CN109064710A - 具有摔倒识别功能的安全防护终端及系统 - Google Patents

具有摔倒识别功能的安全防护终端及系统 Download PDF

Info

Publication number
CN109064710A
CN109064710A CN201810919907.6A CN201810919907A CN109064710A CN 109064710 A CN109064710 A CN 109064710A CN 201810919907 A CN201810919907 A CN 201810919907A CN 109064710 A CN109064710 A CN 109064710A
Authority
CN
China
Prior art keywords
acceleration
state
security protection
amplitude
moment
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
CN201810919907.6A
Other languages
English (en)
Inventor
步兆军
李克
武哲
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN201810919907.6A priority Critical patent/CN109064710A/zh
Publication of CN109064710A publication Critical patent/CN109064710A/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)
  • Emergency Alarm Devices (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种具有摔倒识别功能的安全防护终端及系统，终端包括：加速度传感模块，用于实时获取用户的加速度；GPS定位模块，用于获取用户的位置信息；通信模块，用于在单片机控制下发送信息；告警器，用于在单片机控制下发出告警；单片机，用于根据加速度传感模块获取的加速度计算得到加速度幅值和夹角，并将加速度幅值和夹角作为人体的状态特征值，通过不同人体状态下的状态特征值阈值条件来平判断当前用户状态，进行摔倒类型识别，并将摔倒识别类型和位置信息通过通信模块发送出去，并控制告警器发出告警。本发明可以为老年人、残疾人等提供良好的安全保障，且识别精确率更高，减少误报警。

Description

具有摔倒识别功能的安全防护终端及系统
技术领域
本发明涉及电子信息技术，尤其涉及一种具有摔倒识别功能的安全防护终端及系统。
背景技术
人口老龄化是一种全球性的发展趋势，中国也不例外。经研究资料显示：在中国，65岁以上的老年人每年至少跌倒1次的比例为50％。由此可见，老年人跌倒发生的比例是相当高的。根据全国伤害监测系统(NISS)数据显示，60岁及以上老年人跌倒/坠落占伤害病例的50.53％。
现有的跌倒检测方法有以下几种：
卓从彬、杨龙频和周林等人在“基于MPU6050加速度传感器的跌倒检测与报警系统设计”一文中指出模块可以用来测量三轴的加速度，将加速度进行合成得到加速度幅值进而采用设置不同跌倒检测阈值的跌倒检测算法在MATLAB中进行仿真实验，具有更高的准确率和实用性。
李梦华、熊显名和赵国如在“基于GPS/GPRS的跌倒监测终端”一文中指出可以开发一种跌倒监测终端，采用模块化编程的思想，软件设计可分为三部分:①能区分日常行为和跌倒行为的跌倒检测算法；②跌倒时位置信息、时间信息的获取及处理；③报警信息位置信息等相关信息的GRPS远程传输。
考虑到对于人体学来讲，引起用户跌倒的常见原因有失足、滑倒、突发疾病等，根据跌倒发生时人的意识状态，首先将跌倒分为未完全失去意识下的跌倒和失去意识下的跌倒。但是这些现有技术建立的摔倒识别算法都是监测是否摔倒，一旦摔倒之后立刻报警，但是摔倒和用户自发的跳起运动非常相似，很有可能造成误报警，而且也无法对摔倒类型进行识别。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种具有摔倒识别功能的安全防护终端及系统，本发明可以为老年人、残疾人等提供良好的安全保障，且识别精确率更高，减少误报警。
技术方案：本发明所述的具有摔倒识别功能的安全防护终端包括：
加速度传感模块，用于实时获取用户的加速度；
GPS定位模块，用于获取用户的位置信息；
通信模块，用于在单片机控制下发送信息；
告警器，用于在单片机控制下发出告警；
单片机，用于根据加速度传感模块获取的加速度计算得到加速度幅值和夹角，并将加速度幅值和夹角作为人体的状态特征值，通过不同人体状态下的状态特征值阈值条件来平判断当前用户状态，进行摔倒类型识别，并将摔倒识别类型和位置信息通过通信模块发送出去，并控制告警器发出告警。
进一步的，所述单片机上加载有以下软件单元：
加速度幅值计算单元，用于根据加速度传感模块获取的加速度计算得到实时加速度幅值AA(t)；
第一判别单元，用于判断加速度幅值计算单元计算得到的实时加速度幅值AA(t)是否超过第一阈值2.5g，g为重力加速度，若是，则判定处于怀疑跌倒状态，并执行第二判别单元，若否，则判定为无异常；
第二判别单元，用于判断加速度幅值在超过第一状态特征值阈值2.5g并达到第1超重峰值点后的1秒内，是否满足任意两个相邻加速度幅值采样点的差值小于第二阈值0.3g，若满足，则进而判断后续时间段T内加速度幅值AA(t)与前1秒的平均加速度幅值的差值是否小于第二阈值0.3g，若是，则判定处于摔倒状态，并执行第三判别单元，若否判定为无危险状态，其中，加速度幅值采样频率为20Hz，T＝5s：
第三判别单元，用于计算t-T1时刻与t+T2时刻加速度矢量的夹角，并判断该夹角是否小于40度时，若是，则判定处于跌倒后静止状态，立即将状态和位置信息通过通信模块发送出去，并控制告警器发出告警；若否，执行第四判别单元；其中，T1＝1s，T2＝2s；
第四判别单元，用于获取加速度幅值达到第1超重峰值点和第2超重峰值点的时间，并判断这两个超重峰值点之间连续失重的时间是否小于0.2s，若是，则判定处于瘫坐或极快速蹲下状态，若否，则判定处于跳起状态。
进一步的，所述第二判别单元中的判断条件用公式表示为：
式中，t表示当前时刻，AA(i)表示采样点i的加速度幅值，Tk表示到达超重峰值点之后的1s，T2表示后续5s，n表示在Tk时间段的取样点个数，Th＝0.3g。
进一步的，所述第三判别单元中t-T1时刻与t+T2时刻加速度矢量的夹角的计算公式具体为：
式中，为t-T1时刻的加速度矢量，为t+T2时刻的加速度矢量，AA(t-T1)、AA(t-T2)分别为t-T1时刻、t+T2时刻的加速度幅值，*为向量外积，·为乘法。
进一步的，所述告警器具体为蜂鸣器。
可选的，本发明所述的具有摔倒识别功能的安全防护系统，可以包括上述安全防护终端、反馈端和经纬度解析网站，所述反馈端用于接收通信模块发送的位置信息，并通过登录经纬度解析网站进行经纬度解析得到跌倒实际地点。
可选的，本发明所述的具有摔倒识别功能的安全防护系统，还可以包括上述的安全防护终端以及手机端，所述手机端用于接收通信模块发送的位置信息，并经过解析后显示跌倒实际地点。
有益效果：本发明与现有技术相比，其显著优点是：本发明的使用者为老年人或残疾人等群体，能够在用户日常生活中为他们提供安全保障，可以在老年人摔倒之后立马报警并定位，并且识别率更精确，之后联系家人，及时救治。还可以在老年人走丢之后通过定位模块找到老年人的位置。
附图说明
图1是本发明的一个实施例的系统框图；
图2是本发明识别流程图；
图3是人体向前跌倒时加速度幅值变化曲线；
图4是人体向后跌倒时加速度幅值变化曲线；
图5是人体跳起时加速度幅值变化曲线。
具体实施方式
实施例1
本实施例提供了一种具有摔倒识别功能的安全防护终端，如图1所示，包括加速度传感模块、GPS定位模块、通信模块、告警器、单片机，其中，加速度传感模块用于实时获取用户的加速度；GPS定位模块用于获取用户的位置信息；通信模块用于在单片机控制下发送信息；告警器用于在单片机控制下发出告警，具体可以是蜂鸣器；单片机用于根据加速度传感模块获取的加速度计算得到加速度幅值和夹角，并将加速度幅值和夹角作为人体的状态特征值，通过不同人体状态下的状态特征值阈值条件来平判断当前用户状态，进行摔倒类型识别，并将摔倒识别类型和位置信息通过通信模块发送出去，并控制告警器发出告警。
考虑到对于人体学来讲，引起用户跌倒的常见原因有失足、滑倒、突发疾病等，根据跌倒发生时人的意识状态，首先将跌倒分为未完全失去意识下的跌倒和失去意识下的跌倒。未完全失去意识情况下，人会潜意识地将膝盖、手臂等身体某个部位先着地，以减少瞬间触地给身体带来的伤害；失去意识下，人瞬间整体触地，自身无任何防护性的缓冲措施。例如：人体在走动时，加速度幅值最大点对应动作为脚触地瞬间，地面施加向上的力使得加速度值瞬间增大，此时人体相当于处于超重状态。股而本实施例通过将人体的状态利用状态特征值分开，通过判断阈值条件来区分状态特征值，进而进行摔倒识别。
其中，所述单片机上加载有以下软件单元，具体执行的判别流程如图2所示：
加速度幅值计算单元，用于根据加速度传感模块获取的加速度计算得到实时加速度幅值AA(t)；具体计算公式为：ax,t、ay,t、az,t分别为a,y,z方向上在时刻t的加速度分量。
第一判别单元，用于判断加速度幅值计算单元计算得到的实时加速度幅值AA(t)是否超过第一阈值2.5g，g为重力加速度，若是，则判定处于怀疑跌倒状态，并执行第二判别单元，若否，则判定为无异常。其中，第一判别单元判别的主要依据是人体运动剧烈时，加速度幅值较大，即：超重，但运动剧烈程度与超重值不成正比关系。图3、4分别是利用加速度传感模块得到的人体向前跌倒和向后跌倒的加速度幅值图，图中横轴表示采样点数(采样率为20Hz)，纵轴表示加速度幅值，单位：重力加速度g。通过观察图3，可以发现图3中有两个连续的峰值，分别对应膝盖和上半身触地瞬间的加速度幅值；而图4对应的是人体向后跌倒过程中的峰值对应躯体触地瞬间的加速度幅值。触地前下落过程中，人体在竖直方向加速度小于1g，水平方向存在加速度，整体仍然处于失重状态，即：加速度幅值范围为0g～1g。无论哪种，都是首先加速度超过阈值2.5g。
第二判别单元，用于判断加速度幅值在超过第一状态特征值阈值2.5g并达到第1超重峰值点后的1秒内，是否满足任意两个相邻加速度幅值采样点的差值小于第二阈值0.3g，若满足，则进而判断后续时间段T＝5s内加速度幅值AA(t)与前1秒的平均加速度幅值的差值是否小于第二阈值0.3g，若是，则判定处于摔倒状态，并执行第三判别单元，若否判定为无危险状态。采用公式表示就是：
式中，t表示当前时刻，AA(i)表示采样点i的加速度幅值，Tk表示到达超重峰值点之后的1s，T2表示后续5s，n表示在Tk时间段的取样点个数，Th＝0.3g。本识别单元是用来识别剧烈运动后是否静止，若静止表示用户有危险，若有其他动作，表示无危险。
第三判别单元，用于计算t-T1时刻与t+T2时刻加速度矢量的夹角，并判断该夹角是否小于40度时，若是，则判定处于跌倒后静止状态，立即将状态和位置信息通过通信模块发送出去，并控制告警器发出告警；若否，执行第四判别单元；本识别单元主要是用于识别剧烈运动是否为跌倒，因为跌倒前后人体的方位往往发生变化，即：由直立变为平躺状态，故而采用夹角来判断。其中，所述第三判别单元中t-T1时刻与t+T2时刻加速度矢量的夹角的计算公式具体为：
式中，T1＝1s，T2＝2s，为t-T1时刻的加速度矢量，为t+T2时刻的加速度矢量，AA(t-T1)、AA(t-T2)分别为t-T1时刻、t+T2时刻的加速度幅值，*为向量的外积，·为乘法。
第四判别单元，用于获取加速度幅值达到第1超重峰值点和第2超重峰值点的时间，并判断这两个超重峰值点之间连续失重的时间是否小于0.2s，若是，则判定处于瘫坐或极快速蹲下状态，若否，则判定处于跳起状态。为了区分跳起和跌倒，采用连续失重时间来判断，跳起的加速度复制如如图5所示，图中出现的两个连续峰值，分别对应跳起瞬间腿蹬地和脚落地瞬间产生的加速度。将图3和图5进行比较：“向前跌倒”时，两次触地时间间隔很近，两个波峰之间基本不存在失重点。即：第一个峰值未降到1g时，第二次触地发生，加速度幅值再次达到峰值；而跳起在空中时，人体处于失重状态，即：跳起时两个峰值间连续失重时间大于0.2秒。
实施例2
本实施例提供了一种具有摔倒识别功能的安全防护系统，包括实施例1的安全防护终端、反馈端和经纬度解析网站，安全防护终端的通信模块具体是GPRS模块，内置有反馈端手机号，当发现跌倒时，向反馈端发送的位置信息，反馈端通过登录经纬度解析网站进行经纬度解析得到跌倒实际地点。
实施例3
本实施例提供了一种具有摔倒识别功能的安全防护系统，包括实施例1中的安全防护终端以及一个手机端，手机端具体是安装在手机上的APP，安全防护终端的通信模块具体是可以是任意无线模块，当发现跌倒时，向手机端发送位置信息，手机端收到位置信息后会发出警报，并显示出跌倒实际地点。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (7)

1.一种具有摔倒识别功能的安全防护终端，其特征在于，包括：
加速度传感模块，用于实时获取用户的加速度；
GPS定位模块，用于获取用户的位置信息；
通信模块，用于在单片机控制下发送信息；
告警器，用于在单片机控制下发出告警；
单片机，用于根据加速度传感模块获取的加速度计算得到加速度幅值和夹角，并将加速度幅值和夹角作为人体的状态特征值，通过不同人体状态下的状态特征值阈值条件来平判断当前用户状态，进行摔倒类型识别，并将摔倒识别类型和位置信息通过通信模块发送出去，并控制告警器发出告警。
2.根据权利要求1所述的具有摔倒识别功能的安全防护终端，其特征在于：所述单片机上加载有以下软件单元：
加速度幅值计算单元，用于根据加速度传感模块获取的加速度计算得到实时加速度幅值AA(t)；
第一判别单元，用于判断加速度幅值计算单元计算得到的实时加速度幅值AA(t)是否超过第一阈值2.5g，g为重力加速度，若是，则判定处于怀疑跌倒状态，并执行第二判别单元，若否，则判定为无异常；
第二判别单元，用于判断加速度幅值在超过第一状态特征值阈值2.5g并达到第1超重峰值点后的1秒内，是否满足任意两个相邻加速度幅值采样点的差值小于第二阈值0.3g，若满足，则进而判断后续时间段T内加速度幅值AA(t)与前1秒的平均加速度幅值的差值是否小于第二阈值0.3g，若是，则判定处于摔倒状态，并执行第三判别单元，若否判定为无危险状态，其中，加速度幅值采样频率为20Hz，T＝5s：
第三判别单元，用于计算t-T1时刻与t+T2时刻加速度矢量的夹角，并判断该夹角是否小于40度时，若是，则判定处于跌倒后静止状态，立即将状态和位置信息通过通信模块发送出去，并控制告警器发出告警；若否，执行第四判别单元；其中，T1＝1s，T2＝2s；
第四判别单元，用于获取加速度幅值达到第1超重峰值点和第2超重峰值点的时间，并判断这两个超重峰值点之间连续失重的时间是否小于0.2s，若是，则判定处于瘫坐或极快速蹲下状态，若否，则判定处于跳起状态。
3.根据权利要求2所述的具有摔倒识别功能的安全防护终端，其特征在于：所述第二判别单元中的判断条件用公式表示为：
式中，t表示当前时刻，AA(i)表示采样点i的加速度幅值，Tk表示到达超重峰值点之后的1s，T2表示后续5s，n表示在Tk时间段的取样点个数，Th＝0.3g。
4.根据权利要求2所述的具有摔倒识别功能的安全防护终端，其特征在于：所述第三判别单元中t-T1时刻与t+T2时刻加速度矢量的夹角的计算公式具体为：
式中，为t-T1时刻的加速度矢量，为t+T2时刻的加速度矢量，AA(t-T1)、AA(t-T2)分别为t-T1时刻、t+T2时刻的加速度幅值，*为向量外积，·为乘法。
5.根据权利要求1所述的具有摔倒识别功能的安全防护终端，其特征在于：所述告警器具体为蜂鸣器。
6.一种具有摔倒识别功能的安全防护系统，包括权利要求1所述的安全防护终端、反馈端和经纬度解析网站，所述反馈端用于接收通信模块发送的位置信息，并通过登录经纬度解析网站进行经纬度解析得到跌倒实际地点。
7.一种具有摔倒识别功能的安全防护系统，包括权利要求1所述的安全防护终端以及手机端，所述手机端用于接收通信模块发送的位置信息，并经过解析后显示跌倒实际地点。
CN201810919907.6A 2018-08-14 2018-08-14 具有摔倒识别功能的安全防护终端及系统 Pending CN109064710A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810919907.6A CN109064710A (zh) 2018-08-14 2018-08-14 具有摔倒识别功能的安全防护终端及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810919907.6A CN109064710A (zh) 2018-08-14 2018-08-14 具有摔倒识别功能的安全防护终端及系统

Publications (1)

Publication Number Publication Date
CN109064710A true CN109064710A (zh) 2018-12-21

Family

ID=64683877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810919907.6A Pending CN109064710A (zh) 2018-08-14 2018-08-14 具有摔倒识别功能的安全防护终端及系统

Country Status (1)

Country Link
CN (1) CN109064710A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110335443A (zh) * 2019-07-03 2019-10-15 山东赢创机械有限公司 一种人体智能防护方法
CN111833568A (zh) * 2020-07-08 2020-10-27 首都医科大学附属北京天坛医院 基于压电信号监控的摔倒分级示警装置及其工作方法
CN112258785A (zh) * 2019-11-27 2021-01-22 北京京东尚科信息技术有限公司 一种跌倒检测方法、装置及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104080053A (zh) * 2014-07-16 2014-10-01 上海诺诚电气有限公司 基于ZigBee技术的人体摔倒检测定位系统及方法
CN105590408A (zh) * 2016-02-06 2016-05-18 高强 一种人体跌倒检测方法及保护装置
US20160155312A1 (en) * 2013-03-15 2016-06-02 Ivan Osorio Method, system and apparatus for fall detection
CN105686258A (zh) * 2016-02-02 2016-06-22 中电科卫星导航运营服务有限公司 一种智能手杖及使用者跌倒判断的方法
CN105894730A (zh) * 2014-12-26 2016-08-24 陆婷 一种便携式gsm&gps跌倒检测器的研究与设计
US9588135B1 (en) * 2011-11-14 2017-03-07 Vital Connect, Inc. Method and system for fall detection of a user
CN107170199A (zh) * 2017-06-15 2017-09-15 商洛学院 一种智能可穿戴式防跌预警衣
CN107633655A (zh) * 2017-09-26 2018-01-26 深圳市金立通信设备有限公司 一种跌倒检测方法、终端及计算机可读存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9588135B1 (en) * 2011-11-14 2017-03-07 Vital Connect, Inc. Method and system for fall detection of a user
US20160155312A1 (en) * 2013-03-15 2016-06-02 Ivan Osorio Method, system and apparatus for fall detection
CN104080053A (zh) * 2014-07-16 2014-10-01 上海诺诚电气有限公司 基于ZigBee技术的人体摔倒检测定位系统及方法
CN105894730A (zh) * 2014-12-26 2016-08-24 陆婷 一种便携式gsm&gps跌倒检测器的研究与设计
CN105686258A (zh) * 2016-02-02 2016-06-22 中电科卫星导航运营服务有限公司 一种智能手杖及使用者跌倒判断的方法
CN105590408A (zh) * 2016-02-06 2016-05-18 高强 一种人体跌倒检测方法及保护装置
CN107170199A (zh) * 2017-06-15 2017-09-15 商洛学院 一种智能可穿戴式防跌预警衣
CN107633655A (zh) * 2017-09-26 2018-01-26 深圳市金立通信设备有限公司 一种跌倒检测方法、终端及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李娜: "基于人体运动状态识别的可穿戴健康监测系统研究", 《中国博士学位论文全文数据库信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110335443A (zh) * 2019-07-03 2019-10-15 山东赢创机械有限公司 一种人体智能防护方法
CN110335443B (zh) * 2019-07-03 2021-07-20 山东赢创机械有限公司 一种人体智能防护方法
CN112258785A (zh) * 2019-11-27 2021-01-22 北京京东尚科信息技术有限公司 一种跌倒检测方法、装置及存储介质
CN112258785B (zh) * 2019-11-27 2022-06-07 北京京东尚科信息技术有限公司 一种跌倒检测方法、装置及存储介质
CN111833568A (zh) * 2020-07-08 2020-10-27 首都医科大学附属北京天坛医院 基于压电信号监控的摔倒分级示警装置及其工作方法
CN111833568B (zh) * 2020-07-08 2021-11-05 首都医科大学附属北京天坛医院 基于压电信号监控的摔倒分级示警装置及其工作方法

Similar Documents

Publication Publication Date Title
CN102667882B (zh) 用于检测用户跌倒的方法和装置
CN103337132B (zh) 基于三轴加速度传感器的人体跌倒检测方法
US10670621B2 (en) Fall prevention
CN105342623B (zh) 智能跌倒监护装置及其处理方法
CN105590409B (zh) 一种基于大数据的人体跌倒检测方法及系统
CN104504854B (zh) 用于检测人体摔倒的报警方法
CN109064710A (zh) 具有摔倒识别功能的安全防护终端及系统
CN104361321B (zh) 一种判断老年人摔倒行为及身体平衡能力的方法
CN103927851B (zh) 一种个人化多阈值跌倒检测方法及系统
CN103493113A (zh) 跌倒检测器和用于检测可能的跌倒的方法
CN104464190A (zh) 一种基于压力和加速度检测的摔倒报警设备及其方法
CN106960541B (zh) 自适应多级跌倒检测方法
CN110047248A (zh) 一种基于可穿戴的老人跌倒检测方法及设备
CN104297519A (zh) 人体运动姿态识别方法和移动终端
EP1974662B1 (en) Fall detector
CN109528209A (zh) 穿戴式设备的运动状态提醒方法、装置、设备及存储介质
CN106725445A (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
CN106650300B (zh) 一种基于极限学习机的老人监护系统及方法
CN109171687A (zh) 一种监测老年人运动状况的智能化系统及控制方法
CN205103993U (zh) 一种智能人体跌倒监护装置
Razum et al. Optimal threshold selection for threshold-based fall detection algorithms with multiple features
CN107146378A (zh) 一种人体跌倒判定方法及装置
CN105551191B (zh) 一种跌倒检测方法
Lu et al. Smart triggering of the barometer in a fall detector using a semi-permeable membrane
CN110992649B (zh) 一种用于判断行动中跌倒状态的方法

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: 20181221

RJ01 Rejection of invention patent application after publication