CN105528859A - 基于人体跌倒检测技术的养老智能报警系统 - Google Patents

基于人体跌倒检测技术的养老智能报警系统 Download PDF

Info

Publication number
CN105528859A
CN105528859A CN201610062316.2A CN201610062316A CN105528859A CN 105528859 A CN105528859 A CN 105528859A CN 201610062316 A CN201610062316 A CN 201610062316A CN 105528859 A CN105528859 A CN 105528859A
Authority
CN
China
Prior art keywords
data
human body
acceleration
module
characteristic quantity
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
Application number
CN201610062316.2A
Other languages
English (en)
Inventor
朱红岩
张淳杰
叶龙茂
胡鹏
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.)
JIANGYIN ZHONGKE KINGSCORE TECH Co Ltd
Original Assignee
JIANGYIN ZHONGKE KINGSCORE TECH Co Ltd
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 JIANGYIN ZHONGKE KINGSCORE TECH Co Ltd filed Critical JIANGYIN ZHONGKE KINGSCORE TECH Co Ltd
Priority to CN201610062316.2A priority Critical patent/CN105528859A/zh
Publication of CN105528859A publication Critical patent/CN105528859A/zh
Pending legal-status Critical Current

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
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • 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
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait

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)
  • Telephone Function (AREA)

Abstract

本发明涉及一种基于人体跌倒检测技术的养老智能报警系统，其特征在于：所述系统包括加速度传感器、陀螺仪、GPS模块、微处理器和通信模块，其中加速度传感器采用三轴加速度传感器，和陀螺仪分别负责计算出被监护人体的运动加速度数据和角速度数据，并将数据输送给微处理器，由微处理器负责处理人体加速度数据和角速度数据，分析判断被监护人所处的姿态，当检测到跌倒事件的发生，则会通过通信模块发送紧急求救信息。本发明能准确的、及时的检测出老年人的跌倒事件，进而采取必要的报警、急救等措施对改善老年人的生活质量，提髙老年人的身心健康有重大作用。

Description

基于人体跌倒检测技术的养老智能报警系统
技术领域
本发明涉及一种基于人体跌倒检测技术的养老智能报警系统，通过利用智能手机内置的加速度传感器和陀螺仪实时获取人体运动姿态信息，使用跌倒检测算法判断跌倒事件的发生，最后进行智能报警。
背景技术
随着社会老龄化速度的加快和家庭结构的演变，中国“空巢”家庭数量大量增加，目前全国大约有1824万的老年人生活在单身空巢家庭里面。预计到2030年，我国老龄人口将达3亿，而空巢老人家庭比例或将达到90%。“老龄化空巢化”引发越来越多的老年人身心健康问题，老年人日常生活中的行动安全已成为国际社会关注的焦点，跌倒是影响老年人日常身心健康的重要因素。在我国，跌倒是伤害死亡的第四大原因，而在65岁以上的老年人当中则居首位。老年人跌倒会造成大量残疾，影响老年人的日常生活质量。老年人跌倒带来的伤害及医疗成本不仅与跌倒时身体受到的撞击情况有关，在很大程度上还取决于救助时间的长短。因此能够实时检测老年人跌倒事件的发生，并且在跌倒后及时发出求救信号，最大限度降低跌倒给身体带来的严重伤害，具有重要的意义。
跌倒会对老年人的心理健康造成一定程度的危害，跌倒的经历还会给老年人留下心理阴影，降低老年人对其自身身体状况的信心，进而制约老年人的行动能力，使再次跌倒的可能性增大。随着医疗、信息等领域科技技术的不断发展，远程医疗监护技术取得长足进步，发展远程监护技术在不影响老年人日常生活的前提下，准确的、及时的检测出老年人的跌倒事件，进而采取必要的报警、急救等措施对改善老年人的生活质量，提髙老年人的身心健康有重大作用。
发明内容
本发明所要解决的技术问题是针对上述现有技术提供一种基于智能手机内置加速度传感器和陀螺仪的跌倒检测系统，系统利用加速度传感器和陀螺仪实时获取人体运动姿态信息，通过跌倒检测算法判断是否发生跌倒，最后进行智能报警。
本发明解决上述问题所采用的技术方案为：一种基于人体跌倒检测技术的养老智能报警系统，所述系统包括加速度传感器、陀螺仪、GPS模块、微处理器和通信模块，其中加速度传感器采用三轴加速度传感器，和陀螺仪分别负责计算出被监护人体的运动加速度数据和角速度数据，并将数据输送给微处理器，由微处理器负责处理人体加速度数据和角速度数据，分析判断被监护人所处的姿态，通过跌到检测算法判断人体跌倒状态，并通过通信模块发送紧急求救信息。
在所述微处理器中包括数据处理模块、报警处理模块和参数设置模块：
数据管理模块包括采集数据功能、存储数据功能、实时处理数据功能以及识别跌倒事件的功能，处理器会把加速度传感器输出的三轴加速度数据及三轴角速度数据保存在存储卡上，跌倒检测算法一直循环执行处理这些数据，直到识别出预跌倒事件的发生；
报警处理模块包括启动报警取消机制、启动模块获取位置信息、发送紧急信息和拨打电话功能，当数据管理模块判断到发生预跌倒时，报警处理模块会以播放声音或震动的形式提醒用户，在一个可设置的时间范围内，若用户取消警报，则认为此次为误警报，继续进行跌倒监测；若设置时间已结束，用户仍无操作，则确定是一个真正的跌倒事件，并自动获取用户位置信息，发送紧急信息及拨打电话；
参数设置模块用户可以根据自己的使用习惯及偏好进行设置，包括：报警等待时间、开启关闭、传感器敏感度、报警方式和报警声音。
所述跌倒检测算法采用基于特征量阈值的方法，特征量有合加速度特征量A、合角速度特征量W和相似度特征量S，其中：
A=；
W=；
；
上述公式中，，，分别为加速度传感器x、y、z三轴方向的随时间变化输出，并经中值滤波后的信号；,，分别为陀螺仪x、y、z三轴方向随时间变化的输出，并经中值滤波后的信号；Ni表示拟合离散数据点集合中的第i个值，Ci表示合角度离散数据点集合中的第i个值，i表示t-t0～t+t0时段内的各个采样数据点对应的釆样序号，表示Ci集合中的最大值；
所述跌倒检测算法对数据实行分段处理，计算当前时刻A值，并与合加速度AT-进行比较；如果A＞AT-，则计算同一时刻的W值,并与合角速度阈值-W-T进行比较；如果W＞W-T，则等待人体姿态稳定，然后计算S值，并与相似度阈值ST进行比较；如果S＞ST，则怀疑一个跌倒的发生，算法进入智能报警模式；如果以上过程中出现任一特征量值小于其阈值，则会立即中断并返回到算法入口处，其中特征量A和W用来区分跌倒与较低强度日常活动，而特征量S用来区分跌倒与较高强度日常活动，而特征量用来区分跌倒与较高强度日常活动。
在计算S值前需要启动一个定时器来提高对人体跌倒判断准确性。
与现有技术相比，本发明的优点在于：
第一，对人体跌倒过程进行分析和建模，首次提出使用相似度特征量进行跌倒判断；跌倒过程分析及模型建立：跌倒过程中会经历失重阶段、碰撞阶段和最后的静止阶段，人体的加速度及角速度会发生较大变化。应用三维直角坐标系可以建立人体躯干坐标系，以上躯干某一位置为坐标原点，躯干的正前方、躯干的左方以及躯干正上方为人体坐标系的三个坐标轴方向，人体运动过程中任意方向的加速度向量和角速度向量均可分解为三个坐标轴方向上的分量。
第二，设计了基于智能手机的跌倒检测算法；
跌倒检测算法设计：跌倒检测算法的目的是要区分跌倒过程和日常生活行为过程，实验设计中手机被放置于人体胸部口袋处，并釆集数据样本，提取相应的特征量作为依据。利用进行实验数据处理，得到算法中用于跌倒检测的合加速度特征量、合角速度特征量以及相似度特征量，其中相似度特征量为本文首次提出用于跌倒检测的特征量。
第三，完成了跌倒检测系统软件的设计。
本发明跌倒检测系统是基于智能手机平台的应用程序软件的开发而实现的，选择操作系统作为应用软件的开发平台，软件设计功能模块主要分为数据管理模块和报警处理模块。其中数据管理模块具有采集数据功能、存储数据功能、实时处理数据功能，主要把传感器输出的加速度数据和角速度数据保存到应用程序建立的数据库中，并且依据算法流程实时处理这些数据，直到算法检测到一个跌倒事件的发生；报警处理模块是智能报警模式处理部分，包括启动报警取消机制、启动模块获取位置信息、发送紧急信息和拨打电话。
附图说明
图1为本发明跌倒检测系统硬件结构图。
图2为本发明的系统总体构架图。
图3为本发明中跌倒和慢跑时合角度变化曲线图。
图4为本发明中跌倒时合角度曲线和拟合曲线图。
图5为本发明中慢跑时合角度曲线和拟合曲线图。
图6为本发明中跌倒检测算法的流程图。
图7为本发明在Android平台下的系统架构图。
图8为本发明的系统软件功能模块图。
图9为本发明的系统软件工作流程。
图10为本发明的系统软件详细流程。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明涉及一种基于人体跌倒检测技术的养老智能报警系统，硬件层面由加速度传感器、陀螺仪、GPS模块、微处理器和通信模块构成。其中加速度传感器采用三轴加速度传感器，和陀螺仪分别负责计算出被监护人体的运动加速度数据和角速度数据，并将数据输送给微处理器，由微处理器负责处理人体加速度数据和角速度数据，分析判断被监护人所处的姿态，当检测到跌倒事件的发生，则会通过通信模块发送紧急求救信息，信息内容包括模块获取的位置信息、时间等。如图1所示，为系统硬件层框图。
跌倒检测系统利用传感器技术来获取人体运动过程中的姿态变化信号数据，并通过微处理器对所采集到的信号数据进行处理分析，使用跌倒检测算法判断人体所处的运动状态，当检测到人体发生跌倒事件时釆取报警处理，使被监护人及时获得救助。如图2所示。
为研究人体跌倒过程与其它日常生活活动的相关运动学参数，首先定义身体各部位的坐标，以躯干部位为例。以躯干一处为坐标原点，X轴方向为指向躯干前方，Y轴方向指向躯干左方，Z轴方向指向躯干上方，X轴、Y轴和Z轴互相垂直，运动空间中任意方向的向量都可以分解成这三轴方向上的分量。设在人体运动过程中躯干部位沿X轴方向的加速度为ax，沿Y轴方向的加速度为aY，沿Z轴方向的加速度为aZ，则人体运动加速度向量可表示为；绕X轴方向的转动为wx，绕Y轴方向的转动为wy，绕Z轴方向的转动为wz，则人体角速度向量可表示为。
在人体跌倒模型中得到人体运动加速度向量可表示为，这里称其向量模值为合加速度A，随时间的变化数据A(t)可用来分析人体运动过程姿态变化，其计算过程如式:
其中，，，分别为加速度传感器x、y、z三轴方向的随时间变化输出，并经中值滤波后的信号。
人体运动角速度向量可以表示为，这里称其向量模值为合角速度W，W随时间的变化数据W(t)可用来分析人体运动过程姿态变化，其计算过程如式:
其中，,，分别为陀螺仪x、y、z三轴方向随时间变化的输出，并经中值滤波后的信号。
相似度特征量:
1、合角度曲线
根据人体运动学特征，跌倒过程与慢跑等运动过程的人体俯仰角或者侧翻角变化有很大不同，然而釆集人体运动姿态变化信号数据的智能手机在口袋中的放置方位具有随意性，因此无法直接使用陀螺仪单轴方向输出得到的角度变化信息作为跌倒判断的一个特征量。这里我们定义一个人体跌倒时躯干倾斜的合角度它是通过对角速度信号向量模数据进行积分得到的，如下式：
其中，W(t)为人体运动合角速度幅值，t0则是我们为了等待人体姿态稳定而启动的一个定时器的预设时间，一般预设时间为t0以3-8秒为宜。
分析跌倒与慢跑等较高强度运动的合角度曲线变化的不同，图3所示为跌倒和慢跑两种运动过程合角度变化曲线，从图中可以看出：跌倒曲线有明显的拐点（图中圆圈所示，而慢跑曲线变化比较均勾平缓。这是因为跌倒过程中人体会和低势物体产生碰撞，短时间内会产生较大的合角速度数据值，体现在数据曲线上则有突变的增量点；而慢跑每次动作基本一致，随时间产生的数据曲线点增量也基本一样，数据曲线近似一条直线。
2、合角度曲线拟合
应用智能手机作为跌倒检测系统，易于对数据进行公式化处理，本发明中采用数据拟合的方法对合角度曲线数据公式化处理。前面分析中得知，两种运动过程合角度曲线变化趋势有很大不同，且慢跑运动合角度变化曲线近似一条直线，因此使用直线拟合模型可以突出两种曲线与各自拟合曲线相似度的不同。这里使用计算简单的最小二乘法线性拟合，拟合直线表达式为：
y=ax+b
其中，a,b分别为拟合直线的斜率和截距。图4和图5分别为跌倒和慢跑两种运动的合角度变化曲线及使用线性拟合变化曲线。
相似度的定义：
为了反映出两种曲线与各自线性拟合曲线的相似度，这里我们定义一个无量纲量S，也是本文算法的跌倒判断特征量，其计算过程如下式：
其中，Ni表示拟合离散数据点集合中的第i个值，Ci表示合角度离散数据点集合中的第i个值，i表示t-t0～t+t0时段内的各个采样数据点对应的釆样序号，分别记为1、2、…和，2*t0*f为采样频率。比如，采样频率f=50Hz，则1,2,3，…和500，表示Ci集合中的最大值。
特征量S反映的是合角度曲线与其拟合曲线之间的相似度，S值越小相似度越高。由前面的分析得知，跌倒过程的合角度曲线有拐点，慢跑过程的合角度曲线变化平缓，而使用的拟合曲线是一条直线，故跌倒过程得到的S值较大，而慢跑过程得到的S值会较小。
如图6所示，本发明跌倒检测算法采用基于特征量阈值的方法，特征量有合加速度特征量A、合角速度特征量W和相似度特征量S。考虑到手机资源的有限性，算法对数据实行分段处理，计算当前时刻A值，并与合加速度AT-进行比较；如果A＞AT-，则计算同一时刻的W值,并与合角速度阈值-W-T进行比较；如果W＞W-T，则启动定时器等待人体姿态稳定，然后计算S值，并与相似度阈值ST进行比较；如果S＞ST，则怀疑一个跌倒的发生，算法进入智能报警模式。如果以上过程中出现任一特征量值小于其阈值，则会立即中断并返回到算法入口处。其中特征量A和W用来区分跌倒与较低强度日常活动，而特征量S用来区分跌倒与较高强度日常活动，而特征量用来区分跌倒与较高强度日常活动。其中计算S值前需要启动一个定时器。
携带智能手机的人体发生跌倒，这个时间段内的若干采样结果都会存在合加速度A大于预设的合加速度阈值AT；而在发生跌倒之前或之后的时间段内，合加速度A都是小于合加速度阈值AT。而将智能手机持续晃动，甚至携带智能手机以较快速度下楼梯、慢跑等较高强度运动时，智能手机的合加速度曲线均会在一个连续时间段内各次采样结果对应的合加速度A大于预设的合加速度阈值AT。跌倒过程时间较短，而慢跑等较高强度日常活动则持续时间较长，因此我们通过设置一个定时器获取相似度特征量S值，来提高对人体跌倒判断准确性。
所述的跌倒检测系统是基于智能手机Android操作系统作为应用软件的开发平台。Android操作系统是Google开发的开放性移动设备平台，基于Linux和Java技术，它在底层采用Linux内核和本地库，在上层提供Java支持框架和开发接口。Android系统的分层体系架构从上层到底层分别是应用程序层、应用框架层、系统运行库层和Linux内核层，如图7所示。
系统软件的主要功能是进行数据的实时釆集处理，以及识别出跌倒事件后进行智能报警，在所述微处理器中包括三个模块：数据处理模块、报警处理模块和参数设置模块，如图8所示。
1、数据处理模块
该模块为组件，没有与用户交互的界面，是运行于程序后台的长生命周期组件，不会干扰其他组件或用户界面。数据管理模块包括采集数据功能、存储数据功能、实时处理数据功能以及识别跌倒事件的功能，处理器会把加速度传感器输出的三轴加速度数据及三轴角速度数据保存在存储卡上，跌倒检测算法一直循环执行处理这些数据，直到识别出预跌倒事件的发生。
2、报警处理模块
报警处理模块是智能报警模式处理部分，包括了启动报警取消机制、启动模块获取位置信息、发送紧急信息和拨打电话等功能。当数据管理模块判断到发生预跌倒时，报警处理模块则会以播放声音或震动的形式提醒用户，在一个可设置的时间范围内，若用户取消警报，则认为此次为误警报，返回到程序入口处，继续进行跌倒监测；若设置时间已结束，用户仍无操作，则确定是一个真正的跌倒事件，并自动获取用户位置信息，发送紧急信息及拨打电话。
3、参数设置模块
本发明提供了一些重要的参数设置接口，用户可以根据自己的使用习惯及偏好进行设置，包括：报警等待时间、开启关闭、传感器敏感度、报警方式、报警声音等。
本发明集成了智能手机的传感功能和信号处理技术，工作流程主要是系统数据流向以及自动报警处理流程，软件的主要工作流程如图9所示；系统的主要功能是检测意外情况下跌倒，然后与用户的紧急联系人通过电话及信息进行联系。该应用程序还可以获得用户的地理位置，此外还具备一个一键紧急救助按钮和紧急警报取消机制，可防止假警报。软件设计中将根据跌倒检测流程及用户使用操作有一个详细的业务处理流程，如图10所示，为本发明的详细软件流程图。
系统应用主界面有7个主要按钮，“ON/OFF”滑动开关按钮，来控制开始后台跌倒检测服务和停止服务；“紧急联系电话”按钮，可以添加3个紧急救助联系人号码；“紧急联系信息”按钮，用来编辑发送的紧急信息内容；“报警等待时间”按钮，用来设置检测到跌倒发生与发送报警信息之间的等待时间；“一键快速求救”按钮，直接触发跌倒报警事件，当用户发生跌倒而手机未检测到时的手动求救按钮；“设置”按钮用来设置开启服务、设置传感器工作模式以及报警方式、声音选择等；“退出”按钮，则是完全退出应用程序。
除上述实施例外，本发明还包括有其他实施方式，凡采用等同变换或者等效替换方式形成的技术方案，均应落入本发明权利要求的保护范围之内。

Claims (4)

1.一种基于人体跌倒检测技术的养老智能报警系统，其特征在于：所述系统包括加速度传感器、陀螺仪、GPS模块、微处理器和通信模块，其中加速度传感器采用三轴加速度传感器，和陀螺仪分别负责计算出被监护人体的运动加速度数据和角速度数据，并将数据输送给微处理器，由微处理器负责处理人体加速度数据和角速度数据，分析判断被监护人所处的姿态，通过跌到检测算法判断人体跌倒状态，并通过通信模块发送紧急求救信息。
2.根据权利要求1所述的一种基于人体跌倒检测技术的养老智能报警系统，其特征在于：在所述微处理器中包括数据处理模块、报警处理模块和参数设置模块：
数据管理模块包括采集数据功能、存储数据功能、实时处理数据功能以及识别跌倒事件的功能，处理器会把加速度传感器输出的三轴加速度数据及三轴角速度数据保存在存储卡上，跌倒检测算法一直循环执行处理这些数据，直到识别出预跌倒事件的发生；
报警处理模块包括启动报警取消机制、启动模块获取位置信息、发送紧急信息和拨打电话功能，当数据管理模块判断到发生预跌倒时，报警处理模块会以播放声音或震动的形式提醒用户，在一个可设置的时间范围内，若用户取消警报，则认为此次为误警报，继续进行跌倒监测；若设置时间已结束，用户仍无操作，则确定是一个真正的跌倒事件，并自动获取用户位置信息，发送紧急信息及拨打电话；
参数设置模块用户可以根据自己的使用习惯及偏好进行设置，包括：报警等待时间、开启关闭、传感器敏感度、报警方式和报警声音。
3.根据权利要求1或2所述的一种基于人体跌倒检测技术的养老智能报警系统，其特征在于：所述跌倒检测算法采用基于特征量阈值的方法，特征量有合加速度特征量A、合角速度特征量W和相似度特征量S，其中：
A=；
W=；
；
上述公式中，，，分别为加速度传感器x、y、z三轴方向的随时间变化输出，并经中值滤波后的信号；,，分别为陀螺仪x、y、z三轴方向随时间变化的输出，并经中值滤波后的信号；Ni表示拟合离散数据点集合中的第i个值，Ci表示合角度离散数据点集合中的第i个值，i表示t-t0～t+t0时段内的各个采样数据点对应的釆样序号，表示Ci集合中的最大值；
所述跌倒检测算法对数据实行分段处理，计算当前时刻A值，并与合加速度AT-进行比较；如果A＞AT-，则计算同一时刻的W值,并与合角速度阈值-W-T进行比较；如果W＞W-T，则等待人体姿态稳定，然后计算S值，并与相似度阈值ST进行比较；如果S＞ST，则怀疑一个跌倒的发生，算法进入智能报警模式；如果以上过程中出现任一特征量值小于其阈值，则会立即中断并返回到算法入口处，其中特征量A和W用来区分跌倒与较低强度日常活动，而特征量S用来区分跌倒与较高强度日常活动，而特征量用来区分跌倒与较高强度日常活动。
4.根据权利要求1所述的一种基于人体跌倒检测技术的养老智能报警系统，其特征在于：在计算S值前需要启动一个定时器来提高对人体跌倒判断准确性。
CN201610062316.2A 2016-01-29 2016-01-29 基于人体跌倒检测技术的养老智能报警系统 Pending CN105528859A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610062316.2A CN105528859A (zh) 2016-01-29 2016-01-29 基于人体跌倒检测技术的养老智能报警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610062316.2A CN105528859A (zh) 2016-01-29 2016-01-29 基于人体跌倒检测技术的养老智能报警系统

Publications (1)

Publication Number Publication Date
CN105528859A true CN105528859A (zh) 2016-04-27

Family

ID=55771054

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610062316.2A Pending CN105528859A (zh) 2016-01-29 2016-01-29 基于人体跌倒检测技术的养老智能报警系统

Country Status (1)

Country Link
CN (1) CN105528859A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056849A (zh) * 2016-07-15 2016-10-26 西安电子科技大学 老人跌倒智能检测与定位的主被动告警系统及方法
CN106037749A (zh) * 2016-05-18 2016-10-26 武汉大学 一种基于智能手机和可穿戴式设备的老年人跌倒监测方法
CN106157535A (zh) * 2016-08-01 2016-11-23 微云（武汉）科技有限公司 一种智能求救装置及其实现方法
CN106408868A (zh) * 2016-06-14 2017-02-15 夏烬楚 一种便携式老年人跌倒监控预警系统及方法
CN106418942A (zh) * 2016-09-24 2017-02-22 成都创慧科达科技有限公司 一种防跌倒智能拐杖及控制系统和控制方法
CN106781271A (zh) * 2016-11-21 2017-05-31 南京邮电大学 一种基于加速度传感器的老年人跌倒救助系统和方法
CN108674351A (zh) * 2018-05-22 2018-10-19 郑州光之源电子科技有限公司 基于传感技术分析危险驾驶的安全报警方法
CN109620184A (zh) * 2019-01-29 2019-04-16 上海海事大学 手机-可穿戴设备一体式人体突发伤害实时监测报警方法
CN109858322A (zh) * 2018-12-04 2019-06-07 广东工业大学 一种人体跌倒检测方法及装置
CN110007632A (zh) * 2019-04-26 2019-07-12 武汉汉镇既济电力设备有限公司 一种基于断路器的电路控制方法
CN110876613A (zh) * 2019-09-27 2020-03-13 深圳先进技术研究院 一种人体运动状态识别方法、系统及电子设备
CN110989689A (zh) * 2019-12-16 2020-04-10 兰州理工大学 一种基于自动追踪的机器人系统
CN111839527A (zh) * 2020-07-31 2020-10-30 高新兴物联科技有限公司 一种跌倒检测方法、设备及计算机可读存储介质
CN112790759A (zh) * 2020-12-29 2021-05-14 黑龙江惠达科技发展有限公司 一种易用的人体动作检测模块
CN114495426A (zh) * 2022-03-24 2022-05-13 山东建筑大学 一种防摔倒检测与防护系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117533A (zh) * 2011-03-11 2011-07-06 北京航空航天大学 人体跌倒检测保护与报警装置
CN103027687A (zh) * 2012-12-05 2013-04-10 北京工业大学 基于3d加速度仪和陀螺仪的老年人跌倒检测报警系统
WO2015143085A1 (en) * 2014-03-18 2015-09-24 Zhang Jack Ke Techniques for wellness monitoring and emergency alert messaging
US9159213B1 (en) * 2014-07-17 2015-10-13 National Chung Shan Institute Of Science And Technology Motion detection method and device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102117533A (zh) * 2011-03-11 2011-07-06 北京航空航天大学 人体跌倒检测保护与报警装置
CN103027687A (zh) * 2012-12-05 2013-04-10 北京工业大学 基于3d加速度仪和陀螺仪的老年人跌倒检测报警系统
WO2015143085A1 (en) * 2014-03-18 2015-09-24 Zhang Jack Ke Techniques for wellness monitoring and emergency alert messaging
US9159213B1 (en) * 2014-07-17 2015-10-13 National Chung Shan Institute Of Science And Technology Motion detection method and device

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴志强: "基于智能手机的人体跌倒检测技术的研究与应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106037749A (zh) * 2016-05-18 2016-10-26 武汉大学 一种基于智能手机和可穿戴式设备的老年人跌倒监测方法
CN106408868A (zh) * 2016-06-14 2017-02-15 夏烬楚 一种便携式老年人跌倒监控预警系统及方法
CN106056849B (zh) * 2016-07-15 2018-06-26 西安电子科技大学 老人跌倒智能检测与定位的主被动告警系统及方法
CN106056849A (zh) * 2016-07-15 2016-10-26 西安电子科技大学 老人跌倒智能检测与定位的主被动告警系统及方法
CN106157535A (zh) * 2016-08-01 2016-11-23 微云（武汉）科技有限公司 一种智能求救装置及其实现方法
CN106418942A (zh) * 2016-09-24 2017-02-22 成都创慧科达科技有限公司 一种防跌倒智能拐杖及控制系统和控制方法
CN106781271A (zh) * 2016-11-21 2017-05-31 南京邮电大学 一种基于加速度传感器的老年人跌倒救助系统和方法
CN108674351A (zh) * 2018-05-22 2018-10-19 郑州光之源电子科技有限公司 基于传感技术分析危险驾驶的安全报警方法
CN109858322A (zh) * 2018-12-04 2019-06-07 广东工业大学 一种人体跌倒检测方法及装置
CN109620184A (zh) * 2019-01-29 2019-04-16 上海海事大学 手机-可穿戴设备一体式人体突发伤害实时监测报警方法
CN110007632A (zh) * 2019-04-26 2019-07-12 武汉汉镇既济电力设备有限公司 一种基于断路器的电路控制方法
CN110876613A (zh) * 2019-09-27 2020-03-13 深圳先进技术研究院 一种人体运动状态识别方法、系统及电子设备
CN110989689A (zh) * 2019-12-16 2020-04-10 兰州理工大学 一种基于自动追踪的机器人系统
CN111839527A (zh) * 2020-07-31 2020-10-30 高新兴物联科技有限公司 一种跌倒检测方法、设备及计算机可读存储介质
CN112790759A (zh) * 2020-12-29 2021-05-14 黑龙江惠达科技发展有限公司 一种易用的人体动作检测模块
CN114495426A (zh) * 2022-03-24 2022-05-13 山东建筑大学 一种防摔倒检测与防护系统及方法

Similar Documents

Publication Publication Date Title
CN105528859A (zh) 基于人体跌倒检测技术的养老智能报警系统
Saleh et al. FallAllD: An open dataset of human falls and activities of daily living for classical and deep learning applications
Liu et al. Impact of sampling rate on wearable-based fall detection systems based on machine learning models
Tong et al. HMM-based human fall detection and prediction method using tri-axial accelerometer
Hu et al. Pre-impact fall detection
Chen et al. Intelligent fall detection method based on accelerometer data from a wrist-worn smart watch
He et al. A smart device enabled system for autonomous fall detection and alert
Wang et al. A data fusion-based hybrid sensory system for older people’s daily activity and daily routine recognition
Kang et al. Real-time elderly activity monitoring system based on a tri-axial accelerometer
Naranjo-Hernandez et al. Personalization and adaptation to the medium and context in a fall detection system
Lo et al. Wireless body area network node localization using small-scale spatial information
Ge et al. Detecting Falls Using Accelerometers by Adaptive Thresholds in Mobile Devices.
CN111643092A (zh) 一种癫痫报警装置及癫痫检测方法
Cao et al. A fall detection method based on acceleration data and hidden Markov model
Chang et al. An environmental-adaptive fall detection system on mobile device
Kambhampati et al. Unified framework for triaxial accelerometer‐based fall event detection and classification using cumulants and hierarchical decision tree classifier
Amiroh et al. Intelligent System for Fall Prediction Based on Accelerometer and Gyroscope of Fatal Injury in Geriatric
Tan et al. Reliable fall detection system using an 3-DOF accelerometer and cascade posture recognitions
KR102236630B1 (ko) 웨어러블 통신 단말 기반 긁음 행위 인식 시스템 및 그 방법
EP3193716A1 (en) Impairment detection with biological considerations
JP5418938B2 (ja) グループ行動推定装置およびサービス提供システム
CN106408868A (zh) 一种便携式老年人跌倒监控预警系统及方法
CN114098719A (zh) 一种动作检测方法、装置和穿戴设备
Ketabdar et al. Motion and audio analysis in mobile devices for remote monitoring of physical activities and user authentication
Nguyen et al. Detecting falls using a wearable accelerometer motion sensor

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20160427

RJ01 Rejection of invention patent application after publication