CN105769205A - 一种身体信息检测设备及跌倒检测系统 - Google Patents
一种身体信息检测设备及跌倒检测系统 Download PDFInfo
- Publication number
- CN105769205A CN105769205A CN201610099415.8A CN201610099415A CN105769205A CN 105769205 A CN105769205 A CN 105769205A CN 201610099415 A CN201610099415 A CN 201610099415A CN 105769205 A CN105769205 A CN 105769205A
- Authority
- CN
- China
- Prior art keywords
- fall
- cloud server
- detection
- module
- biological information
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pulmonology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明适用于数字化通讯技术领域,提供了一种身体信息检测设备及跌倒检测系统,所述系统包括:身体信息检测设备和云端服务器,两者通过WIFI方式进行组网,所述云端服务器包括:数据接收单元,用于接收并存储所述身体信息检测设备发送的运动信息,所述运动信息包括惯性传感器采集的运动姿态数据以及血氧传感器和心率检测传感器采集的生理参数数据;跌倒判断单元,用于采用跌倒检测算法对所述运动姿态数据进行判断是否发生跌倒;跌倒确认单元,用于如果判断发生了跌倒,根据所述生理参数数据再次确认是否发生跌倒,如果确认发生跌倒,进行跌倒急救报警。本发明采用WIFI组网方式的进行多节点跌倒检测,提高了跌倒检测精度。
Description
技术领域
本发明属于数字化通讯技术领域,尤其涉及一种身体信息检测设备及跌倒检测系统。
背景技术
当前社会人口老龄化现象严重,老年人在身体平衡与协调机能方面都有退化,所以经常会有老年人在家中或是马路上跌倒,跌倒之后老年人无法自行站起,往往会出现昏迷受伤的严重情况,甚至是致命的。跌倒会严重的影响老年人的身体健康和独立生活能力,并且对老年人的心理也会造成压力和恐惧。为了尽早发现这种意外的跌倒情况,在跌倒检测与防护方面的研究和产品的开发也吸引了大批科技工作者,对于日常生活中老年人的无意识跌倒的检测的方法是采用加速度计传感器来采集人体的某个关节部位的运动姿态信息,通过单片机等微控制器采用运动姿态信息的算法分析来判断老年人是否跌倒,然后通过全球移动通信系统(GlobalSystemforMobileCommunications、GSM)或通用分组无线服务技术(GeneralPacketRadioService、GPRS)来发送求救信息到紧急联系人或者服务器监控平台。
不难看出,现有身体信息检测设备通过单个运动姿态采集设备节点中的单个加速度传感器来采集运动姿态信息,通常佩戴的在头部、腰部、腕部或者胸部位置,单个采集设备节点并不能够完全的表征复杂的身体运动特征,很多时候会造成误判断,准确率不高;身体信息检测设备中的单片机等微控制器通过加速度、角速度、角度等姿态信息来设计一个阈值判断算法,来判断是否有跌倒发生,这样设计的跌倒算法对于微控制器的计算速度与计算能力要求较高,而且跌倒检测算法是离线固化在微控制器中,所以不能够通过多次的跌倒检测对算法进行学习和收敛,导致跌倒检测的精度一直保持不变,跌倒检测的精度不能提升;通过GPRS或者GSM将判断为跌倒的身体行为发送到预存好的紧急联系人或者120等急救电话,这样的求救方式通常能够及时获取的求救信息太少,不能够将跌倒人的具体的身体状况参数、地理位置信息、周边医疗环境设备、急救设施的最合理线路等信息及时的获取,导致抢救的黄金时间不能有效利用;单独的每个被检测的易跌倒人没有形成完成的群体与规模,对于跌倒检测系统的完善与提高有限制作用,及时进行群体性检测也是采用离线的实验数据,这都难以采用较大的数据样本进行实验。
发明内容
本发明实施例提供了一种身体信息检测设备及跌倒检测系统,旨在解决现有身体信息检测设备的准确率不高,并跌倒检测的精度不能提升,呼救信息有限不利于营救的问题。
一方面,提供一种身体信息检测设备,所述设备包括:若干个用于采集多个身体运动关节处运动信息的传感器节点模块;用于存储及处理所述运动信息的处理器模块;用于发送处理后所述运动信息的WIFI通信模块;以及为上述各个模块提供电压的电源模块,其中,所述传感器节点模块包括用于采集身体姿态参数的惯性传感器,与所述传感器节点模块与所述处理器模块之间通过集成电路(Inter-IntegratedCircuit、IIC)总线进行通信,所述处理器模块与WIFI通信模块通过通用异步收发传输器(UniversalAsynchronousReceiverandTransmitter、UART)总线进行通信,所述运动信息为通过所述惯性传感器获取的加速度、角速度和地磁信息经过滤波融合算法计算并获取实时运动姿态数据。
进一步地,所述传感器节点模块还包括用于采集生理参数的血氧传感器和心率检测传感器,所述运动信息还包括血压生理参数数据和心率生理参数数据。
进一步地,所述WIFI通信模块包括依次电性连接的WIFI射频子模块、天线匹配电路以及天线。
进一步地,所述电源模块包括依次电性连接的稳压电路、电源开关子模块、电池、充电电路、微型USB充电接口。
进一步地,所述处理器模块与WIFI通信模块采用串口透传模式,传输层的传输方式为UDP传输,其中所述处理器模块将所述运动信息进行打包和定义数据包的字段,所述WIFI通信模块将所述数据包通过无线网络接入设备发送至云端服务器。
另一方面,提供一种跌倒检测系统,所述系统包括:如上所述的身体信息检测设备和云端服务器,两者通过WIFI方式进行组网,采用星型拓扑进行通信,其中,所述云端服务器包括:
数据接收单元,用于接收并存储所述身体信息检测设备发送的运动信息,所述运动信息包括惯性传感器采集的运动姿态数据以及血氧传感器和心率检测传感器采集的生理参数数据;
跌倒判断单元,用于采用跌倒检测算法对所述运动姿态数据进行判断是否发生跌倒;
跌倒确认单元,用于如果判断发生了跌倒,根据所述生理参数数据再次确认是否发生跌倒,如果确认发生跌倒,进行跌倒急救报警。
进一步地,所述系统还包括与所述云端服务器网络通信的公共医疗平台,用于接收所述跌倒急救报警,并根据预设报警等级通知医院进行急救。
进一步地,所述云端服务器还包括:
家属通知单元,用于将所述跌倒急救报警发送至所述身体信息检测设备的使用者关联的家属持有的移动终端。
进一步地,所述云端服务器还包括:
模型学习单元,用于根据反馈回来的实际跌倒情况,学习更新跌倒检测的判断模型。
本申请实施例包括以下优点:
采用WIFI的方式进行组网,身体信息检测设备为多个惯性传感器节点,节点固定在身体上能够表征身体运动姿态的关节处,各个节点通过惯性传感器采集的运动信息,包括加速度、角速度、地磁信息,经过滤波融合算法来解算出精确实时的运动信息,然后将运动信息打包,通过WIFI通信模块发送到云端服务器中,云端服务器能够实时的接收各个节点的数据包,然后在云端服务器将发送到数据包根据定义好的格式实时的保存各个节点的运动信息。通过云端服务器建立的跌倒检测模型实时判断是否有跌倒发生,如果有,通知家人或是医疗机构。同时根据每一次的判断来学习更新跌倒检测模型。这样可以不断的提高检测模型的精度。
附图说明
图1是本发明实施例一提供的身体信息检测设备的具体结构框图;
图2是本发明实施例二提供的跌倒检测系统的具体结构框图。
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。
以下结合具体实施例对本发明的实现进行详细描述:
实施例一
图1示出了本发明实施例一提供的身体信息检测设备的具体结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。在本实施例中,该身体信息检测设备包括:若干个用于采集多个身体运动关节处运动信息的传感器节点模块;一用于存储及处理所述运动信息的处理器模块;用于发送处理后所述运动信息的WIFI通信模块;以及为上述各个模块提供电压的电源模块,其中,所述传感器节点模块包括用于采集身体姿态参数的惯性传感器,与所述传感器节点模块与所述处理器模块之间通过集成电路(Inter-IntegratedCircuit、IIC)总线进行通信,所述处理器模块与WIFI通信模块通过通用异步收发传输器(UniversalAsynchronousReceiverandTransmitter、UART)总线进行通信,所述运动信息为通过所述惯性传感器获取的加速度、角速度和地磁信息经过滤波融合算法计算获取的实时运动姿态数据。优选的,所述惯性传感器具体为InvenSense公司的MPU9150,其包括包含了三轴陀螺仪、三轴加速度计和三轴磁力计,加速度计的量程范围为:±2、±4、±8、±16g,陀螺仪的量程为:±250、±500、±1000、±2000°/sec,磁力计的量程范围为±1000uT,既可以用于宽量程的运动参数采集,可用于高转速、高机动、强磁场的场合,又可以缩小量程,得到更为细微的参数变化。
进一步地,所述传感器节点模块还包括用于采集生理参数的光电式血氧传感器和光电式心率检测传感器,所述运动信息还包括血压生理参数数据和心率生理参数数据。
进一步地,所述WIFI通信模块包括依次电性连接的WIFI射频子模块、天线匹配电路以及微型天线。WIFI通信模块与处理器模块通信采用的是UART通信模式,同样采用的是串口透传模式,传输层的传输方式为UDP传输。WIFI通信模块可以作为AP模式,作为基站节点Server,同时还可以作为STATION模式,作为传感器节点。无线通信的数据包和命令包格式如表1和表2所示,
表1数据包
当传感器节点模块采集到运动信息之后,按照数据包的格式进行封装成数据流。数据包包括同步头在内,一共23个字节。MPU三个字节代表自定义数据包的同步头,L和H分别代表16位的低字节和高字节,ACC代表加速度,GYR代表角速度,MAG代表地磁场,VOLTAGE代表的是传感器节点的电压值,X、Y、Z分别代表所述惯性传感器的轴向。传感器节点模块和基站节点模块直接将传感器节点的数据进行采集之后封装发送,数据的物理量转换由上位机软件来完成。处理器模块通过UART将其数据写入到WIFI通信模块的发送寄存器,通过WIFI将数据包发送出去。
表2命令包格
命令包一共32个字节。包括自定义同步头CMD,用1个字节存储命令的类型,其包括开始采集命令、停止采集命令、低功耗模式选择命令、量程配置命令和传感器采样率配置命令,后面的28个字节是根据命令类型配置的具体参数。
进一步地,所述电源模块包括依次电性连接的稳压电路、电源开关子模块、电池、充电电路、微型USB充电接口和电池供电稳压模块。
进一步地,所述处理器模块与WIFI通信模块采用串口透传模式,传输层的传输方式为UDP传输,其中所述处理器模块将所述运动信息进行打包和定义数据包的字段,所述WIFI通信模块将所述数据包通过无线网络接入设备发送至云端服务器。
本实施例,采用多个绑定在人体关节处的惯性传感器节点来组网进行当前运动姿态的采集,还可以通过在节点上添加心率、血压等传感器模块,采集实时的人体心率与血压状况,作为跌倒之后身体状况的判断,有助于提高跌倒判断的准确率。
实施例二
图2示出了本发明实施例二提供的跌倒检测系统的具体结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。在本实施例中,该跌倒检测系统包括:如实施例一所述的身体信息检测设备1和云端服务器2,两者通过WIFI方式进行组网,采用星型拓扑进行通信,其中,所述身体信息监测设备1具体见实施例一的描述,所述云端服务器2包括:
数据接收单元21,用于接收并存储所述身体信息检测设备发送的运动信息,所述运动信息包括惯性传感器采集的运动姿态数据以及血氧传感器和心率检测传感器采集的生理参数数据;
跌倒判断单元22,用于采用跌倒检测算法对所述运动姿态数据进行判断是否发生跌倒;
在本实施例中,通过处理器模块将身体的运动姿态数据和生理参数数据进行打包和定义数据包的字段,然后通过WIFI将数据发送到无线网络接入设备,比如路由器接入互联网,然后云服务器将数据进行存储。云服务器中对采用跌倒检测算法判断是否有跌倒发生,如果判断产生跌倒,就会根据相同时刻的心电和脉率信号进行判断是否有跌倒发生,然后确定有跌倒发生之后,通过公共医疗平台通知医院采取急救。
跌倒确认单元23,用于如果判断发生了跌倒,根据所述生理参数数据再次确认是否发生跌倒,如果确认发生跌倒,进行跌倒急救报警。
进一步地,所述系统还包括与所述云端服务器网络通信的公共医疗平台,用于接收所述跌倒急救报警,并根据预设报警等级通知医院进行急救。
进一步地,所述云端服务器还包括:
家属通知单元24,用于将所述跌倒急救报警发送至所述身体信息检测设备的使用者关联的家属持有的移动终端。
进一步地,所述云端服务器还包括:
模型学习单元25,用于根据反馈回来的实际跌倒情况,学习更新跌倒检测的判断模型。
在本实施例中,同时根据是否发生了误判,来更新跌倒检测的判断模型。判断更新的依据一般把跌倒检测事件分为四类:
真阳性事件(TP,TruePositive):跌倒发生且被设备检测到跌倒;
假阳性事件(FP,FalsePositive):跌倒未发生但设备检测到跌倒;
真阴性事件(TN,TrueNegative):正常的日常动作且设备没检测到跌倒;
假阴性事件(FN,FalseNegative):跌倒发生且设备没检测到跌倒;
跌倒检测过程主要需要三个指标:灵敏度(Sensitivity)、前置时间(Leadtime)、特异度(Specificity)。其中,灵敏度指的是检测到跌倒的正确概率,定义公式为1.1
灵敏度越高,跌倒检测算法越优越。前置时间是指检测到跌倒发生到人体接触地面的时间。其中,倒检测算法也要尽量延长前置时间,这样对于保护装置设计有更大的好处。特异度指的是能够正确区分出日常运动的概率。特异度越高,产生误报的概率越小。定义公式为1.2
本实施例,采用WIFI的方式进行组网,身体信息检测设备为多个惯性传感器节点,节点固定在身体上能够表征身体运动姿态的关节处,各个节点通过惯性传感器采集的运动信息,包括加速度、角速度、地磁信息,经过滤波融合算法来解算出精确实时的运动信息,然后将运动信息打包,通过WIFI通信模块发送到云端服务器中,云端服务器能够实时的接收各个节点的数据包,然后在云端服务器将发送到数据包根据定义好的格式实时的保存各个节点的运动信息。通过云端服务器建立的跌倒检测模型实时判断是否有跌倒发生,如果有,通知家人或是医疗机构。同时根据每一次的判断来学习更新跌倒检测模型。这样可以不断的提高检测模型的精度。
本发明实施例提供的跌倒检测系统中应用了在前述对应的设备实施例一中,详情参见上述实施例一的描述,在此不再赘述。
值得注意的是,上述装置实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、控制器、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的控制器。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令控制器的制造品,该指令控制器实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种身体信息检测设备及跌倒检测系统,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种身体信息检测设备,其特征在于,所述设备包括:若干个用于采集多个身体运动关节处运动信息的传感器节点模块;用于存储及处理所述运动信息的处理器模块;用于发送处理后所述运动信息的WIFI通信模块;以及为上述各个模块提供电压的电源模块,其中,所述传感器节点模块包括用于采集身体姿态参数的惯性传感器,与所述传感器节点模块与所述处理器模块之间通过集成电路总线进行通信,所述处理器模块与WIFI通信模块通过通用异步收发传输器总线进行通信,所述运动信息为通过所述惯性传感器获取的加速度、角速度和地磁信息经过滤波融合算法计算并获取实时运动姿态数据。
2.根据权利要求1所述的身体信息检测设备,其特征在于,所述传感器节点模块还包括用于采集生理参数的血氧传感器和心率检测传感器,所述运动信息还包括血压生理参数数据和心率生理参数数据。
3.根据权利要求1所述的身体信息检测设备,其特征在于,所述WIFI通信模块包括依次电性连接的WIFI射频子模块、天线匹配电路以及天线。
4.根据权利要求1所述的身体信息检测设备,其特征在于,所述电源模块包括依次电性连接的稳压电路、电源开关子模块、电池、充电电路、微型USB充电接口。
5.根据权利要求1、2、3或4所述的身体信息检测设备,其特征在于,所述处理器模块与WIFI通信模块采用串口透传模式,传输层的传输方式为UDP传输,其中所述处理器模块将所述运动信息进行打包和定义数据包的字段,所述WIFI通信模块将所述数据包通过无线网络接入设备发送至云端服务器。
6.一种跌倒检测系统,其特征在于,所述系统包括:如权利要求1-5任一项所述的身体信息检测设备以及云端服务器,两者通过WIFI方式进行组网,采用星型拓扑进行通信,其中,所述云端服务器包括:
数据接收单元,用于接收并存储所述身体信息检测设备发送的运动信息,所述运动信息包括惯性传感器采集的运动姿态数据以及血氧传感器和心率检测传感器采集的生理参数数据;
跌倒判断单元,用于采用跌倒检测算法对所述运动姿态数据进行判断是否发生跌倒;
跌倒确认单元,用于如果判断发生了跌倒,根据所述生理参数数据再次确认是否发生跌倒,如果确认发生跌倒,进行跌倒急救报警。
7.根据权利要求6所述的跌倒检测系统,其特征在于,所述系统还包括与所述云端服务器网络通信的公共医疗平台,用于接收所述跌倒急救报警,并根据预设报警等级通知医院进行急救。
8.根据权利要求7所述的跌倒检测系统,其特征在于,所述云端服务器还包括:
家属通知单元,用于将所述跌倒急救报警发送至所述身体信息检测设备的使用者关联的家属持有的移动终端。
9.根据权利要求6的跌倒检测系统,其特征在于,所述云端服务器还包括:
模型学习单元,用于根据反馈回来的实际跌倒情况,学习更新跌倒检测的判断模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610099415.8A CN105769205A (zh) | 2016-02-23 | 2016-02-23 | 一种身体信息检测设备及跌倒检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610099415.8A CN105769205A (zh) | 2016-02-23 | 2016-02-23 | 一种身体信息检测设备及跌倒检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105769205A true CN105769205A (zh) | 2016-07-20 |
Family
ID=56403582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610099415.8A Pending CN105769205A (zh) | 2016-02-23 | 2016-02-23 | 一种身体信息检测设备及跌倒检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105769205A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107049271A (zh) * | 2016-10-08 | 2017-08-18 | 郭润泽 | 智能腕带 |
CN107145878A (zh) * | 2017-06-01 | 2017-09-08 | 重庆邮电大学 | 基于深度学习的老人异常行为检测方法 |
WO2018098961A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳市酷浪云计算有限公司 | 运动健康管理平台及运动智能装备 |
WO2018223562A1 (en) * | 2017-06-09 | 2018-12-13 | Midea Group Co., Ltd. | System and method for care support at home |
CN109171734A (zh) * | 2018-10-18 | 2019-01-11 | 中国科学院重庆绿色智能技术研究院 | 基于多传感器数据融合的人体行为分析云管理系统 |
CN109498031A (zh) * | 2019-01-10 | 2019-03-22 | 广东小天才科技有限公司 | 一种基于可穿戴设备的生理参数预警方法及系统 |
CN109745054A (zh) * | 2019-03-05 | 2019-05-14 | 西南交通大学 | 一种跌倒防护装置及跌倒预测方法 |
CN109938706A (zh) * | 2017-12-20 | 2019-06-28 | 北京中盈安信技术服务股份有限公司 | 一种巡检人员工作状态实时监测装置及监测方法 |
CN110215212A (zh) * | 2019-04-19 | 2019-09-10 | 福州大学 | 一种基于低分辨率红外热成像的智能跌倒检测系统 |
CN110675595A (zh) * | 2019-09-09 | 2020-01-10 | 杭州憶盛医疗科技有限公司 | 一种基于视觉和人工智能的跌倒检测系统 |
CN111091686A (zh) * | 2019-11-07 | 2020-05-01 | 来邦科技股份公司 | 跌倒报警装置和系统 |
CN111110243A (zh) * | 2019-12-19 | 2020-05-08 | 北京建筑大学 | 一种穿戴式摔倒监测设备及系统 |
CN112885035A (zh) * | 2021-01-13 | 2021-06-01 | 厦门米蓝信息科技有限公司 | 一种基于大数据的真实环境下老人跌倒检测方法及系统 |
CN113057609A (zh) * | 2021-04-20 | 2021-07-02 | 吉林大学 | 一种生命体征监测方法及系统 |
CN113900524A (zh) * | 2021-10-13 | 2022-01-07 | 宁波诺丁汉大学 | 可穿戴设备、跌倒检测系统、方法、装置及电子设备 |
CN113936421A (zh) * | 2020-07-14 | 2022-01-14 | 苹果公司 | 使用移动设备检测跌倒 |
CN114601431A (zh) * | 2022-03-11 | 2022-06-10 | 河海大学 | 一种基于云边协同的可穿戴式健康监测系统 |
US11842615B2 (en) | 2017-09-29 | 2023-12-12 | Apple Inc. | Detecting falls using a mobile device |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184312A (zh) * | 2011-03-15 | 2011-09-14 | 温州医学院眼视光研究院 | 基于物联网的医疗管理监控系统 |
CN103218906A (zh) * | 2013-04-23 | 2013-07-24 | 中国科学院深圳先进技术研究院 | 跌倒数据采集分析平台 |
CN103239216A (zh) * | 2013-05-22 | 2013-08-14 | 上海交通大学 | 一种体能监测装置及体能监测方法 |
CN103300864A (zh) * | 2013-04-23 | 2013-09-18 | 中国科学院深圳先进技术研究院 | 微型无线传感器节点 |
CN103308069A (zh) * | 2013-06-04 | 2013-09-18 | 电子科技大学 | 一种跌倒检测装置及方法 |
CN103377541A (zh) * | 2013-07-16 | 2013-10-30 | 中国科学院深圳先进技术研究院 | 人体防跌倒预警及干预方法和系统 |
CN103377542A (zh) * | 2013-07-16 | 2013-10-30 | 中国科学院深圳先进技术研究院 | 人体防跌倒预警方法及预警器 |
CN103390327A (zh) * | 2013-07-16 | 2013-11-13 | 中国科学院深圳先进技术研究院 | 人体防跌倒预警方法及预警器 |
CN103503041A (zh) * | 2011-04-29 | 2014-01-08 | 皇家飞利浦有限公司 | 用于跌倒检测器或跌倒检测系统中的装置及其操作方法 |
CN103637769A (zh) * | 2013-11-14 | 2014-03-19 | 成都博约创信科技有限责任公司 | 一种健康监测装置及方法 |
CN103876755A (zh) * | 2012-12-19 | 2014-06-25 | 卡西欧计算机株式会社 | 传感器数据抽取系统及传感器数据抽取方法 |
CN104055518A (zh) * | 2014-07-08 | 2014-09-24 | 广州柏颐信息科技有限公司 | 一种跌倒检测腕表及跌倒检测方法 |
CN104586398A (zh) * | 2013-10-30 | 2015-05-06 | 广州华久信息科技有限公司 | 一种基于多传感器融合的老人跌倒检测方法及系统 |
CN104771177A (zh) * | 2015-05-08 | 2015-07-15 | 重庆软汇科技股份有限公司 | 一种基于机器学习的跌倒检测系统及方法 |
CN105311814A (zh) * | 2014-07-31 | 2016-02-10 | 精工爱普生株式会社 | 运动解析装置、运动解析方法、以及运动解析系统 |
-
2016
- 2016-02-23 CN CN201610099415.8A patent/CN105769205A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184312A (zh) * | 2011-03-15 | 2011-09-14 | 温州医学院眼视光研究院 | 基于物联网的医疗管理监控系统 |
CN103503041A (zh) * | 2011-04-29 | 2014-01-08 | 皇家飞利浦有限公司 | 用于跌倒检测器或跌倒检测系统中的装置及其操作方法 |
CN103876755A (zh) * | 2012-12-19 | 2014-06-25 | 卡西欧计算机株式会社 | 传感器数据抽取系统及传感器数据抽取方法 |
CN103218906A (zh) * | 2013-04-23 | 2013-07-24 | 中国科学院深圳先进技术研究院 | 跌倒数据采集分析平台 |
CN103300864A (zh) * | 2013-04-23 | 2013-09-18 | 中国科学院深圳先进技术研究院 | 微型无线传感器节点 |
CN103239216A (zh) * | 2013-05-22 | 2013-08-14 | 上海交通大学 | 一种体能监测装置及体能监测方法 |
CN103308069A (zh) * | 2013-06-04 | 2013-09-18 | 电子科技大学 | 一种跌倒检测装置及方法 |
CN103377542A (zh) * | 2013-07-16 | 2013-10-30 | 中国科学院深圳先进技术研究院 | 人体防跌倒预警方法及预警器 |
CN103390327A (zh) * | 2013-07-16 | 2013-11-13 | 中国科学院深圳先进技术研究院 | 人体防跌倒预警方法及预警器 |
CN103377541A (zh) * | 2013-07-16 | 2013-10-30 | 中国科学院深圳先进技术研究院 | 人体防跌倒预警及干预方法和系统 |
CN104586398A (zh) * | 2013-10-30 | 2015-05-06 | 广州华久信息科技有限公司 | 一种基于多传感器融合的老人跌倒检测方法及系统 |
CN103637769A (zh) * | 2013-11-14 | 2014-03-19 | 成都博约创信科技有限责任公司 | 一种健康监测装置及方法 |
CN104055518A (zh) * | 2014-07-08 | 2014-09-24 | 广州柏颐信息科技有限公司 | 一种跌倒检测腕表及跌倒检测方法 |
CN105311814A (zh) * | 2014-07-31 | 2016-02-10 | 精工爱普生株式会社 | 运动解析装置、运动解析方法、以及运动解析系统 |
CN104771177A (zh) * | 2015-05-08 | 2015-07-15 | 重庆软汇科技股份有限公司 | 一种基于机器学习的跌倒检测系统及方法 |
Non-Patent Citations (1)
Title |
---|
熊茂华等: "《无线传感器网络技术及应用》", 31 January 2014, 西安电子科技大学出版社 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107049271A (zh) * | 2016-10-08 | 2017-08-18 | 郭润泽 | 智能腕带 |
WO2018098961A1 (zh) * | 2016-11-30 | 2018-06-07 | 深圳市酷浪云计算有限公司 | 运动健康管理平台及运动智能装备 |
CN107145878A (zh) * | 2017-06-01 | 2017-09-08 | 重庆邮电大学 | 基于深度学习的老人异常行为检测方法 |
WO2018223562A1 (en) * | 2017-06-09 | 2018-12-13 | Midea Group Co., Ltd. | System and method for care support at home |
US10438136B2 (en) | 2017-06-09 | 2019-10-08 | Midea Group Co., Ltd. | System and method for care support at home |
US11842615B2 (en) | 2017-09-29 | 2023-12-12 | Apple Inc. | Detecting falls using a mobile device |
CN109938706A (zh) * | 2017-12-20 | 2019-06-28 | 北京中盈安信技术服务股份有限公司 | 一种巡检人员工作状态实时监测装置及监测方法 |
CN109171734A (zh) * | 2018-10-18 | 2019-01-11 | 中国科学院重庆绿色智能技术研究院 | 基于多传感器数据融合的人体行为分析云管理系统 |
CN109498031A (zh) * | 2019-01-10 | 2019-03-22 | 广东小天才科技有限公司 | 一种基于可穿戴设备的生理参数预警方法及系统 |
CN109745054A (zh) * | 2019-03-05 | 2019-05-14 | 西南交通大学 | 一种跌倒防护装置及跌倒预测方法 |
CN110215212A (zh) * | 2019-04-19 | 2019-09-10 | 福州大学 | 一种基于低分辨率红外热成像的智能跌倒检测系统 |
CN110675595A (zh) * | 2019-09-09 | 2020-01-10 | 杭州憶盛医疗科技有限公司 | 一种基于视觉和人工智能的跌倒检测系统 |
CN110675595B (zh) * | 2019-09-09 | 2022-06-14 | 杭州憶盛医疗科技有限公司 | 一种基于视觉和人工智能的跌倒检测系统 |
CN111091686A (zh) * | 2019-11-07 | 2020-05-01 | 来邦科技股份公司 | 跌倒报警装置和系统 |
CN111110243A (zh) * | 2019-12-19 | 2020-05-08 | 北京建筑大学 | 一种穿戴式摔倒监测设备及系统 |
CN113936421A (zh) * | 2020-07-14 | 2022-01-14 | 苹果公司 | 使用移动设备检测跌倒 |
CN112885035A (zh) * | 2021-01-13 | 2021-06-01 | 厦门米蓝信息科技有限公司 | 一种基于大数据的真实环境下老人跌倒检测方法及系统 |
CN113057609A (zh) * | 2021-04-20 | 2021-07-02 | 吉林大学 | 一种生命体征监测方法及系统 |
CN113900524A (zh) * | 2021-10-13 | 2022-01-07 | 宁波诺丁汉大学 | 可穿戴设备、跌倒检测系统、方法、装置及电子设备 |
CN114601431A (zh) * | 2022-03-11 | 2022-06-10 | 河海大学 | 一种基于云边协同的可穿戴式健康监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105769205A (zh) | 一种身体信息检测设备及跌倒检测系统 | |
CN103530978B (zh) | 一种面向特殊人群的危险感知与报警系统 | |
CN105342623A (zh) | 智能跌倒监护装置及其处理方法 | |
Kang et al. | Real-time elderly activity monitoring system based on a tri-axial accelerometer | |
CN104042196A (zh) | 实时健康监测及智能预警系统与方法 | |
Hsieh et al. | A wrist-worn fall detection system using accelerometers and gyroscopes | |
CN106960544A (zh) | 一种跌倒检测系统 | |
CN205721112U (zh) | 一种多功能智能手表 | |
CN106650300B (zh) | 一种基于极限学习机的老人监护系统及方法 | |
CN103198615A (zh) | 基于多传感器协同的人体跌倒检测预警装置 | |
CN104545847A (zh) | 具生理动量记录的表环 | |
CN102881115A (zh) | 基于ZigBee的便携式人体跌倒检测和报警系统 | |
CN104392583A (zh) | 一种基于knn算法的跌倒检测与报警系统及方法 | |
Dinh et al. | Implementation of a physical activity monitoring system for the elderly people with built-in vital sign and fall detection | |
CN205003738U (zh) | 自助式社区健康管理系统 | |
CN107943271A (zh) | 运动数据检测方法、装置及系统 | |
CN107019501B (zh) | 基于遗传算法和概率神经网络的远程摔倒检测方法及系统 | |
CN105374000A (zh) | 基于物联网、云计算和大数据分析的智能可穿戴设备健康安全系统 | |
CN105212912A (zh) | 基于物联网、云计算和大数据分析的智能可穿戴设备健康安全系统 | |
Dinh et al. | A fall and near-fall assessment and evaluation system | |
CN116491935B (zh) | 一种智能穿戴设备的运动健康监测方法、系统及介质 | |
CN203400150U (zh) | 基于ZigBee和三轴加速度传感器的人体姿态检测系统 | |
CN203179226U (zh) | 一种基于多传感器协同的人体跌倒检测预警装置 | |
Rakhecha | Reliable and secure body fall detection algorithm in a wireless mesh network | |
CN204192584U (zh) | 武警智能化单兵运动监测及生命体征预警救助系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160720 |
|
RJ01 | Rejection of invention patent application after publication |