CN110084081A - 一种跌倒预警实现方法及系统 - Google Patents

一种跌倒预警实现方法及系统 Download PDF

Info

Publication number
CN110084081A
CN110084081A CN201810073660.0A CN201810073660A CN110084081A CN 110084081 A CN110084081 A CN 110084081A CN 201810073660 A CN201810073660 A CN 201810073660A CN 110084081 A CN110084081 A CN 110084081A
Authority
CN
China
Prior art keywords
user
information
early warning
tumble
data
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
CN201810073660.0A
Other languages
English (en)
Other versions
CN110084081B (zh
Inventor
胡敏
张新刚
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.)
Zhongshan Hospital Fudan University
Original Assignee
Zhongshan Hospital Fudan 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 Zhongshan Hospital Fudan University filed Critical Zhongshan Hospital Fudan University
Priority to CN201810073660.0A priority Critical patent/CN110084081B/zh
Publication of CN110084081A publication Critical patent/CN110084081A/zh
Application granted granted Critical
Publication of CN110084081B publication Critical patent/CN110084081B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • G06V40/23Recognition of whole body movements, e.g. for sport training
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/04Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0407Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043Alarms 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
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/04Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438Sensor means for detecting
    • G08B21/0476Cameras to detect unsafe condition, e.g. video cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Social Psychology (AREA)
  • Emergency Management (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Psychiatry (AREA)
  • Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Theoretical Computer Science (AREA)
  • Psychology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种跌倒预警实现方法,包括以下步骤:步骤一:利用监控系统获取使用者人体轮廓及位置信息,并识别使用者身份;步骤二:数据处理系统根据步骤一中的监控信息计算使用者重心位置,并形成不同重量分布图;步骤三:识别系统依据上述步骤中获取并计算的数据信息进行使用者人体动作识别;步骤四:警报系统获取识别系统发送的识别信号,并将警报信号发送给医患终端。其特征在于:采用红外摄像头及参照红外光源,对使用者无损伤,且受使用者依从性影响小,通过重建三维影像更直观形象的获取使用者行为,识别系统智能分析识别使用者行为,提高报警灵敏度和特异度;减少漏报,适用范围广。

Description

一种跌倒预警实现方法及系统
技术领域
本发明涉及医疗管理系统,尤其涉及一种跌倒预警实现方法及系统。
背景技术
跌倒是指身体的任何部位因失去平衡而意外触及地面。住院患者因身体虚弱、疾病、环境陌生等原因,容易发生跌倒,尤其是住院老年患者,其跌倒发生率较高。目前中国人口已经进入老年型,老年人口高龄化趋势日益明显,国家政策的指引推动养老机构的快速发展,对于护理人员而言今后将面临更加庞大的服务人群。据统计,我国老年人跌倒的年发生率约为18%,其中60%~75%的跌倒会引起损伤。有研究显示,80%的住院患者是因为下肢无力而跌倒。住院患者跌倒时23%的活动方式为坠床,病床旁、洗手间(浴室)和走廊是跌倒发生的主要场所。
住院患者跌倒也是医院最常发生的不良事件,其发生率占医院不良事件的38%。住院患者跌倒与损伤引起其生理和心理上的伤害,并可能延长住院时间,增加医疗费用,导致投诉诉讼。降低患者的跌倒发生率,减少由于跌倒导致的损伤已成为美国医疗机构联合评审委员会制定的患者安全10大目标之一,国外现在有超过20年的关于跌倒预防干预措施的大量研究,这些研究的质量虽然被许多可信的国际组织认可,但跌倒预防在科学发现和日常使用方面存在很大的差距。
我国对跌倒问题的研究近年来正逐步兴起,住院患者跌倒的危险因素和预防跌倒的方法较多,对于跌倒的研究多注重于跌倒风险的评估、预防跌倒的健康教育和实践指南的研究,目前还没有行之有效的预防和干预跌倒的好方法,尚未形成一个集评估、预防与干预为一体的完整体系;而适合我国国情的、根据不同人群的特点和不同测试重点的跌倒评估工具有待进一步开发。
目前针对跌倒的问题,国内有离床报警器,离床报警器的主要机制是压力感应,经检测,离床报警器的整体特异度为95.6%、灵敏度为95.2%、漏报率为4.8%、误报率为4.4%。对<40kg体重患者测试效果较差,大于40kg体重测试的特异度、灵敏度均达到96%以上。从离床到手环报警经测试延迟时间为3秒左右。离床报警器主要存在的问题是灵敏度低、误报率高以及报警延迟时间长;而且目前还没有普遍应用于临床。
而目前针对跌倒系统的研究例如广州华久信息科技有限公司申请的“一种基于多传感器融合的老人跌倒检测方法”(申请号:201310524378.7),均采用设置传感器等可穿戴的方式感应患者人体离床信息进行监控,这种方式给人体增加负担,此外采用传感器以及地道检测方法是在跌倒发生之后确定是否跌倒以及跌倒后呼救的问题,而无法根据跌倒前的动作进行跌倒预防。
综上所述,如将高灵敏度、特异度的跌倒预警系统,应用于评估为跌倒高风险患者,在其擅自离床时或有坠床风险时报警,让护士或陪护人员第一时间获知离床信息,以便及时给予协助,减少跌倒的发生。
因此,本领域的技术人员致力于开发一种可根据患者行为模式预警跌倒行为发生,且无负担性设备的跌倒预警实现方法及系统。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是提供一种跌倒预警实现方法及系统以解决现有技术中无法预警跌倒行为的问题。
为了解决上述问题,本发明提供了一种跌倒预警实现方法,包括以下步骤:
步骤一:利用监控系统获取使用者人体轮廓及位置信息,并识别使用者身份;
步骤二:数据处理系统根据步骤一中的监控信息计算使用者重心位置,并形成不同重量分布图;
步骤三:识别系统依据上述步骤中获取并计算的数据信息进行使用者人体动作识别;
步骤四:警报系统获取识别系统发送的识别信号,并将警报信号发送给医患终端。
进一步地,步骤一中所述监控系统包括红外摄像头以及参照红外光源。
进一步地,所述红外摄像头获取使用者人体红外影像后,采用人体轮廓识别技术计算使用者身体位置信息。
进一步地,所述数据处理系统对所述红外摄像头获取的二维图像进行处理,重建人体三维轮廓信息,并结合所述数据库中采集的使用者数据信息计算使用者重心及不同重量分布图。
进一步地,为了实现信息比对的准确性,本技术所述的实现方法还包括采集使用者数据信息,并存储到数据库中,用于比对使用者身份。
进一步地,基于上述步骤采集的使用者数据信息包括使用者个人身份信息、身体表征信息以及通用行为特征信息。
进一步地,基于上述步骤三中所述识别系统在识别人体行为前参照所述参照红外光源预设行为指标值,识别使用者动作是否为离床动作,以及使用者动作是否超出预设行为指标值,若超出行为指标值即发送警报系统。
进一步地,所述行为指标值以所述数据库内通用行为特征中的离床动作数据信息为参数基准。
进一步地,基于上述实现方法,使用者无需穿戴传感设备。
一种跌倒预警系统,包括:
数据采集系统,用于采集评估为具有跌倒高危风险使用者的个人身份信息、身体表征信息以及通用行为特征信息,并输入到数据库中;
数据库,内部存储有采集的使用者数据信息;
监控系统,包括红外摄像头和参照红外光源,用于实时获取使用者的人体轮廓及位置信息;
数据处理系统,用于将所述红外摄像头获取的二维图像信息重建为三维轮廓,并结合使用者数据信息计算使用者重心及不同重量分布地形图;
识别系统,用于识别数据监控系统监控的使用者动作是否为离床动作,若为离床动作是否超出预设行为指标值,并将识别信息传输给警报系统;
警报系统,在所述识别系统传输识别信号后,将警报信号传输给医患终端;
医患终端,用于获取警报信息,并根据警报信息辅助使用者防止跌倒发生。
所述数据库分别与所述监控系统、所述数据处理系统、所述识别系统之间通讯传输系统连接;所述数据处理系统分别与所述监控系统和所述识别系统之间通过所述通讯传输系统连接;所述警报系统分别与所述识别系统和所述医患终端之间通过所述通讯传输系统连接。
进一步地,基于上述跌倒预警系统,所述数据库与所述数据采集系统之间通过手动输入或所述通讯传输系统连接。
通过实施上述本发明提供的跌倒预警实现方法及系统,具有如下技术效果:
(1)本发明通过红外摄像头捕捉、获取被监测者的行为,取代了现有技术中采用传感器进行信息采集的方式,不需要接触患者,不需要可见光源,不影响患者休息,安全准确,不会产生任何损伤。
(2)本发明基于计算机程序将二维图像重建成三维图像,更直观的显示使用者的身体形态,全面反映使用者的自身行为和周围环境设施。
(3)本发明通过系统采集使用者日常动作模式数据及计算使用者重心分布,进行动作识别,判断行为是否触发跌倒预警,有效防止跌倒行为的发生。
(4)本发明针对不同使用者存储不同的数据信息,通过身份识别比对,进行一对一的监控,有效防止漏监现象的放生。
(5)本发明所述系统同时持续监控多人,并且不会被周围使用者所干扰。
(6)在目前国内护理人力资源紧张、患者依从性差的情况下,利用本发明所述系统及方法,通过技术设备进行离床及坠床提醒,使陪护人员提高预防跌倒的责任意识,有利于充分发挥其在预防跌倒中的作用。
(7)本发明的识别步骤可以使预防跌倒关口前移,使医护人员及家属及时得到报警信息,同时警告患者,减轻护士工作负担。
(8)本发明所述系统及方法不受感应面积及患者体重的限制,拓宽了视觉部分,智能分析离床及坠床动作,提高报警的灵敏性和特异度,减少漏报率和误报率。
(9)本发明所述系统及方法应用范围广,极大解决医疗资源紧张问题。
附图说明
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
图1是本发明具体实施方式所述跌倒预警实现方法流程示意图;
图2是本发明具体实施方式所述跌倒预警系统结构示意图。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
根据图1所示本发明所述跌倒预警实现方法流程和图2所示本发明所述跌倒预警系统结构,该跌倒预警系统包括:数据采集系统1、数据库2、监控系统3、数据处理系统4、识别系统5、警报系统6、医患终端7和数据传输系统8,数据采集系统用于采集评估为具有跌倒高危风险使用者的个人身份信息、身体表征信息以及通用行为特征信息,并存储到数据库2中;数据库2分别与监控系统3、数据处理系统4、识别系统5之间通讯传输系统连接;监控系统3包括红外摄像头31和参照红外光源32,用于实时获取使用者的人体轮廓及位置信息;数据处理系统4分别与监控系统3和识别系统5之间通过通讯传输系统8连接;数据处理系统4,用于将所述红外摄像头31获取的二维图像信息重建为三维轮廓,并结合使用者数据信息计算使用者重心及不同重量分布地形图;识别系统5识别数据监控系统3监控的使用者行为并依据数据处理系统的计算结果,识别使用者动作是否为离床动作,以及使用者动作是否超出预设行为指标值;警报系统6分别与识别系统5和医患终端7之间通过通讯传输系统8连接,识别系统5将警报信号传输给警报系统6;警报系统6在接收识别系统5传输识别信号后,将警报信号传输给医患终端7;医患终端7用于获取警报信息,并根据警报信息辅助使用者防止跌倒发生。
基于上述系统,其中预设如下报警行为指标值:
(1)预设指标值1:如果预判使用者发生动作与离床动作有关,当使用者身体轮廓距离床体参照红外光源32十厘米即报警;如果预判使用者发生动作与离床动作有关,当使用者身体轮廓距离床体参照红外光源32距离超过十厘米,跌倒预警系统持续监控,不发出报警信息。
(2)预设指标值2:如果预判使用者发生动作与离床动作无关,当使用者体重20%超出床体参照红外光源32范围之外即报警;如果预判使用者发生动作与离床动作无关,当使用者体重80%以上均在床体参照红外光源32范围内,跌倒预警系统持续监控,不发出报警信息。
基于上述预设行为指标,针对人群不同,下面采用几个具体实施方式详细描述本发明的技术方案。
实施例1
针对患有脑出血后遗症患者:
S1:患者肌力差,行动不便,评估有跌倒高危风险;
S2:采集患者身高,体重,胸围,腰围等数据,并输入存储到数据库2中;
S3:在患者病房内固定方位设置多个红外摄像头31进行持续监控,床体四周设置参照红外光源32,利用红外成像技术获取患者身体轮廓信息,输入程序;
S4:对多组二维图像进行处理,重建人体三维轮廓信息;
S5:采用人体轮廓识别技术计算患者身体位置信息;
S6:根据患者实际测量数据及重建患者三维轮廓信息程序计算患者重心及不同重量分布图;
S7:患者在无人陪护情况下做出躯体右移动作,程序对持续监控影像进行人体行为识别,预判患者发生动作与离床动作有关,当患者身体轮廓距离床体参照红外光源32十厘米即报警;
S8:医护人员及家属得到报警信息,同时警告患者。
实施例2
针对高龄人群:
S1:年龄大,行动不便,评估有跌倒高危风险;
S2:测量老年人身高,体重,胸围,腰围等数据,并输入存储到数据库2中;
S3:在老年人病房内固定方位设置多个红外摄像头31进行持续监控,床体四周设置参照红外光源32,利用红外成像技术获取老年人身体轮廓信息,输入程序;
S4:对多组二维图像进行处理,重建人体三维轮廓信息;
S5:采用人体轮廓识别技术计算患者身体位置信息;
S6:根据老年人实际测量数据及重建老年人三维轮廓信息程序计算老年人重心及不同重量分布图;
S7:老年人在无人陪护情况下做出右臂上移动作,程序对持续监控影像进行人体行为识别,预判老年人发生动作与离床动作无关,老年人体重20%处于床体参照红外光源范围32之外报警;
S8:医护人员及家属得到报警信息,同时警告老年人。
实施例3
针对营养不良人群:
S1:营养不良,行动不便,半年前有跌倒史,评估有跌倒高危风险;
S2:测量营养不良者身高,体重,胸围,腰围等数据,并输入存储到数据库2中;
S3:在营养不良者病房内固定方位设置多个红外摄像头31进行持续监控,床体四周设置参照红外光源32,利用红外成像技术获取营养不良者身体轮廓信息,输入程序;
S4:对多组二维图像进行处理,重建人体三维轮廓信息;
S5:采用人体轮廓识别技术计算营养不良者身体位置信息;
S6:根据营养不良者实际测量数据及重建营养不良者三维轮廓信息程序计算营养不良者重心及不同重量分布图;
S7:营养不良者在无人陪护情况下做出右腿上移动作,程序对持续监控影像进行人体行为识别,预判患者发生动作与离床动作无关,患者动作全程体重80%处于床体参照红外光源32范围之内,跌倒预警系统持续监控,未发出报警信息。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。

Claims (11)

1.一种跌倒预警实现方法,其特征在于,包括以下步骤:
步骤一:利用监控系统获取使用者人体轮廓及位置信息,并识别使用者身份;
步骤二:数据处理系统根据步骤一中的监控信息计算使用者重心位置,并形成不同重量分布图;
步骤三:识别系统依据上述步骤中获取并计算的数据信息进行使用者人体动作识别;
步骤四:警报系统获取识别系统发送的识别信号,并将警报信号发送给医患终端。
2.如权利要求1所述的跌倒预警实现方法,其特征在于,步骤一中所述监控系统包括红外摄像头和参照红外光源。
3.如权利要求2所述的跌倒预警实现方法,其特征在于,所述红外摄像头获取使用者人体红外影像后,采用人体轮廓识别技术计算患者身体位置信息。
4.如权利要求3所述的跌倒预警实现方法,其特征在于,所述数据处理系统对所述红外摄像头获取的二维图像进行处理,重建人体三维轮廓信息,并结合所述数据库中采集的使用者数据信息计算使用者重心及不同重量分布图。
5.如权利要求1所述的跌倒预警实现方法,其特征在于,还包括采集使用者数据信息,并存储到数据库中,用于使用者身份信息比对。
6.如权利要求5所述的跌倒预警实现方法,其特征在于,采集的使用者数据信息包括使用者个人身份信息、身体表征信息以及通用行为特征信息。
7.如权利要求1所述的跌倒预警实现方法,其特征在于,所述识别系统在识别人体行为前参照所述参照红外光源预设行为指标值,识别使用者动作是否为离床动作,以及使用者动作是否超出预设行为指标值,若超出行为指标值即发送警报系统。
8.如权利要求7所述的跌倒预警实现方法,其特征在于,所述行为指标值以所述数据库内通用行为特征中的离床动作数据信息为参数基准。
9.如权利要求1所述的跌倒预警实现方法,其特征在于,使用者无需穿戴传感器。
10.一种跌倒预警系统,其特征在于,包括:
数据采集系统,用于采集评估为具有跌倒高危风险使用者的个人身份信息、身体表征信息以及通用行为特征信息,并传输到数据库中;
数据库,内部存储有采集的使用者数据信息;
监控系统,包括红外摄像头和参照红外光源,用于实时获取患者的人体轮廓及位置信息;
数据处理系统,用于将所述红外摄像头获取的二维图像信息重建为三维轮廓,并结合使用者数据信息计算使用者重心及不同重量分布地形图;
识别系统,用于识别数据监控系统监控的使用者行为是否超出预设的参照红外光源设定的行为指标值,并传输给警报系统;
警报系统,在所述识别系统传输识别信号后,将警报信号传输给医患终端;
医患终端,用于获取警报信息,并根据警报信息辅助使用者防止跌倒发生;
所述数据库分别与所述监控系统、所述数据处理系统、所述识别系统之间通讯传输系统连接;所述数据处理系统分别与所述监控系统和所述识别系统之间通过所述通讯传输系统连接;所述警报系统分别与所述识别系统和所述医患终端之间通过所述通讯传输系统连接。
11.如权利要求10所述的跌倒预警实现方法,其特征在于,所述数据库与所述数据采集系统之间通过手动输入或所述通讯传输系统连接。
CN201810073660.0A 2018-01-25 2018-01-25 一种跌倒预警实现方法及系统 Active CN110084081B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810073660.0A CN110084081B (zh) 2018-01-25 2018-01-25 一种跌倒预警实现方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810073660.0A CN110084081B (zh) 2018-01-25 2018-01-25 一种跌倒预警实现方法及系统

Publications (2)

Publication Number Publication Date
CN110084081A true CN110084081A (zh) 2019-08-02
CN110084081B CN110084081B (zh) 2023-08-08

Family

ID=67412047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810073660.0A Active CN110084081B (zh) 2018-01-25 2018-01-25 一种跌倒预警实现方法及系统

Country Status (1)

Country Link
CN (1) CN110084081B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111882823A (zh) * 2020-08-07 2020-11-03 歌尔科技有限公司 防跌落的控制方法、控制装置、终端设备及存储介质
CN114269243A (zh) * 2020-03-19 2022-04-01 株式会社日立制作所 跌倒风险评价系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007058918A2 (en) * 2005-11-11 2007-05-24 Hologic Inc. Estimating risk of future bone fracture utilizing three-dimensional bone density model
CN103377541A (zh) * 2013-07-16 2013-10-30 中国科学院深圳先进技术研究院 人体防跌倒预警及干预方法和系统
US20140022079A1 (en) * 2012-07-17 2014-01-23 Jason Wilson Preemptive notification of patient fall risk condition
CN203552411U (zh) * 2013-09-24 2014-04-16 中国人民解放军总医院 一种防跌倒离床报警系统
CN105286874A (zh) * 2015-11-03 2016-02-03 长安大学 一种用于预测老年人跌倒风险的系统及方法
CN105787469A (zh) * 2016-03-25 2016-07-20 广州市浩云安防科技股份有限公司 行人监控和行为识别的方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007058918A2 (en) * 2005-11-11 2007-05-24 Hologic Inc. Estimating risk of future bone fracture utilizing three-dimensional bone density model
US20140022079A1 (en) * 2012-07-17 2014-01-23 Jason Wilson Preemptive notification of patient fall risk condition
CN103377541A (zh) * 2013-07-16 2013-10-30 中国科学院深圳先进技术研究院 人体防跌倒预警及干预方法和系统
CN203552411U (zh) * 2013-09-24 2014-04-16 中国人民解放军总医院 一种防跌倒离床报警系统
CN105286874A (zh) * 2015-11-03 2016-02-03 长安大学 一种用于预测老年人跌倒风险的系统及方法
CN105787469A (zh) * 2016-03-25 2016-07-20 广州市浩云安防科技股份有限公司 行人监控和行为识别的方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李莉华: "安全性护理对神经外科患者住院期间跌倒发生率的影响", 《护理实践与研究》 *
章雅杰等: "预防跌倒离床报警器的研制与应用", 《解放军护理杂志》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114269243A (zh) * 2020-03-19 2022-04-01 株式会社日立制作所 跌倒风险评价系统
CN111882823A (zh) * 2020-08-07 2020-11-03 歌尔科技有限公司 防跌落的控制方法、控制装置、终端设备及存储介质
CN111882823B (zh) * 2020-08-07 2022-04-22 歌尔科技有限公司 防跌落的控制方法、控制装置、终端设备及存储介质

Also Published As

Publication number Publication date
CN110084081B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
Yu Approaches and principles of fall detection for elderly and patient
CN102150186B (zh) 离床报警系统
CN103402423B (zh) 患者恶化检测
Danielsen et al. Increasing fall risk awareness using wearables: A fall risk awareness protocol
US20170231577A1 (en) Computer system and method for identifying a posture adopted by a subject
JP6053802B2 (ja) 患者を監視し、患者のせん妄を検出する監視システム
CN111898580B (zh) 针对戴口罩人群的体温和呼吸数据采集系统、方法及设备
CN103295364B (zh) 一种基于双鉴的摔倒事件检测系统
CN109963539A (zh) 看护辅助系统及其控制方法、以及程序
CN110464564B (zh) 一种基于自动检测和远程分析的智能床板系统
Li et al. Detection of patient's bed statuses in 3D using a Microsoft Kinect
CN109259743B (zh) 一种生命体征感知系统
Kaczmarek et al. Multimodal platform for continuous monitoring of the elderly and disabled
US20240138775A1 (en) Systems and methods for detecting attempted bed exit
CN110084081A (zh) 一种跌倒预警实现方法及系统
Barbosa et al. Characterization of the adult patients’ falling incidents in a university hospital
Sabukunze et al. Designing an Iot based smart monitoring and emergency alert system for Covid19 patients
Wai et al. Sleeping patterns observation for bedsores and bed-side falls prevention
Ziegl et al. Quantitative falls risk assessment in elderly people: results from a clinical study with distance based timed up-and-go test recordings
CN111652192A (zh) 一种基于kinect传感器的跌倒检测系统
Qidwai et al. Intelligent integrated instrumentation platform for monitoring long-term bedridden patients
Shiotani et al. Research on an anomaly detection method for physical condition change of elderly people in care facilities
Cheng et al. An improved localization algorithm with wireless heartbeat monitoring system for patient safety in psychiatric wards
Vilas-Boas et al. Monitoring of bedridden patients: Development of a fall detection tool
CN108846996B (zh) 一种摔倒侦测系统及方法

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
GR01 Patent grant
GR01 Patent grant