CN108041772A - 一种老人摔倒检测智能手环及老人摔倒检测方法 - Google Patents

一种老人摔倒检测智能手环及老人摔倒检测方法 Download PDF

Info

Publication number
CN108041772A
CN108041772A CN201710654455.9A CN201710654455A CN108041772A CN 108041772 A CN108041772 A CN 108041772A CN 201710654455 A CN201710654455 A CN 201710654455A CN 108041772 A CN108041772 A CN 108041772A
Authority
CN
China
Prior art keywords
old man
falls down
acceleration
heartbeat
heart rate
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
CN201710654455.9A
Other languages
English (en)
Inventor
宋秀兰
孟利民
蒋维
史寅浩
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN201710654455.9A priority Critical patent/CN108041772A/zh
Publication of CN108041772A publication Critical patent/CN108041772A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A44—HABERDASHERY; JEWELLERY
    • A44C—PERSONAL ADORNMENTS, e.g. JEWELLERY; COINS
    • A44C5/00—Bracelets; Wrist-watch straps; Fastenings for bracelets or wrist-watch straps
    • A44C5/0007—Bracelets specially adapted for other functions or with means for attaching other articles
    • 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

Abstract

一种老人摔倒检测智能手环，包括手环本体，所述手环本体上设置运动传感器模块、心率模块以及用于根据运动传感器和心率传感器数据进行摔倒联合检测的处理器，所述运动传感器模块、心率模块均与所述处理器连接，所述处理器与无线通信模块连接；所述处理器包括失重状态监测单元、碰撞状态监测单元、摔倒状态监测单元、告警发送单元和心跳监测单元。以及提供一种老人摔倒检测方法。本发明提供了一种有效检测老人是否摔倒、全天候监控老人身体情况的老人摔倒检测智能手环及老人摔倒检测方法。

Description

一种老人摔倒检测智能手环及老人摔倒检测方法
技术领域
本发明属于智能家居领域，涉及一种人摔倒检测智能手环及老人摔倒检测方法。
背景技术
在经济与科技飞速发展的时代，人们的生活水平以及医疗卫生条件日趋提高，人均寿命也有了翻天覆地的转变，与几十年前早已不可同日而语。于此背景下，人口老龄化的问题也日渐显现。研究显示，到2040年，超过65岁的人口比例可能会达到23％。人口老龄化，让社会负担变重，社会保障系统面对着极大的压力。在过去十年中，智能家居技术越来越多地用于老年人或残疾的人们。
在当今年轻人快节奏的生活工作背景下，子女们能够陪伴看护老人的时间越来越少，老年人的养老和居住问题亟待解决。而随着独生子女比例的大幅上升，社会城市化、现代化的脚步加快，老人没有人看护成为了社会上越来越普遍的问题，虽然如今人们的生活水平已经得到了大幅度的提高，但是，对于老人的健康监测以及援助问题却还不能有效地解决。由于身体机能减弱、各种病痛、药物副作用等因素的关系，老人摔倒的概率非常高。据医疗调查显示：摔倒造成的过世情况已经是影响我国死亡率的第四大因素，有多于三分之一的小区老人和多于五分之三的在养老院里的老年人都有过每年一次的摔倒经历，估计90％的家庭成为“空巢老人”家庭的时间可能会在2030年。当前行之有效的解决老人看护问题的办法有请保姆等，但随着近几年各种保姆费用的日渐升高，这早已不是寻常家庭所能承受的费用了。加之许多人会有对于保姆的不信任，因此在不影响老人及其监护人寻常的工作以及生活的前提下，设计出来一种能全天候监控老人的身体情况，做到摔倒能够实时报警的设备具有重大意义。其不仅可以大大降低老年人看护的费用，而且随着这类科技手段的不断进步，居家养老的模式也将逐步得以实现，从而能够使老人享受到更好的生活条件，同时也能免却在外忙碌的子女的担心和牵挂。
发明内容
为了克服已有老人居家养老方式的无法全天候监控老人身体情况、无法准确检测是否摔倒的不足，本发明提供了一种有效检测老人是否摔倒、全天候监控老师身体情况的老人摔倒检测智能手环及老人摔倒检测方法。
本发明解决其技术问题所采用的技术方案是：
一种老人摔倒检测智能手环，包括手环本体，其特征在于：所述手环本体上设置运动传感器模块、心率模块以及用于根据运动传感器和心率传感器数据进行摔倒联合检测的处理器，所述运动传感器模块、心率模块均与所述处理器连接，所述处理器与无线通信模块连接。
所述处理器包括：
失重状态监测单元，用于开启手环运动传感器模块的加速度数据检测功能，并计算出合加速度大小，若检测到合加速度小于某一阈值a1，进入监测碰撞阶段；
碰撞状态监测单元，用于判定失重状态后，继续以设定时间段检测加速度值，若在检测到最后一次小于阈值a1之后1秒内出现大于某一峰值阈值a2的情况，判定发生碰撞状态；
摔倒状态监测单元，进入当前中断后0.5秒内暂时不检测，0.5秒过后持续检测2秒，若在这段时间内加速度均未超过某一阈值a3，则判定为摔倒动作发生；
告警发送单元，用于当判定摔倒动作发生后，将告警信号发送给指定用户的手机；
心跳监测单元，用于判定摔倒动作发生后，开始进行20秒心跳检测，若检测到心跳异常则提高报警等级。
进一步，所述运动传感器模块为MPU6050运动传感器模块，所述心率模块为SON1303心率模块。
再进一步，所述处理器与无线通信模块为DA14580蓝牙模块。
一种老人摔倒检测方法，其特征在于：所述检测方法包括以下步骤：
首先，开启手环运动传感器模块的加速度数据检测功能，使其每设定时间段检测一次加速度值，并计算出合加速度大小，若检测到合加速度小于某一阈值a1，则进入监测碰撞阶段；
继续以设定时间段检测加速度值，若在检测到最后一次小于阈值a1之后1秒内出现大于某一峰值阈值a2的情况，准备检测静止状态；
进入当前中断后0.5秒内暂时不检测，0.5秒过后持续检测2秒，若在这段时间内加速度均未超过某一阈值a3，则判定为摔倒动作发生。
进一步，判定摔倒动作发生后，开始进行20秒心跳检测，若检测到心跳异常则提高报警等级。
更进一步，判定摔倒动作发生后，前5秒内不检测，再开始进行20秒心跳检测。
所述加速度数据提取过程为：通过I2C从MPU6050获取加速度数据，并通过计算得到以0.01g为单位的3轴加速度数值以及合成加速度值。
心跳的记录过程：通过SON1303心率模块的P27引脚作为中断触发条件，来一次心跳进一次中断，实现心跳计数加一。
所述a1为0.75g，a2为9g，a3为2g，所述心跳的正常阈值范围为40到130 次每分钟。
本老人摔倒检测智能手环，选用了业界最低功耗且小巧的DA14580蓝牙模块作为MCU以及通信设备；使用了MPU6050六轴运动传感器作为加速度检测模块；再使用SON1303作为心率检测装置以达到联合检测摔倒的目的，同时设计一套基于阈值判断的联合检测算法用于对老人摔倒状况的联合检测与判断报警。
本发明的有益效果主要表现在：通过处理手环收集到的各种数据实现对老人摔倒事件的动态自动感知和联合检测，同时在手机上自动报警，旨在给老人们营造一种加倍安全的生活环境。
附图说明
图1是一种老人摔倒检测智能手环的框架图。
图2是手环结构图。
图3是一种老人摔倒检测方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图3，一种老人摔倒检测智能手环，包括手环本体，其特征在于：所述手环本体上设置运动传感器模块、心率模块以及用于根据运动传感器和心率传感器数据进行摔倒联合检测的处理器，所述运动传感器模块、心率模块均与所述处理器连接，所述处理器与无线通信模块连接。
所述处理器包括：
失重状态监测单元，用于开启手环运动传感器模块的加速度数据检测功能，并计算出合加速度大小，若检测到合加速度小于某一阈值a1，进入监测碰撞阶段；
碰撞状态监测单元，用于判定失重状态后，继续以设定时间段检测加速度值，若在检测到最后一次小于阈值a1之后1秒内出现大于某一峰值阈值a2的情况，判定发生碰撞状态；
摔倒状态监测单元，进入当前中断后0.5秒内暂时不检测，0.5秒过后持续检测2秒，若在这段时间内加速度均未超过某一阈值a3，则判定为摔倒动作发生；
告警发送单元，用于当判定摔倒动作发生后，将告警信号发送给指定用户的手机；
心跳监测单元，用于判定摔倒动作发生后，开始进行20秒心跳检测，若检测到心跳异常则提高报警等级。
进一步，所述运动传感器模块为MPU6050运动传感器模块，所述心率模块为SON1303心率模块。
再进一步，所述处理器与无线通信模块为DA14580蓝牙模块。
一种老人摔倒检测方法，其特征在于：所述检测方法包括以下步骤：
首先，开启手环运动传感器模块的加速度数据检测功能，使其每设定时间段检测一次加速度值，并计算出合加速度大小，若检测到合加速度小于某一阈值a1，则进入监测碰撞阶段；
继续以设定时间段检测加速度值，若在检测到最后一次小于阈值a1之后1秒内出现大于某一峰值阈值a2的情况，准备检测静止状态；
进入当前中断后0.5秒内暂时不检测，0.5秒过后持续检测2秒，若在这段时间内加速度均未超过某一阈值a3，则判定为摔倒动作发生。
进一步，判定摔倒动作发生后，开始进行20秒心跳检测，若检测到心跳异常则提高报警等级。
更进一步，判定摔倒动作发生后，前5秒内不检测，再开始进行20秒心跳检测。
所述加速度数据提取过程为：通过I2C从MPU6050获取加速度数据，并通过计算得到以0.01g为单位的3轴加速度数值以及合成加速度值。
心跳的记录过程：通过SON1303心率模块的P27引脚作为中断触发条件，来一次心跳进一次中断，实现心跳计数加一。
所述a1为0.75g，a2为9g，a3为2g，所述心跳的正常阈值范围为40到130 次每分钟。
本发明使用了DA14580蓝牙模块作为通讯模块和MCU处理器模块，使用六轴的MPU6050作为运动传感器模块，使用SON1303作为心率传感器模块进行辅助检测。此外还包括电池、充电稳压模块，模数转换模块，震动马达，OLED显示屏模块等，并外挂一片FLASH。
其中手环部分内部构成如图2所示，由DA14580作为通信和MCU模块。外接MPU6050六轴运动传感器，SON1303心率传感器及其放大器SON3103。另外配有全彩OLED屏、震动马达、电源、实时时钟以及一片外挂FLASH等。
本发明使用芯片便是DA14580芯片模块组具有用于Smart的完全集成的收发机和基带处理器。它能够在托管系统中作为独立的应用处理器或者是数据泵来使用。它可以保存蓝牙配置文件和用户自己的代码得益于它灵动的储存器结构，而且能进行空中(OTA)更新。在它独立专门的ROM里面保存了合规的蓝牙智能协议栈。一切应用都在处理器上利用调度程序运行。它包含L2CAP服务器协议，安全管理器(SM)，属性协议(ATT)，通用属性配置文件(GATT)和通用访问配置文件。一切用蓝牙SIG发布的配置文件和定制配置文件它都能适配。
DA14580包含以下内部块：1.ARM CORTEX-M0处理器、2.BLE核心、3. 无线电收发器、4.存储模块(ROM、OTP、System SRAM、Retention RAMs)、5. 各种功能模式、6.四种电源模式、7.各类总线接口、8.定时器、9.时钟/复位、10. 能源管理模块。
MPU-6050运动处理单元是世界上第一个具有集成6轴传感器融合功能的运动处理解决方案，采用现场验证以及专门的MotionFusionTM引擎。MPU-6050具有嵌入式3轴MEMS陀螺仪，3轴MEMS加速度计和Digital MotionProcessorTM (DMPTM)硬件加速器引擎，具有与第三方数字传感器(如磁力计)相连的辅助 I2C端口。MPU-6050将加速度和绕轴转动运动加上航向信息组合到单个应用软件的数据流里。MPU-6050还能用于与辅助I2C端口上的几个非惯性数字传感器进行连接。
心率模块由SON1303心率传感器和SON3103放大器组成。SON1303采用发 射570nm发射波长的绿光的方式，对经过人体反射回来的光进行感测。信号经过 SON3103运放进行放大，通过P27管脚输出二进制电压信号。程序能够利用此信 号触发中断，从而实现心率的计数。
SON1303是高度集成的心率模块，采用PPG反射法测量人体心跳。该模块集成了接收器和发射器芯片，并内置双绿色LED。内置光电二极管的接收器部件和内置光学滤波器的低噪声前置放大器，用于智能手机，平板电脑和可穿戴设备。此模块检测的反射光情况与人体血液内的含氧量有关。而含氧量变化又与心跳有关。它就是利用这个特性实现了反射式的心率测量功能。
本发明还包含充电模块、震动马达、全彩OLED屏、实时时钟、外部FLASH 等模块。其中充电模块使用了TP4056充电芯片及tlv700稳压芯片，屏幕使用了 SSD1351的1.5寸全彩OLED屏幕，时钟采用PCF8563T5芯片，而外部FLASH 则采用了W25X20CL芯片。
生物体拥有非常复杂的身体构造，作为高等动物的人类同样也有很复杂的身体结构，而作为智能手环穿戴位置的手腕处更是人体运动最为频繁的位置之一。人在日常生活工作中的运动模式有非常多种类，包含站立、坐下、躺下、走路、跑步、上楼梯、下楼梯、摔倒等。每种行为也都有各自的模式特点。为了研究摔倒判别的算法，本设计将人的日常运动分为两类，分别为正常的人体日常运动 (ADL)以及摔倒动作。而为了研究的正确性，又将摔倒动作分成四个方向，即向前的摔倒动作、向后的摔倒动作、向左的摔倒动作、向右的摔倒动作。各种人体动作都会有它固定的模式，同样的，摔倒过程也不例外。
在摔倒过程中，人体内的重力势能、动能等能量会有急剧的变化，但是直接通过硬件设备测量重力势能、动能等能量显然无法实现。所以需要寻找一种间接测量的方法。也就是说可以采用测量加速度等方式进行对摔倒过程的间接测量。在测量加速度时，可以把手腕位置近似当作一个质点来进行测量，并不需要去测量人体各个部分不同的加速度。在人体摔倒的过程中，会有一个下落过程，由于这个过程不是人自身可控的，所以会有一个持续的短时间失重过程。在这个过程中，手环下落的姿势并不一定都一样(有可能手环正面朝下，也有可能正面朝上等等)，所以单独判断手环三维直角坐标系各个轴向的加速度(即加速度计的三个轴向分量)并没有意义。所以我们需要对它的合成加速度做一个判断。也就是说，假如三个轴向加速度分量分别为ax、ay、az，则可以由公式(1)计算得到合加速度。
由于重力加速度的存在，在摔倒过程的下落失重状态的持续时间内，合加速度并不是变大，而是减小到1g以下，并会持续一段时间。
当人体碰撞到地面的时候，物理定律告诉我们一定会有一个非常大的向上的加速度来使人体从高速的下落状态突然停止，变为静止状态。所以在持续的失重状态之后一定会有一个加速度的峰值出现。虽然手环戴在手腕上，但也同样会有此峰值加速度。
当人摔倒以后，肯定不会立刻站起来，那么就会有一段相对静止的时间出现。在这期间，加速度变化不会非常大，所以可以给定一个加速度的范围来判断它的静止状态。
摔倒情况也有不同的严重程度，情况不严重时，摔倒之后的心率情况应该仍会处于正常范围内。而当情况严重时，心跳可能回加快，超出正常值，甚至会有心跳停止的情况出现。所以当由加速度数据检测到摔倒发生后，可以对心率进行测量，进行联合检测，判断摔倒情况是否严重。
基于上文分析，确定了如下图3所示算法流程。
首先开启手环加速度数据检测功能，使其每20ms检测一次加速度值，并计算出合加速度大小。此时为监测失重状态的过程。若检测到合加速度小于某一阈值a1，则标志位置1，进入监测碰撞阶段。此时依旧以20ms一次，即50HZ的频率检测加速度值。若在检测到最后一次小于阈值a1之后1秒内未出现大于某一峰值阈值a2的情况，则标志位置0并返回上一级。若检测到大于a2的情况出现，则标志位置2，准备检测静止状态。进入当前中断后0.5秒内由于会有碰撞后的震动，故暂时不检测。0.5秒过后持续检测2秒，若在这段时间内加速度均未超过某一阈值a3，则判定为摔倒动作发生，标志位置3，此时向手机APP发出报警信息。如果2秒内有超过阈值a3的情况出现，就判定没有发生摔倒，标志位置0，返回第一步。
判定到摔倒后，开始进行20秒心跳检测(为减少误报，前5秒内不检测)。若检测到异常则提高报警等级。加速度数据提取部分，通过I2C从MPU6050获取加速度数据，并通过计算得到以0.01g为单位的3轴加速度数值以及合成加速度值。心率计数模块，通过P27引脚作为中断触发条件，来一次心跳进一次中断，实现心跳计数加一。
本发明所需要确定的阈值有三个，分别为第一个失重过程中的最小阈值a1、第二个碰撞瞬间的峰值阈值a2、第三个倒下后静止状态下的最大阈值a3。失重过程中，人体的合加速度最小值基本都在0.75g以下，所以确定a1为0.75g。碰撞瞬间产生的峰值阈值则在9g到20g之间变化，所以确定a2为9g。静止状态下，阈值基本在2g以下波动，所以确定a3为2g。对于心跳检测部分，老年人的正常心率范围在每分钟50次到100次之间，运动过后一般不超过120次。由于设备存在一定的误差，所以设定阈值范围为40到130次每分钟的心跳。

Claims (10)

1.一种老人摔倒检测智能手环，包括手环本体，其特征在于：所述手环本体上设置运动传感器模块、心率模块以及用于根据运动传感器和心率传感器数据进行摔倒联合检测的处理器，所述运动传感器模块、心率模块均与所述处理器连接，所述处理器与无线通信模块连接；所述处理器包括：
失重状态监测单元，用于开启手环运动传感器模块的加速度数据检测功能，并计算出合加速度大小，若检测到合加速度小于某一阈值a1，进入监测碰撞阶段；
碰撞状态监测单元，用于判定失重状态后，继续以设定时间段检测加速度值，若在检测到最后一次小于阈值a1之后1秒内出现大于某一峰值阈值a2的情况，判定发生碰撞状态；
摔倒状态监测单元，进入当前中断后0.5秒内暂时不检测，0.5秒过后持续检测2秒，若在这段时间内加速度均未超过某一阈值a3，则判定为摔倒动作发生；
告警发送单元，用于当判定摔倒动作发生后，将告警信号发送给指定用户的手机；
心跳监测单元，用于判定摔倒动作发生后，开始进行20秒心跳检测，若检测到心跳异常则提高报警等级。
2.如权利要求1所述的一种老人摔倒检测智能手环，其特征在于：所述运动传感器模块为MPU6050运动传感器模块，所述心率模块为SON1303心率模块。
3.如权利要求1或2所述的一种老人摔倒检测智能手环，其特征在于：所述处理器与无线通信模块为DA14580蓝牙模块。
4.一种如权利要求1所述的老人摔倒检测智能手环实现的老人摔倒检测方法，其特征在于：所述检测方法包括以下步骤：
首先，开启手环运动传感器模块的加速度数据检测功能，使其每设定时间段检测一次加速度值，并计算出合加速度大小，若检测到合加速度小于某一阈值a1，则进入监测碰撞阶段；
继续以设定时间段检测加速度值，若在检测到最后一次小于阈值a1之后1秒内出现大于某一峰值阈值a2的情况，准备检测静止状态；
进入当前中断后0.5秒内暂时不检测，0.5秒过后持续检测2秒，若在这段时间内加速度均未超过某一阈值a3，则判定为摔倒动作发生。
5.如权利要求4所述的老人摔倒检测方法，其特征在于：判定摔倒动作发生后，开始进行20秒心跳检测，若检测到心跳异常则提高报警等级。
6.如权利要求4或5所述的老人摔倒检测方法，其特征在于：判定摔倒动作发生后，前5秒内不检测，再开始进行20秒心跳检测。
7.如权利要求4所述的老人摔倒检测方法，其特征在于：所述加速度数据提取过程为：通过I2C从MPU6050获取加速度数据，并通过计算得到以0.01g为单位的3轴加速度数值以及合成加速度值。
8.如权利要求5所述的老人摔倒检测方法，其特征在于：心跳的记录过程：通过SON1303心率模块的P27引脚作为中断触发条件，来一次心跳进一次中断，实现心跳计数加一。
9.如权利要求4或5所述的老人摔倒检测方法，其特征在于：所述a1为0.75g，a2为9g，a3为2g。
10.如权利要求6或8所述的老人摔倒检测方法，其特征在于：所述心跳的正常阈值范围为40到130次每分钟。
CN201710654455.9A 2017-08-03 2017-08-03 一种老人摔倒检测智能手环及老人摔倒检测方法 Pending CN108041772A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710654455.9A CN108041772A (zh) 2017-08-03 2017-08-03 一种老人摔倒检测智能手环及老人摔倒检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710654455.9A CN108041772A (zh) 2017-08-03 2017-08-03 一种老人摔倒检测智能手环及老人摔倒检测方法

Publications (1)

Publication Number Publication Date
CN108041772A true CN108041772A (zh) 2018-05-18

Family

ID=62118581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710654455.9A Pending CN108041772A (zh) 2017-08-03 2017-08-03 一种老人摔倒检测智能手环及老人摔倒检测方法

Country Status (1)

Country Link
CN (1) CN108041772A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109171742A (zh) * 2018-08-13 2019-01-11 吉林大学 一种基于倾角传感器的牲畜运动量检测系统
CN109645971A (zh) * 2018-12-29 2019-04-19 福建叮叮管家电子科技有限公司 一种基于智能家居的婴儿监护系统及方法
CN111743545A (zh) * 2020-07-07 2020-10-09 天津城建大学 基于深度学习的老人摔倒检测方法、检测手环及存储介质
CN111883257A (zh) * 2020-09-25 2020-11-03 西南交通大学 基于多传感器的人体健康状态评估与预警系统及方法
CN112466090A (zh) * 2020-11-26 2021-03-09 汤泽金 一种智能救援手环
CN113706823A (zh) * 2021-03-04 2021-11-26 罗勇 一种基于智慧养老的自动看护报警系统及其处理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203118166U (zh) * 2012-04-13 2013-08-07 无锡先凯智能科技有限公司 生物体跌倒检测装置
ES2448941A1 (es) * 2012-09-17 2014-03-17 Mª Del Carmen LOPEZ GONZALEZ Método y sistema de alarma para detectar posturas incorrectas
CN104056445A (zh) * 2014-07-01 2014-09-24 杭州攻壳科技有限公司 一种基于心率和加速度传感器的人体运动分析方法及其装置
CN204808545U (zh) * 2015-04-29 2015-11-25 王强 一种基于双传感器的人体跌倒检测装置
CN206162834U (zh) * 2016-10-10 2017-05-10 芜湖美的厨卫电器制造有限公司 跌倒检测装置及多功能鞋
US9704369B2 (en) * 2008-06-27 2017-07-11 Barron Associates, Inc. Autonomous fall monitor using an altimeter with opposed sensing ports

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9704369B2 (en) * 2008-06-27 2017-07-11 Barron Associates, Inc. Autonomous fall monitor using an altimeter with opposed sensing ports
CN203118166U (zh) * 2012-04-13 2013-08-07 无锡先凯智能科技有限公司 生物体跌倒检测装置
ES2448941A1 (es) * 2012-09-17 2014-03-17 Mª Del Carmen LOPEZ GONZALEZ Método y sistema de alarma para detectar posturas incorrectas
CN104056445A (zh) * 2014-07-01 2014-09-24 杭州攻壳科技有限公司 一种基于心率和加速度传感器的人体运动分析方法及其装置
CN204808545U (zh) * 2015-04-29 2015-11-25 王强 一种基于双传感器的人体跌倒检测装置
CN206162834U (zh) * 2016-10-10 2017-05-10 芜湖美的厨卫电器制造有限公司 跌倒检测装置及多功能鞋

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109171742A (zh) * 2018-08-13 2019-01-11 吉林大学 一种基于倾角传感器的牲畜运动量检测系统
CN109645971A (zh) * 2018-12-29 2019-04-19 福建叮叮管家电子科技有限公司 一种基于智能家居的婴儿监护系统及方法
CN111743545A (zh) * 2020-07-07 2020-10-09 天津城建大学 基于深度学习的老人摔倒检测方法、检测手环及存储介质
CN111743545B (zh) * 2020-07-07 2023-11-28 天津城建大学 基于深度学习的老人摔倒检测方法、检测手环及存储介质
CN111883257A (zh) * 2020-09-25 2020-11-03 西南交通大学 基于多传感器的人体健康状态评估与预警系统及方法
CN112466090A (zh) * 2020-11-26 2021-03-09 汤泽金 一种智能救援手环
CN113706823A (zh) * 2021-03-04 2021-11-26 罗勇 一种基于智慧养老的自动看护报警系统及其处理方法

Similar Documents

Publication Publication Date Title
CN108041772A (zh) 一种老人摔倒检测智能手环及老人摔倒检测方法
CN105118236B (zh) 瘫倒监测和预防装置及其处理方法
US9704369B2 (en) Autonomous fall monitor using an altimeter with opposed sensing ports
Wang et al. An enhanced fall detection system for elderly person monitoring using consumer home networks
CN205041401U (zh) 设备佩戴检测装置及具有佩戴检测功能的监护装置
CN108670261B (zh) 运动状态检测方法、可佩戴设备以及装置
CN105125221B (zh) 云服务实时摔倒检测系统及方法
Dai et al. PerFallD: A pervasive fall detection system using mobile phones
Mozaffari et al. Practical fall detection based on IoT technologies: A survey
CN106510663B (zh) 一种基于物联网的睡眠监控方法
CN105632101A (zh) 一种人体防跌倒预警方法及系统
CN105708470B (zh) 基于多普勒探测器与传感器联合的跌倒检测系统和方法
Estudillo-Valderrama et al. Design and implementation of a distributed fall detection system—personal server
CN205050303U (zh) 一种智能人体瘫倒监测装置
CN106725445B (zh) 一种脑电波控制的便携式人体运动损伤监护系统与方法
CN110047248A (zh) 一种基于可穿戴的老人跌倒检测方法及设备
CN103810817A (zh) 一种穿戴式人体瘫倒检测报警装置及应用
Naranjo-Hernandez et al. Personalization and adaptation to the medium and context in a fall detection system
US20110148630A1 (en) Apparatus and method for sensing photoplethysmogram and fall
CN203931101U (zh) 一种穿戴式人体瘫倒检测报警装置
CN106920365A (zh) 一种智能手环
Shi et al. Fall detection system based on inertial mems sensors: Analysis design and realization
CN206792389U (zh) 基于NB‑IoT的可穿戴式监护系统
De Raeve et al. Bluetooth-low-energy-based fall detection and warning system for elderly people in nursing homes
Lv et al. Information collection system for fall detection of stroke patients under cascade algorithm in the context of multi‐modal information fusion and e‐health

Legal Events

Date Code Title Description
PB01 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: 20180518

RJ01 Rejection of invention patent application after publication