CN110179471A - 摔倒检测方法、装置、设备和存储介质 - Google Patents
摔倒检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110179471A CN110179471A CN201910464854.8A CN201910464854A CN110179471A CN 110179471 A CN110179471 A CN 110179471A CN 201910464854 A CN201910464854 A CN 201910464854A CN 110179471 A CN110179471 A CN 110179471A
- Authority
- CN
- China
- Prior art keywords
- human body
- reflection point
- speed
- pose
- signal
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 99
- 238000012544 monitoring process Methods 0.000 claims abstract description 78
- 238000012360 testing method Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 27
- 230000005484 gravity Effects 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 230000036544 posture Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- A61B5/1117—Fall detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Electromagnetism (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Dentistry (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例公开了一种摔倒检测方法、装置、设备和存储介质。该方法包括：向监控区域发射电磁波信号，并接收所述监控区域中各反射点的反射信号；根据所述电磁波信号和所述反射信号确定所述监控区域中人体的位姿，所述位姿包括速度和/或高度；基于所述位姿进行人体摔倒判定，以得到检测结果。本发明实施例通过采用上述技术方案，采用电磁波信号进行人体摔倒检测，能够在满足用户人体摔倒检测需求的前提下，降低摔倒检测对用户的日常生活造成的干扰，保护用户的隐私。
Description
技术领域
本发明涉及健康监测技术领域，尤其涉及一种摔倒检测方法、装置、设备和存储介质。
背景技术
随着通信技术的发展以及人们自我意识的增强，人们—尤其是老人—独居或独自在家的情况也在逐渐增加，
以老人为例，由于疾病或者衰老等原因，老人年纪大了之后腿脚不方便，较年轻人更容易发生摔倒，并且，由于身体比较衰弱，老人摔倒之后如果不能得到及时救治，极易引起更严重的疾病，甚至死亡。例如家庭场景下的居家老人，由于子女上班或上学等客观原因，这些老人往往是独自在家，摔倒后很难被人发现，因此通常会造成较严重的后果。
近年来，研发人员针对人体摔倒开发了各种设备，比较常见的有穿戴类设备和监控类设备，如手环、手表、腰带、拐杖、摄像头等。然而，穿戴类设备需要用户进行佩戴，且由于设备体积的限制且需要及时通信，通常电池较小但是功耗较大，因此需要经常充电，用户很难养成佩戴习惯，起不到监测预警的作用；监控类设备若要做到实施报警，会持续获取监控区域的图像并对其进行分析，需要后台强大的算法分析能力，且会严重侵犯用户的隐私，导致很多用户拒绝安装。
发明内容
有鉴于此，本发明实施例提供一种摔倒检测方法、装置、设备和存储介质，以降低摔倒检测对用户的日常生活造成的干扰，保护用户的隐私。
第一方面，本发明实施例提供了一种摔倒检测方法，包括：
向监控区域发射电磁波信号，并接收所述监控区域中各反射点的反射信号；
根据所述电磁波信号和所述反射信号确定所述监控区域中人体的位姿，所述位姿包括速度和/或高度；
基于所述位姿进行人体摔倒判定，以得到检测结果。
第二方面，本发明实施例提供了一种摔倒检测装置，包括：
信号收发模块，用于向监控区域发射电磁波信号，并接收所述监控区域中各反射点的反射信号；
位姿确定模块，用于根据所述电磁波信号和所述反射信号确定所述监控区域中人体的位姿，所述位姿包括速度和/或高度；
摔倒检测模块，用于基于所述位姿进行人体摔倒判定，得到检测结果。
第三方面，本发明实施例提供了一种设备，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例所述的摔倒检测方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本发明实施例所述的摔倒检测方法。
在上述检测摔倒的技术方案中，向监控区域发射电磁波信号，并接收监控区域中各反射点的反射信号，根据该电磁波信号和发射信号确定监控区域中人体的速度和/或高度，根据该速度和/或高度确定人体是否摔倒。本发明实施例通过采用上述技术方案，采用电磁波信号进行人体摔倒检测，无需获取用户的视频图像，也不需要用户随身佩戴摔倒监测设备，不会侵犯用户的隐私，也不会对用户的生活造成干扰，能够在满足用户人体摔倒检测需求的前提下，降低摔倒检测对用户的日常生活造成的干扰，保护用户的隐私，提高用户的使用体验。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例一提供的一种摔倒检测方法的流程示意图；
图2为本发明实施例二提供的一种摔倒检测方法的流程示意图；
图3为本发明实施例三提供的一种摔倒检测方法的流程示意图；
图4为本发明实施例四提供的一种摔倒检测装置的结构框图；
图5为本发明实施例五提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
实施例一
本发明实施例一提供一种摔倒检测方法。该方法可适用于检测人体是否摔倒的情况，其可以由摔倒检测装置执行，其中，该装置可以由软件和/或硬件实现，一般可集成在具有摔倒检测功能的设备中。图1是本发明实施例一提供的一种摔倒检测方法的流程示意图，如图1所示，该方法包括：
S110、向监控区域发射电磁波信号，并接收所述监控区域中各反射点的反射信号。
本实施例中，反射点可以理解为监控区域中对电磁波信号进行反射的任意点。电磁波信号可以为无线信号或射频信号等，考虑到检测结果的准确性，电磁波信号优选为射频信号。其中，射频信号的频段可以根据需要设置，如可以设置为24GHz或77GHz等频段，本实施例不作具体限定。
本实施例中，可以通过信号发射端向监控区域发射电磁波信号，并通过信号接收端接收监控区域中各反射点对该电磁波信号反射生成的反射信号。信号发射端和信号接收端可以集成于同一天线中，也可以独立设置与不同的天线中，即本实施例可以通过同一天线发射电磁波信号以及接收反射信号，也可以通过两个或更多个独立设置的天线分别发射电磁波信号和接收反射信号。当信号发射端和信号接收端集成于同一天线中时，该信号发射端和信号接收端优选独立设置，以避免信号发射与接收之间产生干扰。
为了进一步提高后续所确定的人体的位姿的精度，进而提高人体摔倒检测结果的准确性，优选的，信号发射端的数量可以为多个，且在该多个信号发射端中，优选包含与其他某一信号发射端的连线平行于水平面的信号发射端以及与其他某一信号发射端的连线垂直于水平面的信号发射端，从而，后续可以通过连线平行于水平面的信号发射端发射的电磁波信号及其对应的反射信号确定反射点在水平方向的坐标x和y，并通过连线平行于水平面的信号发射端发射的电磁波信号及其对应的反射信号确定反射点在竖直方向的坐标z。
示例性的，可以按照设定周期向监控区域发射电磁波信号，并在每次向监控区域发射电磁波信号时，控制各信号发射端按照设定的时间间隔依次发射电磁波信号。以设置有3个信号发射端A、B和C为例，可以在当前时刻到达电磁波信号的发射时刻时，按照一定的时间间隔(如0.1ms、0.5ms或1ms等)和设定的顺序(如A-B-C)依次控制信号发射端A、B和C发射电磁波信号。其中，所述时间间隔小于所述设定周期；在每次发射电磁波信号时，各信号发射端发射电磁波信号的时间长度小于或等于所述时间间隔。
当信号发射端的数量为多个时，信号接收端的数量可以为一个或多个，即可以通过同一信号接收端分别接收不同信号发射端所发射电磁波信号的反射信号，也可以多个信号接收端分别或同时接收不同信号发射端所发射电磁波信号的反射信号。优选的，可以设置数量与信号发射端的数量相同的信号接收端，并将各信号发射端与各信号接收端一一对应设置，从而，在某一信号发射端发射电磁波信号之后，可以控制与该信号发射端对应的信号接收端接收各反射点对该电磁波信号进行反射所生成的反射信号，以避免与不同信号发射端发射的电磁波信号对应的发射信号之间出现交叉。
此时，优选的，可以采用多输入多输出(Multiple-Input Multiple-Output，MIMO)天线向监控区域发射电磁波信号，并接收监控区域中各反射点的反射信号。
S120、根据所述电磁波信号和所述反射信号确定所述监控区域中人体的位姿，所述位姿包括速度和/或高度。
具体的，可以根据发射的电磁波信号和各反射点反射回的反射信号识别监控区域中的各反射点，按照预先设置的条件对各反射点进行筛选，得到位于同一人体上的目标反射点，并根据各目标反射点的反射点信息，如各目标反射点的位置坐标和/或速度等，确定人体的速度和/或高度。其中，筛选各反射点的条件可以根据需要选取，如可以基于各反射点的速度和/或位置坐标等筛选得到位于同一人体上的反射点；人体的速度可以为人体的合速度或者人体在某一方向上的分速度。考虑到人体摔倒时竖直方向上的速度存在较大的瞬时值，因此，在本实施例中，人体的速度优选为人体在竖直行下方向上的速度，以下以此种情况为例进行说明。
S130、基于所述位姿进行人体摔倒判定，以得到检测结果。
本实施例中，可以仅根据人体在竖直向下方向上的速度进行人体摔倒判定，当人体在竖直向下方向上存在较大的速度时，如当人体在竖直向下方向上的速度大于或等于预设速度阈值时，确定人体摔倒，当人体在竖直向下方向上的速度小于预设速度阈值时，确定人体未摔倒；或者，仅根据人体高度的变化情况进行人体摔倒判定，当人体高度急剧变小(即当人体高度变化率为负值且其绝对值较大)时，如当人体高度的变化率小于或等于预先设置的小于零的变化率阈值时，确定人体摔倒，当人体高度的变化率大于预设设置的小于零的变化率阈值时，确定人体未摔倒；也可以同时基于人体高度的变化率以及人体在竖直向下方向上的速度确定人体是否摔倒，本实施例不对此进行限制。
考虑到人体摔倒检测结果的准确率，优选可以同时基于人体高度的变化率以及人体在竖直向下方向上的速度确定人体是否摔倒，此时，所述位姿包括速度和高度，所述基于所述位姿进行人体摔倒判定，以得到检测结果，包括：如果所述高度的变化率小于或等于预设变化率阈值，和/或，所述速度大于或等于预设速度阈值，则确定检测结果为人体摔倒，所述预设变化率阈值为负值，所述速度为人体各部位在竖直向下方向上的当前速度中的最大速度。相应的，如果所述高度的变化率大于预设变化率阈值或所述速度小于预设速度阈值，则确定检测结果为人体未摔倒，或者，如果所述高度的变化率大于预设变化率阈值且所述速度小于预设速度阈值，则确定检测结果为人体未摔倒。
本发明实施例一提供的摔倒检测方法，向监控区域发射电磁波信号，并接收监控区域中各反射点的反射信号，根据该电磁波信号和发射信号确定监控区域中人体的速度和/或高度，根据该速度和/或高度确定人体是否摔倒。本实施例通过采用上述技术方案，采用电磁波信号进行人体摔倒检测，无需获取用户的视频图像，也不需要用户随身佩戴摔倒监测设备，不会侵犯用户的隐私，也不会对用户的生活造成干扰，能够在满足用户人体摔倒检测需求的前提下，降低摔倒检测对用户的日常生活造成的干扰，保护用户的隐私，提高用户的使用体验。
在上述实施例的基础上，所述摔倒检测方法还可以包括：当所述检测结果为人体摔倒时，则向预存的监护终端发送预警信息，以提醒所述监护终端的用户位于所述监控区域中的人体摔倒。本实施例中，在确定人体摔倒时，可以向与检测设备关联的其他终端发送预警信息，以提醒持有该其他终端的监护人可以及时了解监控区域中摔倒人体(如摔倒的老人等)的身体状态并采取合适的措施进行处理，避免人体由于摔倒后未得到及时的救助而造成严重的后果。其中，与检测设备关联的其他终端的终端信息可以预先存储于检测设备中，其数量可以为一个或多个。人体摔倒时所发送的预警信息可以为文本形式的信息，也可以为音频或视频形式的预警信息。例如，可以在检测到人体摔倒时，调取本地预先存储的文本、语音或视频形式的预警信息发送至关联的其他终端；也可以在检测到人体摔倒时，开启音频采集设备(如麦克风)采集音频数据，和/或，开启视频采集设备(如摄像头)采集监控区域的视频数据，并将所采集的音频数据和/或视频数据作为预警信息发送至关联的其他终端，以便于其他终端的监护人可以更加直观的了解摔倒人体的身体状况。
实施例二
图2为本发明实施例提供的一种摔倒检测方法的流程示意图。本实施例在上述实施例的基础上，将“根据所述电磁波信号和所述反射信号确定所述监控区域中人体的位姿”优化为“根据所述电磁波信号和所述反射信号确定各目标反射点的反射点信息，各所述目标反射点位于同一人体上，所述反射点信息包括所述目标反射点的速度和位置坐标；根据所述反射点信息确定所述人体的位姿”。
进一步地，在所述确定检测结果为人体摔倒之后，还包括：采用所述人体的重心在竖直向下方向上的第二速度分量对所述检测结果进行修正。
相应的，如图2所示，本实施例提供的摔倒检测方法包括：
S210、向监控区域发射电磁波信号，并接收所述监控区域中各反射点的反射信号。
S220、根据所述电磁波信号和所述反射信号确定各目标反射点的反射点信息，各所述目标反射点位于同一人体上，所述反射点信息包括所述目标反射点的速度和位置坐标。
由于位于人体上的反射点一般连接交紧密且能够构成人体的形状，因此，本实施例可以基于监控区域中各反射点的位置坐标识别目标反射点，如基于位置坐标对监控区域中的反射点进行聚类运算，以得到目标反射点的反射点信息；由于当监控区域存在多人时，人体摔倒后可以及时的被监控区域中的其他人员发现，因此，人体摔倒检测多更加关注监控区域中只存在一个人的情况，对监控区域中只存在一个人时的检测准确率具有较高的要求，而对监控区域中同时存在多个人时的检测准确率要求较低，因此，本实施例也可以基于监控区域中各反射点的速度识别目标反射点，如将监控区域中速度不为零的反射点确定为目标反射点，以得到目标反射点的反射点信息。
为了进一步提高人体摔倒检测的准确性，本实施例优选可以同时根据各目标反射点的位置坐标和速度识别位于同一人体上的目标反射点，例如，可以首先对监控区域中的各反射点进行聚类，得到位于同一人体上的原始反射点，然后采用速度参量对所得到的原始反射点进行筛选，将原始反射点中速度不为零的点确定为目标反射点；也可以首先获取监控区域中速度不为零的原始反射点，然后对各原始反射点进行聚类运算，得到目标反射点。
在此，需要说明的是，本实施例中的目标反射点指的是位于同一人体上的反射点，当监控区域中存在多个人体时，可以将位于不同人体上的反射点视为不同的目标反射点分别进行人体摔倒检测，如将位于第一人体上的反射点标记为第一目标反射点，并采用各第一目标反射点检测第一人体是否摔倒；将位于第二人体上的反射点标记为第二目标反射点，并采用各第二目标反射点检测第二人体是否摔倒，以此类推，即可实现对监控区域中不同人体的摔倒检测。
S230、根据所述反射点信息确定所述人体的位姿，所述位姿包括速度和高度。
具体的，人体的速度可以根据各目标反射点的速度确定，如计算各目标反射点在竖直向下方向上的速度分量，将各速度分量的中值、平均值或各速度分量中的最大值确定为人体的速度；人体的高度可以根据各目标反射点的位置坐标确定，如确定各目标反射点中在竖直方向上的最高点和最低点，计算该最高点和该最低点在竖直方向上的距离分量(即z坐标之差)，并将该距离分量确定为人体的高度，或者，根据各目标反射点的位置坐标构建人体模型，根据人体模型中人体头部在竖直方向上的最高点与人体模型在竖直方向上的最低点在竖直方向的距离分量确定人体的高度。
考虑到所确定人体的位姿准确率以及基于人体位姿进行人体摔倒检测时的准确性，优选的，可以基于各速度分量中的最大值确定人体的速度，和/或，基于人体模型确定人体的高度。此时，所述根据所述反射点信息确定所述人体的位姿，可以包括：根据各目标反射点的位置坐标构建人体模型，以确定所述人体的高度；和/或，根据各目标反射点的速度计算各目标反射点在竖直向下方向上的第一速度分量，并将各所述第一速度分量中的最大速度分量确定为人体的速度。在采用构建人体模型的方式确定人体的高度时，示例性的，可以根据各目标反射点确定人体的外部轮廓，根据该外部轮廓的形状确定人体的姿势，并基于该姿势构建大小与该外部轮廓相符的人体模型；或者，预先训练得到构建模型，将各目标反射点的位置坐标输入至构建模型中，由该构建模型构建并输出人体模型。本实施例中，可以预先设置人体在各种姿势下对应的外部轮廓，在确定人体的姿势时，将所得到的人体的外部轮廓与预先设置的各外部轮廓进行匹配，将匹配度最高的预先设置的外部轮廓对应的姿势确定为人体的姿势。
S240、如果所述高度的变化率小于或等于预设变化率阈值，和/或，所述速度大于或等于预设速度阈值，则确定检测结果为人体摔倒，所述预设变化率阈值为负值，所述速度为人体各部位在竖直向下方向上的当前速度中的最大速度。
S250、采用所述人体的重心在竖直向下方向上的第二速度分量对所述检测结果进行修正。
其中，人体的重心可以通过计算获得，例如可以将各目标反射点视为质点，根据各质点的位置及其受力确定人体重心的位置坐标；人体重心在竖直向下方向上的第二速度分量可以根据位于人体重心附近目标反射点的速度计算获得。举例而言，在计算第二速度分量时，可以首先根据人体重心附近设定数量或设定距离内的目标反射点的速度计算获得人体重心的速度，如将人体重心附近设定数量或设定距离内的各目标反射点的速度的均值确定为人体重心的速度，然后计算人体重心的速度在竖直向下方向上的分量，以得到第二速度分量。
本实施例中，在确定人体摔倒时，可以采用人体的重心在竖直向下方向上的第二速度分量对检测结果进行修正，以避免由于人体弯腰拾取东西等情况的出现导致摔倒检测设备出现误判断的情况，进一步提高人体摔倒检测时的准确性。由于人体摔倒时人体重心通常会急剧向下移动，因此，可以预先设置区分人体重心是否急剧向下移动的速度分量阈值，并基于人体重心在竖直向下方向上的第二速度分量与该预设速度分量阈值的大小关系判断人体是否摔倒。此时，优选的，所述采用所述人体的重心在竖直向下方向上的第二速度分量对所述检测结果进行修正，包括：如果所述第二速度分量大于或等于预设速度分量阈值，则将所述检测结果确定为人体摔倒；如果所述第二速度分量小于预设速度分量阈值，则将所述检测结果修正为人体未摔倒。
本发明实施例二提供的摔倒检测方法，根据电磁波信号和反射信号确定目标反射点的速度和位置坐标，根据目标反射点的速度和位置确定人体的位姿，基于该位姿进行人体摔倒判定，并在判定人体摔倒时进一步采用人体重心在竖直向下方向上的速度分量对检测结果进行修正，能够进一步提高人体摔倒检测所生成检测结果的准确性，降低检测设备出现误判定的概率。
实施例三
图3为本发明实施例三提供的一种摔倒检测方法的流程示意图。本实施例在上述实施例的基础上，将“根据所述电磁波信号和所述反射信号确定各目标反射点的反射点信息”优化为“根据所述电磁波信号和所述反射信号，计算监控区域中各反射点的速度和位置坐标；根据所述位置坐标对速度不为零的各反射点进行聚类运算，以识别位于人体上的目标反射点，并记录所述目标反射点的反射点信息”。
相应的，如图3所示，本实施例提供的摔倒检测方法包括：
S310、向监控区域发射电磁波信号，并接收所述监控区域中各反射点的反射信号。
S320、根据所述电磁波信号和所述反射信号，计算监控区域中各反射点的速度和位置坐标。
示例性的，在接收到监控区域中各反射点的反射信号后，可以依据发射电磁波信号与接收到反射信号的时间差以及电磁波信号的传播速度确定各反射点与信号发射端之间的距离，以得到各反射点的位置坐标，并可以基于多普勒原理计算各反射点的速度。
S330、根据所述位置坐标对速度不为零的各反射点进行聚类运算，以识别位于人体上的目标反射点，并记录所述目标反射点的反射点信息，各所述目标反射点位于同一人体上，所述反射点信息包括所述目标反射点的速度和位置坐标。
由于在摔倒时，人体往往存在较大的瞬时速度，而当人体静止时，人体几乎不存在摔倒的可能性，即人体上速度为零的点(即静止的点)对人体摔倒的判定结果存在较小的影响，因此，本实施例在判定人体是否摔倒时，可以仅关注人体上的速度不为零的点，以进一步减小人体摔倒检测过程中所需的计算量。
本实施例中，对各反射点进行聚类运算时所采用的聚类算法可以根据需要选取，如可以采用DBSCAN、OPTICS、DENCLUE或K-Means等聚类算法对反射点进行聚类，本实施例不对此进行限制。
以采用DBSCAN聚类算法对各反射点进行聚类为例，在确定各反射点的位置坐标后，可以任选一个未被访问过的反射点作为出发点，找出与该出发点的距离在扫描半径eps之内的所有附近点，如果附近点的数量小于最小包含点数minPts，则将该点暂时标记为噪声点；如果附近点的数量大于或等于minPts，则出发点与其附近点形成一个簇，将出发点标记为已访问，并以相同的方式处理该簇内的所有未被标记为已访问的反射点，从而对该簇进行扩展，当该簇内的所有反射点均已被访问时，返回上述任选一个未被访问过的反射点作为出发点的步骤，重复上述操作，直至各反射点均已被访问为止。由此，即可完成对各反射点的聚类。其中，扫描半径eps和最小包含点数minPts可以根据需要设置。
聚类完成后，可以不考虑聚类得到的簇的数量，直接将同一簇中的反射点确定为位于同一人体上的目标反射点，并基于该簇中的目标反射点对该人体进行摔倒检测，或者，基于同一簇中的反射点的分布情况判定该簇是否为表征人体上的反射点集合的簇，若是，则将该簇中的反射点确定为位于同一人体上的目标反射点，并基于该簇中的目标反射点对该人体进行摔倒判定，若否，则舍弃该簇中的反射点；也可以考虑聚类得到的簇的数量，若仅聚类得到一簇反射点，则直接将该簇中的反射点确定为位于同一人体上的目标反射点，并基于该簇中的目标反射点对该人体进行摔倒检测，若聚类得到多簇反射点，则进一步判断各簇是否为表征人体上的反射点集合的簇，并基于表征人体上的反射点集合的簇进行人体摔倒判定，本实施例不对此进行限制。其中，可以预先训练得到判定模型，并在判断某一簇是否为表征位于人体上的反射点集合的簇时，将该簇中的反射点的位置坐标输入至判定模型中，根据判定模型的输出值得到判定结果。
S340、根据所述反射点信息确定所述人体的位姿，所述位姿包括速度和高度。
S350、如果所述高度的变化率小于或等于预设变化率阈值，和/或，所述速度大于或等于预设速度阈值，则确定检测结果为人体摔倒，所述预设变化率阈值为负值，所述速度为人体各部位在竖直向下方向上的当前速度中的最大速度。
本发明实施例三提供的摔倒检测方法，根据电磁波信号和反射信号计算监控区域中各反射点的速度和位置坐标，根据该位置坐标对速度不为零的反射点进行聚类运算，确定位于同一人体上的目标反射点的反射点信息，根据该反射点信息确定人体的位姿，并基于人体的位姿进行人体摔倒判定。本实施例通过采用上述技术方案，基于速度不为零的目标反射点进行人体摔倒检测，可以减小人体摔倒检测过程中所需的计算量，提高人体摔倒检测的及时性。
实施例四
本发明实施例四提供一种摔倒检测装置，该装置可以由软件和/或硬件实现，一般可集成在具有摔倒检测功能的设备中，可通过执行摔倒检测方法检测人体是否摔倒。图4为本发明实施例四提供的摔倒检测装置的结构框图，如图4所示，该摔倒检测装置包括：
信号收发模块401，用于向监控区域发射电磁波信号，并接收所述监控区域中各反射点的反射信号；
位姿确定模块402，用于根据所述电磁波信号和所述反射信号确定所述监控区域中人体的位姿，所述位姿包括速度和/或高度；
摔倒检测模块403，用于基于所述位姿进行人体摔倒判定，以得到检测结果。
本发明实施例四提供的摔倒检测方法，通过信号收发模块向监控区域发射电磁波信号，并接收监控区域中各反射点的反射信号，通过位姿确定模块根据该电磁波信号和发射信号确定监控区域中人体的速度和/或高度，通过摔倒检测模块根据该速度和/或高度确定人体是否摔倒。本发明实施例通过采用上述技术方案，采用电磁波信号进行人体摔倒检测，无需获取用户的视频图像，也不需要用户随身佩戴摔倒监测设备，不会侵犯用户的隐私，也不会对用户的生活造成干扰，能够在满足用户人体摔倒检测需求的前提下，降低摔倒检测对用户的日常生活造成的干扰，保护用户的隐私，提高用户的使用体验。
在上述方案中，所述位姿包括速度和高度，所述摔倒检测模块403具体可用于：在所述高度的变化率小于或等于预设变化率阈值，和/或，所述速度大于或等于预设速度阈值时，确定检测结果为人体摔倒，所述预设变化率阈值为负值，所述速度为人体各部位在竖直向下方向上的当前速度中的最大速度。
在上述方案中，所述位姿确定模块402可以包括：信息确定单元，用于根据所述电磁波信号和所述反射信号确定各目标反射点的反射点信息，各所述目标反射点位于同一人体上，所述反射点信息包括所述目标反射点的速度和位置坐标；位姿确定单元，用于根据所述反射点信息确定所述人体的位姿。
在上述方案中，所述信息确定单元可以包括：坐标确定单元，用于根据所述电磁波信号和所述反射信号，计算监控区域中各反射点的速度和位置坐标；信息记录单元，用于根据所述位置坐标对速度不为零的各反射点进行聚类运算，以识别位于人体上的目标反射点，并记录所述目标反射点的反射点信息。
在上述方案中，所述位姿确定单元可以用于：根据各目标反射点的位置坐标构建人体模型，以确定所述人体的高度；和/或，根据各目标反射点的速度计算各目标反射点在竖直向下方向上的第一速度分量，并将各所述第一速度分量中的最大速度分量确定为人体的速度。
进一步地，所述摔倒检测装置还可以包括：修正模块，用于在所述确定检测结果为人体摔倒之后，采用所述人体的重心在竖直向下方向上的第二速度分量对所述检测结果进行修正。
在上述方案中，所述修正模块具体可以用于：在所述第二速度分量大于或等于预设速度分量阈值时，将所述检测结果确定为人体摔倒；在所述第二速度分量小于预设速度分量阈值时，将所述检测结果修正为人体未摔倒。
进一步地，所述摔倒检测装置还可以包括：预警单元，用于在所述检测结果为人体摔倒时，向预存的监护终端发送预警信息，以提醒所述监护终端的用户位于所述监控区域中的人体摔倒。
本发明实施例四提供的摔倒检测装置可执行本发明任意实施例提供的摔倒检测方法，具备执行摔倒检测方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的摔倒检测方法。
实施例五
图5为本发明实施例五提供的一种设备的结构示意图，如图5所示，该设备包括处理器50和存储器51，还可以包括通信单元52；设备中处理器50的数量可以是一个或多个，图5中以一个处理器50为例；设备中的处理器50和存储器51可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器51作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的摔倒检测方法对应的程序指令/模块(例如，摔倒检测装置中的信号收发模块401、位姿确定模块402和摔倒检测模块403)。处理器50通过运行存储在存储器51中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的摔倒检测方法。
存储器51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终端的使用所创建的数据等。此外，存储器51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，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器51可进一步包括相对于处理器50远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信单元52可用于为所述设备提供与其他终端进行通信的网络环境。
进一步地，所述设备还可以包括MIMO天线53，所述MIMO天线53设置有至少三个信号发射端，在所述信号发射端中包含连线平行于水平面的信号发射端以及连线垂直于水平面的信号发射端。在进行摔倒检测时，可以在每个信号发射周期中依次控制所述至少三个信号发射端发射电磁波信号，并控制所述MIMO天线53中的信号接收端接收各反射点对所述电磁波信号的反射信号。
其中，所述MIMO天线53的信号接收端的数量可以为一个或多个，优选可以与所述信号发射端一一对应设置，从而，当控制任一信号发射端发射电磁波信号后，可以控制与该信号发射端对应的信号接收端接收反射点对该信号发射端发射的电磁波信号进行反射生成的反射信号。
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种摔倒检测方法，该方法包括：
向监控区域发射电磁波信号，并接收所述监控区域中各反射点的反射信号；
根据所述电磁波信号和所述反射信号确定所述监控区域中人体的位姿，所述位姿包括速度和/或高度；
基于所述位姿进行人体摔倒判定，以得到检测结果。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的摔倒检测方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述摔倒检测装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种摔倒检测方法，其特征在于，包括：
向监控区域发射电磁波信号，并接收所述监控区域中各反射点的反射信号；
根据所述电磁波信号和所述反射信号确定所述监控区域中人体的位姿，所述位姿包括速度和/或高度；
基于所述位姿进行人体摔倒判定，以得到检测结果。
2.根据权利要求1所述的摔倒检测方法，其特征在于，所述位姿包括速度和高度，所述基于所述位姿进行人体摔倒判定，以得到检测结果，包括：
如果所述高度的变化率小于或等于预设变化率阈值，和/或，所述速度大于或等于预设速度阈值，则确定检测结果为人体摔倒，所述预设变化率阈值为负值，所述速度为人体各部位在竖直向下方向上的当前速度中的最大速度。
3.根据权利要求2所述的摔倒检测方法，其特征在于，所述根据所述电磁波信号和所述反射信号确定所述监控区域中人体的位姿，包括：
根据所述电磁波信号和所述反射信号确定各目标反射点的反射点信息，各所述目标反射点位于同一人体上，所述反射点信息包括所述目标反射点的速度和位置坐标；
根据所述反射点信息确定所述人体的位姿。
4.根据权利要求3所述的摔倒检测方法，其特征在于，所述根据所述电磁波信号和所述反射信号确定各目标反射点的反射点信息，包括：
根据所述电磁波信号和所述反射信号，计算监控区域中各反射点的速度和位置坐标；
根据所述位置坐标对速度不为零的各反射点进行聚类运算，以识别位于人体上的目标反射点，并记录所述目标反射点的反射点信息。
5.根据权利要求3所述的摔倒检测方法，其特征在于，所述根据所述反射点信息确定所述人体的位姿，包括：
根据各目标反射点的位置坐标构建人体模型，以确定所述人体的高度；和/或，
根据各目标反射点的速度计算各目标反射点在竖直向下方向上的第一速度分量，并将各所述第一速度分量中的最大速度分量确定为人体的速度。
6.根据权利要求3所述的摔倒检测方法，其特征在于，在所述确定检测结果为人体摔倒之后，还包括：
采用所述人体的重心在竖直向下方向上的第二速度分量对所述检测结果进行修正。
7.根据权利要求6所述的摔倒检测方法，其特征在于，所述采用所述人体的重心在竖直向下方向上的第二速度分量对所述检测结果进行修正，包括：
如果所述第二速度分量大于或等于预设速度分量阈值，则将所述检测结果确定为人体摔倒；
如果所述第二速度分量小于预设速度分量阈值，则将所述检测结果修正为人体未摔倒。
8.根据权利要求1-7任一所述的摔倒检测方法，其特征在于，当所述检测结果为人体摔倒时，所述摔倒检测方法还包括：
向预存的监护终端发送预警信息，以提醒所述监护终端的用户位于所述监控区域中的人体摔倒。
9.一种摔倒检测装置，其特征在于，包括：
信号收发模块，用于向监控区域发射电磁波信号，并接收所述监控区域中各反射点的反射信号；
位姿确定模块，用于根据所述电磁波信号和所述反射信号确定所述监控区域中人体的位姿，所述位姿包括速度和/或高度；
摔倒检测模块，用于基于所述位姿进行人体摔倒判定，以得到检测结果。
10.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的摔倒检测方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的摔倒检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910464854.8A CN110179471A (zh) | 2019-05-30 | 2019-05-30 | 摔倒检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910464854.8A CN110179471A (zh) | 2019-05-30 | 2019-05-30 | 摔倒检测方法、装置、设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110179471A true CN110179471A (zh) | 2019-08-30 |
Family
ID=67719037
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910464854.8A Pending CN110179471A (zh) | 2019-05-30 | 2019-05-30 | 摔倒检测方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110179471A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110703241A (zh) * | 2019-09-26 | 2020-01-17 | 弗徕威智能机器人科技（上海）有限公司 | 一种基于uwb雷达的人体摔倒检测自适应系统和装置 |
| CN111815906A (zh) * | 2020-07-30 | 2020-10-23 | 苏州苗米智能技术有限公司 | 基于无线信号识别的摔倒监测方法和系统 |
| CN111887861A (zh) * | 2020-09-30 | 2020-11-06 | 西南交通大学 | 一种基于毫米波雷达的室内人员安全一体化监测方法 |
| CN112346055A (zh) * | 2020-10-23 | 2021-02-09 | 无锡威孚高科技集团股份有限公司 | 基于毫米波雷达的跌倒检测方法、装置及毫米波雷达设备 |
| CN116106855A (zh) * | 2023-04-13 | 2023-05-12 | 中国科学技术大学 | 摔倒检测方法及摔倒检测装置 |
| CN116798187A (zh) * | 2023-05-29 | 2023-09-22 | 杭州惠耳听力技术设备有限公司 | 老人跌倒监控方法及具有老人跌倒监控功能的助听器 |
| US12027028B2 (en) | 2020-06-03 | 2024-07-02 | Essence Smartcare Ltd. | Controlling frame rate of active reflected wave detector |
| US12087144B2 (en) | 2020-05-21 | 2024-09-10 | Essence Smartcare Ltd. | Device and method for determining a status of a person |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105719429A (zh) * | 2014-07-29 | 2016-06-29 | 吴诗蕊 | 一种基于Kinect的跌倒检测及报警系统及其操作方法 |
| CN106530619A (zh) * | 2016-12-16 | 2017-03-22 | 北京囡宝科技有限公司 | 智能终端以及用其进行人体位置识别和跌倒检测的方法 |
| CN108204679A (zh) * | 2016-12-19 | 2018-06-26 | 青岛海尔智能技术研发有限公司 | 一种电热水器及人体跌倒检测方法 |
| CN109239706A (zh) * | 2018-08-27 | 2019-01-18 | 苏州矽典微智能科技有限公司 | 一种基于毫米波的人体检测方法及装置 |
| CN111627185A (zh) * | 2019-02-27 | 2020-09-04 | 富士通株式会社 | 跌倒报警方法、装置以及跌倒检测系统 |
-
2019
- 2019-05-30 CN CN201910464854.8A patent/CN110179471A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105719429A (zh) * | 2014-07-29 | 2016-06-29 | 吴诗蕊 | 一种基于Kinect的跌倒检测及报警系统及其操作方法 |
| CN106530619A (zh) * | 2016-12-16 | 2017-03-22 | 北京囡宝科技有限公司 | 智能终端以及用其进行人体位置识别和跌倒检测的方法 |
| CN108204679A (zh) * | 2016-12-19 | 2018-06-26 | 青岛海尔智能技术研发有限公司 | 一种电热水器及人体跌倒检测方法 |
| CN109239706A (zh) * | 2018-08-27 | 2019-01-18 | 苏州矽典微智能科技有限公司 | 一种基于毫米波的人体检测方法及装置 |
| CN111627185A (zh) * | 2019-02-27 | 2020-09-04 | 富士通株式会社 | 跌倒报警方法、装置以及跌倒检测系统 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110703241A (zh) * | 2019-09-26 | 2020-01-17 | 弗徕威智能机器人科技（上海）有限公司 | 一种基于uwb雷达的人体摔倒检测自适应系统和装置 |
| US12087144B2 (en) | 2020-05-21 | 2024-09-10 | Essence Smartcare Ltd. | Device and method for determining a status of a person |
| US12027028B2 (en) | 2020-06-03 | 2024-07-02 | Essence Smartcare Ltd. | Controlling frame rate of active reflected wave detector |
| CN111815906A (zh) * | 2020-07-30 | 2020-10-23 | 苏州苗米智能技术有限公司 | 基于无线信号识别的摔倒监测方法和系统 |
| CN111815906B (zh) * | 2020-07-30 | 2022-03-11 | 苏州苗米智能技术有限公司 | 基于无线信号识别的摔倒监测方法和系统 |
| CN111887861A (zh) * | 2020-09-30 | 2020-11-06 | 西南交通大学 | 一种基于毫米波雷达的室内人员安全一体化监测方法 |
| CN112346055A (zh) * | 2020-10-23 | 2021-02-09 | 无锡威孚高科技集团股份有限公司 | 基于毫米波雷达的跌倒检测方法、装置及毫米波雷达设备 |
| CN112346055B (zh) * | 2020-10-23 | 2024-04-16 | 无锡威孚高科技集团股份有限公司 | 基于毫米波雷达的跌倒检测方法、装置及毫米波雷达设备 |
| CN116106855A (zh) * | 2023-04-13 | 2023-05-12 | 中国科学技术大学 | 摔倒检测方法及摔倒检测装置 |
| CN116798187A (zh) * | 2023-05-29 | 2023-09-22 | 杭州惠耳听力技术设备有限公司 | 老人跌倒监控方法及具有老人跌倒监控功能的助听器 |
| CN116798187B (zh) * | 2023-05-29 | 2024-06-07 | 杭州惠耳听力技术设备有限公司 | 老人跌倒监控方法及具有老人跌倒监控功能的助听器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110179471A (zh) | 摔倒检测方法、装置、设备和存储介质 | |
| Deep et al. | A survey on anomalous behavior detection for elderly care using dense-sensing networks | |
| CN107710012B (zh) | 用于支持雷达的传感器融合的方法、装置和片上系统 | |
| CN107643509B (zh) | 定位方法、定位系统及终端设备 | |
| JP5515647B2 (ja) | 測位装置 | |
| CN104680046B (zh) | 一种用户活动识别方法及装置 | |
| Maciel et al. | A lightweight concept drift detection ensemble | |
| CN103109244B (zh) | 用于物体跟踪和识别的方法和装置 | |
| CN113397520B (zh) | 室内对象的信息检测方法及装置、存储介质和处理器 | |
| CN110301118A (zh) | 用于智能助理计算设备的位置校准 | |
| EP1705612A1 (en) | Information recognition device, information recognition method, information recognition program, and alarm system | |
| CN106251572A (zh) | 基于振动检测的智能家居监控方法及系统 | |
| CN104977038B (zh) | 使用与关联存储器耦合的运动感测设备识别移动 | |
| JP6591232B2 (ja) | 連想メモリによって分類されたフレームを使用して位置に対する計量値を取得すること | |
| US9384448B2 (en) | Action-based models to identify learned tasks | |
| Belapurkar et al. | Building data-aware and energy-efficient smart spaces | |
| CN112971790A (zh) | 一种心电信号的检测方法、装置、终端以及存储介质 | |
| Hillyard et al. | Never use labels: Signal strength-based Bayesian device-free localization in changing environments | |
| JP2023521416A (ja) | 環境健康監視および予測的評価を可能にする非接触型センサー駆動デバイス、システム、および方法 | |
| Dissanayake et al. | Indolabel: Predicting indoor location class by discovering location-specific sensor data motifs | |
| WO2021132265A1 (ja) | 動物用重量測定システム及び方法 | |
| CN109141355A (zh) | 基于多传感器的相对高度测量方法及可穿戴设备 | |
| Sansano-Sansano et al. | Multimodal Sensor Data Integration for Indoor Positioning in Ambient‐Assisted Living Environments | |
| Potortì et al. | CEO: A context event only indoor localization technique for AAL | |
| Martín et al. | BLE-based approach for detecting daily routine changes |
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: 20190830 |
|
| RJ01 | Rejection of invention patent application after publication |