TN0107b的坐标在设置时已知,声音的传播速度依赖于气温和媒介等,但是能够作为已知的值来进行处理。因此,如果计测出△t(n)则能够计算出声源的位置。
<脚步声位置的计算流程>
图5是计算脚步声的位置的信号处理的流程的一例。以下处理的主体是测定系统TN0200的控制部以及运算部TN0202。
首先,取得来自设置于设施1内的传感器TN0107的脚步声的数据(TN0401)。为了将所取得的数据变更为适于时间差提取的数据,而针对所取得的数据执行过滤处理(TN0402)。具体来说,例如使用频率滤波器,来进行提取出某个预定范围的频率的信号的处理、或噪音除去的处理。并且,为了提高信噪比,进行在频率方向积分的处理等。
接下来,在针对来自各传感器TN0107的数据实施了所述的处理之后,进行接收信号的到达时间差的计算(TN0403)。具体来说,例如,为了提取出各信号的到达时间,通过进行时间微分,提取出微分值为峰值的时间,由此求出声音变化大的时间,即求出声音的到达时间。通过针对来自各传感器TN0107的数据求出声音的到达时间而计算出它们的差,从而计算出声音的到达时间差、计算出声源的位置(TN0404)。并且,作为其他方法还有如下方法:计算出来自各传感器TN0107的数据的相互相关函数,将相关性为最高的时间差作为到达时间差。使用像这样计算出的到达时间差来进行声源位置的确定。
另外,还考虑使用传播时间以外要素来确定声源位置的方法。例如,存在使用声音的强度的方法。能够根据传感器TN0107a与传感器TN0107b接收到的声音的强度的比计算出声源位置。但是,在该方法中,有时易于受声音的指向性的影响,而使得计算结果产生误差。并且,由于声音相对于距离呈非线形衰减,因此也存在产生误差的情况。在这样的情况下,通过使用传播延迟时间差来计算出声源位置能够更准确地计算出声源位置。
在本实施例中,由于使用到达时间差来计算出声源的位置,因此来自各传感器TN0107的数据通过数据收集部TN0201a而被同步并取得。例如,如果是在空气中,则声音相对于大致10cm左右的距离需要大约0.3毫秒的时间。因此,关于同步的精度,为了取得大致10cm左右的位置精度,以比在空气中大约0.3毫秒的时间高的精度来进行同步。为了高精度地计算出到达时间差,优选的是,使来自各传感器TN0107的数据例如以0.1毫秒以下的误差同步并取得。
并且,为了高精度地计算出到达时间差,需要以一定以上的频率来取得数据。优选的是,以10cm以内的误差来进行位置计测时,例如以10kHz以上的采样频率来进行采样。
图6是绘制出了根据来自各传感器TN0107的数据而计算出的声源的位置的时间变化(TN0501)的图。在人步行、移动时,伴随着时间,声源的位置发生变化。能够从该时间序列数据中掌握人的活动和场所、步行速度。
<步行速度的计算流程>
图7是根据脚步声的声源位置的时间序列数据计算出步行速度的流程。以下处理的主体是信息处理系统2的控制部以及运算部13。
首先,取得脚步声产生的时间与声源位置的时间序列数据TN0501(参照图6)(TN0601)。接下来,根据需要对时间序列数据TN0501进行过滤、插补等,从而变换为适于计算步行速度的数据(TN0602)。在插补中考虑样条插补、线形插补等。
接下来,通过针对变换而得的数据进行时间微分,从而计算出步行速度的时间变化(TN0603)。接下来,从步行速度时间变化的数据中提取出最大值、或者平均值等,计算出步行速度(TN0604)。
这里,当计算步行速度时,在步行距离短的情况下和步行距离长的情况下步行速度不同。因此,在将步行速度例如与过去的步行速度进行比较时,优选的是在同一条件下进行比较。例如,考虑如下方法等:以步行一定的距离以上时的最大的步行速度来进行比较。或者,还考虑:提取出特定的位置,例如走廊的正中附近等的步行速度来进行比较。
并且,作为其他的示例,还考虑如下方法:在房间的门或者出入口设置传感器,对从某个房间移动至其他房间的时间差进行计测,从其移动距离求出步行速度。但是,在这样的方法中,由于包括在房间的出入口附近站住进行门的开关的时间,以及进出房间时步行速度发生变化,因此难以计算出准确的步行速度。另一方面,根据本实施例,能够通过根据声源位置的时间序列数据计算出步行速度,识别出步行速度的时间变化、最大值、平均值和站住的时间等。并且,除了步行速度之外,还可以根据脚步声的声源位置的时间序列数据计算出步行周期。
<脚步声的声源位置的时间序列数据的一例>
图8表示从测定系统TN0200发送到网络上的信息处理系统2、且储存于信息处理系统2的数据集合的一例。
如图8所示,对于每一步的数据,将声音产生的时刻与声源的位置储存于信息处理系统2的历史储存部12中。并且,从声音的数据不仅可以提取声源位置的数据,也可以提取出声音的强度和频率区域的特征量。这些数据用于步行参数(步行声音强度、步行周期、步行位置、步行速度等)的计算。根据需要将声音的强度、声音的频率特征量等也储存到信息处理系统2的历史储存部12。信息处理系统2以储存的数据为基础来执行监视对象者的停留房间的推定处理以及监视对象者的步行机能的判定处理。信息处理系统2在检测出监视对象者的异常时,进行通知给终端3等的处理。
另外,目前为止,对在通过设置于设施1内的设备对数据进行了解析之后,经由网络8将数据储存于信息处理系统2内的历史储存部12的结构进行了说明,但是不限于此。也可以将来自传感器TN0107的数据直接发送到信息处理系统2的历史储存部12,不是在设置于设施1内的设备而是在信息处理系统2内进行全部的运算。如果进行是设施1内的本地系统(测定系统TN0200)的程度的处理,则只对抽象度高的数据经由网络8进行发送,因此,安全性更高。并且,由于能够减少发送到信息处理系统2的数据量,因此能够抑制通信量。
另一方面,也可以以云计算(cloud computing)的方式构成信息处理系统2。该情况下,只要将所有的数据储存到存在于云上的信息处理系统2、并进行数据处理,就能够利用丰富的计算资源。并且,能够通过在信息处理系统2中储存全部处理前的原始信号数据而在新的应用的开发、更新、追加了应用时,追溯到过去来实施解析。
并且,通常也可以构成为,将抽象度高的数据从设施1内的测定系统TN0200经由网络8而发送到信息处理系统2,只在存在来自信息处理系统2的请求的情况下发送原始数据。具体来说,例如也可以将一天的原始数据储存于测定系统TN0200的储存部TN0203,将有来自信息处理系统2的请求的时间段的原始数据发送到信息处理系统2。
另外,在本实施例中,对在设施1内配置两个传感器TN0107a、TN0107b,计算出监视对象者的直线状的位置的结构进行了说明,但是不限于此。原理上如果配置至少三个传感器则能够计算出二维平面的位置。例如,也可以在走廊或者房间的四个角各设置一个合计四个传感器,取得该空间内的步行声音,确定监视对象者的位置。通过进行二维的位置确定能够计算出该空间内的移动路径。
并且,也可以使用两个以上的传感器来计算出一维的位置。例如,如果使用四个传感器来确定一维的位置,由于能够用于计算的信息增加,因此能够提升位置确定的精度。并且,即使在通过部分传感器没有取得数据的情况下,也能够通过来自其他的传感器的数据计算出位置。
<步行声音的判别流程>
在通过脚步声等因地面或者空气的振动产生的信号判断步行状态时,需要对检测到的振动是否是因步行而产生的脚步声(步行声音)进行判别。这里,对于步行声音的判别方法进行叙述。
图9表示步行声音的判别算法的流程。作为一个示例,对使用麦克风等振动检测传感器作为传感器TN0107a、TN0107b的情况进行说明。另外,在图9中,步骤901~910的处理的主体是测定系统TN0200的控制部以及运算部TN0202,步骤911~915的处理的主体是信息处理系统2的控制部以及运算部13。
首先,每隔预先设定的时间间隔(Tsample),通过麦克风等振动检测传感器系统连续性地(时间序列)计测出环境声音等的振动(901)。接下来,将环境声音等的时间序列数据进行记录(902)。
接下来,进行Tsample时间内的振动的时间序列数据的解析。具体来说,求出所取得的Tsample时间的振动时间序列数据的频谱图,判别在某个低频区域(f0到f1)中是否存在某个强度范围内(lthl1到lthh2)的峰值信号(903)。将这些作为第一步行峰值判别。
这里,居住样式按国家是各种各样的,但是例如存在如下样式:在设施1内脱鞋生活的样式、以及在设施1内以穿鞋的状态生活的样式。在前者的样式中,由于大多以赤脚或穿袜子、穿拖鞋等脚底柔软的状态在设施1内步行,因此居住建筑物中的步行声音引起的振动的低频成分强,而其信号强度被收纳于有限的变动幅度中。因此,能够利用该性质判断步行峰值。并且,即使在后者的样式中,也能够进行第一步行峰值判别。用于判别的频率区域(f0到f1)以及强度范围(lthl1到lthh2)只要对观测对象者在观测对象建筑物中的步行时的振动信息进行计测而预先决定即可。
另外,当不存在满足第一步行峰值判别的峰值信号时,判断为没有因步行而引起的峰值信号,返回到步骤901。当存在峰值信号时,向作为第二步行峰值判别的步骤904前进。
接下来,作为第二步行峰值判别,对符合第一步行峰值判别的峰值信号的衰减时间是否是t0以下进行判定(904)。关于该判别条件,由于步行声音是脚落地时产生的、脚与地面的碰撞声音,因此信号强度的衰减快,利用这一特征对步行以外的低频噪音与步行声音进行区别。当不存在满足该条件的峰值信号时,判断为没有因步行而引起的峰值信号,返回到步骤901。在存在峰值信号时,向作为第三步行峰值判别的步骤905前进。
接下来,作为第三步行峰值判别,对满足第二步行峰值判别的峰值信号的强度是否是某个频率(f2)以上、且是某个信号强度(lthh3)以下进行判定(905)。关于该判别条件,利用建筑物中的步行时产生的振动的高频成分少的性质来区别步行以外的较大的声音与步行声音。用于判别的频率(f2)以及信号强度(lthh3)则是对观测对象者在观测对象建筑物中的步行时的振动信息进行计测而预先决定。当不存在满足该条件的峰值信号时,判断为没有因步行而引起的峰值信号,返回到步骤901。在存在峰值信号时,向步骤906前进。
接下来,判定为满足第三步行峰值判断的峰值信号是因步行而引起的(906)。并且,对判别为因步行而引起的峰值信号的信号的峰值时间进行记录(906)。
接下来,对前一次检测出的步行声音的峰值信号产生的时间、与本次检测出的步行声音的峰值信号产生时间之间的时间差是否在某个时间内(t1到t2)进行判定(907)。通过该判定来判定监视对象者是否是步行状态。这是利用虽然人的步行周期因身体状况等健康状态而略微发生变化,但是收纳于某个移位范围内的特征来进行判别。在不符合该条件时,判定为并非步行状态(908),返回到步骤901。在满足该条件时,判定为监视对象者是步行状态(908)。
在判定为监视对象者是步行状态时,计算出脚步声的声源位置(910)。例如,执行图5所说明的流程。然后,将时刻、监视对象者的位置、脚步声的信号强度、以及脚步声的信号的频率等信息发送给信息处理系统2。
接下来,根据产生因步行而引起的信号峰值的时间间隔计算出步行周期(911)。然后,推定出监视对象者的位置(912)。另外,在后面对位置的推定方法进行详细叙述。并且,通过推定出的步行位置的时间序列变化来计算出步行速度(913)。接下来,将步行周期、步行速度、步行声音强度、以及步行位置等作为步行参数记录于信息处理系统2的历史储存部12(914)。
接下来,使用步行参数的信息、监视对象者的位置、以及异常判定信息存储部11的异常判定表(参照图17),来推定出监视对象者的状态(915)。在判定为监视对象者的状态没有异常时,返回到步骤901。在判定为异常时,向后面所说明的异常事态应对转移(参照图18)。通过以上所叙述的方法,判别步行声音,判定监视对象者的健康状态。
使用图10~图13来对从图9的第一步行峰值判别到第三步行峰值判别(步骤903~905)进行说明。这里,使用在设施1内穿袜子在走廊步行的示例来进行说明。
图10是将时间间隔(Tsample)设为0.6秒、通过麦克风来计测环境声音时的声音压力的时间序列数据。在0.4秒附近出现较大的峰值,但是要判定这是否是因步行引起的。
首先,求出计测出的声音压力的时间序列数据的频谱图,在从f0=100Hz到f1=400Hz的频率区域的累积强度的时间序列数据中,对是否存在lthl1=35dB以上,lthh2=55dB以下的峰值进行调查。
图11A是从100Hz到400Hz的频率区域的累积强度的时间序列数据。可知在0.4秒附近存在35dB以上且55dB以下的峰值。因此,可知图11A的示例满足第一步行峰值判别。
接下来,对检测出的峰值的衰减时间进行调查。这里,将从检测出的峰值强度下降10dB所需的时间设为衰减时间t0,对t0是否在0.1秒以下进行判断。在图11A中,由于从峰值强度50dB下降至40dB所需的时间是0.03秒,因此可知满足第二步行峰值判别。
接下来,对1kHz以上的频率区域的累积强度时间序列数据的0.4秒附近是否在40dB以下进行调查。图11B是1kHz以上的频率区域的累积强度时间序列数据。0.4秒附近的强度是40dB以下,因此,可知满足第三步行峰值判别。通过以上,判定为图10中的0.4秒附近的峰值信号是由步行引起的,对该峰值产生时间0.38秒进行记录。
接下来,对与前一次检测出的步行峰值产生时间的差的计算(图9的步骤907)进行说明。这里,将图10中的0.4秒附近的峰值假设为最初的步行峰值,再次进行Tsample时间的声音计测。图12是再次计测出Tsample时间的声音压力时的时间序列数据。在图12中,在1.0秒附近看到较大的峰值,但是要与前一次同样地判定这是否是因步行引起的。
图13A是从100Hz到400Hz的频率区域的累积强度的时间序列数据。可知在1.0秒附近存在35dB以上且55dB以下的峰值。因此,可知图13A的示例满足第一步行峰值判别。
该峰值的衰减时间是0.05秒,从1kHz以上的频率区域的累积强度时间序列数据(参照图13B)中,1.0秒附近的强度是40dB以下。因此,判定为峰值步行信号是因步行引起的,对该峰值产生时间1.03秒进行记录。
如果该峰值产生时间(1.03)与前一次的峰值产生时间(0.38)之间的差是t1=0.25秒以上且t2=1秒以下则判定为步行状态。由于1.03-0.38=0.65秒,满足上述的条件,因此能够判定为监视对象者是步行状态。
这里,对从第一步行峰值判别到第三步行峰值判别(步骤903~905)进行了说明,但是步行声音的判别算法不限于该组合。例如,也可以通过与针对峰值信号的预定的频率区域中的强度范围、以及峰值信号的衰减时间中的至少一个相关的条件来定义判别条件。并且,也可以设定其他的条件。并且,这里,通过预先设定的简单的阈值来判断低频成分强度、高频成分强度、以及衰减时间等的值,但是也能够通过神经网络或支持向量机等数据挖掘、机械学习的方法来进行判断。
并且,这里使用麦克风作为传感器TN0107,将步行产生的振动作为声音进行了观测,但是也可以使用其他的结构。例如,也可以使用麦克风或压力振动传感器、加速度传感器、应变传感器来检测从地面或墙壁传来的振动。该情况下,压力振动传感器、加速度传感器能够检测出微小的振动。并且,应变传感器能够检测振动频率慢的振动。
<步行声音的时间序列变化的示例>
接下来,对步行时观测的脚落地时的信号强度的时间序列变化的典型例进行说明。这里,所谓信号强度与麦克风等振动传感器检测出的步行声音的振幅的绝对值和步行声音的仅低频成分的强度等相当。步行声音被认为是交替地检测出左右脚的步行声音。这里,为了方便,将最初检测到的步行声音设为右脚,将接下来检测到的步行声音设为左脚,并分别通过实线与虚线来表示。
图14A是正常人的典型例。左右脚的落地周期、与左脚和右脚的落地间隔的变动幅度小,信号强度中的左右差小。与此相对地,当因变形性关节症等而在一只脚的关节等存在疼痛等障碍时,左脚与右脚的落地间隔不均匀(图14B)。并且,在其他的示例中,信号强度差别大(图14C)。
并且,即使步行周期、信号强度的不均匀性小,也存在周期长于变动幅度以上的情况(图14D)。并且,作为其他的示例,也存在信号强度弱于平时的变动幅度以上的情况(图14E)。该情况下,怀疑是因衰弱造成的步行能力的降低。在本实施例中,信息处理系统2的控制部以及运算部13在对所述的步行样式进行解析、超过预先设定的步行声音间隔(步行周期)以及信号强度的变动范围时,判定为异常。在判定为异常的情况下,转移到异常事态应对。并且,也能够将这些步行声音宽度间隔以及信号强度与一个月前或一年前等预先设定的追溯期间的时期的步行声音宽度间隔以及信号强度进行比较,来决定视为异常的变动范围。另外,在图14B~图14E中,对步行声音间隔与信号强度的组合的模式进行了说明,但是也可以通过步行声音间隔与信号强度中的至少一方来判定异常。
<表的结构>
接下来,对存储于信息处理系统2的布局信息存储部10、异常判定信息存储部11、历史储存部12、以及监视者信息存储部16的数据进行说明。另外,在以后的说明中,使用“表”结构来对存储部10、11、16以及储存部12的信息进行说明,但是所述信息也可以未必通过表涉及的数据结构来进行表现,也可以通过列表、队列等数据结构和除此以外的方式进行表现。因此,为了表示不依赖于数据结构,有时将“表”、“列表”、“队列”等简单地称为“信息”。
图15表示存储于布局信息存储部10的布局表的示例。布局表1500与图2所示的设施1的布局相对应。布局表1500作为构成项目而包括:布局ID1501、类别1502、出入口的中央位置1503、位置判断最小值1504、以及位置判断最大值1505。
对该表的制作方法进行说明。在将两个传感器即传感器TN0107a以及传感器TN0107b设置于设施1时,对传感器间的距离进行测定。在离一方传感器TN0107b一定距离的点通过敲击地面等而产生信号,通过系统来执行上述的声源位置的计算处理。在多个点取得数据,在计算位置与实际测量值之间产生偏差时修正运算数学式。
并且,对从一方传感器TN0107b到各房间的出入口的中心为止的距离进行实际测量,并进行记录。该距离从小到大按顺序排列,分配布局ID。另外,这里为了便于说明,将浴室和玄关等通常未必称为房间的部分也称为“房间”。并且,将玄关、卫生间、浴室、作为卧室的起居间、不是卧室的起居间、走廊进行区别,针对各布局ID分配房间的类别。
将从传感器TN0107b到布局ID(R1)的房间的入口的中心为止的距离设为DR1,将从传感器TN0107b到布局ID(R2)的房间的入口的中心为止的距离设为DR2,将从传感器TN0107b到布局ID(R3)的房间的入口的中心为止的距离设为DR3。此时,R2的房间的位置判断最小值1504设定为(DR2+DR1)/2,位置判断最大值1505设定为(DR3+DR2)/2。具体来说,R2的房间的位置判断最小值1504为(0.9+0)/2=0.45。并且,R2的房间的位置判断最大值1505为(1.5+0.9)/2=1.2。
在图15中,为了进行说明,对从DR1至DR5的值(中央位置1503的值)的示例、以及该示例情况下的位置判断最小值1504与位置判断最大值1505进行叙述。由于实际所使用的是位置判断最小值1504与位置判断最大值1505,因此在计算出所述值之后不需要一定保持从DR1至DR5的值。并且,对于两端的布局ID即R1以及R6,不存在位置判断最小值1504或者位置判断最大值1505。存储了这些数据的布局表1500被存储于信息处理系统2的布局信息存储部10。
图16A表示存储于历史储存部12的状态信息表1600的示例。状态信息表1600对信息处理系统2中的监视对象者的状态信息进行存储。状态信息表1600作为构成项目而包括:状态ID1601、所在1602、状态开始日期时间1603、持续时间1604、异常判定1605、联络ID1606、以及联络日期时间1607。
所在1602中存储有与布局表1500的布局ID1501对应的值。状态开始日期时间1603表示在所在1602开始停留的日期时间,持续时间1604表示停留于所在1602的持续时间。另外,持续时间1604是前一个停留房间的结束点与下一个停留房间的结束点的时刻差,在没有检测到下一个停留房间的结束点时(即,停留于房间中时),是当时的当前时刻与最近的结束点的时刻之差。对于停留房间的推定方法在后面进行叙述。
在异常判定1605中,在通过使用了后述的异常判定表(参照图17)的判定而判定出异常的情况下,存储异常ID1701。在联络ID1606中存储有判定为监视对象者异常时所执行的联络ID1611(参照图16B)。并且,联络日期时间1607对实施与联络ID1606对应的联络的日期时间进行存储。
图16B表示存储于监视者信息存储部16的联络内容表1610的示例。联络内容表1610作为构成项目而包括联络ID1611与内容1612。在内容1612中具体地记载了在判定为监视对象者异常之后,监视负责人实施的联络的内容以及结果。这里,虽然省略了图示,但是在监视者信息存储部16中与该联络内容表1610分开地还存储有对监视负责人的信息(账户、邮件地址等)进行存储的管理表。
图17表示存储于异常判定信息存储部11的异常判定表1700的示例。异常判定表1700作为构成项目而包括异常ID1701、意思1702、条件1703以及紧急1704。
异常判定表1700对用于以监视对象者的位置的时间序列的变化、步行声音强度、步行周期、步行位置、步行速度等步行参数为判定条件,判定监视对象者的异常的信息进行存储。作为监视对象者的位置的时间序列的变化,是设施1内的移动(走廊等特定部位的往返)、设施1内的停留房间、以及停留时间等。
条件1703的意思被表示于意思1702中。例如,在异常ID1701=U1时,设定有在夜间去卫生间三次以上这样的条件1703。这是意味着夜间去卫生间的频度多,认为身体不适。除此之外,在异常ID1701=U2时,设定有步行速度不足0.8m/s这样的条件1703。这意味着步行机能降低。另外,在异常判定表1700的条件1703中,步行速度等步行机能的基准与个人当前的步行机能对应地进行设定。例如,通过设施中的体能测试来测定步行速度,将其一定比率例如70%设定为基准。在没有取得体能测试结果时,以判定为虚弱的步行速度、或者比其快的速度为基准。并且,为了对身体不适或受伤等进行检测,相对于最近一定期间,例如一个月间的步行速度的平均值,将一定比率以下的速度、例如50%以下时判定为异常等。因此,虽然在图17中省略了,但是也可以按多个监视对象者来设定条件1703。
并且,虽然在图17中省略了图示,但是异常ID1701=U5、U9的条件1703设定有与图14B~图14E所说明的步行信号的强度和步行周期的模式对应的条件。信息处理系统2的控制部以及运算部13能够使用信号强度以及步行周期的模式,判定监视对象者的异常。
并且,在紧急1704中存储有表示紧急的标记(0或者1)。例如,在紧急1704为1时,表示紧急的异常。在为紧急的异常时,信息处理系统2的邮件服务器17通过电子邮件等手段对紧急应对人进行通知。在紧急性低时,例如随着年龄的增加步行机能缓缓地降低、其结果为在步行速度降低时,平时的监视者注意到时进行联络,在进行本人的意思确认等之后进行步行机能的强化的应对即可。并且,当在浴室或卫生间的停留时间非常长时等,由于存在生命攸关的紧急事态的可能性,因此信息处理系统2除了平时的监视负责人之外,还针对紧急应对者执行通知处理。通过该运用,紧急应对者进行紧急访问监视对象者等应对即可。
使用了异常判定表1700的处理的流程如下。信息处理系统2的控制部以及运算部13使用异常判定表1700与停留房间的推定结果以及步行参数,执行与监视对象者的异常相关的判定处理(图9的步骤915)。控制部以及运算部13对状态信息表1600以及步行参数是否与异常判定表1700的条件1703的判定条件相符合进行计算。在与判定条件相符合时,控制部以及运算部13将对应的异常ID1701写入到状态信息表1600的异常判定1605。
信息处理系统2与异常判定表1700的紧急1704对应地,针对平时的监视负责人以及紧急应对者的至少一方执行通知处理。在紧急的情况下,紧急应对者紧急访问监视对象者的设施1。平时的监视负责人通过终端3来确认监视对象者的异常。监视负责人在与监视对象者联络时,通过终端3来输入联络内容。信息处理系统2的控制部以及运算部13接收该信息,对状态信息表1600的联络ID1606以及联络日期时间1607进行记录。
<停留房间的推定方法>
接下来,对停留房间的推定方法进行说明。信息处理系统2的控制部以及运算部13使用监视对象者的位置的时间序列的变化与布局表1500,对监视对象者停留的设施1内的房间进行判定。例如,控制部以及运算部13在收到居住者的位置的时间序列信息(图8)之后,对一连串的步行行为的开始点与结束点进行判定。关于步行行为的结束判定这样进行:在一定时间没有检测出步行行为时,以能够检测出的最后一步为结束点。
控制部以及运算部13针对结束点的位置信息参照布局表1500。这里,对结束点的位置比位置判断最小值1504大,且比位置判断最大值1505小的布局ID1501进行判定。控制部以及运算部13将该布局ID1501判定为结束了步行行为之后停留的房间。停留房间的判定结果被反映到状态信息表1600。另外,当停留房间为玄关时(步行行为的结束点是玄关时)视为外出。
并且,作为更准确地判定进出房间的方法,也可以像后述那样对门的开闭声音或者因开闭门产生的气压变化进行测定,与步行信号配合。目前为止,通过一连串的步行行为的结束点来推定停留房间,但是与此同时也可以判定开始点。关于开始判定,当一定时间没有检测出步行行为时,以之后能够检测到的最初的一步为开始点。除了与进入房间的行为对应的结束点之外,还对与从房间走出的行为对应的开始点进行检测,由此,能够更详细地掌握监视对象者的行动。并且,当在走廊没有活动时,能够通过使用开始点与结束点双方来进行异常判定。
另外,也可以是,通过在各房间的出入口前敲击地面等产生信号,信息处理系统2进行停留房间的推定的运算,并根据需要修正运算数学式。
<监视服务的流程>
接下来,对于监视系统的处理流程进行说明。图18是使用了第一实施例涉及的监视系统的监视服务的流程的一例。
首先,当本人、家人或者自治体等的想要进行监视的组织申请监视服务时,监视服务提供者在监视对象者居住的设施1设置测定系统TN0200。在设置了测定系统TN0200之后,也可以如上所述在各房间的出入口等产生声音,修正信息处理系统2的运算数学式。并且,在信息处理系统2进行账户的登录。并且,监视服务提供者决定平时的监视负责人与紧急应对者。平时的监视负责人与紧急应对者的信息(账户、地址等)被存储于监视者信息存储部16。
监视负责人接收用于登录的账户信息,开始监视。平时的监视负责人使用PC、便携终端等终端3最低一日一次阅览监视对象者的数据。以下,对通知监视负责人以及紧急应对者的流程进行说明。
首先,设施1的测定系统TN0200始终执行声音的信号检测、脚步声判断、以及位置计算的处理。并且,设施1的测定系统TN0200始终将时刻、监视对象者的位置、脚步声的信号强度、以及脚步声信号的频率等信息发送给信息处理系统2(1801)。
信息处理系统2以收到的信息为基础,执行步行周期的计算和停留房间的推定处理。这里,信息处理系统2参照布局表1500(图15),更新状态信息表1600(1802)。
之后,信息处理系统2计算出步行速度等步行参数,将计算出的步行参数例如记录于历史储存部12(1803)。信息处理系统2对状态信息表1600以及步行参数的信息是否满足异常判定表1700的条件进行判定(1804)。这里,假设判定为监视对象者没有异常(1804)。
平时的监视负责人使用终端3来对信息处理系统2请求数据显示画面的显示,在终端3显示数据显示画面(参照图19)(1805)。由于没有发现监视对象者有异常,因此这里平时的监视负责人什么都不用做。
之后,信息处理系统2对状态信息表1600以及步行参数的信息是否满足异常判定表1700的条件进行判定,判定为监视对象者存在异常(1806)。
这里,信息处理系统2使用异常判定表1700的紧急1704来判定是否是紧急性高的异常(1807)。在判定为是紧急性高的异常时,信息处理系统2直接通知紧急时应对者的终端3(1807,是)。紧急应对者阅览来自信息处理系统2的通知,对监视对象者进行打招呼,或者紧急访问设施1(1808)。
另一方面,在不是紧急的异常时,信息处理系统2通知给平时的监视负责人的终端3(1807,否)。监视负责人阅览来自信息处理系统2的通知(1809),与监视对象者采取联系(例如,打招呼)(1810)。这里,如果来自监视对象者的响应正常,则监视负责人使用终端3输入联络内容(1811)。信息处理系统2将收到的联络内容记录到状态信息表1600(1812)。另外,如果监视对象者回答为异常,则监视负责人联络紧急应对者(1814)。收到了联络的紧急应对者紧急访问设施1(1814)。
另外,在承认异常的情况下,例如,在怀疑紧急性低的步行机能降低等的情况下,进行训练等机能恢复/强化服务的推荐。在监视对象者希望的情况下,监视服务提供者与提供机能恢复/强化服务的从业者进行联系。
通过进行上述的运用,对平时的监视负责人不要求特别的技能,并且,也不需要一直对监视对象者打招呼,也不需要采取对设施1的紧急访问的体制。因此,本实施例的监视系统对于平时的监视负责人是低负担。通过利用该监视系统,能够使相邻的家庭成为监视负责人。其结果为,与拥有专职的职员来提供监视系统的情况相比较,能够以低成本提供监视服务。
<终端的画面例>
图19是信息处理系统2提供的监视负责人用的数据显示画面的示例,表示显示于终端3的画面。
在画面1900中,一览地表示了多个监视对象者的行动信息、以及异常的有无。因此,监视负责人能够高效地监视多个监视对象者。这里,在画面1900中显示有Hom1e、Home2、Home3三处的监视对象者的信息。
例如,三角的标识1901表示走廊夜间的通过,四角的标识1902表示走廊白天的通过。Home2的监视对象者夜间三次起床通过走廊。此时,由于监视对象者夜间三次起床去卫生间,因此在异常判定表1700的异常ID1701中与U1相符。因此,在Status1903中,显示警告,同时显示异常ID1701(U1)。
当在画面1900显示了夜间起床的次数多、或者步行速度降低等异常时,监视负责人通过电话等与监视对象者进行联系。实际上在不承认异常的情况下,监视负责人使用终端3输入联络内容。信息处理系统2在从终端3收到联络内容的信息时,将该信息记录于状态信息表1600的联络ID1606以及联络日期时间1607。
根据本实施例,能够在日常生活中监视对象者不特别在意的情况下以时间序列来测定监视对象者的位置进行监视。并且还能够以时间序列来测定监视对象者的运动机能进行监视。检测出的结果与预先决定的判定条件进行比较,能够检测监视对象者的异常。由此,能够使用检测结果来针对监视对象者从外部采取适当的手段。
并且,根据本实施例,通过与掌握的位置信息、预先取得的房间的布局信息配合,能够进行监视对象者什么时候进出哪个房间的行动监视。这样,还能够掌握监视对象者日常的生活模式的变化,因此,能够从更多的信息中检测监视对象者的不正常。
并且,根据本实施例,通过从日常的生活中对监视对象者的步行机能进行监视,能够捕捉步行机能等运动机能的降低征兆,采取预防性的措施。
<第二实施例>
在本实施例中,对推定监视对象者的设施1内的位置的方法的其他示例进行说明。图20是表示第二实施例的位置推定方法的原理的示意图。
在本实施例的位置推定方法中,利用声音的传播速度因介质的种类而不同。使用大气声音麦克风Ml10_1与地面声音麦克风Ml10_2两个麦克风来计测步行时的脚Ml10_3落到地面Ml10_4时产生的步行声音。大气声音麦克风Ml10_1与地面声音麦克风Ml10_2设置于彼此靠近的位置。大气声音麦克风Ml10_1观测在空气传播的声音,地面声音麦克风Ml10_2观测在地面传播的声音。
声音的传播速度因传递的介质的种类而差异较大。例如,在空气中声音传播的速度大致是每秒350米。另一方面,多用于地面材料的木材的传播速度是每秒3000至5000米左右。图21表示某个步行声音到达大气声音麦克风Ml10_1与地面声音麦克风Ml10_2的时间。如图21所示,在大气声音麦克风Ml10_1中,步行声音的到达时间是tair,相对地,在地面声音麦克风Ml10_2中,脚步声音的到达时间是tfloor。因此,地面声音麦克风Ml10_2的到达时间比大气声音麦克风Ml10_1早。通过解析该到达时刻的差,从以下的数学式计算自步行声源的麦克风的距离l。
[数学式1]
该数学式中,vair、vfloor分别是大气中与地面材料中的声音的传播速度。这些值依赖于使用的建筑物与布局,只要通过实际测量而一旦确定,则能够作为常数使用。因此,步行声源的距麦克风的距离l与通过大气声音麦克风Ml10_1观测到步行声音的时间与通过地面声音麦克风Ml10_2观测到步行声音的时间的差成正比。并且,根据这样计算出的步行声音距麦克风的距离l、与设置了麦克风的布局信息推定监视对象者的位置。
接下来,对监视对象者在走廊步行移动时的位置推定方法的具体示例进行说明。在监视对象者在大致3m的走廊步行移动时,通过设置于走廊端部的大气声音麦克风Ml10_1与地面声音麦克风Ml10_2观测到四次步行声音。图22A是对于这些步行声音,相对于到大气声音麦克风Ml10_1的到达时间tair对大气声音麦克风Ml10_1的到达时间与地面声音麦克风Ml10_2的到达时间的差进行了绘制的图。并且,图22B是相对于大气声音麦克风Ml10_1的到达时间tair对使用上述数学式根据步行声音的大气声音麦克风Ml10_1中的到达时间与地面声音麦克风Ml10_2中的到达时间的差计算出的到麦克风的距离l进行了绘制的图。这里,vair、vfloor分别按每秒340m、每秒4200m进行计算。
这样,能够取得各步行声音产生的时刻的步行声源即监视对象者距麦克风的距离。通过这样计算出的步行声源的距麦克风的距离l与设置了麦克风的布局的信息,能够推定出监视对象者的位置。
并且,在本实施例中,使用两个麦克风分开地对以大气为介质传播的步行声音和以地面为介质传播的步行声音进行了计测,但是若使无指向性麦克风从地面离开数毫米到数厘米来进行设置,则能够对地面声音和大气声音双方进行计测。并且在本实施例中,为了检测步行声音而使用了麦克风,但是还能够使用加速度传感器和压力传感器、应变传感器等其他振动检测装置。
<第三实施例>
在本实施例中,对推定出步行声音小、难以将步行声音作为振动进行观测时的推定监视对象者的建筑物内位置的方法进行说明。
尽管监视对象者进行了移动但是不能观测到步行声音的状态被认为是监视对象者的衰弱。因此,理想的是能够通过用于监视的监视系统来检测健康状态。但是,在不能观测到步行声音的情况下,通过上述的方法不能确定监视对象者的场所,不能检测出是否在移动。该情况下,为了确定监视对象者的场所,不仅是步行声音信息,还兼用其他的位置检测方法。
用于此的一种方法是使用利用了超音波或红外线等电磁波的自观测对象物的反射的距离传感器。所述的距离传感器对从观测对象物反射来的电磁波进行检测,利用与其预想到达时间的偏差、三角计量法等计算出观测对象物与传感器之间的距离。将这些距离传感器设置于能够环视走廊等生活动线的天花板位置,计测监视对象者,从而能够推定出监视对象者的场所。关于该方法,能够通过便宜的传感器而容易地构成,但是必须对监视对象者照射电磁波,使其反射波返回到传感器,因此,需要根据使用的建筑物环境来研究设置场所。
并且,作为其他的示例,也可以在能够环视走廊等生活动线的天花板位置设置红外线360度照相机(图像取得部),通过红外线图像计算出监视对象者的位置。该方法在某种程度设置场所具有自由度,但是信息处理系统2为了从图像检测位置而需要具有图像数据处理部。
并且,作为另外其他的方法,存在如下方法:在走廊等生活动线的地面背面呈条纹状或者格子状地设置静电接近传感器。所谓静电靠近传感器是用于静电容型的触摸面板的传感器,是对电极与认为是电气地线的对象物产生的电容的变化进行检测的传感器。如果对象物靠近电极则电容增加,因此,知道对象物靠近了电极。如果将该传感器例如呈条纹状在走廊的长边方向每隔15cm进行设置,则能够通过15cm的分辨率观测监视对象者的位置。关于该方法,由于是靠近传感器,因此能够设置于地板的背面等,设置后存在运行成本少这样的优点。但是,需要在地板背面等进行设置的工程,或者在地面铺设搭载了条纹状静电靠近传感器的绒毯或垫子等铺设物。
<第四实施例>
在本实施例说明对计算声源的位置时的参数进行校准的方法以及结构。图23是第四实施例涉及的监视系统的结构图,是设置于设施1的测定系统的其他示例。
测定系统TN0200_2具有:传感器TN0107a、TN0107b、数据收集部TN0201a、控制部以及运算部TN0804、储存部TN0203、通信部TN0204、温度传感器TN0801、扬声器TN0802、以及驱动器TN0803。扬声器TN0802例如输出与来自监视对象者的脚步声的信号相同种类的信号。
在计算声源的位置时,将传感器TN0107a与TN0107b之间的距离、以及声音传播速度用作参数。有时设置于设施1内的传感器TN0107伴随着家具等的配置的变更,使传感器TN0107移动。并且,在最初设置传感器TN0107时等,需要用于计测其间的距离的校准。并且,由于声音的传播速度因温度而改变,因此需要根据当时的气温来进行修正。因此,在以下的示例中,使用通过温度传感器TN0801检测出的温度、以及信号从扬声器TN0802到达传感器TN0107a、TN0107b的时间差,来执行用于推定脚步声的声源的位置的数学式的校准。
图24表示校准的流程。首先,控制部以及运算部TN0804控制温度传感器TN0801,取得气温的数据(TN0901)。已知声音在空气中的传播速度因气温而变化,例如能够通过以下的数学式近似地进行计算。
vs=331.5+0.6T(m/s)
这里,T是气温(℃)。控制部以及运算部TN0804使用该数学式根据气温求出声音的传播速度vs(TN0902)。
关于两个传感器TN0107a、TN0107b间的距离,使用来自设置于与传感器TN0107a相隔预定距离的扬声器TN0802的声音来进行校准(传感器TN0107a与扬声器TN0802之间的距离已知)。扬声器TN0802被驱动器TN0803驱动,并输出声音(TN0903)。
接下来,从扬声器TN0802输出的声音被传感器TN0107接收,控制部以及运算部TN0804计算出传感器TN0107a与传感器TN0107b接收到的时间差(TN0904)。
接下来,由于已知作为声源的扬声器TN0802与传感器TN0107a之间的距离,因此控制部以及运算部TN0804计算传感器TN0107b的位置(TN0905)。在该计算中,使用根据温度传感器TN0801计测出的数据而计算出的声音的传播速度。控制部以及运算部TN0804将这样求出的参数设定为解析用(TN0906),用于声源位置计算的解析。
另外,在校准时从扬声器TN0802输出的声音不需要是可听区域,例如也可以是超声波。如果是超声波则人听不到,因此居住的人意识不到就能够进行校准。并且,为了不使校准带来不快感,也可以使用音乐。
以定期的、监视系统的启动时、事件产生时等时机来进行校准。具体来说,例如,设置传感器TN0107等而起动电源时进行,由此自动地求出进行位置计算的参数。并且,例如通过每隔10分钟等定期地进行校准,能够应对气温的一日内变化。并且,也可以在气温变化时、或产生较大的声音、移动家具和传感器TN0107自身的声音时等事件发生时实施校准。或者,也可以按照经由网络8来自信息处理系统2的指示,进行校准。例如,在脚步声位置的数据异常,判断为需要进行参数的校准时,考虑从信息处理系统2进行指示等。并且,也可以在监视对象者外出时进行。
另外,对本实施例的校准具有新扬声器TN0802的结构进行了说明,但是不限于此,也可以代替扬声器TN0802使用场所已知的声源。例如也可以利用位置从布局是已知的门的开闭声音来进行校准。由此,即使没有特别地设置扬声器TN0802等也能够日常地进行校准。
图25是将门的开闭声音用于校准时的流程。以下,使用图23的符号来进行说明,但是在该示例中,测定系统TN0200_2不具有扬声器TN0802以及驱动器TN0803,传感器TN0107与校准用的门之间的距离是已知的。
在将门的开闭声音用于校准时,为了对设置测定系统TN0200_2的设施1或者居住的门的开闭声音进行判别,除了通常的校准的过程之外,还需要取得该门的开闭声音并进行记录的过程。例如,测定系统TN0200_2具有校正表,所述校正表记录对门的开闭声音附加特征的参数(频率区域与强度等)的时间变化的数据、以及来自温度传感器TN0801的数据。以下,对处理的流程进行说明。
首先,在将测定系统TN0200_2设置于设施1之后,控制部以及运算部TN0804控制温度传感器TN0801,取得气温的数据(2501)。接下来,通过传感器TN0107a与传感器TN0107b取得门的开闭声音(2502)。之后,控制部以及运算部TN0804针对取得的数据执行过滤处理,去除噪音(2503)。
接下来,控制部以及运算部TN0804提取出门的开闭声音的特征量(频率区域与强度等),将其特征量的时间变化与来自温度传感器TN0801的数据记录于校正表(2504)。并且,控制部以及运算部TN0804计算出传感器TN0107a与传感器TN0107b中的门的开闭声音的到达时间差,将该信息记录于校正表(2505)。
在系统设置时来进行步骤2501~2505。这样,在系统设置时的校准中,预先取得对门的开闭声音附加特征的频率区域与强度的时间变化,将该数据与来自温度传感器TN0801的数据记录于校正表。除此之外,通过传感器TN0107a、TN0107b接收信号,检测出到达时间差,记录到达时间差。另外,在门有多个的情况下,将各自的开闭声音的特征量与传感器TN0107a、TN0107b接收到的时间差设为组来进行记录。根据该结构,即使在声音的特征量相似的情况下,也能够以时间差的信息为基础推测出位置,因此能够区别出哪个门。也可以在校准中使用任一个门的开闭声音。
步骤2507~2510是日常的声音计测的步骤。在日常的声音计测时,控制部以及运算部TN0804将通过传感器TN0107a、TN0107b检测到的信号与校正表的值进行比较,判定是否是门的开闭声音(2507)。在判断为不是门的开闭声音时,不进行校准,向上述的脚步声判定流程转移。
在判断为是门的开闭声音时,与之前说明的校准的情况同样地,控制温度传感器TN0801取得气温的数据(2508)。接下来,控制部以及运算部TN0804以来自温度传感器TN0801的数据为基础,求出对传感器TN0107a、TN0107b接收到的门的开闭声音的到达时间差进行了温度修正而得到的值△tc’(2509)。
接下来,控制部以及运算部TN0804计算出求出脚步声的声源位置的数学式的修正项,并记录该修正项(2510)。这里,为由与系统设置时相同的传感器TN0107a、TN0107b接收到的门的开闭声音的到达时间差△tc。在到达时间差△tc’与到达时间差△tc不同时,认为传感器位置偏离。这里,在感测到脚步声时,将传感器TN0107a、TN0107b的接收时间差设为△t,求出脚步声的声源的位置xf的数学式为针对第一实施例所示的xf(n)的数学式加上了修正项的如下数学式。
xf={Δt·vs+(x2+x1)}/2+(Δtc-Δtc’)/2
这里,后缀的n省略。x1、x2是传感器设置当初的传感器TN0107a、TN0107b的坐标。根据该结构,即使在系统设置后移动了传感器TN0107a、TN0107b的情况下,通过与预先记录的校正表的值进行比较,能够求出算出脚步声的声源的位置的数学式的修正项,能够计测出准确的位置。
另外,本发明并非限定于上述的实施例,包括各种各样的变形例。例如,上述的实施例为了易于理解本发明的说明而详细地进行了说明,未必限定于具有所说明的全部结构。并且,有时将某个实施例的结构的一部分置换成其他实施例的结构,并且也能够对某个实施例的结构追加其他实施例的结构。并且,能够对于各实施例的结构的一部分进行其他结构的追加、删除、置换。
例如,如上所述,也可以将来自传感器TN0107的数据直接发送给信息处理系统2,在信息处理系统2侧执行余下的处理。并且,也可以将异常判定等的信息配置于设施1内,在测定系统TN0200侧执行异常判以前的处理。这样,各据点的结构能够适当变更。
如上所述,例如能够通过用集成电路进行设计等通过硬件来实现实施例的结构的一部分或全部。并且,本发明也可以通过实现实施例的功能的软件的程序代码来实现。该情况下,向信息处理装置(电脑)提供记录了程序代码的非暂时性的电脑可读介质(non-transitory computer readable medium),该信息处理装置(或者CPU)读出存储于非暂时性的电脑可读介质的程序代码。作为非暂时性的电脑可读介质例如使用软盘、CD-ROM、DVD-ROM、硬盘、光盘、光磁盘、CD-R、磁带、非易失性的存储卡、ROM等。
并且,程序代码也可以通过各种各样类型的暂时性的电脑可读介质(transitorycomputer readable medium)而被供给到信息处理装置。暂时性的电脑可读介质的示例包括电气信号、光信号、以及电磁波。暂时性的电脑可读介质能够经由电线以及光纤等有线通信路、或者无线通信路,将程序提供到信息处理装置。
并且,附图中的控制线和信息线表示说明上认为需要的内容,产品上未必表示全部的控制线和信息线。所有的结构也可以彼此连接。
符号说明
1:设施
2:信息处理系统(信息处理部)
3:终端
8:网络
9:通信部
10:布局信息存储部
11:异常判定信息存储部
12:历史储存部
13:控制部以及运算部
14:应用程序服务器
15:WEB服务器
16:监视者信息存储部
17:邮件服务器
100:监视系统
1500:布局表(布局信息)
1600:状态信息表
1610:联络内容表
1700:异常判定表
TN0200:测定系统(测定部)
TN0201:步行信号计测部
TN0201a:数据收集部
TN0202:控制部以及运算部
TN0203:储存部
TN0204:通信部
Claims (14)
1.一种监视对象者的健康状态的系统,其特征在于,该系统具有:
测定部,其以时间序列测定所述对象者居住或者停留的设施中的所述对象者的位置;以及
信息处理部,其通过判定所述对象者的位置的时间序列变化是否满足预定的判定条件,来判定所述对象者的健康状态;
其中,所述信息处理部根据所述对象者的位置的时间序列变化来计算所述对象者的步行速度以及步行周期中的至少一个,
所述判定条件包括与所述步行速度以及步行周期中的至少一个相关的条件。
2.根据权利要求1所述的系统,其特征在于,
所述测定部具有:对来自所述对象者的声音或者振动进行检测的多个传感器,
所述测定部使用信号从所述声音或者振动的产生源到达所述多个传感器的时间差来推定所述产生源的位置。
3.根据权利要求2所述的系统,其特征在于,
所述多个传感器设置在所述设施内靠近的位置,并对在彼此不同的介质中传播的信号进行检测,
所述测定部使用所述不同的介质中的信号的传播速度之差来推定所述产生源的位置。
4.根据权利要求2所述的系统,其特征在于,
所述测定部使用以下部件中的至少一个来推定所述对象者的位置:用于对电磁波从所述对象者的反射进行检测的传感器;用于根据包含所述对象者的图像来检测位置的图像取得部;以及用于对所述对象者靠近时的电容变化进行检测的传感器。
5.根据权利要求2所述的系统,其特征在于,
所述测定部还具有:检测所述设施内的温度的温度传感器;以及设置于距所述多个传感器预定距离的声音出输出部,
所述测定部使用所述温度传感器检测出的温度、以及信号从所述声音输出部到达所述多个传感器的时间差,来执行用于推定所述产生源的位置的数学式的校准。
6.根据权利要求5所述的系统,其特征在于,
所述声音输出部是输出与来自所述对象者的声音信号相同种类信号的扬声器。
7.根据权利要求5所述的系统,其特征在于,
所述声音输出部是所述设施内的门,
所述测定部使用校正信息来执行所述校准,所述校正信息记录有使来自所述门的声音带有特征的数据和来自所述温度传感器的数据。
8.根据权利要求1所述的系统,其特征在于,
所述测定部具有对来自所述对象者的声音或者振动进行检测的多个传感器,
所述测定部使用所述多个传感器检测到的信号的信号强度的时间序列数据,来判定所述对象者的步行声音。
9.根据权利要求8所述的系统,其特征在于,
所述测定部通过判定所述时间序列数据的峰值信号是否满足预定的步行判别条件,来判定所述对象者的步行声音,
所述步行判别条件包括:与针对所述峰值信号的预定频率区域中的强度范围以及所述峰值信号的衰减时间中的至少一个相关的条件。
10.根据权利要求9所述的系统,其特征在于,
所述测定部通过对判定为所述对象者的步行声音的连续两个所述峰值信号之间的时间差是否是预定的时间内进行判定,来判定所述对象者是否是步行状态。
11.根据权利要求8所述的系统,其特征在于,
所述信息处理部根据判定为所述对象者的步行声音的信号来计算所述对象者的步行声音强度以及步行周期,
所述判定还条件包括与所述步行声音强度以及步行周期中的至少一个相关的条件。
12.根据权利要求1所述的系统,其特征在于,
所述信息处理部还具有:存储部,其对所述设施内的房间的布局信息进行存储,
所述信息处理部使用所述对象者的位置的时间序列变化和所述布局信息来判定所述对象者正停留的所述设施内的房间。
13.根据权利要求12所述的系统,其特征在于,
所述判定条件还包括:与所述设施内的移动、所述设施内的停留房间、以及所述设施内的房间的停留时间中的至少一个相关的条件。
14.根据权利要求1所述的系统,其特征在于,
所述系统还具有:具有显示所述对象者的状态的显示部的至少一个终端,
所述信息处理部在判定为所述对象者的健康状态异常时,针对所述至少一个终端执行通知处理。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2013/054976 WO2014132340A1 (ja) | 2013-02-26 | 2013-02-26 | 見守りシステム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104956415A CN104956415A (zh) | 2015-09-30 |
CN104956415B true CN104956415B (zh) | 2017-03-22 |
Family
ID=51427645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380071591.5A Active CN104956415B (zh) | 2013-02-26 | 2013-02-26 | 监视系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9728060B2 (zh) |
EP (1) | EP2963628A4 (zh) |
JP (1) | JPWO2014132340A1 (zh) |
CN (1) | CN104956415B (zh) |
WO (1) | WO2014132340A1 (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017117423A (ja) * | 2015-12-17 | 2017-06-29 | 日本ロジックス株式会社 | 見守りシステム及び見守り方法 |
WO2017104321A1 (ja) * | 2015-12-17 | 2017-06-22 | 日本ロジックス株式会社 | 見守りシステム及び見守り方法 |
EP3193317A1 (en) * | 2016-01-15 | 2017-07-19 | Thomson Licensing | Activity classification from audio |
CN105551194B (zh) * | 2016-03-10 | 2018-01-23 | 广州视源电子科技股份有限公司 | 一种跌倒检测方法及装置 |
EP3223253A1 (en) * | 2016-03-23 | 2017-09-27 | Thomson Licensing | Multi-stage audio activity tracker based on acoustic scene recognition |
WO2017170831A1 (ja) * | 2016-03-30 | 2017-10-05 | Necソリューションイノベータ株式会社 | 健康状態推定システム、健康状態推定装置、健康状態推定方法、およびコンピュータ読み取り可能な記録媒体 |
JP6578246B2 (ja) * | 2016-06-08 | 2019-09-18 | 株式会社日立ビルシステム | 生活見守りシステム |
CN106097654B (zh) * | 2016-07-27 | 2018-09-04 | 歌尔股份有限公司 | 一种跌倒检测方法和可穿戴式跌倒检测装置 |
TWI645376B (zh) * | 2017-06-09 | 2018-12-21 | 葉振凱 | 複合式感測元件安防系統 |
US10724867B1 (en) * | 2017-08-07 | 2020-07-28 | United Services Automobile Association (Usaa) | Systems and methods for position-based building guidance |
IT201800003003A1 (it) * | 2018-02-23 | 2019-08-23 | St Microelectronics Srl | Procedimento di rilevazione, circuito, dispositivo e prodotto informatico corrispondenti |
JP7144025B2 (ja) * | 2018-04-18 | 2022-09-29 | Nke株式会社 | 生活見守り装置 |
KR102449905B1 (ko) | 2018-05-11 | 2022-10-04 | 삼성전자주식회사 | 전자 장치 및 이의 제어 방법 |
CN110703699A (zh) * | 2018-12-07 | 2020-01-17 | 上海产业技术研究院 | 基于nb-iot通信技术的行为监测系统、监测器和存储介质 |
CN111311860B (zh) * | 2018-12-12 | 2022-05-03 | 杭州海康威视数字技术股份有限公司 | 一种区域入侵检测方法及装置 |
GB2599854B (en) * | 2019-07-01 | 2024-05-29 | Sekisui House Kk | Emergency responding method, safety confirmation system, management device, space section, and method for controlling management device |
US11589204B2 (en) * | 2019-11-26 | 2023-02-21 | Alarm.Com Incorporated | Smart speakerphone emergency monitoring |
CN112947650A (zh) * | 2020-02-24 | 2021-06-11 | 杨春花 | 基于智慧医疗的患者病房环境监测系统 |
JPWO2022054407A1 (zh) * | 2020-09-08 | 2022-03-17 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2344167B (en) | 1998-11-26 | 2000-09-06 | Infrared Integrated Syst Ltd | Use of detector arrays to detect cessation of motion |
US6998995B2 (en) | 2001-09-28 | 2006-02-14 | Toshiba Elevator Kabushiki Kaisha | Elevator remote monitoring apparatus |
JP3905769B2 (ja) * | 2002-02-14 | 2007-04-18 | イーエス東芝エンジニアリング株式会社 | 安否確認装置 |
JP2005173668A (ja) * | 2003-12-08 | 2005-06-30 | Hitachi Ltd | 生活行動パターンの異常判定システム及びそのための装置 |
US8589174B2 (en) * | 2003-12-16 | 2013-11-19 | Adventium Enterprises | Activity monitoring |
US7091865B2 (en) * | 2004-02-04 | 2006-08-15 | General Electric Company | System and method for determining periods of interest in home of persons living independently |
US20060055543A1 (en) * | 2004-09-10 | 2006-03-16 | Meena Ganesh | System and method for detecting unusual inactivity of a resident |
US7916066B1 (en) * | 2006-04-27 | 2011-03-29 | Josef Osterweil | Method and apparatus for a body position monitor and fall detector using radar |
WO2008152375A1 (en) * | 2007-06-09 | 2008-12-18 | Activ4Life Healthcare Technologies Limited | Patient monitoring method and system |
CN102388608B (zh) * | 2009-04-10 | 2014-07-02 | 欧姆龙株式会社 | 监视系统及监视终端 |
JP2011237865A (ja) * | 2010-05-06 | 2011-11-24 | Advanced Telecommunication Research Institute International | 生活空間の見守りシステム |
US8427324B2 (en) | 2010-07-30 | 2013-04-23 | General Electric Company | Method and system for detecting a fallen person using a range imaging device |
US20120116252A1 (en) * | 2010-10-13 | 2012-05-10 | The Regents Of The University Of Colorado, A Body Corporate | Systems and methods for detecting body orientation or posture |
EP2678842A1 (en) * | 2011-02-22 | 2014-01-01 | Flir System, Inc. | Infrared sensor systems and methods |
JP5721470B2 (ja) * | 2011-02-28 | 2015-05-20 | 綜合警備保障株式会社 | 歩行者数推定装置および歩行者数推定方法 |
CN102387345B (zh) * | 2011-09-09 | 2014-08-06 | 浙江工业大学 | 基于全方位视觉的独居老人安全监护系统 |
-
2013
- 2013-02-26 EP EP13876434.5A patent/EP2963628A4/en not_active Withdrawn
- 2013-02-26 US US14/762,419 patent/US9728060B2/en active Active
- 2013-02-26 WO PCT/JP2013/054976 patent/WO2014132340A1/ja active Application Filing
- 2013-02-26 JP JP2015502608A patent/JPWO2014132340A1/ja active Pending
- 2013-02-26 CN CN201380071591.5A patent/CN104956415B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
WO2014132340A1 (ja) | 2014-09-04 |
US9728060B2 (en) | 2017-08-08 |
JPWO2014132340A1 (ja) | 2017-02-02 |
EP2963628A1 (en) | 2016-01-06 |
EP2963628A4 (en) | 2016-10-05 |
US20150356849A1 (en) | 2015-12-10 |
CN104956415A (zh) | 2015-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104956415B (zh) | 监视系统 | |
JP6324568B2 (ja) | 見守りシステム | |
US9866507B2 (en) | Method of monitoring well-being of semi-independent persons and system thereof | |
US9940822B2 (en) | Systems and methods for analysis of subject activity | |
Leusmann et al. | Your floor knows where you are: sensing and acquisition of movement data | |
US9710761B2 (en) | Method and apparatus for detection and prediction of events based on changes in behavior | |
CN107223038A (zh) | 在地板覆盖物中具有压力传感器的监视系统 | |
US20120116252A1 (en) | Systems and methods for detecting body orientation or posture | |
CN107257651A (zh) | 医学监测的场景检测 | |
JP2012249797A (ja) | ストレス解析システム、ストレス解析プログラムおよびストレス解析方法 | |
CN109147277A (zh) | 一种老人看护系统及方法 | |
EP3196854A1 (en) | Indoor activity detection based on tag tracking | |
Mazurek et al. | Use of kinematic and mel-cepstrum-related features for fall detection based on data from infrared depth sensors | |
DE112012006296T5 (de) | Meldung auf der Basis eines Ereignisses, das aus Schwingungsdaten identifiziert wird | |
WO2008133495A1 (en) | A hand-hygiene behaviour monitoring system | |
KR102231183B1 (ko) | IoT 망을 이용한 독거인 생활 패턴 학습 및 모니터링 시스템 | |
CN112235740A (zh) | 一种基于物联网的个体作息监测方法及系统 | |
JP7363780B2 (ja) | レポート出力プログラム、レポート出力方法、およびレポート出力装置 | |
US20230326318A1 (en) | Environment sensing for care systems | |
US20210225465A1 (en) | Tracking individual user health using intrusion detection sensors | |
Ueno | Development of wear-free health monitoring system for independent aged people | |
KR101997225B1 (ko) | 노약자 안심케어 시스템 | |
US9881397B2 (en) | Method and system for constructing a graph representing a building | |
CN106092133A (zh) | 启动访客模式的判定方法、装置 | |
CN113397520B (zh) | 室内对象的信息检测方法及装置、存储介质和处理器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |