CN110021144A - 一种摔倒检测方法、终端设备及存储介质 - Google Patents

一种摔倒检测方法、终端设备及存储介质 Download PDF

Info

Publication number
CN110021144A
CN110021144A CN201810020961.7A CN201810020961A CN110021144A CN 110021144 A CN110021144 A CN 110021144A CN 201810020961 A CN201810020961 A CN 201810020961A CN 110021144 A CN110021144 A CN 110021144A
Authority
CN
China
Prior art keywords
acceleration
sampling instant
time
meet
threshold value
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.)
Granted
Application number
CN201810020961.7A
Other languages
English (en)
Other versions
CN110021144B (zh
Inventor
阮志毅
许水燕
解玉芳
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.)
Xiamen Yaxon Networks Co Ltd
Original Assignee
Xiamen Yaxon Networks Co Ltd
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 Xiamen Yaxon Networks Co Ltd filed Critical Xiamen Yaxon Networks Co Ltd
Priority to CN201810020961.7A priority Critical patent/CN110021144B/zh
Publication of CN110021144A publication Critical patent/CN110021144A/zh
Application granted granted Critical
Publication of CN110021144B publication Critical patent/CN110021144B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08B21/0438—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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种摔倒检测方法、终端设备及存储介质，在该方法中，包括以下步骤：S100：标定设备坐标原点和重力加速度大小；S200：设定在人体运动过程中以固定的采样频率f采集传感器的三轴加速度an，设定集合参数个数m，跌落时间阈值Tth，撞击时间限定阈值Rth，设定当前时刻n＝0，跌落起始时刻时间T＝0，撞击起始时刻R＝0；S300：在上述参数设定完成的基础上通过统计矩的计算判定摔倒的过程是否发生。本发明通过构建新型摔倒检测方法，可有效抑制非摔倒情况的干扰、降低摔倒检测的误检率。

Description

一种摔倒检测方法、终端设备及存储介质
技术领域
本发明涉及摔倒检测领域，尤其涉及一种摔倒检测方法、终端设备及存储介质。
背景技术
人体摔倒时通常表征为身体在因某种原因而失去平衡后发生倾斜并在极短时间内再受到地面的碰撞冲击。大多数人体摔倒检测装置的原理是通过检测冲击、身体姿态变化等。因此，基于一些佩戴或者穿戴的包含信息采集装置的设备，根据加速度情况对摔倒过程中身体所受到的冲击及姿态的变化进行研究，已经成为现有技术的主要趋势。基于三轴加速度传感器的摔倒检测方法一般有基于阈值和基于模式识别两种，并以前者最为常见。
就胸前悬挂式佩戴设备而言，即使是正常行走、上下楼梯、轻微碰撞等非摔倒情况，受到干扰而数据上表现为，在惯性力的作用下产生随机性较大的加速度变化。因此，若是直接利用现有技术根据加速度情况结合预设阈值的方法，显然很容易将如正常的下楼梯等行为错误检测为摔倒。
发明内容
为了解决上述问题，本发明旨在提供一种摔倒检测方法、终端设备及存储介质，可有效抑制非摔倒情况的干扰、降低摔倒检测的误检率。
具体方案如下：
一种摔倒检测方法，包括以下步骤：
S100：标定设备内置三轴加速度传感器的三轴坐标原点a0和传感器指示的设备所处位置的重力加速度大小g；
S110：将设备的2个对立表面分别朝上静置于同一平面并持续时间t，通过设备内置的三轴加速度传感器以固定的采样频率f在时间t内的每个采样时刻定时采集三轴加速度数据，其中，第1个对立表面有n1个采样时刻，它的第i1个采样时刻采集的三轴加速度数据记为第2个对立表面有n2个采样时刻，它的第i2个采样时刻采集的三轴加速度数据记为
S120：分别计算2个对立表面在时间t内的所有采样时刻采集到的加速度的平均值，分别记为：则：
S130：通过计算得到的2个对立表面的加速度平均值校正设备内置三轴加速度传感器的三轴坐标原点a0和传感器指示的重力加速度大小g，则：
S200：设定在人体运动过程中以固定的采样频率f采集传感器的三轴加速度an，设定集合参数个数m，跌落时间阈值Tth，撞击时间限定阈值Rth，设定当前时刻n＝0，跌落起始时刻时间T＝0，撞击起始时刻R＝0；
S300：在上述参数设定完成的基础上，摔倒检测的具体步骤包括：
S1：当前时刻n自增1更新，设定第n采样时刻对应设备的合加速度为an，则
an＝|an-a0|/g
其中an的单位为一个重力加速度大小，
当n≤m时，进入S2，当n>m时，进入S4；
S2：在第n采样时刻时将该时刻之前采集到的合加速度加入合加速度集合Sn内，Sn为第n采样时刻的合加速度集合，则Sn＝{a1，a2，……，an-1，an}，当n＝m时，进入S3，否则返回S1；
S3：计算n＝m采样时刻的合加速度集合Sn的统计量pn和qn，其中和分别为Sn的三阶中心矩和四阶中心矩，又为了减弱重力加速度对检测的干扰这里以1为中心，计算公式分别为：
返回S1；
S4：在第n采样时刻时将该时刻之前采集到的合加速度加入合加速度集合Sn内，则Sn＝{an-m+1，……，an-2，an-1，an}，进入S5；
S5：计算第n采样时刻的合加速度集合Sn的统计量pn和qn，其中和分别为Sn的三阶中心矩和四阶中心矩，又为了减弱重力加速度对检测的干扰这里以1为中心，计算公式分别为：
进入S6；
S6：设定第n采样时刻δpn＝pn-pn-1，δqn＝qn-qn-1，判定是否满足δpn<0且δqn>0，当满足时，进入S7；当不满足时，进入S8；
S7：判定是否满足T＝0，当满足时设定T＝n且R＝0，返回S1；当不满足时，返回S1；
S8：判定是否满足T>0，当满足时，进入S9，当不满足时，进入S10；
S9：判定是否满足n-T>Tth，如果满足，设定T＝0且R＝n，进入S10；当不满足时，设定T＝0，进入S10；
S10：判定是否满足R>0，当满足时，进入S11；当不满足时，返回S1；
S11：判定是否满足n-R<Rth，当满足时，进入S12；当不满足时，设定R＝0，返回S1；
S12：判定是否满足pn>pth且qn>qth，当满足时，判定为一次摔倒行为，同时发出摔倒警报，设定R＝0，返回S1；当不满足时，返回S1。
进一步的，所述设备为胸前悬挂式佩戴设备。
进一步的，所述采样频率f的设置应满足在发生撞击的较短的时间内能至少采集2个数据。
进一步的，所述跌落时间阈值Tth通过采集实验数据或者经验来进行设定。
进一步的，所述撞击时间限定阈值Rth、合加速度集合Sn统计量pn的阈值pth和合加速度集合Sn统计量qn的阈值qth通过采集实验数据或者经验来进行设定。
一种摔倒检测终端设备，除了内置的三轴加速度传感器外，还包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案，通过内置加速度传感器以一定频率采集佩戴者的加速度数据，再设定一定长度的时间窗，并结合加速度数据特点改进三阶中心矩和四阶中心矩，进而计算得到时间窗内采集数据统计量，最后根据改进后三阶中心矩和四阶中心矩等统计量的数据特性实现对老年人摔倒的在线检测。为了应对老年人正常行走、上下楼梯、轻微碰撞等非摔倒情况的数据波动，引入一定长度的时间窗并以改进后的中心矩作为统计量，并且综合若干触发条件进行规避，可以提高检测方法的抗干扰能力，从而达到降低摔倒检测误检率的目的。
附图说明
图1所示为本发明实施例一的步骤示意图。
图2所示为本发明实施例一设备的三轴加速度坐标示意图。
图3所示为本发明实施例一的以时间为横坐标，合加速度为纵坐标的合加速度变化曲线示意图。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
现结合附图和具体实施方式对本发明进一步说明。
实施例一：
本发明实施例一提供了一种摔倒检测方法，如图1所示，其为本发明实施例一所述的摔倒检测方法的流程示意图，所述方法可包括以下步骤：
S100：标定设备内置三轴加速度传感器的三轴坐标原点a0和传感器指示的设备所处位置的重力加速度大小g。
通常情况下由设备获取到的合加速度数据有两方面的问题：其一，内置传感器的设备底层程序会采用某种数据类型存储、传输数据，可能使得原点发生偏移；其二，不同的地理位置，重力加速度大小的值未必就一定是9.81m/s2，因此需要对三轴坐标原点a0和设备所处位置的重力加速度大小g进行标定。
所述设备为具有摔倒检测功能的设备，其内部包含用于采集三轴(X轴、Y轴、Z轴)加速度数据的三轴加速度传感器。该实施例中所述设备优选采用佩戴比较方便，且能与人身体位置保持一致的胸前悬挂式佩戴设备。
S110：将设备的2个对立表面分别朝上静置于同一平面并持续时间t，通过设备内置的三轴加速度传感器以固定的采样频率f在时间t内的每个采样时刻定时采集三轴加速度数据，其中，第1个对立表面有n1个采样时刻，它的第i1个采样时刻采集的三轴加速度数据记为第2个对立表面有n2个采样时刻，它的第i2个采样时刻采集的三轴加速度数据记为
所述三轴加速度传感器采集到的三轴加速度数据分别为x、y、z，因为合加速度为空间矢量，则将合加速度记为：a＝(x,y,z)。
所述对立表面为相对的两个相互平行的表面，该实施例中，胸前悬挂式佩戴设备内置的传感器三轴标定示意图如图2所示，其中Z轴方向垂直向里。将X轴正方向垂直于水平面静置称为水平静置；将Y轴和Z轴正方向垂直于水平面静置分别称为竖直静置和侧向静置，当设备处于水平静置包括X轴正方向朝上和X轴正方向朝下两种情况，将这两种情况下分别位于装备上方的表面为对立表面，同理，对于竖直静置、侧向静置或者其他任意倾角的静置都存在对立面。
所述三轴加速度传感器是测量载体X轴、Y轴以及Z轴方向上线加速度的仪表，所述三轴加速度传感器采集到的数据是设备(三轴加速度传感器)的加速度与重力加速度的合加速度。当设备静止时，设备本身的加速度为0，则其采集的数据等于重力加速度。
所述采样频率f的设置应满足在发生撞击的较短的时间内能至少采集2个数据，采样频率f设置的越高，则设备检测的越灵敏准确。
S120：分别计算2个对立表面在时间t内的所有采样时刻采集到的加速度的平均值，分别记为：则：
通过多次测量求平均值可以防止噪声和其他因素的干扰。
S130：通过计算得到的2个对立表面的加速度平均值校正设备内置三轴加速度传感器的三轴坐标原点a0和传感器指示的重力加速度大小g，则：
S200：设定在人体运动过程中以固定的采样频率f采集传感器的三轴加速度an，设定集合参数个数m，跌落时间阈值Tth，撞击时间限定阈值Rth，设定当前时刻n＝0，跌落起始时刻时间T＝0，撞击起始时刻R＝0。
所述跌落时间阈值Tth和撞击时间限定阈值Rth通过采集实验数据或者经验来进行设定。
如图3所示为实验中采集的4次摔倒过程的合加速度的变化情况，其中，(a)大约在第870时刻发生了摔倒，(b)大约在第950时刻发生了摔倒，(c)大约在第1020时刻发生了摔倒，(d)大约在第1400时刻发生了摔倒，从该合加速度变化曲线中可以发现摔倒过程分为两个阶段：跌落阶段和碰撞阶段。所述跌落阶段为人体摔倒之前的一个相对较长时间的低加速度过程，在该过程中人的身体由直立状态向地面倾斜，此阶段的设备的合加速度小于重力加速度；所述撞击阶段为身体与地面发生撞击的过程，此阶段的设备的合加速度在很短的时间内突然变高，超过重力加速度，根据此现象，通过对一段时间内的合加速度数据进行统计矩原理的分析，可以判断摔倒是否发生。
S300：在上述参数设定完成的基础上，摔倒检测的具体步骤包括：
S1：当前时刻n自增1更新，设定第n采样时刻对应设备的合加速度为an，则
an＝|an-a0|/g
其中an的单位为一个重力加速度大小，
当n≤m时，进入S2，当n>m时，进入S4。
S2：在第n采样时刻时将该时刻之前采集到的合加速度加入合加速度集合Sn内，Sn为第n采样时刻的合加速度集合，则Sn＝{a1，a2，……，an-1，an}，当n＝m时，进入S3，否则返回S1。
S3：计算n＝m采样时刻的合加速度集合Sn的统计量pn和qn，其中和分别为Sn的三阶中心矩和四阶中心矩，又为了减弱重力加速度对检测的干扰这里以1为中心，计算公式分别为：
返回S1。
所述统计量为矩量法，是研究随机现象的一种数学方法。
对于一个样本集{x1,xn,…,xn}，有统计量叫做“矩”(moment)。r阶矩可以定义为：
若则称为r阶原点矩，若则称为r阶中心矩。
当r＝3时上述“矩”可用于衡量样本集关于(“原点”或“中心”)的对称程度；当r＝4时上述“矩”可用于衡量样本集关于(“原点”或“中心”)的分散或集中程度，与方差表现类似。显然，对于r＝3的上述“矩”的值，如果等于0表示关于某个值对称，如果小于0表示往负方向偏，如果大于0表示往正方向偏；对于r＝4的上述“矩”的值，越小表示越集中，越大表示越发散。
该实施例中，通过图3所示的实验结果可以得出，三轴加速度传感器采集的数据计算所得的合加速度会在1附近波动，因此，取即：
为了控制计算结果的数量级，本发明中统计量Sn在计算出对应的三阶矩、四阶矩的基础上，再分别开三次方与四次方，因而有：
S4：在第n采样时刻时将该时刻之前采集到的合加速度加入合加速度集合Sn内，则Sn＝{an-m+1，……，an-2，an-1，an}，进入S5。
S5：计算第n采样时刻的合加速度集合Sn的统计量pn和qn，其中和分别为Sn的三阶中心矩和四阶中心矩，又为了减弱重力加速度对检测的干扰这里以1为中心，计算公式分别为：
进入S6。
S6：设定第n采样时刻δpn＝pn-pn-1，δqn＝qn-qn-1，判定是否满足δpn<0且δqn>0，当满足时，进入S7；当不满足时，进入S8。
S7：判定是否满足T＝0，当满足时设定T＝n且R＝0，返回S1；当不满足时，返回S1；
S8：判定是否满足T>0，当满足时，进入S9，当不满足时，进入S10；
S9：判定是否满足n-T>Tth，如果满足，设定T＝0且R＝n，进入S10；当不满足时，设定T＝0，进入S10；
S10：判定是否满足R>0，当满足时，进入S11；当不满足时，返回S1；
S11：判定是否满足n-R<Rth，当满足时，进入S12；当不满足时，设定R＝0，返回S1；
S12：判定是否满足pn>pth且qn>qth，当满足时，判定为一次摔倒行为，同时发出摔倒警报，设定R＝0，返回S1；当不满足时，返回S1
所述pth为合加速度集合Sn统计量pn的阈值，所述qth为合加速度集合Sn统计量qn的阈值，两者通过采集实验数据或者经验来进行设定。
本发明实施例一提供了一种摔倒检测方法，通过内置加速度传感器以一定频率采集佩戴者的加速度数据，再设定一定长度的时间窗，并结合加速度数据特点改进三阶中心矩和四阶中心矩，进而计算得到时间窗内采集数据统计量，最后根据改进后三阶中心矩和四阶中心矩等统计量的数据特性实现对老年人摔倒的在线检测。为了应对老年人正常行走、上下楼梯、轻微碰撞等非摔倒情况的数据波动，引入一定长度的时间窗并以改进后的中心矩作为统计量，并且综合若干触发条件进行规避，可以提高检测方法的抗干扰能力，从而达到降低摔倒检测误检率的目的。
实施例二：
本发明还提供一种摔倒检测终端设备，除了内置的三轴加速度传感器外，还包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地，作为一个可执行方案，所述摔倒检测终端设备可以扩展到桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备，摔倒检测设备将三轴加速度传感器采集的数据上传到所述桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备进行存储和处理。所述摔倒检测终端设备可包括，但不仅限于，处理器、存储器。
进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(CentranProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digitan SignanProcessor，DSP)、专用集成电路(Appnication Specific Integrated Circuit，ASIC)、现成可编程门阵列(Fiend-Programmabne Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述摔倒检测终端设备的控制中心，利用各种接口和线路连接整个摔倒检测终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述摔倒检测终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digitan,SD)卡，闪存卡(Fnash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述摔倒检测终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Onny Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (7)

1.一种摔倒检测方法，其特征在于：包括以下步骤：
S100：标定设备内置三轴加速度传感器的三轴坐标原点a0和传感器指示的设备所处位置的重力加速度大小g；
S110：将设备的2个对立表面分别朝上静置于同一平面并持续时间t，通过设备内置的三轴加速度传感器以固定的采样频率f在时间t内的每个采样时刻定时采集三轴加速度数据，其中，第1个对立表面有n1个采样时刻，它的第i1个采样时刻采集的三轴加速度数据记为第2个对立表面有n2个采样时刻，它的第i2个采样时刻采集的三轴加速度数据记为
S120：分别计算2个对立表面在时间t内的所有采样时刻采集到的加速度的平均值，分别记为：则：
S130：通过计算得到的2个对立表面的加速度平均值校正设备内置三轴加速度传感器的三轴坐标原点a0和传感器指示的重力加速度大小g，则：
S200：设定在人体运动过程中以固定的采样频率f采集传感器的三轴加速度an，设定集合参数个数m，跌落时间阈值Tth，撞击时间限定阈值Rth，设定当前时刻n＝0，跌落起始时刻时间T＝0，撞击起始时刻R＝0；
S300：在上述参数设定完成的基础上，摔倒检测的具体步骤包括：
S1：当前时刻n自增1更新，设定第n采样时刻对应设备的合加速度为an，则
an＝|an-a0|/g
其中an的单位为一个重力加速度大小，
当n≤m时，进入S2，当n>m时，进入S4；
S2：在第n采样时刻时将该时刻之前采集到的合加速度加入合加速度集合Sn内，Sn为第n采样时刻的合加速度集合，则Sn＝{a1，a2，……，an-1，an}，当n＝m时，进入S3，否则返回S1；
S3：计算n＝m采样时刻的合加速度集合Sn的统计量pn和qn，其中和分别为Sn的三阶中心矩和四阶中心矩，又为了减弱重力加速度对检测的干扰这里以1为中心，计算公式分别为：
返回S1；
S4：在第n采样时刻时将该时刻之前采集到的合加速度加入合加速度集合Sn内，则Sn＝{an-m+1，……，an-2，an-1，an}，进入S5；
S5：计算第n采样时刻的合加速度集合Sn的统计量pn和qn，其中和分别为Sn的三阶中心矩和四阶中心矩，又为了减弱重力加速度对检测的干扰这里以1为中心，计算公式分别为：
进入S6；
S6：设定第n采样时刻δpn＝pn-pn-1，δqn＝qn-qn-1，判定是否满足δpn<0且δqn>0，当满足时，进入S7；当不满足时，进入S8；
S7：判定是否满足T＝0，当满足时设定T＝n且R＝0，返回S1；当不满足时，返回S1；
S8：判定是否满足T>0，当满足时，进入S9，当不满足时，进入S10；
S9：判定是否满足n-T>Tth，如果满足，设定T＝0且R＝n，进入S10；当不满足时，设定T＝0，进入S10；
S10：判定是否满足R>0，当满足时，进入S11；当不满足时，返回S1；
S11：判定是否满足n-R<Rth，当满足时，进入S12；当不满足时，设定R＝0，返回S1；
S12：判定是否满足pn>pth且qn>qth，当满足时，判定为一次摔倒行为，同时发出摔倒警报，设定R＝0，返回S1；当不满足时，返回S1。
2.根据权利要求1所述的摔倒检测方法，其特征在于：所述设备为胸前悬挂式佩戴设备。
3.根据权利要求1所述的摔倒检测方法，其特征在于：所述采样频率f的设置应满足在发生撞击的较短的时间内能至少采集2个数据。
4.根据权利要求1所述的摔倒检测方法，其特征在于：所述跌落时间阈值Tth通过采集实验数据或者经验来进行设定。
5.根据权利要求1所述的摔倒检测方法，其特征在于：所述撞击时间限定阈值Rth、合加速度集合Sn统计量pn的阈值pth和合加速度集合Sn统计量qn的阈值qth通过采集实验数据或者经验来进行设定。
6.一种摔倒检测终端设备，除了内置的三轴加速度传感器外，还包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1～5所述方法的步骤。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～5所述方法的步骤。
CN201810020961.7A 2018-01-10 2018-01-10 一种摔倒检测方法、终端设备及存储介质 Active CN110021144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810020961.7A CN110021144B (zh) 2018-01-10 2018-01-10 一种摔倒检测方法、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810020961.7A CN110021144B (zh) 2018-01-10 2018-01-10 一种摔倒检测方法、终端设备及存储介质

Publications (2)

Publication Number Publication Date
CN110021144A true CN110021144A (zh) 2019-07-16
CN110021144B CN110021144B (zh) 2022-08-19

Family

ID=67187930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810020961.7A Active CN110021144B (zh) 2018-01-10 2018-01-10 一种摔倒检测方法、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN110021144B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992649A (zh) * 2019-12-18 2020-04-10 西南交通大学 一种用于判断行动中跌倒状态的方法
CN114220243A (zh) * 2021-09-07 2022-03-22 度小满科技(北京)有限公司 一种摔倒监测方法、装置、设备及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177530A (zh) * 2013-02-25 2013-06-26 宁波中科集成电路设计中心有限公司 一种基于三轴加速度的人体摔倒检测方法
CN103337132A (zh) * 2013-06-08 2013-10-02 山东师范大学 基于三轴加速度传感器的人体跌倒检测方法
CN103886715A (zh) * 2014-02-28 2014-06-25 南京邮电大学 一种人体跌倒检测方法
CN104392583A (zh) * 2014-11-27 2015-03-04 北京工业大学 一种基于knn算法的跌倒检测与报警系统及方法
CN105336102A (zh) * 2015-11-25 2016-02-17 青岛理工大学 摔倒检测定位方法和装置
TW201711002A (zh) * 2015-09-14 2017-03-16 Chaoyang Univ Of Tech 應用三軸加速計與時間序列判斷之跌倒偵測方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103177530A (zh) * 2013-02-25 2013-06-26 宁波中科集成电路设计中心有限公司 一种基于三轴加速度的人体摔倒检测方法
CN103337132A (zh) * 2013-06-08 2013-10-02 山东师范大学 基于三轴加速度传感器的人体跌倒检测方法
CN103886715A (zh) * 2014-02-28 2014-06-25 南京邮电大学 一种人体跌倒检测方法
CN104392583A (zh) * 2014-11-27 2015-03-04 北京工业大学 一种基于knn算法的跌倒检测与报警系统及方法
TW201711002A (zh) * 2015-09-14 2017-03-16 Chaoyang Univ Of Tech 應用三軸加速計與時間序列判斷之跌倒偵測方法
CN105336102A (zh) * 2015-11-25 2016-02-17 青岛理工大学 摔倒检测定位方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992649A (zh) * 2019-12-18 2020-04-10 西南交通大学 一种用于判断行动中跌倒状态的方法
CN114220243A (zh) * 2021-09-07 2022-03-22 度小满科技(北京)有限公司 一种摔倒监测方法、装置、设备及系统

Also Published As

Publication number Publication date
CN110021144B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
JP6794259B2 (ja) アスレチック運動属性からのペースとエネルギー消費量の計算
CN101765404B (zh) 活动量计
US20160296144A1 (en) Time and frequency domain based activity tracking system
CN206026334U (zh) 一种运动量检测装置以及包括该装置的智能可穿戴设备
CN105797319B (zh) 一种羽毛球运动数据处理方法及装置
CN106941561A (zh) 移动终端的跌落检测方法、跌落防护方法以及移动终端
CN106875630B (zh) 一种基于层次分类的可穿戴跌倒检测方法及系统
US11642058B2 (en) System and method for measuring reaction time of a subject
CN108109336A (zh) 一种基于加速度传感器的人体跌倒识别方法
CN110021144A (zh) 一种摔倒检测方法、终端设备及存储介质
CN110169774A (zh) 一种基于区块链的运动状态识别系统及方法
CN107727110A (zh) 一种步数的统计方法及装置
CN104535032A (zh) 一种基于移动终端重力传感器的纵跳高度测量方法及装置
JP2008086479A (ja) 活動量計測システム
CN107358051B (zh) 终端运动状态分析方法、移动终端及可读存储介质
CN107016411A (zh) 数据处理方法及装置
CN111330213A (zh) 一种vr跑步机的防摔预判方法、系统及可读存储介质
CN109991896B (zh) 机器人跌倒预判的方法、装置及存储装置
CN108076227A (zh) 一种用于移动终端的控制方法及移动终端
CN110180158B (zh) 一种跑步状态识别方法、系统及终端设备
CN109685111A (zh) 动作识别方法、计算系统、智能设备及存储介质
JP7173102B2 (ja) 情報処理装置、情報処理方法及びプログラム
CN106767800B (zh) 一种步伐分割检测方法
CN109238565A (zh) 一种轮胎平衡机校准提示方法、系统及相关设备
WO2020100163A1 (en) System and method for sweet spot detection

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
GR01 Patent grant
GR01 Patent grant