CN109640817A - 用于运动跟踪、评估和监控的系统和装置及其使用方法 - Google Patents
用于运动跟踪、评估和监控的系统和装置及其使用方法 Download PDFInfo
- Publication number
- CN109640817A CN109640817A CN201780037027.XA CN201780037027A CN109640817A CN 109640817 A CN109640817 A CN 109640817A CN 201780037027 A CN201780037027 A CN 201780037027A CN 109640817 A CN109640817 A CN 109640817A
- Authority
- CN
- China
- Prior art keywords
- personnel
- data
- wearable sensors
- activity
- score
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- 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
- A61B5/1118—Determining activity level
-
- 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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/486—Bio-feedback
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/683—Means for maintaining contact with the body
- A61B5/6831—Straps, bands or harnesses
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- 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
- A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
-
- 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
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- 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
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- 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
-
- 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
- A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Geometry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physical Education & Sports Medicine (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Biodiversity & Conservation Biology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种系统包括:可穿戴传感器,其被配置为由人员穿戴,并在所述人员进行的活动期间记录传感器数据;分析元件,其被配置为从所述可穿戴传感器接收所述传感器数据,基于所述传感器数据确定在所述活动期间的所述可穿戴传感器的传感器取向数据,将在所述活动期间的所述可穿戴传感器的所述传感器取向数据转换成所述人员的人员取向数据,为所述活动期间的所述人员确定(a)提举速率、(b)最大矢状屈曲、(c)平均扭转速度、(d)最大力矩和(e)最大侧向速度,并基于这些数据确定代表所述活动期间所述人员的受伤风险的分数;以及可感知反馈元件,其被配置为基于所述分数提供至少一个可感知反馈,以降低所述受伤风险。
Description
相关申请的交叉引用
本申请是第111(a)节申请,其涉及共同拥有的、共同未决的美国临时专利申请第62/321,865号,题为“运动跟踪、评估和监控”,申请日为2016年4月13日,其全部内容通过引用结合于此。
技术领域
本发明的领域涉及监控工业运动员(industrial athlete),以确保他们安全地工作。
背景技术
仅在美国,工伤每年就要花费大约2,500亿美元,这个数字预计会随着时间的推移而上升。一个突出的例子是背部受伤。据估计,每一次背部受伤平均花费近60,000美元,估计每年总计1,200亿美元。除了这种伤害的经济成本之外,更重要的是工伤患者所遭受的身体衰弱的痛苦。因此,需要改进的系统和方法来预防工伤,尤其是背部受伤。
附图说明
本发明的一些实施方案在本文中参考附图仅作为示例进行描述。现在具体参考附图,要强调的是所示的细节是示例性的,并且是为了说明性地讨论本发明的实施方案。在这一点上,结合附图进行的描述使得如何实施本发明的实施方案对于本领域技术人员来说变得显而易见。
图1是测量和分析用户运动的活动评估系统的操作环境的示意图;
图2是包括用于测量用户运动的多个传感器的测量装置的实施方案的示意图;
图3是示出使用图2的测量装置测量工人运动的方法的实施方案的流程图;
图4A至图4B是示出根据图1的系统的实施方案测量的用户的弯腰活动的图表;
图4C是示出根据图3的方法的实施方案的基于工人运动的测量计算出的风险因素的曲线图;
图4D是示出根据图4C所示的计算出的风险因素确定的、依据季度而变化的工人运动的平均安全分数(例如,高风险组成员(high risk group membership)的概率)的安全图;
图5A是工人运动范围的示意图;
图5B是对应于图5A的运动范围的风险的定性评估;
图5C是用户界面,其示出了图5B的定性风险评估;
图6A是用户界面,其示出了由图1的系统的实施方案测量和分析的风险分数依据时间而变化的图表;
图6B是用户界面,其示出了提举变量(variable of a life),以及它们可以如何改变,这又改变了由图1的系统的实施方案测量和分析的总体风险分数;
图7A至图7B是示出图1的系统的实施方案的指导组件(coaching component)的输出的用户界面;
图8A至图8D是由图1的系统的实施方案的监管组件(supervisor component)输出的用户界面;(A)每个工作区域的工人运动风险概要;(B、C)单个区域内工人运动风险的概要;(D)单个工人的工人运动风险概要;
图9是可穿戴传感器的实施方案的照片;
图10是图9的可穿戴传感器的照片,该传感器结合到束带中并由个人穿戴;
图11A是提供安全分数概要的示例性概览显示;
图11B是为个人提供历史安全分数数据的示例性显示;
图11C是提供一组个人的历史安全分数数据的示例性显示;
图11D是提供按工作职能分类的一组个人的历史安全分数数据的示例性显示;
图11E是提供按班次(shift)分类的一组个人的历史安全分数数据的示例性显示;
图12A是提供对安全干预(safety intervention)的访问的示例性显示;
图12B是提供对配置干预的访问的示例性显示,这些干预可以基于各种问题被触发;
图12C是提供对可针对所选问题触发的各种干预的访问的示例性显示;
图12D是提供对各种数据因素的访问的示例性显示,这些数据因素可以在针对所选问题触发所选干预时被评估;
图12E是提供所选问题、可针对该问题触发的所选干预以及可在针对所选问题触发所选干预时评估的所选数据因素的示例性显示;
图12F是提供描述干预的信息的输入的示例性显示;
图12G是提供对在确定是否触发干预时可以评估的标准的访问的示例性显示;
图12H是示例性显示,其是在已经选择了标准之后的图12G的示例性显示;
图12I是提供干预之前和之后的安全分数的历史跟踪的示例性显示;
图12J是示例性显示,其是图12I被配置为显示所选时间间隔期间的数据的示例性显示;
图12K是示例性显示,其是配置成允许选择的比较(selection of comparison)的图12I的示例性显示;
图12L是跟踪成组个体的记录数据并指示哪些个人可能准备好接受干预的示例性显示;
图13A是示出作为电子邮件提供给个人的干预的示例性显示;
图13B是示例性显示,其是被操作以示出关于干预的进一步细节的图13A的显示;并且
图14是示出可包括在历史信息数据库中用于预测未来受伤的数据类型的示例性图表。
发明内容
在一些实施方案中,一种系统包括:可穿戴传感器,其被配置为由人员穿戴并在所述人员进行的活动期间记录传感器数据,所述传感器数据包括加速度计数据、陀螺仪数据和磁力计数据;分析元件,其被配置为:从所述可穿戴传感器接收所述传感器数据,基于所述传感器数据来确定在所述活动期间的所述可穿戴传感器的传感器取向数据,所述传感器取向数据包括(a)所述可穿戴传感器的偏航角数据、(b)所述可穿戴传感器的俯仰角数据和(c)所述可穿戴传感器的滚转角数据,将所述可穿戴传感器的所述传感器取向数据转换成在所述活动期间所述人员的人员取向数据,所述人员取向数据包括(a)所述人员的偏航角数据、(b)所述人员的俯仰角数据和(c)所述人员的滚转角数据,所述转换包括使用至少一个Tait-Bryan旋转,至少基于(a)所述人员的所述偏航角数据、(b)所述人员的所述俯仰角数据和(c)所述人员的所述滚转角数据,为所述活动期间的所述人员确定(a)提举速率、(b)最大矢状屈曲、(c)平均扭转速度、(d)最大力矩和(e)最大侧向速度,以及基于(a)所述提举速率、(b)所述最大矢状屈曲、(c)所述平均扭转速度、(d)所述最大力矩和(e)所述最大侧向速度,确定代表所述活动期间所述人员的受伤风险的分数;以及可感知反馈元件,其被配置为基于所述分数提供至少一个可感知反馈,以降低所述受伤风险,所述至少一个可感知反馈包括以下内容中的至少一个:(a)至少一个触觉反馈、(b)至少一个听觉反馈、(c)至少一个视觉反馈、(d)协助所述人员进行所述活动的至少一个实物和(e)协助所述人员进行所述活动的至少一个指令。
在一些实施方案中,所述分数或者是被配置为随着所述受伤风险增加而增加的风险分数,或者是被配置为随着所述受伤风险增加而减少的安全分数。在一些实施方案中,所述可感知反馈元件与所述可穿戴传感器集成在一起。在一些实施方案中,所述可感知反馈元件包括以下内容中的至少一个:(a)至少一个振动马达,其被配置为提供所述至少一个触觉反馈,(b)至少一个扬声器,其被配置为提供所述至少一个听觉反馈,(c)至少一个显示器,其被配置为提供所述至少一个视觉反馈,和(d)至少一个指示灯,其被配置为提供所述至少一个视觉反馈。在一些实施方案中,所述可感知反馈元件被配置成当所述人员的所述受伤风险超过预定阈值时提供可感知反馈。
在一些实施方案中,为所述活动期间的所述人员确定(a)所述提举速率、(b)所述最大矢状屈曲(maximum sagittal flexion)、(c)所述平均扭转速度(average twistvelocity)、(d)所述最大力矩(maximum moment)和(e)所述最大侧向速度(maximumlateral velocity)进一步基于身体几何尺寸(body geometry)。在一些实施方案中,所述身体几何尺寸是所述人员的身体几何尺寸。在一些实施方案中,所述身体几何尺寸是预定的。在一些实施方案中,所述可穿戴传感器包括惯性测量单元。在一些实施方案中,所述可穿戴传感器包括移动电话。
在一些实施方案中,所述实物包括人体工学骨骼装置、眼睛防护、耳朵防护、呼吸防护、脚防护、危险材料防护、温度防护和跌倒防护中的至少一种。在一些实施方案中,协助所述人员进行所述活动的所述至少一个指令包括针对进行所述活动的训练。在一些实施方案中,协助所述人员进行所述活动的所述至少一个指令包括调度改变。在一些实施方案中,所述调度改变包括重新分配所述人员以及将所述人员与另一个人员交换中的一项。
在一些实施方案中,所述系统还包括多个另外的可穿戴传感器,其被配置为由多个另外的人员穿戴并在所述另外的人员进行的活动期间记录传感器数据,所述传感器数据包括加速度计数据、陀螺仪数据和磁力计数据,其中所述分析元件被进一步配置成:从所述多个另外的可穿戴传感器中的每一个接收所述传感器数据,基于从所述多个另外的可穿戴传感器中的每一个接收的所述传感器数据,确定在所述活动期间的所述多个另外的可穿戴传感器中的每一个的传感器取向数据,将在所述活动期间的所述多个另外的可穿戴传感器中的每一个的所述传感器取向数据转换成所述多个另外的人员中的每个人的的人员取向数据,所述转换包括使用至少一个Tait-Bryan旋转,为所述活动期间的所述另外的多个人员中的每个人确定(a)提举速率、(b)最大矢状屈曲、(c)平均扭转速度、(d)最大力矩和(e)最大侧向速度,以及确定另外的多个分数,其中每个分数代表所述另外的多个人员中一个人员的受伤风险。
在一些实施方案中,所述可感知反馈元件被配置为基于所述另外多个用户中的至少一些用户的所述分数向所述另外多个用户中的至少一些用户提供可感知反馈。在一些实施方案中,所述分析元件被进一步配置为确定所述另外的多个人员中的至少一些人员的合计分数(aggregate score)。在一些实施方案中,基于工作角色、全职状态、就业持续时间、班次安排、受伤历史、工作地点、工人特征、一天中的时间和手动选择中的一项来选择所述另外的多个人员中的所述至少一些人员。在一些实施方案中,所述可感知反馈元件被配置为基于所述合计分数向所述另外的多个用户中的所述至少一些用户提供可感知反馈。
在一些实施方案中,所述活动包括进行至少一个提举动作。
具体实施方式
在已经公开的这些益处和改进中,本发明的其他目的和优点可以从下面结合附图的描述中变得显而易见。本文公开了本发明的多个详细实施方案;但应理解的是,所公开的这些实施方案仅仅是对本发明进行说明,本发明可以用各种各样的形式来实施。此外,结合本发明的各种实施方案给出的每个示例是说明性的,而非限制性的。
在整个说明书和权利要求书中,除非上下文另有明确规定,否则以下术语采用本文明确关联的含义。本文中使用的短语“在一个实施方案中”、“在实施方案中”和“在一些实施方案中”不一定指相同的实施方案,但是其可以指相同的实施方案。此外,本文中使用的短语“在另一个实施方案中”和“在一些其他实施方案中”不一定指不同的实施方案,但是其可以指不同的实施方案。因此,如下所述,在不脱离本发明的范围或精神的情况下,可以容易地组合本发明的各种实施方案。
此外,如本文所用,术语“或”是包含性的“或”运算符,并且等同于术语“和/或”,除非上下文另有明确说明。术语“基于”不是排他性的并且允许基于未描述的附加因素,除非上下文另有明确规定。此外,在整个说明书中,“一”、“一个”和“该”的含义包括复数引用。“在……中”的意思包括“在……中”和“在……上”。
总体上,本公开的实施方案涉及用于跟踪、评估和监测工人运动的系统和方法。跟踪是通过使用安装至工人(例如,胸部、手腕、膝盖等)的传感器来实现的。在一些实施方案中,其中可穿戴传感器112包括惯性测量单元(“IMU”)传感器,可穿戴传感器112从直接来自IMU的三个集成传感器的测量开始,记录工人在一天中的三维运动。在一些实施方案中,每个传感器读数具有x、y和z分量,每个数据点总共产生九个测量值。在一些实施方案中,IMU从加速度计、陀螺仪和磁力计获取读数,其每个测量具有x、y和z分量。在一些实施方案中,传感器融合技术被应用于过滤和集成九个分量传感器测量值,以计算安装至工人的单个可穿戴传感器112的取向。在一些实施方案中,以这种方式计算的取向由三个角度描述:偏航角(yaw)、俯仰角(pitch)和滚转角(roll)(本文统称为“YPR”)。在一些实施方案中,传感器融合算法对IMU的加速度计、陀螺仪和磁力计记录的数据进行加权,以使用四元数表示来计算可穿戴传感器112在空间中的取向。在一些实施方案中,传感器融合算法包括卡尔曼滤波算法,以处理记录的加速度计、陀螺仪和磁力计测量值,最小化标准传感器噪声,并将四元数表示转换成偏航角、俯仰角和滚转角数据(yaw,pitch,and roll data)。
在一些实施方案中,可穿戴传感器112在任何给定时刻的取向可以通过考虑三个正交轴X、Y和Z的绝对参考系(absolute reference frame)来描述,三个正交轴由平行于地球重力的向下方向并与之相反的Z轴、指向地磁北极的X轴、指向从Z轴逆时针旋转90度方向的Y轴定义。在一些实施方案中,可穿戴传感器112在空间中的取向被描述为从该绝对参考系的零点开始的旋转。在一些实施方案中,Tait-Bryan链式旋转(chained rotation)(即Davenport链式旋转的子集)用于描述可穿戴传感器112从绝对参考系的零点到可穿戴传感器112在空间中的取向的旋转。在一些实施方案中,所述旋转是几何变换,其将偏航角、俯仰角和滚转角作为输入,并输出描述可穿戴传感器112的取向的矢量(vector)。
在一些实施方案中,描述可穿戴传感器112的空间取向的偏航角、俯仰角和滚转角用于计算描述可穿戴传感器112所安装到的个人身体的空间取向的偏航角、俯仰角和滚转角。在一些实施方案中,为了执行该计算,假设可穿戴传感器112刚性地固定到穿戴者最初直立的身体上,并且可穿戴传感器112的Tait-Bryan链式旋转以相反的顺序施加到身体上,而不是施加到可穿戴传感器112。在一些实施方案中,该旋转的结果是可以被认为是身体的零点的矢量,可穿戴传感器112的偏航角、俯仰角和滚转角可以通过进一步的Tait-Bryan链式旋转应用于该矢量,以计算在所有时间描述身体在空间中的取向的矢量(即,身体的一组YPR值)。在一些实施方案中,与工人运动的人体工程学相关的参数,例如是:矢状位置、扭转位置和侧向位置。在一些实施方案中,对身体的该组YPR值执行几何计算,以确定矢状、扭转和侧向位置。在一些实施方案中,矢状位置、扭转位置和侧向位置根据以下方程式确定,YPR值以度数为单位:
矢状=(-1*cos(滚转角))*(90–俯仰角)
侧向=(-1*sin(滚转角))*(90–俯仰角)
在一些实施方案中,矢状速度和侧向速度然后基于矢状值和侧向值随时间的变化来确定。在一些实施方案中,扭转的变化通过将俯仰角值(pitch value)投影到XY平面中(即,仅取俯仰角矢量(pitch vector)的X和Y分量)并计算该平面中俯仰角值的变化幅度来确定,从而根据以下方程式导出扭转速度:
扭转的变化=Sqrt((俯仰角X的变化)2+(俯仰角Y的变化)2)
在一些实施方案中,扭转速度、侧向速度和矢状屈曲(sagittal flexion)构成用于计算风险分数的五个值中的三个值,这将在下文中进一步详细描述。
在一些实施方案中,根据以下过程,(例如,由可穿戴传感器112测量的)原始传感器数据被转换为身体YPR数据。在一些实施方案中,该过程从来自加速度计(a)、陀螺仪(g)和磁力计(m)的在时间范围t=[0...n]内的一组原始传感器读数开始。这些传感器读数中的每一个具有x分量、y分量和z分量:
在一些实施方案中,通过时间窗(time window)的卡尔曼滤波和传感器融合算法,上述传感器读数在时间t=[n]被转换成传感器的YPR,该算法随时间对陀螺仪值和加速度计值进行积分。在一些实施方案中,陀螺仪值用于将任何给定时间的先前取向外推至四元数形式的预测当前取向。在一些实施方案中,加速度计值和磁力计值然后被用作对地面坐标系(ground-frame)的基线参考,以创建第二四元数。在一些实施方案中,这两个四元数然后以加权的方式组合,以创建取向的更稳定的四元数估计。在一些实施方案中,根据该组合四元数,传感器的YPR值然后可以通过已知的几何技术来推断,以将四元数转换为欧拉角。在一些实施方案中,这种几何技术得到YPR值,其在任何时间t=[n]描述传感器:
(Yaw传感器,t=n Pitch传感器,t=n Roll传感器,t=n)
以下将这些值缩写为:
(Ysn Psn Rsn)
在一些实施方案中,上述值通过将它们的取向视为从与绝对参考系对准的起始取向开始的旋转来描述传感器在空间中的取向。在一些实施方案中,绝对参考系由三个正交轴X、Y和Z组成,其由平行于地球重力的向下方向并与之相反的Z轴和指向地磁北极的X轴定义,如下所示:
在一些实施方案中,绝对参考系三元组(triad)可以被标记为(X,Y,Z),并且传感器的取向可以被标记为(R,P,Y),这是描述传感器在空间中的取向的成组的三个矢量。如果参考系三元组可以用以下方式表示:
那么根据上述定义,起始传感器取向三元组为:
在一些实施方案中,通过偏航角、俯仰角和滚转角的旋转可以被认为是这些三元矢量的变换,只要该变换保持矢量的正交性和长度。偏航角、俯仰角和滚转角变换可以分别由角度Psi(ψ)、Theta(θ)和表示。应当指出,排序很重要,因为它代表了一种操作顺序;例如,如果:
(Ysn Psn Rsn)=(-170° 45° 10°)
那么传感器可以按如下所示取向,其中首先应用传感器围绕传感器取向三元组的偏航轴的旋转(ψ=-170°),然后应用围绕传感器取向三元组的俯仰轴的旋转(θ=45°),最后应用围绕传感器取向三元组的滚转轴的旋转应当注意,在这种情况下,偏航角旋转(ψ=-170°)是负的,因为旋转被定义为围绕传感器取向三元组的Y轴,并且在这种情况下,传感器取向三元组的Y轴指向绝对参考系三元组的Z轴的相反方向。然而,在下图中,偏航角旋转表现为正的。
在一些实施方案中,所示的角度Psi(ψ)、Theta(θ)和的旋转可以被描述为三个独立变换矩阵的乘积:
这些变换矩阵的乘积可以称为M,如下所示:
应该再次指出,偏航角、俯仰角和滚转角变换矩阵的顺序是按照Tait-Bryan惯例(convention)定义的操作顺序。这个变换矩阵可以用来变换矢量V,如下所示:
在上面,矢量V可以是传感器取向三元组的滚转角矢量:
其中M是:
因此,转换后的传感器取向三元组的滚转角矢量TV为:
当传感器融合算法报告以下YPR值时,这些矢量坐标对应于滚转角矢量的航向(heading):
(Ysn Psn Rsn)=(-170° 45° 10°)
在一些实施方案中,传感器的YPR值然后被转换为身体的YPR值,如下文所述。在一些实施方案中,这种转换是必需的,因为传感器不与身体的轴线对准;在一些实施方案中,传感器安装在工人的胸部,在传感器的轴线与身体的自然轴线不重合的任何情况下,都可能需要这种转换。因此,在一些实施方案中,基于传感器的YPR值来计算身体的YPR值,这基于以下假设:传感器刚性固定到身体上,并且当身体直立时,传感器的YPR值存在已知值(即,身体的竖直轴平行于绝对参考系的Z轴的“中立姿态(neutral posture)”)。在一些实施方案中,可以确定中立姿态,如下文将描述的。个人中立姿态的传感器YPR值可以缩写如下:
(Ysp0 Psp0 Rsp0)
如上所述,传感器在任何给定时间的YPR值可以缩写为:
(Ysn Psn Rsn)
以下一组计算将用于随时计算身体的YPR值,本文中表示为:
(YBn PBn RBn)
如上所述,起始传感器观察三元组如下所示:
在一些实施方案中,为了完成所需的变换,竖直身体矢量被描述传感器取向的角度“向后”变换(即,滚转角、俯仰角、偏航角而不是偏航角、俯仰角、滚转角)。得到的取向是身体的中间起始取向。给定身体中立姿态下的传感器读数:
(ψsp0,θsp0,φsp0)=(Ysp0,Psp0,Rsp0)
身体的起始取向可以计算为:
在上面,竖直矢量是负的,因为假设身体在全球参考系(global referenceframe)中笔直向上,在身体的起始YPR参考系中笔直向下。例如,如果:
(ψsp0,θsp0,φsp0)=(Ysp0,Psp0,Rsp0)=(2°,86°,3°)
则:
其等于:
其等于:
以上是身体取向三元组的滚转角矢量,其可以通过传感器的YPR值进行转换,以获得中立姿态。相同的操作适用于身体取向三元组的偏航轴和俯仰轴,如下所示:
[[R身体][P身体][Y身体]]中间
然后,这可以通过传感器的YPR值进行转换,以确定身体取向三元组在任何时间点的坐标:
[M(ψs,θs,φs)][[R身体][P身体][Y身体]]中间
其等于:
[[R身体][P身体][Y身体]]n
继续上述示例,该操作将按如下所示执行:
[M(ψs,θs,φs)][R身体,中间]
其等于:
其等于:
在一些实施方案中,确定变换身体本身的YPR值,其中身体的YPR三元组矢量被定义为以对准全球绝对参考系开始。在上面,身体取向三元组的滚转角矢量从个人头部突出,平行于从肚脐到头部的线,身体取向三元组的俯仰角矢量从个人左侧突出,垂直于滚转角矢量和偏航角矢量,并且偏航角矢量从个人背部突出,垂直于背部平面并垂直于滚转角矢量。在一些实施方案中,为了获得YPR变换角度值,对值Psi(ψ)、Theta(θ)和求解以下方程:
应该注意的是,上面的方程产生了一个有三个未知数的方程,没有另外两个方程是不可能解这个方程的。在一些实施方案中,通过对Y身体和P身体矢量遵循相同的过程获得另外两个方程,首先找到Y身体,中间和P身体,中间,然后计算Y身体,t=n和P身体,t=n。遵循该过程,得到了三个方程,这三个方程具有三个未知量Psi(ψ)、Theta(θ)和它们可以被求解以找到描述在任意给定时间点t=[n]的身体在空间中的取向的偏航角(ψ)、俯仰角(θ)和滚转角变换。下面给出了一个流程图,该流程图体现了一个示例性数据点的上述计算的执行:
在一些实施方案中,根据所选择的运动学模型,在个体和/或合计的基础上进一步评估这些运动,以表征运动风险(例如,沿着滑动数字标度,沿着定性的低-中-高标度,等等)。从这些运动学模型中可以进一步生成合计风险分数(aggregate risk score)或安全分数。在一些实施方案中,基于人体工程学知识以及这些运动如何应用于影响人体及其随着时间的推移的发展(例如,愈合、补偿、人类行为等)来定义运动学模型。在一些实施方案中,基于穿戴者的运动收集的数据可以应用于现实世界的管理应用,包括受伤预测、劳动力优化、具有已知积极影响的推荐安全活动或装备,以及其他组织重定路线,以针对与工人成本和生产率相关的安全工作条件来优化组织。在一些实施方案中,根据上述内容管理劳动力所采取的活动将具有已知的和可量化的影响。在一些实施方案中,基于工作角色、全职状态、雇佣持续时间、班次分配、受伤历史、工作地点、工人特征、一天中的时间和/或手动选择中的一项或多项,为被选择的成组的个人确定合计风险分数。
可以进一步显示测量的运动和/或风险分数以供使用。在一个实施方案中,测量的运动和/或风险分数可以显示给工人,以提高他们对测量的运动风险的意识。可选地,基于评估的风险,可以进一步向工人提供指导建议,以降低运动风险。在另一个实施方案中,可以向监管者显示个体工人、合计的工人组及其组合的测量运动和/或风险分数。
现在将讨论图1,其示出了用于测量、评估和监测工人运动的操作环境100的实施方案。环境100包括活动评估系统102、多个用户计算装置104(104A、104B、……、104N)和数据存储装置106,彼此经由网络110通信。活动评估系统102包括多个可穿戴传感器112、分析组件114、指导组件114、和监管组件120。可以理解,尽管活动评估系统102在本文中是在背部弯曲(即腰部屈曲)的背景下描述的,但是本公开的实施方案可以针对任何期望的身体运动学。
用户计算装置104的实施方案可以独立地选择任何计算装置,诸如台式计算机、膝上型计算机、移动电话、平板计算机、机顶盒、娱乐控制台、服务器计算机、客户端计算机等。在进一步的实施方案中,活动评估系统102和一个或多个用户计算装置104可以集成在单个装置中。
数据存储装置106的实施方案可以包括能够维护计算机可读数据的一个或多个数据存储装置。示例可以包括但不限于磁存储器(例如磁带、硬盘驱动器等)、固态存储器(例如闪存等)、和其他计算机可读介质。
网络110的实施方案可以包括但不限于基于分组或电路的网络。基于分组的网络的示例可以包括但不限于互联网、运营商互联网协议(IP)网络(例如局域网(LAN)、广域网(WAN)、校园网(CAN)、城域网(MAN)、家庭局域网(HAN)、专用IP网络、IP专用分支交换机(IPBX)、无线网络(例如无线接入网络(RAN)、IEEE 802.11网络、IEEE 802.15网络、IEEE802.16网络、通用分组无线服务(GPRS)网络、高性能无线局域网络等)和/或其他基于分组的网络。基于电路的网络的示例可以包括但不限于公共交换电话网络(PSTN)、专用分支交换机(PBX)、无线网络(例如RAN、蓝牙TM、码分多址(CDMA)网络、时分多址(TDMA)网络、GSM演进网络的增强数据速率(EDGE)网络、全球移动通信系统(GSM)网络)和/或其他基于电路的网络。
数据传输和指令也可以通过网络110进行。适于体现计算机程序指令和数据的信息载体包括所有形式的非易失性存储器,例如包括半导体存储装置。信息载体可以是例如EPROM、EEPROM、闪存装置、磁盘、内部硬盘、可移动盘、磁光盘、CD-ROM和/或DVD-ROM盘。处理器和存储器可以由专用逻辑电路补充和/或结合到专用逻辑电路中。
图2示出了可穿戴传感器112的实施方案。可穿戴传感器112包括容纳多个测量传感器204的主体202。测量传感器204的实施方案包括能够测量身体运动学(bodykinematic)的任何装置。示例包括但不限于陀螺仪、磁力计、加速度计、气压计、倾斜开关、振动开关、摄像头、光敏电阻、超声波测距仪、红外测距仪、结构光投影仪、肌电图等中的一种或多种。在进一步的实施方案中,可穿戴传感器112包括一个或多个数据存储装置(未示出),用于测量传感器204记录的运动学数据的瞬时或永久本地存储。在一些实施方案中,可穿戴传感器112是被编程为如本文所述操作的移动电话(例如,通过安装合适的“应用程序”)。
在一个实施方案中,主体202可以与束带206(例如,钩环扣(hook and loopfastener))机械接合,用于将可穿戴传感器112固定至工人。可以理解,在替代实施方案中,束带206可以省略或与其他可逆紧固装置结合使用,例如粘合剂、夹子、销、吸附装置等。
在某些实施方案中,可穿戴传感器112包括一个或多个数据处理器(未示出),其用于分析由测量传感器204记录的运动学数据。在其他实施方案中,可穿戴传感器可包括无线发射器(例如,Wi-FiTM、蓝牙TM等)或有线接口(例如USBTM),其用于向计算装置(例如用户计算装置104)传输数据,以分析和/或存储测量的运动学数据。
在进一步的实施方案中,可穿戴传感器112包括显示器210,用于向工人显示分析数据。例如,如下文更详细讨论的,显示器210可以显示运动分数和状态栏中的至少一个,以及辅助信息,例如时间和电池寿命。运动分数是通过对工人在预定尺度上的运动进行分析而获得的。状态栏可以基于分析的分数进一步表征工人运动的质量(例如,低风险、中等风险、高风险)。以这种方式,向工人提供关于他们运动的实时信息。在另外的实施方案中,可穿戴传感器112可以另外包括通知机构(未示出),其提供音频、视觉和触知信号(tactilesignal)中的一个或多个(例如,扬声器、灯、振动马达等),以在工人的分析运动质量被表征为中等和/或高风险时警告工人。
在另外的实施方案中,可穿戴传感器112可以另外包括用于执行校准过程的校准按钮212,如下文更详细讨论的。
在一些实施方案中,可穿戴传感器112包括可操作以记录三轴加速度计数据、三轴陀螺仪数据和三轴磁力计数据的9自由度惯性测量单元(“IMU”)。图9是示例性可穿戴传感器112的照片。在一些实施方案中,IMU与移动电话集成。在一些实施方案中,可穿戴传感器112包括另一种合适类型的感测设备,该感测设备可操作以确定偏航角/俯仰角/滚转角测量值,如下文所述。在一些实施方案中,可穿戴传感器112包括电池寿命为19小时或更长的电池。在一些实施方案中,可穿戴传感器112被配置为通过蓝牙通信。在一些实施方案中,可穿戴传感器112被配置为通过WiFi进行通信。在一些实施方案中,可穿戴传感器112包括处理器,该处理器可操作以支持实时数据处理、数据传输和数据可视化。在一些实施方案中,可穿戴传感器112可以被“签出”和“签入”,从而允许可穿戴传感器112中的单个可在一整天里在不同用户之间共享。在一些实施方案中,可穿戴传感器112包括能够提供用户反馈的至少一个组件。在一些实施方案中,可穿戴传感器112包括能够提供触知/触觉反馈(hapticfeedback)的振动马达。在一些实施方案中,可穿戴传感器包括能够提供听觉反馈的扬声器。在一些实施方案中,可穿戴传感器包括至少一个能够提供视觉反馈的LED。在一些实施方案中,可穿戴传感器112设置有一条适合所有人且男女通用的束带206。在一些实施方案中,束带206具有单点附接机构(one-point attachment mechanism)。在一些实施方案中,束带206具有三个调节点。在一些实施方案中,系统100可以包括将在下文中描述的可操作以确定偏航角/俯仰角/滚转角测量值的外部传感器(例如,具有点跟踪器、视频分析等的光学传感系统),而不是使用可穿戴传感器112。
在一些实施方案中,可穿戴传感器112适于穿戴在最大化用户舒适性、调节容易性和数据输出准确性的位置。在一些实施方案中,可穿戴传感器112适于穿戴在前侧胸肌的正下方。在一些实施方案中,穿戴在前侧胸肌正下方的可穿戴传感器112穿戴舒适,能够捕获本文所述的信息,并且用户易于快速穿戴和移除。在一些实施方案中,可穿戴传感器112在身体上的位置是预定的,并且计算基于可穿戴传感器112的预定位置。在一些实施方案中,算法可基于可穿戴传感器112的位置来调整。在一些实施方案中,可穿戴传感器112穿戴在左侧。在一些实施方案中,可穿戴传感器112穿戴在右侧。在一些实施方案中,可穿戴传感器112可以穿戴在左侧或右侧,只要它位于已知的水平面上。在一些实施方案中,适于穿戴在前侧胸肌正下方的可穿戴传感器112为穿戴者提供了与装置的视觉连接,并提供了容易的附接、移除和调节。在一些实施方案中,适于穿戴在前侧胸肌正下方的可穿戴传感器112提供稳定的位置读数,并且不干扰手臂的活动。在一些实施方案中,适于穿戴在前侧胸肌正下方的可穿戴传感器112使传感器和穿戴者身体之间的不希望的运动最小化,并且不提供与穿戴者颈部的不舒适接触。图10是示例性可穿戴传感器112的照片,该传感器与束带206接合,并由用户穿戴在上述位置。
图3示出了用于测量、评估和监测工人运动的方法300的实施方案。方法300包括在操作302中安装可穿戴传感器112,在操作304中校准安装的传感器,在操作306中测量工人的运动,在操作310中分析工人的运动,以及在操作312中显示分析。
在操作302中,可穿戴传感器112被安装至工人。如上所述,可穿戴传感器112被牢固地安装在身体上的期望位置,例如工人的胸部或手腕。在进一步的实施方案中,可穿戴传感器112可以安装到工人的背部、躯干、臀部或脚踝。
在操作304中,校准可穿戴传感器112。例如,工人在直立且静止(即,处于中立姿态)的同时按压校准按钮212,以开始校准过程。在校准过程中,工人直立姿态的测量值由许多姿态测量值的平均值确定。在某些实施方案中,通知机构(例如,可听音调、光和/或振动)指示校准过程正在进行。例如,在通知机构是扬声器的情况下,当校准过程正在进行时,发出一个音调的一系列蜂鸣音,而发出第二音调的单一蜂鸣音则指示校准过程已经成功结束。如果工作人员在校准过程中移动或站立不笔直挺立,扬声器可能会发出第三音调的单一蜂鸣声,表示校准不成功。
在进一步的实施方案中,如果校准过程被启动并且存在来自先前校准的记录测量值,则在收集少量样本之后,姿态测量值的平均值与先前记录的测量值进行比较。这两个数字之间可以忽略的差异导致校准过程的成功结束。有益地,当同一工人使用同一可穿戴传感器112时,该过程最小化了采样姿态测量值的冗余。此外,该过程通过回报以较短的校准持续时间来鼓励工人笔直挺立地进行校准过程。相反,如果这两个数字之间的差异很大,校准过程会采用足够的姿态测量值来确定工人的直立姿态,如上所述。
在一些实施方案中,不是在操作304中包括专用校准步骤,而是可以使用穿戴者移动时记录的数据来完成确定穿戴者中立姿态的校准(如下面参考步骤306所述)。中立姿态作为随后确定穿戴者身体相对运动的参考点。在一些实施方案中,缺少单独的校准步骤可能是优选的,因为工人可能不希望保持静止等待可穿戴传感器112被校准。在一些实施方案中,中立姿态检测通过检查由可穿戴传感器112记录的偏航角数据、俯仰角数据和滚转角数据来确定。在一些实施方案中,中立姿态检测包括确定在每个变量的数据中最经常出现的偏航角、俯仰角和滚转角的值。在一些实施方案中,中立姿态检测包括将每个变量的数据(即,数据模式)中最经常出现的偏航角、俯仰角和滚转角的值识别为中立姿态(即,穿戴者花费最多时间的位置)。在一些实施方案中,在确定最频繁的值之前,对偏航角、俯仰角和滚转角的值进行平滑和舍入,以提供一致性并消除传感器测量值中固有的噪声。
例如,下表给出了一组站在三个不同位置的个人的示例数据(为了清楚起见,只显示了俯仰角和滚转角,但是相同的概念同样适用于包括偏航角、俯仰角和滚转角在内的分析):
在一些实施方案中,中立姿态被评估为(俯仰角=10度,滚转角=45度),因为这些是最常见的个人俯仰角值和滚转角值。在一些实施方案中,中立姿态被评估为最常见的偏航角、俯仰角和滚转角的组合。在这样的实施方案中,考虑到上述数据,中立姿态被评估为(俯仰角=23度,滚转角=45度),因为这是最常见的俯仰角值和滚转角值的组合。在一些实施方案中,后一评估可以提供对个人最常见姿态的更好评估,该姿态可以被认为是中立姿态。
在一些实施方案中,根据归一化处理来执行偏航角、俯仰角和滚转角数据的平滑和舍入(rounding)。在一些实施方案中,归一化在数据摄取后在用于分析的处理之前仅发生一次。因此,在一些实施方案中,为了以易于理解的方式处理、存储和整体呈现信息,需要更简单的系统架构。在一些实施方案中,不需要在每次单独分析之前执行归一化。因此,在一些实施方案中,维护活动花费更少的时间,因为实现归一化的软件存储在一致的位置和代码库中。在一些实施方案中,在数据获取时执行归一化有助于跨多个数据管道扩展解决方案,因为每个数据信息流都可以被信任为“干净”且没有缺陷,从而大大减少了新特性和能力的上市时间。因此,在一些实施方案中,向客户展示了更大的价值、更稳定的服务、更低的成本以及更快的新功能交付。
在操作306中,可穿戴传感器112测量工人在任何运动范围内的运动。例如,在可穿戴传感器112安装到用户胸部的情况下,工人背部的位置和背部相对于地面的角度依据时间而变化。这种测量可以以离散的时间间隔或连续进行。测量的工人运动数据被本地或远程保存到数据存储装置106以供后续分析。例如,响应于触发信号(例如,同步可穿戴传感器112的请求),或者通过将可穿戴传感器112连接到计算装置或电源,可以将测量的工人运动数据自动发送到远程数据存储装置106。
在进一步的实施方案中,工人膝盖的运动可以从可穿戴传感器112在安装到工人胸部时进行的测量中推断出来。例如,由可穿戴传感器112进行的测量可用于确定工人是否正在执行一个或多个动作,包括但不限于行走、跑步、跳跃、蹲下、直立、扭动他们的躯干、绕一只脚枢转、伸手到他们的头部上方以及乘坐车辆。将工人运动分类为诸如这些活动的分组可以通过以下一个或多个来执行:诸如逻辑回归或线性回归之类的机器学习技术,诸如神经网络或支持矢量机之类的机器学习工具,这些机器学习工具已经被训练为基于手动分类的运动数据集来识别运动模式。
测量数据的示例在图4A至图4B中示出。图4A是弯腰次数(归一化为8小时)依据角度而变化的图表。图4B所示的互补表示将累积时间(以秒为单位,归一化为8小时)绘制为依据角度而变化。可以观察到,在40度至50度范围内的运动较频繁并且持续时间短,而在60度至70度范围内的运动发生的频率较低但是持续时间较长。在80度至130度范围内的运动发生的频率较低并且持续时间短。由此,可以推断频繁和长时间发生的弯腰表示工人搬运物体时所采用的位置,而频繁或不频繁发生的短时间弯腰表示物体被提举时的过渡。一般来说,具有良好提举技术的工人在较低角度会花费更多时间,而提举技术不好的工人在较高角度会花费更多时间。
在操作310中,分析工人的测量运动。如上所述,在某些实施方案中,分析可以由可穿戴传感器112自身的处理器执行。在替代实施方案中,分析可以由另一计算装置(例如,一个或多个用户计算装置104)或远程服务器执行。在由远程服务器执行分析的情况下,结果可以被进一步传输到一个或多个用户计算装置104。
在一些实施方案中,操作310包括检测穿戴可穿戴传感器112的工人的提举频率。提举频率是决定一个人下背部受伤风险的主要因素。提举通常会包括向前弯腰。在一些实施方案中,通过识别工人向前矢状屈曲运动中的峰值来识别提举。在一些实施方案中,当工人向前矢状屈曲运动出现峰值时,识别出提举。在一些实施方案中,基于两个值检测提举:最小峰值高度(“MPH”)和最小峰值突出(minimum peak prominence)(“MPP”),这两个值都应用于矢状屈曲角度。在一些实施方案中,MPH为30度矢状屈曲,MPP为40度矢状屈曲。在一些实施方案中,MPH是在检测到提举之前必须达到的最小矢状角;例如,如果MPH为30度,那么如果矢状屈曲从未超过30度,则没有检测到提举。在一些实施方案中,MPP是在可以检测到提举之前局部最大值和最近局部最小值之间的最小差值;例如,如果一个人弯腰使得矢状角度从50度的局部最小值开始,到达60度的局部最大值,并返回50度的局部最小值,则没有检测到提举,因为尽管60度的峰值矢状屈曲超过30度的MPH,但是突出(即60度峰值和50度局部最小值之间的10度差)不超过40度MPP。在一些实施方案中,提举可以被检测到,例如,当矢状屈曲从局部最小值5度开始,达到局部最大值60度,并返回局部最小值10度时;在该示例中,60度的峰值超过30度的MPH,并且局部最大值和局部最小值之间的差(即,60度峰值和10度局部最小值之间的50度差)超过40度的MPP。
在一些实施方案中,操作310包括估计穿戴可穿戴传感器112的穿戴者所经历的负载力矩(load moment)。通常,工人举起物品重量的精确测量数据不可得。在一些实施方案中,平均包装重量可以被分配给特定的工作职能。在一些实施方案中,对于没有分配平均包装重量的提举,假设恒定的平均包装重量。在一些实施方案中,恒定的平均包装重量为14.5磅。在一些实施方案中,假定提举处于从手的中心到下脊柱中的L5/S1关节的恒定水平距离。在一些实施方案中,恒定水平距离为12英寸。在一些实施方案中,恒定的平均包装重量和恒定的水平距离可以根据需要进行调整。在一些实施方案中,给定提举的负载力矩通过将重量乘以水平距离来确定。
在一些实施方案中,操作310包括检测工人的腰部运动。在一些实施方案中,因为可穿戴传感器112穿戴在胸部上,所以将常数应用于由可穿戴传感器112测量的躯干运动值,以便评估腰部运动。在一些实施方案中,该常数基于穿戴者臀部上方的可穿戴传感器112相对于人体脊柱腰段长度的距离来确定。在一些实施方案中,该计算基于个体的高度是可调整的,并且采用传统比例。在一些实施方案中,对记录的腰部运动速度进行滤波和归一化,以在分析之前消除噪声。
在一些实施方案中,假设可穿戴传感器112和穿戴者臀部之间的距离对于每个性别的所有穿戴者都是恒定的。在一些实施方案中,假设所有男性在平均高度男性的高度穿戴可穿戴传感器112,并且假设所有女性在大约平均高度的高度穿戴可穿戴传感器112。在一些实施方案中,通过测量可穿戴传感器112在测试参与者身上的舒适穿戴位置并使用测量的高度作为常数,通过实验确定传感器到臀部的高度。在一些实施方案中,该方法可以有效地用于所有身高的用户,因为腰部长度也被假设为所有用户的男性和女性的50%长度。在一些实施方案中,这是基于传感器到臀部的高度和腰部长度对于不同高度的用户都将成比例缩放的假设。在一些实施方案中,基于这一假设,臀部与可穿戴传感器112的相关系数除以腰部长度,用于将胸部运动转换为腰部运动,并且保持不变,因此对于所有男性和女性用户都是恒定的。综上所述,在一些实施方案中,腰部运动被计算为躯干运动乘以腰部长度,除以传感器到臀部的长度。
数据分析可以量化工人运动的风险和质量。这些特征可以基于一个或多个行业标准、人体工程学建议及其组合。行业标准的示例可能包括但不限于华盛顿州劳动和工业部门危害和警戒区人体工程学检查表、RULA(快速上肢评估)、REBA(快速全身评估)和NIOSH提举方程式。人体工程学建议的例子可以包括但不限于William S.Marras于1993年发表的“动态三维主干运动在职业相关低背疾病中的作用(The Role of Dynamic Three-Dimensional Trunk Motion in Occupationally-Related Low Back Disorders)”。这些工业标准和人体工程学建议中的每一个在此全部引入作为参考。
例如,华盛顿州劳动和工业部危害和警戒区人体工程学检查表列出了每周超过一天和更频繁的每年超过一周的运动的下列危害和相应时间:
表1–警告区域建议
在另一个例子中,William Marras参考文献提供了高风险组成员的总体概率与五个风险因素的个体值之间的关系。
高风险组成员的概率
表2的横条表示特定工作的每个风险因素的测量值。每个风险因素的个体概率的平均值(横轴)表示高风险组成员的总体概率。表2中所示的风险因素包括提举速率(即每小时进行的提举运动次数)、最大屈曲(即给定时间段内,例如给定的提举或提举周期内,最大矢状屈曲角度、矢状面中的最大前脊柱屈曲角度)、平均扭转速度(即在给定时间段内,例如给定的提举或提举周期内,提举时横向或轴向平面中的平均运动速度)、最大运动(即包装重量乘以负载所在的手和脊柱中L5/S1关节之间的水平距离)、以及最大侧向速度(即,在给定时间段内,例如给定的提举或提举时间段内,侧向平面内的最大运动速度)。
基于根据表2对工人运动的测量计算出的风险因素的例子如下。
·提举速率(LR)、最大矢状屈曲(MF)、平均扭转速度(ATV)、最大力矩(MM)和最大侧向速度(MLV)这五个变量最初是根据测量的工人运动中计算出来的。
·这些变量进一步乘以对应于每个变量的加权常数(c1至cs)。
·这些加权变量与另一常数(c6)相加,得到加权和Z,方程式1:
Z=c1*LR+c2*MF+c3*ATV+c4*MM+c5*MLV+c6(方程式1)
常数c1至c6中的每一个都是从William Marras参考文献中获得的实数值。
·逻辑函数被应用于结果Z以获得风险分数,由方程式2给出,并且在图4C中进一步示出:
风险分数=1/(1+e-Z) (方程式2)
图4D还呈现了一个安全图,其示出了根据图4C的计算出的风险因素确定的依据时间(即季度)而变化的工人运动的平均风险分数(例如,高风险组成员的概率)。
在一些实施方案中,使用安全分数而不是风险分数。在一些实施方案中,安全分数与风险分数相逆。例如,如果给定时间给定工人的风险分数为70%,同一工人同一时间的安全分数为30%。
在操作312中,显示分析。在一个实施方案中,分析被呈现给运动已经被测量的个体工人。例如,在腰部屈曲的情况下,姿态运动的角度范围由选定的行业标准和/或人体工程学推荐来定义。例如,基于RULA参考的风险评估在图5A中示出。表征在这些范围内所测得的工人运动,结合保持这些角度的持续时间的进一步测量,可以定性地表征为带有相应颜色编码的平均姿态(低风险)、警告姿态(中等风险)和危险姿态(高风险),如图5B进一步所示。如图5C所示,图5B的表征还可以在工人的用户计算装置104上显示给他或她。
如图6A至图6C所示,从测量的工人运动计算出的风险分数可以进一步显示给工人。图6A示出了一个示例,说明了在不同的风险级别按颜色区分的情况下,如何随时间绘制对测量的工人运动的分析,并将其分成不同风险级别的持续时间。图6B示出了依据时间而绘制的风险分数。图6C是提举变量及其变化方式的示意图,其变化进而改变总体风险评分。由于变量可能会以非线性的方式变化,这种图形风格可以直观地看到数据。这些变量中的一些可以包括但不限于偏航角、俯仰角、滚转角、平均屈曲、平均扭转等。
在操作312的进一步实施方案中,由指导组件116生成的指导界面可以在工人的用户计算装置104上呈现给他或她。例如,如图7A至图7B所示,向工人呈现指导信息,例如风险区域和潜在解决方案。
在操作312的附加实施方案中,由监管组件120生成的监管界面可以在监管者的用户计算装置104上呈现给他或她。例如,如图8A所示,可以通过跨成组工人的区域或其他共性,包括在一些实施方案中,通过元数据(常见描述包括,例如,成垛堆放、拆箱、入场、出场、按城市、按地区、按一天中的时间、按类似工人特征、按以前受伤的历史等)的使用,向监管者呈现工人的合计的风险分数。如图8B中进一步示出的,监管者还可以查看根据时间的按区域合计的工人的风险分数。在另一个实施方案中,如图8C所示,监管者可以选择特定的区域,并为该区域内的每个工人提供风险分数,这对于比较是有益的。在进一步的实施方案中,如图8D所示,监管者可以选择区域内的特定工人,并向其呈现根据时间而变化的该工人的风险分数。
在一些实施方案中,活动评估系统102实时提供干预。在一些实施方案中,活动评估系统102在工人工作时直接向工人提供干预。在一些实施方案中,活动评估系统102在提举事件之后立即提供干预。在一些实施方案中,干预在提举事件之后立即采取正面反馈或负面反馈的形式。在一些实施方案中,反馈包括通过可穿戴传感器112的振动马达的触知反馈。在一些实施方案中,反馈包括通过可穿戴传感器112的扬声器的听觉反馈。在一些实施方案中,反馈包括通过显示器210或可穿戴传感器112的LED的视觉反馈。在一些实施方案中,反馈包括通知工人他们已经执行的提举在安全范围内。在一些实施方案中,反馈包括通知工人他们已经执行的提举在不安全范围内。在一些实施方案中,反馈(例如,反馈的类型、提供反馈所依据的标准等)是可定制的。在一些实施方案中,所述定制基于穿戴者的个人简档。在一些实施方案中,定制基于管理者输入。在一些实施方案中,定制基于算法。在一些实施方案中,可穿戴传感器112包括用于确定何时提供反馈的本地存储算法。
在一些实施方案中,活动评估系统102使用记录的数据来预测未来的发生。在一些实施方案中,活动评估系统102基于各种因素来确定个人如何满足关于识别个人正在执行不安全活动或在不安全环境中工作的行为的标准。在一些实施方案中,所述标准包括:
·人体工程学,其识别被科学证明有害的情况或行为。这种行为是用科学方法确定的,并且在被接受和使用之前会被适当地记录和同行评审。
·识别个人的行为模式(行为的“指纹”识别用户)。在一些实施方案中,给定的一个可穿戴传感器112分配给了给定的个人(即,用户名“Bob”是与捕获的信息相关联的元数据,并且与“Bob”相关联的先前信息用于预测分析中以生成条件和干预)。在一些实施方案中,这种信息的使用在捕获的数据和个人之间提供了强有力的逻辑联系。在一些实施方案中,分析可以包括“步态匹配(gait-matching)”,并且步态匹配与个人简档(individual’sprofile)中的其他捕获数据不一致的数据可以从个人简档中排除,以防止不正确的数据(例如由于人为错误而不正确记录的数据)被引入到更大的数据集中。
·通过传感器或其他方式识别的行为模式,这些行为模式具有科学上可接受的统计意义,并根据过去的事件识别个人将会受伤。在一些实施方案中,这通过使用由第三方(例如,保险公司)或使用活动评估系统102的组织提供的历史数据集来得知。在一些实施方案中,这也通过OSHA统计信息来得知,该统计信息将伤害和运动联系起来。因此,在一些实施方案中,个人和组织被提供了强有力的度量(metrics)来监控、维持和优化劳动力,并且个人可以在安全的环境中以安全和高效的方式自由工作。
在一些实施方案中,活动感测系统102对未来伤害的预测可以基于历史数据集来确定。在一些实施方案中,这样的历史数据集应该提供尽可能多的关于过去受伤和周围环境的信息。在一些实施方案中,历史数据集包括但不限于关于导致伤害的工作的信息(例如,职称、工作位置、提举的平均包装重量等)和尽可能多的关于伤者的信息。图14示出了可以包括在历史数据集中的数据类型的示例性图表。图14的图表包括基于信息的分辨率级别(例如,设施级别、工作级别或个人级别)排序的数据度量。图14中显示的前十行表示历史数据集中包含的较重要的数据类型,而图表的其余部分表示要包含的不太重要的数据类型。
尽管上述可穿戴传感器112适于以适合预测和跟踪下背部损伤的方式测量工人的活动,但是可以采取类似的方法来预测其他损伤区域。这些损伤包括但不限于听力损伤(例如通过分贝传感器)、物理撞击损伤(例如通过基于各种位置跟踪技术的位置传感器)、手部损伤(例如通过手套传感器)、头部损伤(例如通过安全帽传感器)和呼吸损伤(例如通过空气质量传感器)。
在一些实施方案中,活动感测系统102提供非实时的干预。在一些实施方案中,信息被整理并呈现给网站(例如,实时、接近实时或以预定的可用性时间表),其中允许客户的用户(例如,工人或管理者)查看分析的数据。在一些实施方案中,信息以这样的方式呈现,其中客户可以利用分析引擎提供的专业知识在他们自己的时间探索时间序列数据。在一些实施方案中,顾客可以对他们或他们的雇员的行为方式进行修改,进行干预以对他们自己或其他人的行为做出积极的改变。在一些实施方案中,通过使用基于组织内角色的系统权限来控制对各种数据的访问,包括但不限于导出文件、访问图表以及访问聚类(aggregation)和分组选项的能力。
在一些实施方案中,干预从机械干预开始,并继续随后有针对性的干预。在一些实施方案中,干预包括可感知反馈。在一些实施方案中,干预包括通过任何合适的装置(例如,可穿戴传感器112或与个人用户链接的另一移动装置、个人穿戴的平视显示器、个人穿戴的手表单元、个人穿戴的指环单元等)提供的触觉反馈。在一些实施方案中,后续干预包括电子邮件。在一些实施方案中,后续干预包括SMS。在一些实施方案中,后续干预包括物理打印的消息。在一些实施方案中,后续干预包括通过活动评估系统102可访问的任何合适类型的显示器(例如,为此目的链接到活动评估系统102的电视或计算机显示器、可穿戴传感器112或与个人用户链接的另一移动装置、个人穿戴的平视显示器、个人穿戴的手表单元、个人穿戴的指环单元等)提供的干预。在一些实施方案中,提供这种干预为个人创建了反馈回路,这促进了个人和组织的安全目标。
如本文中所使用的,术语“可感知反馈元件(tangible feedback element)”指的是能够对目标实体(例如,个人、一组个人、管理者等)提供可感知的(例如,触觉、视觉、听觉等)反馈的任何合适的装置,包括但不限于上述装置。在一些实施方案中,可感知反馈元件与可穿戴传感器112集成在一起。在一些实施方案中,可感知反馈元件提供触觉反馈。在一些实施方案中,可感知反馈元件包括适于提供触觉反馈的马达。在一些实施方案中,可感知反馈元件提供听觉反馈。在一些实施方案中,可感知反馈元件包括适于提供听觉反馈的扬声器。在一些实施方案中,可感知反馈元件提供视觉反馈。在一些实施方案中,可感知反馈元件包括适于提供视觉反馈的显示屏。在一些实施方案中,可感知反馈元件包括适于提供视觉反馈的指示灯。在一些实施方案中,可感知反馈元件包括适于提供视觉反馈的LED。在一些实施方案中,可感知反馈元件引导个人使用安全装备。在一些实施方案中,可感知反馈元件指示管理者和/或监管者提供安全装备。在一些实施方案中,安全装备包括但不限于一种或多种用于防止下背部受伤危害的人体工学骨骼装置(ergoskeleton)、适于提供听力防护以防止听力危害的装置、防护鞋(例如,钢头靴)、适于提供眼睛防护的装置(例如,护目镜)、危险品防护服、以及适于提供呼吸防护以防止空气质量危害的装置(例如,防微粒口罩)、用于防止热危害的冷却背心、以及用于防止跌倒危害的系带(harness)。在一些实施方案中,人体工学骨骼装置是由纽约布鲁克林的StrongArm Technologies以商品名FLX销售的人体工学骨骼装置。在一些实施方案中,人体工学骨骼装置是由纽约布鲁克林的StrongArm Technologies以商品名V22销售的人体工学骨骼装置。在一些实施方案中,可感知反馈元件包括向个人提供训练的装置。在一些实施方案中,可感知反馈元件为个人提供适当提举技术的视觉指示。在一些实施方案中,可感知反馈元件向个人提供执行训练会话的指令。在一些实施方案中,训练会话包括警告个人使用不正确的技术(例如,不正确的提举),并要求个人使用正确的技术(例如,正确的提举)执行相应的任务一定次数以完成训练会话。在一些实施方案中,可感知反馈元件为个人穿戴的另一可穿戴装置提供调节(例如,通过配置这种装置的各种弹性部件、绳索或材料的张力或压缩,以帮助加强、限制或约束某些运动)。
在一些实施方案中,活动评估系统102与人力资源管理系统集成。在一些实施方案中,活动评估系统102基于工人的风险分数向管理者提供建议。根据StrongArm的建议,基于向客户提供的安全分数进行干预。客户可以选择实施对工业运动员有影响的活动、对话等。这些管理技术提供的活动,我们知道会让工业运动员参与进来,并引起积极的反应。通过进行更改并查看这些干预措施对整个组织的影响,客户可以通过网站请求和跟踪新的干预措施。
在一些实施方案中,可感知反馈元件基于一名或多名工人的风险分数提供自动化人力资源干预。在一些实施方案中,可感知反馈元件通过集成到人力资源管理系统中来提供自动化的人力资源干预。在一些实施方案中,活动评估系统通过向人力资源管理系统发出命令来提供自动化人力资源干预。在一些实施方案中,可感知反馈元件基于雇主或其他组织设置的风险分数阈值或标准提供自动化人力资源干预。在一些实施方案中,自动化人力资源干预包括但不限于,基于参考阈值、标准或其他工人的风险分数来评估的风险分数,针对一个或多个工人的自动化班次选择。在一些实施方案中,自动化人力资源干预包括但不限于,基于参考阈值、标准或其他工人的风险分数来评估的风险分数的自动化班次改变或互换。在一些实施方案中,自动化人力资源干预包括但不限于基于为特定时间段(例如,一天、一周、一个月等)计划的工作量和工作类型以及对这段时间内可工作的个人的安全分数或风险分数的了解来生成班次时间表。在一些实施方案中,自动化人力资源干预包括但不限于确定设施中特定班次、特定任务和/或特定工作职能所需的人数。
在一些实施方案中,风险分数或安全分数可以作为过程优化或改变的基础。例如,在一些实施方案中,风险分数或安全分数可用于将个人重新分配给不同的工作任务。例如,如果一个人已经执行了“任务A”和“任务B”,并且在执行“任务A”时获得了比执行“任务B”时更好的风险分数或安全分数,那么这个人可以从“任务B”重新分配到“任务A”。在一些实施方案中,这种干预措施可以为公司提供更好的员工参与度和保留度,因为员工经常因为与工作职能不匹配的技能而离职。
在一些实施方案中,如果一组个体正在执行相同的任务或角色,并且特定的一个个体的安全分数或风险分数优于该组的其余个体,则可以触发干预,以促进训练(例如,引导该组的其余个体观察执行任务的特定一个个体,创建该特定一个个体的表现记录以供随后用于训练该组的其余个体,等等)。在一些实施方案中,特定个体在任务或角色期间的运动被分类,并且使用机器学习创建训练算法来确定他们的所有运动。在一些实施方案中,这种训练算法可用于帮助理解组中正在执行相同任务或角色的其他人是否以类似的方式执行任务或角色,并在他们不以类似的方式执行任务或角色时提供反馈(例如,如本文所讨论的可感知反馈)。在一些实施方案中,特定个体的运动用作动画的基础,该动画可以被提供给该组中的其他个体以促进训练。
在一些实施方案中,风险分数或安全分数可用于向保险人和/或被保险组织提供承保洞察,以便他们能够更好地评估和减轻风险。
在一些实施方案中,风险分数或安全分数可用于识别改变某些变量(例如,每班次工人人数、新装备的使用、新工艺的使用、包装重量的增加、包装重量的减少、生产率要求的实施或改变)如何影响风险分数或安全分数,以及这种改变可能具有的财务影响。在一些实施方案中,基于计算出的风险分数或计算出的安全分数,可以自动触发对这些变量的改变(例如,可以指示人力资源管理系统改变每班次的工人数量,可以提供新装备,可以增加或减少包装重量,等等)以及对它会产生什么样的财务影响。在一些实施方案中,活动评估系统102提供了用于链接组织的财务、运营和安全数据的工具,而组织以前可能缺少这些数据。
现在参考图11A至11D,示出了可以由活动评估系统102生成的信息显示序列。图11A示出了示例性概览显示,其提供了各种个人的安全分数的概要。在图11A的显示中,提供了总体平均安全分数以及具有最佳和最差安全分数的成组个体的概要。图11B示出了为所选个体提供历史安全分数数据的示例性显示。图11C示出了为选定的成组个体提供历史安全分数数据的示例性显示。图11D示出了一个示例性显示,其提供了按工作职能分类的一组个体的历史安全分数数据。图11E显示了一个示例性显示,其提供了按班次分类的一组个体(例如,兼职、全职和自由职业者)的历史安全分数数据。
现在参考图12A至12L,示出了与活动评估系统102可能产生的安全干预有关的一系列显示。图12A示出了提供对安全干预的访问的示例性显示。在图12A的显示中,提供了一个提示,允许用户添加新干预并跟踪现有干预。图12B示出了提供对配置干预的访问的示例性显示,这些干预可以基于各种问题被触发。在图12B的显示中,干预可以被配置为解决下背部受伤,听力问题,滑倒、绊倒和跌倒,空气质量,环境噪声,和过度屈曲。图12C示出了提供对各种干预的访问的示例性显示,这些干预可以针对所选问题(例如,使用图12B中示出的显示选择的问题)被触发。在图12C的显示中,干预包括使用人体工学骨骼装置(例如,使用由纽约布鲁克林的StrongArm Technologies以商品名FLX销售的人体工学骨骼装置);由可穿戴传感器112提供触觉反馈;提供个人训练;提供听力防护;提供钢头靴;提供眼睛防护;提供危险品防护服;以及提供防微粒口罩。图12D示出了提供对各种数据因素的访问的示例性显示,这些数据因素可以在触发针对所选问题的所选干预时被评估(例如,使用图12C所示的显示而选择的干预和使用图12B所示的显示而选择的问题)。在图12D的显示中,数据因素包括如本文所述计算的安全分数、平均最大屈曲、平均扭转速度、提举速率、最大侧向速度和最大力矩。图12E示出了指示所选问题(例如,使用图12B所示的显示而选择的问题)、可针对该问题触发的所选干预(例如,使用图12C所示的显示而选择的干预)、以及可在针对所选问题触发所选干预时评估的所选数据因素(例如,使用图12D所示的显示而选择的数据因素)的示例性显示。图12F示出了允许输入描述干预的信息(例如,标题、叙述性描述、项目管理者、开始日期、结束日期)的示例性显示。
图12G示出了提供选择标准的示例性显示,该标准可以在确定是否触发干预时被评估。在图12G的显示中,标准包括性别、身高、体重、开始日期、班次、工作职能以及个人命名的参与者。图12H示出了通过使用图12G的显示的选择标准而产生的示例性显示。在图12H的显示中,选择的标准包括性别“男”、开始日期从2016年10月16日至2016年10月25日、以及工作职能“入场”。
图12I示出了提供干预之前和之后安全分数的历史跟踪的示例性显示。在图12I的显示中,显示了基线安全分数(baseline safety score)和干预产生的安全分数。图12J示出了示例性显示,其是图12I被配置为显示所选时间间隔期间的数据的示例性显示。在图12J的显示中,表明在选定的时间间隔内,安全分数上升了13%,并建议继续干预。在一些实施方案中,已成功的干预(例如,已实现安全分数增加超过某个阈值的干预)自动继续。图12K示出了示例性显示,其是图12I被操作为允许选择比较(例如,跨越指定的时间间隔)的示例性显示。图12L示出了跟踪一组个体的记录并指示哪些个体可能准备好接受干预的示例性显示。在图12L的显示中,已经被记录了14天数据的个体表示准备好接受干预。
图13A示出了示范干预可以采取发送给个体(例如,可穿戴传感器112的穿戴者、管理者等)的电子邮件形式的方式的示例性显示。图13A的显示示出了一个电子邮件收件箱,其中包括一封包含干预通知的电子邮件。图13B示出了在从图13A所示的收件箱中选择包含干预通知的电子邮件之后可以显示的示例性显示。图13B的显示示出了触发干预的原因,并提供了可选择的按钮,通过该按钮可以显示附加信息。
上述系统和方法可以在数字电子电路、计算机硬件、固件、软件及其任意组合中实现。该实现方式可以是计算机程序产品。该实现方式可以例如在机器可读存储装置中,用于由数据处理设备执行或控制数据处理设备的操作。该实现方式可以是例如可编程处理器、计算机、多台计算机及其任意组合。
计算机程序可以以任何形式的编程语言编写,包括编译和/或解释语言,并且计算机程序可以以任何形式部署,包括作为独立程序或作为子例程、元素和/或适合在计算环境中使用的其他单元。计算机程序可以被部署为在一台计算机上或在一个站点的多台计算机上执行。
方法步骤可以由执行计算机程序的一个或多个可编程处理器执行,以通过对输入数据进行操作并生成输出来执行本发明的功能。方法步骤也可以由专用逻辑电路执行,并且设备可以实现为专用逻辑电路。该电路可以包括但不限于FPGA(现场可编程门阵列)、ASIC(专用集成电路)及其组合。子程序和软件代理可以指实现该功能的计算机程序、处理器、特殊电路、软件和/或硬件的部分。
举例来说,适合于执行计算机程序的处理器包括通用和专用微处理器、以及任何类型的数字计算机的任何一个或多个处理器。通常,处理器从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于执行指令的处理器和用于存储指令和数据的一个或多个存储装置。通常,计算机可以包括、可以操作性地联接到一个或多个用于存储数据的大容量存储装置(例如,磁盘、磁光盘或光盘)以从其接收数据和/或向其传送数据。
上述技术可以在包括后端组件的分布式计算系统中实现。后端组件例如可以是数据服务器、中间件组件和/或应用服务器。上述技术可以在包括前端组件的分布式计算系统中实现。前端组件可以例如是客户端计算机(client computer),其具有图形用户界面、用户可以通过其与示例实现方式交互的Web浏览器、和/或用于发送装置的其他图形用户界面。系统的组件可以通过任何形式或介质的数字数据通信(例如,网络110)互连。
该系统可以包括客户端和服务器。客户端和服务器通常彼此远离,并且通常通过通信网络进行交互。客户端和服务器的关系是通过在相应计算机上运行的并且彼此之间具有客户端-服务器关系的计算机程序而产生的。本文已经使用的术语和表达被用作描述性的术语而非限制性的术语,并且在使用这些术语和表达时无意排除所示出和描述的特征或其部分的任何等同物,但是应当认识到,在所要求保护的本发明的范围内,各种修改是可能的。因此,应当理解,尽管本发明已经通过优选实施方案具体公开,但是本领域技术人员可以采用示例性实施方案以及本文中公开的概念的可选修改和变化,并且这些修改和变化被认为在由所附权利要求限定的本发明的范围内。本文中提供的具体实施方案是本发明的有用实施方案的例子,对于本领域技术人员来说,很明显,本发明可以使用本说明书中阐述的装置、装置组件、方法步骤的大量变化来实现。对本领域技术人员来说显而易见的是,可用于本方法的方法和装置可包括大量任选的组合物和处理元件和步骤。
当本文中使用马库什组或其他组时,该组的所有个体成员以及该组的所有组合和可能的子组合旨在被单独包括在本公开中。
除非另有说明,否则本文描述或举例说明的组件的每一组合可用于实践所公开的实施方案。
无论何时在说明书中给出范围,例如温度范围,所有中间范围和子范围,以及给定范围中包括的所有单独值都将包括在本公开内容中。如本文所用,范围具体包括作为范围的端点值提供的值。例如,1到100的范围具体地包括端点值1和100。
必须注意的是,如本文所用,单数形式“一”、“一个”和“该”包括复数引用,除非上下文另有明确规定。因此,例如,对“一个单元”的引用包括本领域技术人员已知的多个这样的单元及其等同物,等等。同样,术语“一个”(或“一”)、“一个或多个”和“至少一个”在本文中可以互换使用。还应当注意,术语“包括”、“包含”和“具有”可以互换使用。
除非另外定义,否则本文中使用的所有技术和科学术语具有与本发明所属领域的普通技术人员通常理解的相同含义。虽然现在描述了优选的方法和材料,但是在本发明的实践或测试中可以使用与本文所述的方法和材料类似于或等同的任何方法和材料。本文中的任何内容都不应被解释为承认本发明无权凭借先前的发明先于这种公开。
如本文所用,“包括”与“包含”、“具有”、“含有”或“特征在于”同义,并且是包含性的或开放式的,并且不排除附加的、未引用的元素或方法步骤。如本文所用,“由……构成”不包括权利要求元素中未指定的任何元素、步骤或成分。如本文所用,“基本上由……构成”不排除实质上不影响权利要求的基本和新颖特征的材料或步骤。在本文的每个实例中,术语“包括”、“基本上由……构成”和“由……构成”中的任何一个都可以用另外两个术语中的任何一个来代替。本文中说明性地描述的本发明可以在没有本文中未具体公开的一个或多个元素、一个或多个限制的情况下适当地实施。
任何这种材料和方法的所有现有技术已知的功能等同物都应包括在本发明中。已经使用的术语和表达被用作描述性的术语而非限制性的术语,并且在使用这些术语和表达时无意排除所示出和描述的特征或其部分的任何等同物,但是应当认识到,在所要求保护的本发明的范围内,各种修改是可能的。因此,应该理解,尽管本发明已经通过优选实施方案和可选特征被具体公开,但是本领域技术人员可以对本文公开的概念进行修改和变化,并且这些修改和变化被认为在本公开的范围内。
虽然已经描述了本发明的多个实施方案,但是应当理解,这些实施方案仅仅是说明性的,而不是限制性的,并且许多修改对于本领域的普通技术人员来说是显而易见的。例如,本文讨论的所有尺寸仅作为示例提供,旨在是说明性而非限制性的。
Claims (20)
1.一种系统,包括:
可穿戴传感器,其被配置为由人员穿戴并在所述人员进行的活动期间记录传感器数据,所述传感器数据包括加速度计数据、陀螺仪数据和磁力计数据;
分析元件,其被配置为:
从所述可穿戴传感器接收所述传感器数据,
基于所述传感器数据来确定在所述活动期间的所述可穿戴传感器的传感器取向数据,所述传感器取向数据包括(a)所述可穿戴传感器的偏航角数据、(b)所述可穿戴传感器的俯仰角数据和(c)所述可穿戴传感器的滚转角数据,
将在所述活动期间的所述可穿戴传感器的所述传感器取向数据转换成所述人员的人员取向数据,所述人员取向数据包括(a)所述人员的偏航角数据、(b)所述人员的俯仰角数据和(c)所述人员的滚转角数据,所述转换包括使用至少一个Tait-Bryan旋转,
至少基于(a)所述人员的所述偏航角数据、(b)所述人员的所述俯仰角数据和(c)所述人员的所述滚转角数据,为所述活动期间的所述人员确定(a)提举速率、(b)最大矢状屈曲、(c)平均扭转速度、(d)最大力矩和(e)最大侧向速度,以及
基于(a)所述提举速率、(b)所述最大矢状屈曲、(c)所述平均扭转速度、(d)所述最大力矩和(e)所述最大侧向速度,确定代表所述活动期间所述人员的受伤风险的分数;和
可感知反馈元件,其被配置为基于所述分数提供至少一个可感知反馈,以降低所述受伤风险,所述至少一个可感知反馈包括以下内容中的至少一个:(a)至少一个触觉反馈、(b)至少一个听觉反馈、(c)至少一个视觉反馈、(d)协助所述人员进行所述活动的至少一个实物和(e)协助所述人员进行所述活动的至少一个指令。
2.如权利要求1所述的系统,其中所述分数或者是被配置为随着所述受伤风险增加而增加的风险分数,或者是被配置为随着所述受伤风险增加而减少的安全分数。
3.如权利要求1所述的系统,其中所述可感知反馈元件与所述可穿戴传感器集成。
4.如权利要求3所述的系统,其中所述可感知反馈元件包括以下内容中的至少一个:(a)至少一个振动马达,其被配置为提供所述至少一个触觉反馈,(b)至少一个扬声器,其被配置为提供所述至少一个听觉反馈,(c)至少一个显示器,其被配置为提供所述至少一个视觉反馈,和(d)至少一个指示灯,其被配置为提供所述至少一个视觉反馈。
5.如权利要求1所述的系统,其中所述可感知反馈元件被配置成当所述人员的所述受伤风险超过预定阈值时提供可感知反馈。
6.如权利要求1所述的系统,其中所述为所述活动期间的所述人员确定(a)所述提举速率、(b)所述最大矢状屈曲、(c)所述平均扭转速度、(d)所述最大力矩和(e)所述最大侧向速度进一步基于身体几何尺寸。
7.如权利要求6所述的系统,其中所述身体几何尺寸是所述人员的身体几何尺寸。
8.如权利要求6所述的系统,其中所述身体几何尺寸是预定的。
9.如权利要求1所述的系统,其中所述可穿戴传感器包括惯性测量单元。
10.如权利要求1所述的系统,其中所述可穿戴传感器包括移动电话。
11.如权利要求1所述的系统,其中所述实物包括人体工学骨骼装置、眼睛防护、耳朵防护、呼吸防护、脚防护、危险材料防护、温度防护和跌倒防护中的至少一种。
12.如权利要求1所述的系统,其中协助所述人员进行所述活动的所述至少一个指令包括针对进行所述活动的训练。
13.如权利要求1所述的系统,其中协助所述人员进行所述活动的所述至少一个指令包括调度改变。
14.如权利要求13所述的系统,其中所述调度改变包括重新分配所述人员以及将所述人员与另一个人员交换中的一项。
15.如权利要求1所述的系统,进一步包括:
多个另外的可穿戴传感器,其被配置为由多个另外的人员穿戴并在所述另外的人员进行的活动期间记录传感器数据,传感器数据包括加速度计数据、陀螺仪数据和磁力计数据,
其中所述分析元件被进一步配置成:
从所述多个另外的可穿戴传感器中的每一个接收传感器数据,
基于从所述多个另外的可穿戴传感器中的每一个接收的所述传感器数据,确定在活动期间的所述多个另外的可穿戴传感器中的每一个的传感器取向数据,
将在活动期间的所述多个另外的可穿戴传感器中的每一个的所述传感器取向数据转换成所述多个另外的人员中的每个人的人员取向数据,所述转换包括使用至少一个Tait-Bryan旋转,
为所述活动期间的所述另外的多个人员中的每个人确定(a)提举速率、(b)最大矢状屈曲、(c)平均扭转速度、(d)最大力矩和(e)最大侧向速度,以及
确定另外的多个分数,其中所述另外的多个分数中的每个分数代表所述另外的多个人员中的一个人员的受伤风险。
16.如权利要求15所述的系统,其中所述可感知反馈元件被配置为基于所述另外多个用户中的至少一些用户的分数向所述另外多个用户中的所述至少一些用户提供可感知反馈。
17.如权利要求15所述的系统,其中所述分析元件被进一步配置为确定所述另外的多个人员中的至少一些人员的合计分数。
18.如权利要求17所述的系统,其中基于工作角色、全职状态、就业持续时间、班次安排、受伤历史、工作地点、工人特征、一天中的时间和手动选择中的一项来选择所述另外的多个人员中的所述至少一些人员。
19.如权利要求17所述的系统,其中所述可感知反馈元件被配置为基于所述合计分数向所述另外的多个用户中的所述至少一些用户提供可感知反馈。
20.如权利要求1所述的系统,其中所述活动包括进行至少一个提举动作。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662321865P | 2016-04-13 | 2016-04-13 | |
US62/321,865 | 2016-04-13 | ||
PCT/US2017/027508 WO2017180929A1 (en) | 2016-04-13 | 2017-04-13 | Systems and devices for motion tracking, assessment, and monitoring and methods of use thereof |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109640817A true CN109640817A (zh) | 2019-04-16 |
Family
ID=60040218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780037027.XA Pending CN109640817A (zh) | 2016-04-13 | 2017-04-13 | 用于运动跟踪、评估和监控的系统和装置及其使用方法 |
Country Status (9)
Country | Link |
---|---|
US (5) | US10123751B2 (zh) |
EP (1) | EP3454744B1 (zh) |
JP (1) | JP6730512B2 (zh) |
CN (1) | CN109640817A (zh) |
AU (2) | AU2017250686A1 (zh) |
BR (1) | BR112018071163A8 (zh) |
CA (1) | CA3021087A1 (zh) |
MX (1) | MX2018012608A (zh) |
WO (1) | WO2017180929A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113384863A (zh) * | 2020-03-13 | 2021-09-14 | 华为技术有限公司 | 一种损伤风险评估方法、介质、芯片、终端设备及系统 |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10510125B2 (en) * | 2016-11-17 | 2019-12-17 | International Business Machines Corporation | Expense compliance checking based on trajectory detection |
TWI677322B (zh) * | 2016-11-24 | 2019-11-21 | 財團法人金屬工業研究發展中心 | 肌力分級檢測裝置及方法 |
US11452652B1 (en) | 2016-11-28 | 2022-09-27 | Cerner Innovation, Inc. | Predicting and preventing caregiver musculoskeletal injuries |
US11450148B2 (en) * | 2017-07-06 | 2022-09-20 | Wisconsin Alumni Research Foundation | Movement monitoring system |
US11538281B2 (en) * | 2017-10-20 | 2022-12-27 | Walmart Apollo, Llc | Worker task performance safely |
JP6997013B2 (ja) * | 2018-03-05 | 2022-01-17 | 株式会社日立製作所 | 作業動作解析システム及び作業動作解析方法 |
US11188855B2 (en) * | 2018-03-26 | 2021-11-30 | International Business Machines Corporation | Machine learning task assignment |
WO2019207714A1 (ja) * | 2018-04-26 | 2019-10-31 | 日本電気株式会社 | 動作推定システム、動作推定方法および動作推定プログラム |
SE544058C2 (en) * | 2018-05-25 | 2021-11-23 | Bioservo Tech Aktiebolag | Method and system for measuring ergonomic load, using a wearable force-assisting equipment |
US11278238B2 (en) * | 2018-09-14 | 2022-03-22 | Warsaw Orthopedic, Inc. | Wearable sensor device and analysis platform for objective outcome assessment in spinal diseases |
US11574270B1 (en) * | 2018-08-08 | 2023-02-07 | Lifebooster Inc. | Methods and systems for workplace risk assessment |
CN111115400B (zh) | 2018-10-30 | 2022-04-26 | 奥的斯电梯公司 | 检测电梯井道中的电梯维护行为的系统和方法 |
US11510035B2 (en) | 2018-11-07 | 2022-11-22 | Kyle Craig | Wearable device for measuring body kinetics |
WO2020107113A1 (en) * | 2018-11-28 | 2020-06-04 | Magna International Inc. | Apparel for ergonomic evaluation |
SG11202111352XA (en) * | 2019-04-12 | 2021-11-29 | Univ Iowa Res Found | System and method to predict, prevent, and mitigate workplace injuries |
EP3761193A1 (en) * | 2019-07-04 | 2021-01-06 | Siemens Aktiengesellschaft | Safety analysis of technical systems comprising human objects |
WO2021033276A1 (ja) * | 2019-08-20 | 2021-02-25 | 日本電信電話株式会社 | 情報収集装置および方法 |
US11596342B2 (en) * | 2019-09-19 | 2023-03-07 | Medtronic, Inc. | Automatic detection of body planes of rotation |
WO2021145475A1 (ko) * | 2020-01-14 | 2021-07-22 | 위피크 주식회사 | 스마트 밴드를 이용한 스포츠 엔터테인먼트 테마파크 운영 관리 시스템 |
US11361866B2 (en) * | 2020-08-05 | 2022-06-14 | Strongarm Technologies, Inc. | Methods and apparatus for injury prediction based on machine learning techniques |
US11704615B2 (en) | 2020-08-31 | 2023-07-18 | altumAI Insurance Solutions, LLC | Risk assessment apparatus and related methods |
WO2022087029A1 (en) * | 2020-10-19 | 2022-04-28 | Strongarm Technologies, Inc. | Methods and apparatus for determining and preventing risk of human injury |
WO2022085327A1 (ja) * | 2020-10-23 | 2022-04-28 | 株式会社島津製作所 | 脳機能解析方法および脳機能解析システム |
US20220221486A1 (en) * | 2021-01-12 | 2022-07-14 | Stillaton, Inc. | Stillness Measurement Apparatus, System, and Method |
AU2021107475A4 (en) * | 2021-08-25 | 2021-12-23 | Soter Analytics Pty Ltd | Method and System for Monitoring Body Movements |
WO2023055737A1 (en) * | 2021-09-28 | 2023-04-06 | Strongarm Technologies, Inc. | Lift classification device and system |
WO2023115208A1 (en) * | 2021-12-21 | 2023-06-29 | Swift Learning Inc. | Workplace risk assessment method and system |
US11627406B1 (en) * | 2022-01-28 | 2023-04-11 | Change Healthcare Holdings, Llc | Wearable audio device with selective frequency attenuation |
WO2023224839A1 (en) * | 2022-05-16 | 2023-11-23 | One Million Metrics Corp. | System and method for evaluating risk for workers |
US20240112114A1 (en) * | 2022-10-03 | 2024-04-04 | Randall Decker | Management of job safety analysis records |
US11783495B1 (en) | 2022-10-25 | 2023-10-10 | INSEER Inc. | Methods and apparatus for calculating torque and force about body joints using machine learning to predict muscle fatigue |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020170193A1 (en) * | 2001-02-23 | 2002-11-21 | Townsend Christopher P. | Posture and body movement measuring system |
CN1988847A (zh) * | 2004-05-25 | 2007-06-27 | A·J·龙基 | 用于监视施加到哺乳动物的应变和/或负荷的设备和方法 |
US20070186429A1 (en) * | 2004-03-30 | 2007-08-16 | Commissariat A L'energie Atomique | Method and Device for Determining a Person's Motions |
US20070250286A1 (en) * | 2003-07-01 | 2007-10-25 | Queensland University Of Technology | Motion Monitoring and Analysis System |
US20090135009A1 (en) * | 2007-02-02 | 2009-05-28 | Little Thomas Dc | Lift monitoring system and method |
US20130217352A1 (en) * | 2012-02-16 | 2013-08-22 | The Government Of The United States Of America As Represented By The Secretary Of The Department Of | System and method to predict and avoid musculoskeletal injuries |
CN103699735A (zh) * | 2013-12-20 | 2014-04-02 | 中国人民解放军总后勤部军需装备研究所 | 一种用于装备设计与评价的智能人台建立方法 |
CN103765426A (zh) * | 2011-07-05 | 2014-04-30 | 沙特阿拉伯石油公司 | 通过增强现实显示为雇员提供健康信息的系统、计算机介质和计算机实现方法 |
CN104545936A (zh) * | 2014-12-31 | 2015-04-29 | 戴晓伟 | 腰部姿态检测方法及检测结果的触觉反馈方法 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5143088A (en) * | 1989-04-12 | 1992-09-01 | William S. Marras | Apparatus for monitoring the motion components of the spine |
US6430997B1 (en) | 1995-11-06 | 2002-08-13 | Trazer Technologies, Inc. | System and method for tracking and assessing movement skills in multidimensional space |
US9107615B2 (en) * | 2002-12-18 | 2015-08-18 | Active Protective Technologies, Inc. | Method and apparatus for body impact protection |
US9229540B2 (en) | 2004-01-30 | 2016-01-05 | Electronic Scripting Products, Inc. | Deriving input from six degrees of freedom interfaces |
US20070032748A1 (en) | 2005-07-28 | 2007-02-08 | 608442 Bc Ltd. | System for detecting and analyzing body motion |
US8626472B2 (en) * | 2006-07-21 | 2014-01-07 | James C. Solinsky | System and method for measuring balance and track motion in mammals |
US8358214B2 (en) | 2007-02-02 | 2013-01-22 | Hartford Fire Insurance Company | Systems and methods for sensor-enhanced health evaluation |
US20120094814A1 (en) | 2007-09-01 | 2012-04-19 | Balancesense Llc | Method and apparatus for vibrotactile motional training employing cognitive spatial activity |
WO2010064237A1 (en) | 2008-12-03 | 2010-06-10 | Hilla Sarig-Bahat | Motion assessment system and method |
EP2536334B1 (en) * | 2010-02-15 | 2013-12-25 | Cardiac Pacemakers, Inc. | Methods for constructing posture calibration matrices |
US20120232430A1 (en) | 2011-03-10 | 2012-09-13 | Patrick Boissy | Universal actigraphic device and method of use therefor |
US20130244211A1 (en) * | 2012-03-15 | 2013-09-19 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and methods for measuring, analyzing, and providing feedback for movement in multidimensional space |
US20150065919A1 (en) * | 2013-08-27 | 2015-03-05 | Jose Antonio Cuevas | Posture training device |
US9763616B2 (en) * | 2014-03-27 | 2017-09-19 | Smart Human Dynamics, Inc. | Systems, devices, and methods for tracking abdominal orientation and activity |
WO2015153690A1 (en) | 2014-03-31 | 2015-10-08 | Innovative Devices Inc. | Wearable motion sensing computing interface |
US10993639B2 (en) | 2014-04-25 | 2021-05-04 | Massachusetts Institute Of Technology | Feedback method and wearable device to monitor and modulate knee adduction moment |
US10065074B1 (en) * | 2014-12-12 | 2018-09-04 | Enflux, Inc. | Training systems with wearable sensors for providing users with feedback |
US10451438B2 (en) * | 2015-02-05 | 2019-10-22 | Alpinereplay, Inc. | Systems and methods for in-motion gyroscope calibration |
-
2017
- 2017-04-13 MX MX2018012608A patent/MX2018012608A/es unknown
- 2017-04-13 US US15/487,410 patent/US10123751B2/en active Active
- 2017-04-13 AU AU2017250686A patent/AU2017250686A1/en not_active Abandoned
- 2017-04-13 JP JP2019505133A patent/JP6730512B2/ja active Active
- 2017-04-13 BR BR112018071163A patent/BR112018071163A8/pt unknown
- 2017-04-13 CN CN201780037027.XA patent/CN109640817A/zh active Pending
- 2017-04-13 CA CA3021087A patent/CA3021087A1/en active Pending
- 2017-04-13 WO PCT/US2017/027508 patent/WO2017180929A1/en unknown
- 2017-04-13 EP EP17783173.2A patent/EP3454744B1/en active Active
-
2018
- 2018-11-13 US US16/188,864 patent/US10912521B2/en active Active
-
2021
- 2021-02-08 US US17/170,291 patent/US20210290176A1/en not_active Abandoned
-
2022
- 2022-04-24 AU AU2022202706A patent/AU2022202706A1/en active Pending
-
2023
- 2023-01-17 US US18/155,627 patent/US20230225680A1/en active Pending
- 2023-11-15 US US18/510,580 patent/US20240164728A1/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020170193A1 (en) * | 2001-02-23 | 2002-11-21 | Townsend Christopher P. | Posture and body movement measuring system |
US20070250286A1 (en) * | 2003-07-01 | 2007-10-25 | Queensland University Of Technology | Motion Monitoring and Analysis System |
US20070186429A1 (en) * | 2004-03-30 | 2007-08-16 | Commissariat A L'energie Atomique | Method and Device for Determining a Person's Motions |
CN1988847A (zh) * | 2004-05-25 | 2007-06-27 | A·J·龙基 | 用于监视施加到哺乳动物的应变和/或负荷的设备和方法 |
US20090135009A1 (en) * | 2007-02-02 | 2009-05-28 | Little Thomas Dc | Lift monitoring system and method |
CN103765426A (zh) * | 2011-07-05 | 2014-04-30 | 沙特阿拉伯石油公司 | 通过增强现实显示为雇员提供健康信息的系统、计算机介质和计算机实现方法 |
US20130217352A1 (en) * | 2012-02-16 | 2013-08-22 | The Government Of The United States Of America As Represented By The Secretary Of The Department Of | System and method to predict and avoid musculoskeletal injuries |
CN103699735A (zh) * | 2013-12-20 | 2014-04-02 | 中国人民解放军总后勤部军需装备研究所 | 一种用于装备设计与评价的智能人台建立方法 |
CN104545936A (zh) * | 2014-12-31 | 2015-04-29 | 戴晓伟 | 腰部姿态检测方法及检测结果的触觉反馈方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113384863A (zh) * | 2020-03-13 | 2021-09-14 | 华为技术有限公司 | 一种损伤风险评估方法、介质、芯片、终端设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2019520180A (ja) | 2019-07-18 |
CA3021087A1 (en) | 2017-10-19 |
US10123751B2 (en) | 2018-11-13 |
WO2017180929A1 (en) | 2017-10-19 |
AU2017250686A1 (en) | 2019-04-04 |
AU2022202706A1 (en) | 2022-05-26 |
US20170296129A1 (en) | 2017-10-19 |
BR112018071163A2 (pt) | 2019-02-05 |
EP3454744B1 (en) | 2024-03-06 |
JP6730512B2 (ja) | 2020-07-29 |
US20240164728A1 (en) | 2024-05-23 |
MX2018012608A (es) | 2019-12-05 |
US20210290176A1 (en) | 2021-09-23 |
BR112018071163A8 (pt) | 2023-03-14 |
US20230225680A1 (en) | 2023-07-20 |
US10912521B2 (en) | 2021-02-09 |
EP3454744A1 (en) | 2019-03-20 |
US20190200936A1 (en) | 2019-07-04 |
EP3454744A4 (en) | 2020-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109640817A (zh) | 用于运动跟踪、评估和监控的系统和装置及其使用方法 | |
Yang et al. | Deep learning-based classification of work-related physical load levels in construction | |
Vignais et al. | Innovative system for real-time ergonomic feedback in industrial manufacturing | |
US20170344919A1 (en) | System and method for ergonomic monitoring in an industrial environment | |
US20070250286A1 (en) | Motion Monitoring and Analysis System | |
US20110140929A1 (en) | Apparatus for analyzing operations and method for analyzing operations | |
US20150120016A1 (en) | Motion analysis method | |
WO2017122705A1 (ja) | トレーニング分類システム、トレーニング分類方法およびトレーニング分類サーバ | |
Subedi et al. | Sensor-based computational approach to preventing back injuries in construction workers | |
Similä et al. | Accelerometry-based berg balance scale score estimation | |
Ryu et al. | Analysis of the limits of automated rule-based ergonomic assessment in bricklaying | |
US11704615B2 (en) | Risk assessment apparatus and related methods | |
Villalobos et al. | Prediction of slaughterhouse workers’ RULA scores and knife edge using low-cost inertial measurement sensor units and machine learning algorithms | |
Lind et al. | Effectiveness and usability of real-time vibrotactile feedback training to reduce postural exposure in real manual sorting work | |
Lim et al. | Real-time vibrotactile feedback system for reducing trunk flexion exposure during construction tasks | |
JP2021122580A (ja) | 体調評価方法、および、体調評価システム | |
EP3357548B1 (en) | Teaching compatibility determining device, teaching compatibility determining program and recording medium for storing said program | |
Dufour et al. | Dynamic joint motions in occupational environments as indicators of potential musculoskeletal injury risk | |
Zhang | Jerk as a Method of Identifying Physical Fatigue and Skill Level in Construction Work | |
JP7465842B2 (ja) | 作業支援システム | |
JP7401568B2 (ja) | 歩行動作可視化装置および歩行動作可視化方法並びに正対状態判定装置および正対状態判定方法 | |
Nakamura et al. | Poster: Kinect-based automatic scoring system for spasmodic torticollis | |
US20230099425A1 (en) | Lift classification device and system | |
Jebelli | Assessing Gait and Postural Stability of Construction Workers Using Wearable Wireless Sensor Networks | |
Yan | Intelligent perception and personalized assessment of hazardous acts of construction workers |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |