CN106971502B - 一种基于多传感器联合的快速跌倒检测系统及方法 - Google Patents
一种基于多传感器联合的快速跌倒检测系统及方法 Download PDFInfo
- Publication number
- CN106971502B CN106971502B CN201710153008.5A CN201710153008A CN106971502B CN 106971502 B CN106971502 B CN 106971502B CN 201710153008 A CN201710153008 A CN 201710153008A CN 106971502 B CN106971502 B CN 106971502B
- Authority
- CN
- China
- Prior art keywords
- unit
- acceleration
- smv
- multisensor
- combination
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims description 15
- 230000001133 acceleration Effects 0.000 claims abstract description 52
- 230000002452 interceptive effect Effects 0.000 claims abstract description 9
- 230000003993 interaction Effects 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 5
- 238000000205 computational method Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000032683 aging Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 206010010144 Completed suicide Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003483 aging Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 231100000225 lethality Toxicity 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000000192 social effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
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
- 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)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于多传感器联合的快速跌倒检测系统,包括:人体加速度检测单元(104),采集人体运动过程中加速度值;足底压力检测单元(105),检测人体足底压力值;计算单元(101),对检测单元采集的数据进行处理和判定;远程通讯单元(102),实现远程通讯;定位单元(103),获取位置信息,提供定位功能;交互操作单元(106),提供一键求助、个性化设置的人机交互功能;本地报警单元(107);主控单元(108),控制各单元并与各单元协同工作。与现有技术相比,本发明结合人体加速度信号和足底压力信号,得到的信息更加全面,可靠性高;交互操作单元具有人机交互功能,可以阻止误报警行为,也可进行自主求救。
Description
技术领域
本发明涉及一种跌倒检测方法,尤其是涉及一种基于多传感器联合的快速跌倒检测系统及方法。
背景技术
随着经济的发展科学技术以及医疗水平的迅猛进步,人们生活水平的提高,全世界范围内都面临一个严峻的问题,即人口老龄化问题。而人口老龄化问题近些年来在中国则尤为显著,根据联合国关于人口结构的表述,当社会中60岁和65岁的老年人占总人口比例超过10%和7%时,即表明该社会为老龄化社会。据我国最新公布的人口普查显示,我国60岁以上的人口比例为13.31%,其中65岁及以上人口占8.91%。按照人口结构的定义,我国现在已经进入了老龄化社会,而且老龄化程度已经十分严重。
老年人作为弱势群体,应该得到更多的照顾,然而与之矛盾的是,随着现代化进程的加快,社会迅猛发展,生活节奏的不断加快,年轻人所承受的压力也越来越大,同时随着人口政策的影响和跨地域社会流动的加剧,我国“空巢老人”越来越多,进入空巢的年龄越来越年轻,空巢期也越来越长。与之相应的社会问题包括:“空巢老人”的日常生活缺少照料,有的地方甚至出现老年人在家中死亡多日才被发现的悲剧;“空巢老人”的心理健康问题非常突出,在一些高龄化国家,老年人自杀现象较为普遍。而且随着中国老龄化和区域经济发展的不均衡,中国的“空巢老人”数量还会增加,这无疑是我们所要面临的一个严峻的问题。
老年人,由于身体机能随着年龄的增长逐步弱化,运动能力大幅减弱,发生在老年人中的跌倒会来极为严重的后果,据资料显示,目前跌倒是导致老年人受严重伤害甚至死亡的重要原因。2013年全国疾病监测系统死因监测结果显示,65岁以上老年人跌倒死亡率为44.30/10万,因跌倒而导致死亡是该年龄人群因伤害致死的第一位死因,除导致死亡外,跌倒造成更多的是残疾、功能受限、活动受限等非致死性后果。另外也会对老年人的心理造成创伤,跌倒后的恐惧心理降低老年人活动能力和活动范围减小,生活质量明显下降。跌倒事件在带来严重后果的同时,其发生率在老年人群体中也极高,世界卫生组织指出,全球每年有30余万人死于跌倒,其中60岁以上的老人约占其中的一半。我国卫生部相关报告指出,我国65岁以上的老年人中有约22%的男性和44%的女性曾发生过跌倒。
经大量资料表明,往往跌倒本身并不会直接危及生命,更多的是在跌倒行为发生后,老年人由于心理产生恐慌引起心脏病或高血压等突发症状,或是跌倒本身就是由于一些突发疾病导致的,因不能及时得到救助而错过了最佳抢救时机,造成严重的后果。然而正如前面所分析的,当今社会越来越多的“空巢老人”和一定的社会问题使得老人在跌倒后往往不能得到及时的救助。
因此针对跌倒行为,提出一种能够准确对其进行检测的方法,并结合嵌入式技术、可穿戴技术以及物联网技术,应用于人们的日常生活中,实现对跌倒行为的检测和报警,这无疑具有深远的社会意义和经济效益。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种主要采集人体加速度信息和足底压力信息、对多传感器采集到的状态信息进行处理的基于多传感器联合的快速跌倒检测系统及方法。
本发明的目的可以通过以下技术方案来实现:
一种基于多传感器联合的快速跌倒检测系统,包括:
人体加速度检测单元,能用于检测加速度的传感器或设备,采集人体运动过程中加速度值;
足底压力检测单元,包括能用于检测足底压力的传感器或设备,检测人体足底压力值;
计算单元,对检测单元采集的数据进行处理和判定;
远程通讯单元,实现远程通讯;
定位单元,获取位置信息,提供定位功能;
交互操作单元,提供一键求助、个性化设置的人机交互功能;
本地报警单元;
主控单元,控制各单元并与各单元协同工作,其中会对一些参数进行存储如阈值。主控单元包括微控制MUC器、微处理器、DSP等。
所述的人体加速度检测单元设置在人体腰部,其作用为采集人体加速度信号,但其工作原理不限制于腰部,可放置于满足上述要求的部位,如可扩展到胸部等。快速跌倒指跌倒行为过程中人体明显的向某一方向倾斜、下落,且倾倒速度较快。其包括一切符合上述描述的跌倒行为,如:如行走、跑跳、上下楼梯等行为活动中产生的符合上述描述的跌倒行为;突发异常疾病时,发生的符合上述描述的跌倒行为。
一种基于多传感器联合的快速跌倒检测方法,包括以下步骤:
S1,人体加速度检测单元和足底压力检测单元采集人体运动过程中的加速度信息和足底压力信息,将检测数据实时发送给计算单元;
S2,计算单元根据检测数据进行跌倒判定,若符合判定条件,则判定为跌倒,本地报警单元进行报警并等待响应,否则返回步骤S2;
S3,若在设定的等待时长内,主控单元收到交互操作单元对本地报警作出的响应,则本地报警单元停止报警,返回步骤S2,否则远程通讯单元发出远程报警信号,并向外界发送定位单元提供的位置信息。
步骤S2中,判定过程具体包括以下步骤:
1)令变量K值为0;
2)将加速度信号进行处理,得到合加速度SMV,其计算方式为,;
3)将SMV与事先设定的合加速度阈值TH1进行比较,若SMV>TH1,则将K值加1,并进入步骤4),若SMV≤TH1,则将K值清零并返回步骤2);
4)判断K值,若此时K>3,则判定为疑似危险状态,进入步骤5),否则,在第一延时时长到达后返回步骤2);
5)在第二延时时长到达后,在接下来的第三时长内,计算平均加速度ASMV,并与平均加速度阈值TH2比较,若ASMV>TH2,则判定为非跌倒,返回步骤1),若ASMV≤TH2,则进入步骤6);
6)判断第三时长内的步数cnt,若cnt≠0,则判定为非跌倒,返回步骤1),若cnt=0,则进入步骤7);
7)通过加速度信号计算人体倾斜角度,若人体倾斜角度小于角度阈值TH3,则判定为非跌倒,返回步骤1),否则进入步骤8);
8)获取此时足底压力信号并进行判断,若双足底压力均为零,则判定为跌倒,否则判定为非跌倒,返回步骤1)。
步骤1)中,计算单元先对加速度信号滤波去噪,然后进行计算。
步骤4)中,第一延时时长设为5~15ms。
所述的第二延时时长设为0.5~2s。
所述的第三时长设为3~5s。
所述的平均合加速度ASMV计算方法为:取一段时间,对这段时间内所采集的合加速度取平均值。合加速度采样频率固定,设一段时间内采集到SMV合加速度序列为{SMV1,SMV2,...,SMVn,这段时间内的平均合加速度在这里使用ASMV表示。其表达式下式所示:
其中n表示这段时间内采集到的SMV合加速度的个数。
与现有技术相比,本发明具有以下优点:
(1)结合人体加速度信号和足底压力信号,得到的信息更加全面,可靠性高;交互操作单元具有人机交互功能,可以对误报警信号作出反应,从而阻止误报警行为,也可在跌倒发生但未检测到时,具有一定意识及行为能力的情况下,使用交互操作单元进行自主求救;远程通讯单元向外界发送定位单元提供定位信号,便于救助。
(2)跌倒判定过程具有多级阈值判定,逐步区分跌倒行为和非跌倒行为,提高了检测准确性并有效降低虚警率。
附图说明
图1为本发明的系统结构示意图;
图2为本发明的方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
如图1所示,一种基于多传感器联合的快速跌倒检测系统,包括:
人体加速度检测单元104,能用于检测加速度的传感器或设备,采集人体运动过程中加速度值;
足底压力检测单元105,包括能用于检测压力的传感器或设备,检测人体足底压力值;
计算单元101,对检测单元采集的数据进行处理和判定;
远程通讯单元102,实现远程通讯;
定位单元103,获取位置信息,提供定位功能;
交互操作单元106,提供一键求助、个性化设置的人机交互功能;
本地报警单元107;
主控单元108,控制各单元并与各单元协同工作。主控单元包括微控制MUC器、微处理器、DSP等。
本例中人体加速度检测单元104设置在人体腰部,但其工作原理不限制于腰部,可放置于满足上述要求的部位,如可扩展到胸部等。
如图2所示,一种基于多传感器联合的快速跌倒检测方法,检测过程如下:
步骤一:通过相关传感器采集人体加速度信号和人体足底压力信号,对采集到的加速度信号进行预处理,这里预处理主要对采集到的加速度信号进行滤波去噪,利用处理后的信号计算得到合加速度SMV。
步骤二:将计算得到的合加速度SMV与事先设定的合加速度阈值TH1进行比较,若检测到的合加速度SMV值大于阈值,则将变量K的值加1,延时10ms,继续比较测量指和阈值,若测量值还是大于阈值则继续将变量K的值加1,否则则将K的值清零。重复执行步骤一和步骤二,直到K>3时,跳出步骤二,判定此时发生了疑似跌倒行为。
步骤三:延时1s后,定时4s,记录这段时间内的合加速度值SMV和步数信号cnt,并计算出平均合加速度值Asmv。与设定的平均合加速度阈值TH2进行比较,若Asmv>TH2,则判定为非跌倒,返回步骤一,若小于阈值判断这段时间的步数cnt,若步数cnt不为0,则判定为为非跌倒,返回步骤一。若此时步数cnt=0,则进入第三级检测。
步骤四:通过加速度传感器,计算人得到体倾斜角度,并与阈值TH3进行比较,若<TH3,则判定为非跌倒状态,返回步骤一,若>TH3,则继续进行进行判定。
步骤五:获取此时的足底压力信号F左、F右,判断两者是否为0,若左右两只脚的足压均等于0,则可最终判定为跌倒。否则为非跌倒返回步骤一。
步骤六:当检测为跌倒时,此时发出本地报警,并等待响应。
步骤七:若本地报警为被响应,则系统认定发生了危险,则会发出远程报警;若本地报警被响应,则可能发生了误判或者当事人再跌倒后并无危险,无需远程救助,此时继续执行步骤一,继续监测。
本方法提供了一种基于本地报警单元107的误判过滤机制,其具体实现机制为:
当通过检测,判定为跌倒行为时不会直接发出远程求助信号,而是将其设定为疑似危险状态,通过本地报警单元107发出本地报警,其报警方式包括声音报警、震动报警等。
若被测人员通过交互操作单元106对本地报警做出及时响应则判定被测人员处于安全状态,取消报警,或可能发生跌倒但具有一定意识及行动能力,此时可选择使用交互操作单元106进行自主求救。
若被测人员未能对报警做出及时响应,则认定其处于危险状态,会通过远程通讯单元102以及定位单元103发出远程报警进行自动求助。
Claims (7)
1.一种基于多传感器联合的快速跌倒检测系统,其特征在于,包括:
人体加速度检测单元(104),采集人体运动过程中加速度值;
足底压力检测单元(105),检测人体足底压力值;
计算单元(101),对检测单元采集的数据进行处理和判定;
远程通讯单元(102),实现远程通讯;
定位单元(103),获取位置信息,提供定位功能;
交互操作单元(106),提供一键求助、个性化设置的人机交互功能;
本地报警单元(107);
主控单元(108),与其他各单元连接,控制各单元并与各单元协同工作;
采用所述的系统进行跌倒检测,包括以下步骤:
S1,人体加速度检测单元(104)和足底压力检测单元(105)采集人体运动过程中的加速度信息和足底压力信息,将检测数据实时发送给计算单元(101);
S2,计算单元(101)根据检测数据进行跌倒判定,若符合判定条件,则判定为跌倒,本地报警单元(107)进行报警并等待响应,否则返回步骤S2,跌倒判定过程具体包括以下步骤:
1)令变量K值为0;
2)采集各方向的加速度信号,计算得到合加速度SMV;
3)将SMV与事先设定的合加速度阈值TH1进行比较,若SMV>TH1,则将K值加1,并进入步骤4),若SMV≤TH1,则将K值清零并返回步骤2);
4)判断K值,若此时K>3,则判定为疑似危险状态,进入步骤5),否则,在第一延时时长到达后返回步骤2);
5)在第二延时时长到达后,在接下来的第三时长内,计算平均加速度ASMV,并与平均加速度阈值TH2比较,若ASMV>TH2,则判定为非跌倒,返回步骤1),若ASMV≤TH2,则进入步骤6);
6)判断第三时长内的步数cnt,若cnt≠0,则判定为非跌倒,返回步骤1),若cnt=0,则进入步骤7);
7)通过加速度信号计算人体倾斜角度,若人体倾斜角度小于角度阈值TH3,则判定为非跌倒,返回步骤1),否则进入步骤8);
8)获取此时足底压力信号并进行判断,若双足底压力均为零,则判定为跌倒,否则判定为非跌倒,返回步骤1);
S3,若在设定的等待时长内,主控单元(108)收到交互操作单元(106)对本地报警作出的响应,则本地报警单元(107)停止报警,返回步骤S2,否则远程通讯单元(102)发出远程报警信号,并向外界发送定位单元(103)提供的位置信息。
2.根据权利要求1所述的基于多传感器联合的快速跌倒检测系统,其特征在于,所述的人体加速度检测单元(104)设置在人体腰部或胸部。
3.根据权利要求1所述的基于多传感器联合的快速跌倒检测系统,其特征在于,步骤1)中,计算单元(101)先对加速度信号滤波去噪,然后进行计算。
4.根据权利要求1所述的基于多传感器联合的快速跌倒检测系统,其特征在于,步骤4)中,第一延时时长设为5~15ms。
5.根据权利要求1所述的基于多传感器联合的快速跌倒检测系统,其特征在于,所述的第二延时时长设为0.5~2s。
6.根据权利要求1所述的基于多传感器联合的快速跌倒检测系统,其特征在于,所述的第三时长设为3~5s。
7.根据权利要求1所述的基于多传感器联合的快速跌倒检测系统,其特征在于,所述的平均加速度ASMV计算方法为:
其中n表示第三时长内采集到的合加速度SMV的个数,SMV的采样频率固定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710153008.5A CN106971502B (zh) | 2017-03-15 | 2017-03-15 | 一种基于多传感器联合的快速跌倒检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710153008.5A CN106971502B (zh) | 2017-03-15 | 2017-03-15 | 一种基于多传感器联合的快速跌倒检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106971502A CN106971502A (zh) | 2017-07-21 |
CN106971502B true CN106971502B (zh) | 2018-09-11 |
Family
ID=59328547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710153008.5A Expired - Fee Related CN106971502B (zh) | 2017-03-15 | 2017-03-15 | 一种基于多传感器联合的快速跌倒检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106971502B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108961676A (zh) * | 2018-06-26 | 2018-12-07 | 苏州大学 | 一种摔倒检测、呼救及定位装置 |
CN110858437A (zh) * | 2018-08-22 | 2020-03-03 | 中移(杭州)信息技术有限公司 | 一种跌倒报警系统、方法、装置、介质和设备 |
CN110194213B (zh) * | 2019-05-09 | 2023-11-24 | 上海工程技术大学 | 汽车防侧翻系统 |
CN110363959B (zh) * | 2019-05-28 | 2021-01-22 | 哈尔滨理工大学 | 一种基于足底压力和三轴加速度传感器的摔倒判定方法 |
CN111210595A (zh) * | 2020-01-15 | 2020-05-29 | 广东工业大学 | 人体跌倒检测及警示方法、装置及计算机可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950464B (zh) * | 2010-09-17 | 2012-10-17 | 中国科学院深圳先进技术研究院 | 跌倒监测与报警的方法和系统 |
CN103646506B (zh) * | 2013-11-14 | 2016-03-30 | 成都博约创信科技有限责任公司 | 一种具有语音通信功能的跌倒监测系统 |
US8952818B1 (en) * | 2014-03-18 | 2015-02-10 | Jack Ke Zhang | Fall detection apparatus with floor and surface elevation learning capabilites |
CN204791435U (zh) * | 2015-07-23 | 2015-11-18 | 深圳市华爱科技实业有限公司 | 孝当先预警仪 |
CN105534241A (zh) * | 2015-12-02 | 2016-05-04 | 上海大学 | 一种智能地毯 |
-
2017
- 2017-03-15 CN CN201710153008.5A patent/CN106971502B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN106971502A (zh) | 2017-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106971502B (zh) | 一种基于多传感器联合的快速跌倒检测系统及方法 | |
Aziz et al. | A comparison of accuracy of fall detection algorithms (threshold-based vs. machine learning) using waist-mounted tri-axial accelerometer signals from a comprehensive set of falls and non-fall trials | |
US10306135B2 (en) | Automatic detection by a wearable camera | |
EP2931120B1 (en) | A system and method to detect significant arrhythmic events through a photoplethysmogram (ppg) and accelerometer | |
Kangas et al. | Sensitivity and false alarm rate of a fall sensor in long-term fall detection in the elderly | |
CN201691930U (zh) | 一种人体运动状态监测装置 | |
US20160038061A1 (en) | Method for detecting falls and a fall detector | |
CN102458240B (zh) | 具有减少的心搏停止假警报的ecg 监测 | |
EP2944251A1 (en) | Method, apparatus and computer-readable medium for confidence level determination of ambulatory hr algorithm based on a three-way rhythm classifier | |
US20060270949A1 (en) | Monitoring apparatus for ambulatory subject and a method for monitoring the same | |
CN102488512B (zh) | 一种心电监护自动报警系统 | |
CN107137071A (zh) | 一种分析心冲击信号用来计算短期心率值的方法 | |
CN101430817A (zh) | 一种依据人体节律性生理参数的报警触发方法及装置 | |
CN103337132A (zh) | 基于三轴加速度传感器的人体跌倒检测方法 | |
CN103177530B (zh) | 一种基于三轴加速度的人体摔倒检测方法 | |
AU2013308400A1 (en) | Method and apparatus for identifying hyperglycaemia | |
Tan et al. | Reliable fall detection system using an 3-DOF accelerometer and cascade posture recognitions | |
CN109330612A (zh) | 智能监仓感知装置及包括它的监管场所的管控系统 | |
EP3918997A3 (en) | Methods, systems, and devices for detecting apnea events and sleep | |
CN205697787U (zh) | 智能跌倒报警颈环 | |
Nguyen et al. | Detecting falls using a wearable accelerometer motion sensor | |
US11690576B2 (en) | Apparatus and methods for detecting cardiac arrest | |
CN109102883A (zh) | 一种信息处理方法及系统 | |
US9603535B2 (en) | Method and system for determining life threatening condition via bodily worn sensors | |
Huynh et al. | Power spectral analyses to detect falls using 3-d accelerometers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
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: 20180911 |