CN110313917B - 以日常生活动作为判断基准的跌倒传感系统及其方法 - Google Patents
以日常生活动作为判断基准的跌倒传感系统及其方法 Download PDFInfo
- Publication number
- CN110313917B CN110313917B CN201810444240.9A CN201810444240A CN110313917B CN 110313917 B CN110313917 B CN 110313917B CN 201810444240 A CN201810444240 A CN 201810444240A CN 110313917 B CN110313917 B CN 110313917B
- Authority
- CN
- China
- Prior art keywords
- unit
- action
- fall
- sensing
- 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.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims description 96
- 238000000034 method Methods 0.000 title claims description 21
- 230000009471 action Effects 0.000 claims abstract description 131
- 238000003860 storage Methods 0.000 claims abstract description 46
- 230000000694 effects Effects 0.000 claims abstract description 22
- 238000010606 normalization Methods 0.000 claims abstract description 20
- 238000012937 correction Methods 0.000 claims description 33
- 230000001133 acceleration Effects 0.000 claims description 28
- 210000003205 muscle Anatomy 0.000 claims description 12
- 230000003183 myoelectrical effect Effects 0.000 claims description 9
- 230000008602 contraction Effects 0.000 claims description 5
- 230000002747 voluntary effect Effects 0.000 claims 2
- 230000036544 posture Effects 0.000 description 20
- 238000005259 measurement Methods 0.000 description 9
- 208000027418 Wounds and injury Diseases 0.000 description 8
- 230000006378 damage Effects 0.000 description 8
- 208000014674 injury Diseases 0.000 description 8
- 210000003414 extremity Anatomy 0.000 description 7
- 230000003068 static effect Effects 0.000 description 7
- 230000032683 aging Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 230000034994 death Effects 0.000 description 3
- 231100000517 death Toxicity 0.000 description 3
- 206010024453 Ligament sprain Diseases 0.000 description 2
- 208000010040 Sprains and Strains Diseases 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000034656 Contusions Diseases 0.000 description 1
- 206010048744 Fear of falling Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 208000034526 bruise Diseases 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002346 musculoskeletal system Anatomy 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
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
Abstract
本发明公开了一种跌倒传感系统，主要通过传感单元进行动作的传感后，以将其所得的传感信号储存至储存单元内，再通过校正单元针对传感信号以生理信号正规化方法与动作信号正规化方法进行校正，其后再由动作识别单元依据校正后的传感信号以生成动作区别数据去区分不同的动作，最后再由辨识单元根据跌倒判定阈值判断使用者的动作是否超出其跌倒判定阈值而有跌倒动作的发生；而若超出其跌倒判定阈值以判定有跌倒动作发生时，其辨识单元则会立即输出信号至防护组件及警示组件或是其二者之一，进以提供使用者在跌倒动作发生时，可立即提供警示及防护的功效。
Description
技术领域
本发明涉及一种跌倒传感系统及方法，特别涉及一种通过传感及运算的方式以判断跌倒动作，且立即提供警示及防护的跌倒传感系统及方法。
背景技术
跌倒为一般日常生活常见的意外事故，而在高龄者族群更为频繁，在一个社会发展趋势调查的健康项目中指出，跌倒占高龄族群事故比例为72.8％，在65岁以上老人亦是跌倒死亡的最高危险群(51.0％)。且在一次中老年身心社会生活状况长期追踪调查中显示55-64岁、65-74岁、75岁以上过去一年曾跌倒或摔倒的百分比分别为14.9％、19.9％、26.5％，而其中导致骨折、骨裂或扭伤、脱臼的百分比分别为39.4％、30.7％及33.0％。在65岁以上老人亦是跌倒死亡的最高危险群(51.0％)。国外研究也显示出相似的结果，美国65岁以上的老年人中，15.9％在过去三个月内有跌倒的经验，80岁以上的老年人跌倒的比例增加至20.8％，而65岁以上老年人跌倒成长幅度为每年3.3％，依照此成长幅度推算，则可能再2025年后超过50％，成为一严重的社会议题，而在过去一年中曾跌倒两次以上的老年女性为10.8％，男性为12.1％，且男性跌倒两次以上比例会随者年龄成长。
随着跌倒的发生，同时会对人体产生各种的伤害，一般的物理性创伤如擦伤，肌肉骨骼系统的扭伤、拉伤及骨折等高风险因素，皆会对老年人造成严重伤害。老年人中有20至30％跌倒者会受到中度以上伤害，造成活动能力下降，甚至影响日常生活的能力，为此需提供专人额外照护，增加医疗及社会成本。在西元2009年门、住诊合计(包括急诊)医疗费用(点数)统计65岁以上老年人在骨折、脱臼、扭伤及拉伤的医疗费用约为291万，约占同年龄层所有医疗费用的2％，最严重的情况甚至会造成高龄者因跌倒而死亡。更有研究指出，老年人因跌倒致死的件数亦逐年增加。跌倒除物理性伤害外，亦有心理性的伤害产生，老年人在跌倒之后因害怕再次发生跌倒的情况，在其认知上会将与跌倒共同程序性过程的日常生活情况加以限制，以期望能避免跌倒的再次发生，但却因此不仅造成生活质量(quality oflife)下降，也因减少日常生活的活动导致身体各种机能退化，增加再次跌倒的风险。根据调查，跌倒事件发生后，高龄跌倒者有57.8％会害怕再度跌倒，其中因此减少活动的老年人甚至高达57.0％。综合以上各种观点，跌倒无论是在生理或是心理层面，甚至从社会及经济层面来看，皆为一严重的议题，且其不只对老年人本身的健康与生活质量造成影响，甚至在其家人朋友的照顾与互动亦会产生各种问题。
如此，在社会越趋高龄化的状况下，近年来亦有越来越多老年人独自在家的情形，然而，因老年人身体活动量的减少，导致生理产生变化，如骨质的流失，肌力及平衡能力下降、认知功能的衰退、思考能力及反应时间变慢等，其老化所带来生理的改变，对日常生活有着相当大的影响。
另外，世界卫生组织(World Health Organization,WHO)界定，总人口数内的7％为65岁以上老年人口时即为「高龄化社会」(ageing society)；超过14％时，为高龄社会(aged society)；超过21％时则为超高龄社会(super-aged society)。另一个调查数据显示该地区至2010年底，老年人比例已达总人口10.7％，老化指数已升至68.2，根据人口推计所显示的数据，在2020年该地区老年人口比例会升至16.3％，2035年甚至会高达27.9％，依此老年人口成长的趋势，在未来的10至数十年间，高龄者所面临的问题将会成为社会上最严重的议题。
由前述可知，跌倒发生率在高龄者中占有30％以上比例，随着老年人口比例上升，跌倒比例在总人口中也随着上升使得跌倒成为严重的风险因子，为此须探讨如何避免因跌倒造成的伤害。最直接方法为直接避免跌倒，例如：使高龄者减少行走、使高龄者使用行走辅具辅助行走时能维持平衡、以看护或家人等随侍搀扶高龄者等，但此类方法易降低高龄者生活质量，使其无法随自由意志进行想要的活动。
如此，为避免因跌倒而造成的伤害，现今已有发明出相关的跌倒传感防护装置以避免跌倒所造成的损伤，然而，因现今的跌倒传感防护装置大多使用姿势或跌倒动作做为判断依据，但跌倒总是常发生在日常生活当中，且跌倒传感防护装置的发展却鲜少以各种日常生活动作做为判定依据。再者，人体个体差异大动作也存在着个体差异，且目前现有技术却鲜少将日常生活动作与人体个体差异纳入考虑。因此，如何克服上述现有技术的种种问题，实已成目前亟欲解决的课题。
再者，鉴于每个人的个体差异所造成的动作差异，其动作差异会影响传感单元侦测判定，进而造成动作与跌倒的误判，为避免此类情况发生，可通过本专利特色技术针对使用者个人化信息做为校正依据，以提升动作与跌倒判定的准确率。本专利技术特点可在跌倒发生时至身体撞击地面间给与防护组件与警示组件触发信号，最快可在跌倒发生后200ms内发送触发信号，以提供实时防护减轻跌倒伤害与通知他人前往救援。
发明内容
现有技术中的跌倒传感防护装置大多使用姿势或跌倒动作做为判断依据；如此，因人体个体差异大动作也存在着个体差异，且目前现有技术却鲜少将日常生活动作与人体个体差异纳入考虑，故易有判定不够准确的问题存在；
因此，为了实现以上目的，本发明提供一种以日常生活动作为判断基准得跌倒传感系统，其包括传感单元、校正单元、动作识别单元以及辨识单元。其中，传感单元传感使用者的动作以生成传感信号，传感信号包含但不限在生理信号与动作信号，当传感单元传感到使用者的动作而生成其传感信号后，则会将传感信号传送至校正单元。校正单元与传感单元相连接，校正单元通过生理信号正规化方法与动作信号正规化方法对传感信号进行校正，进以生成校正传感信号。动作识别单元与校正单元相连接，而当校正单元生成其校正传感信号后则会传送至动作识别单元。动作识别单元则依据其校正传感信号以及动作阈值设定以区分出其动作后，再生成动作区别数据。辨识单元与动作识别单元相电性连接，由动作识别单元生成其动作区别数据后则再传送至辨识单元，辨识单元会通过动作区别数据以明确判别其动作，并依动作区别数据所对应的跌倒判定阈值相互比较以进行跌倒动作的判断。
优选地，跌倒传感系统更进一步包括有储存单元，连接在传感单元与校正单元之间，以储存传感信号，并供校正单元取用。
优选地，校正单元将传感信号分成若干个区间，并依若干个区间进行校正，其中，若干个区间包含但不限定为连续区间或滑动区间(Moving window)，动作识别单元是通过三轴叠加加速度数据的标准偏差以区分校正传感信号的动作。
优选地，传感信号的生理信号正规化以测量到至少一条肌肉的肌电信号，经滤波器去除噪声后，一次读入若干笔时间点数据，并对该条肌肉所有的肌电信号的最大自主收缩肌电信号的平均值与标准偏差进行正规化。
优选地，传感信号的动作信号正规化以各动作在人体上代表的肢段或个体的卡式坐标三轴方向的叉积，将叉积得到的三轴信号数据各自平方叠加开根号后，再与数据库中该动作下的平均值做比较而实现。
优选地，进一步包括运算单元，与动作识别单元或辨识单元连接，运算单元根据运算参考数据运算动作阈值设定或不同动作的跌倒判定阈值，以设定动作识别单元的动作阈值设定或辨识单元的跌倒判定阈值。
优选地，进一步包括数据单元，与运算单元连接，数据单元提供运算参考数据给运算单元，运算单元进一步根据运算参考数据运算动作阈值设定或不同动作的跌倒判定阈值，以设定动作识别单元的动作阈值设定或辨识单元的跌倒判定阈值。
优选地，当辨识单元判定该动作为跌倒时，则传送信号给警示组件以达到警示或通报效果，或传送信号至防护组件以达到保护效果。
优选地，动作识别单元生成的动作区别数据以及辨识单元判定跌倒后的跌倒判断数据则会回传至运算单元中以利后续运算使用。
另外，本发明另一个技术方案为提供一种以日常生活动作为判断基准的跌倒传感方法，其包括：通过传感单元传感使用者的动作以生成传感信号，传感单元将传感信号传送至校正单元，校正单元通过生理信号正规化方法与动作信号正规化方法对传感信号进行校正以生成校正传感信号，而校正单元则会将校正传感信号传送至动作识别单元，动作识别单元会依据校正传感信号以及动作阈值设定以区分出其动作后再生成动作区别数据且将动作区别数据传送至辨识单元，以及当辨识单元接收到动作区别数据后，则会通过动作区别数据以明确判别其动作，并依动作区别数据所对应的跌倒判定阈值相互比较以进行跌倒动作的判断。
优选地，动作识别单元通过三轴叠加加速度数据的标准偏差以区分校正传感信号的动作，校正单元将传感信号分成若干个区间，并依若干个区间进行校正。
优选地，生理信号正规化以测量到一条肌肉的肌电信号，经滤波器去除噪声后，一次读入若干笔时间点数据，并对该条肌肉所有的肌电信号的最大自主收缩肌电信号的平均值与标准偏差进行正规化。
优选地，动作信号正规化以各动作在人体上代表的肢段或个体的卡式坐标三轴方向的叉积，将叉积得到的三轴信号数据各自平方叠加开根号后，再与数据库中该动作下的平均值做比较而实现。
优选地，进一步包括以运算单元根据运算参考数据运算动作阈值设定或不同动作的跌倒判定阈值，以设定动作识别单元的动作阈值设定或辨识单元的跌倒判定阈值。
优选地，进一步包括数据单元，其与运算单元连接，数据单元提供运算参考数据给运算单元。
优选地，当辨识单元判定该动作为跌倒时，则进一步包含传送信号给警示组件以达到警示或通报效果，或传送信号至防护组件以达到保护效果。
优选地，动作识别单元生成的动作区别数据以及辨识单元判定跌倒后的跌倒判断数据则会回传至运算单元中以利后续运算使用。
为使本发明的上述目的、特征和优点能更明显易懂，下文兹配合图示列举具体实施例。
附图说明
图1为本发明的系统方块示意图；
图2为本发明的第一次运行的流程图；
图3为本发明的动作识别单元运算流程图；
图4为本发明的第二次运行的流程图。
符号说明：
10：跌倒传感系统，20：传感单元，21：传感信号，30：储存单元，40：校正单元，41：校正传感信号，50：动作识别单元，51：动作区别数据，60：辨识单元，61：跌倒判断数据，70：运算单元，71：运算储存单元，80：数据单元，81：运算参考数据，90：警示组件，91：防护组件。
具体实施方式
为方便了解本发明的内容，以及所能达成的功效，兹配合图示列举具体实施例，详细说明如下：
请参阅图1至图3，为本发明的系统方块示意图、第一次运行的流程图及动作识别单元运算流程图，如图所示，本发明的跌倒传感系统10包含传感单元20、储存单元30、校正单元40、动作识别单元50以及辨识单元60。其中，传感单元20，其传感单元20用于传感使用者的动作后以生成传感信号21。储存单元30，当传感单元20传感到使用者的动作而生成其传感信号21后，则会进一步地将其传感信号21传送至储存单元30，以通过储存单元30将其传感信号21储存在储存单元30内。校正单元40，当储存单元30将其传感信号21储存在储存单元30内后，校正单元40则会获取储存单元30内的传感信号21，再通过校正单元40对传感信号21进行校正后，进以生成校正传感信号41，其校正单元40通过生理信号正规化方法与动作信号正规化方法进行校正。动作识别单元50，校正单元40生成其校正传感信号41后则会传送至动作识别单元50，其动作识别单元50则依据其校正传感信号41以及动作阈值设定以区分出其动作后再生成动作区别数据51。辨识单元60，由动作识别单元50生成其动作区别数据51后则再传送至辨识单元60，辨识单元60会通过动作区别数据51以明确判别使用者所作的动作为何，而后再通过其动作区别数据51与跌倒判定阈值相互比较以进行跌倒动作的判断。跌倒传感系统10进一步包括运算单元70，其可进一步包括运算储存单元71。
如此，当传感单元20传感到使用者的动作后，则会将其生成传感信号21后传送至储存单元30，以通过储存单元30储存传感信号21外，再通过校正单元40获取储存单元30内的传感信号21进行校正。然而上述传感单元20传感的方式以加速规为例，但传感单元20不限用加速规，其他可传感生理信号、动作信号，或两者同时传感等相关装置，如：加速规、陀螺仪、肌电信号、影像系统或可量测尺寸、生理信号量测设备等不在此限，且传感单元20亦不限以穿戴式或非穿戴式的设备传感生理信号或动作信号。当加速规穿戴在使用者身上并截取动作后，以储存在储存单元30内，校正单元40将储存单元30内的传感信号21做区分区间，且将区分区间的数据通过生理信号正规化方法与动作信号正规化方法对传感信号21进行校正，进而生成校正传感信号41，而后将校正传感信号41依动作识别单元50分别辨识出静态姿势与动态动作，之后再分出静态姿势为站立、坐姿、躺姿、面向左/右躺姿，动态动作为慢跑、上楼梯、下楼梯、行走等动作。
如前所述，校正单元40将从储存单元30获取其传感信号21，以进行校正。在本实施例中，当使用者第一次运作本系统时，会将使用者本身的身高、体重、血型、血压、血脂、血糖、个人肢段参数、身体比例等数据进行量测，以作为人体计测数据。其中个人肢段参数可进一步包括肢段长度、3D维度、直径等相关尺寸。当校正单元40对传感信号21进行校正时，是以上述的人体计测数据为依据。以设置在人体特定位置的加速度传感器为例，使用者做出相同的动作或使用者跌倒时，可能因为个人肢段参数、身体比例的不同，传感到不同的加速度值。例如，同样是设置在腰部或手腕，身形高大的使用者的行进时的加速度变化区间，与身形矮小的使用者可能就不会完全相同。如此，动作识别单元50及辨识单元60进行判断时，即无法适用相同的阈值设定。因此，其一实施例以校正单元40依据使用者的人体计测数据对传感信号21校正，则成为后续的动作识别单元50及辨识单元60判断是否正确的关键；另一实施例，则将上述的人体计测数据输入在数据元中，并将数据回传至运算储存单元71，做为设定动作识别单元50的动作阈值设定或辨识单元60的跌倒判定阈值。
然而，通过上述人体计测数据的输入，即可有效供予动作识别单元50及辨识单元60进行个人化之判断，进而更有效地依照各人体型及体态的不同进行相关的跌倒判断。
再者，上述所提及的人体计测数据虽可在第一次运作本系统时输入数据元中，但亦可在其他时点进行输入或以其他内建原始数据替代，故其并不限在必须在第一次运作本系统时将其输入至数据元内。
而校正单元40的校正方法是针对生理信号正规化方法与动作信号正规化方法进行校正，其实施例如下所述：生理信号正规化方法以肌电信号为例，测量到的肌电信号经滤波器去除噪声后，以一次读入二十五笔时间点数据，并以该条肌肉所有的肌电信号数据将以最大自主收缩肌电信号的平均值或标准偏差或最大值或结合前述任两者运算方式进行正规化。动作信号正规化方法以校正单元将定义出各动作传感单元在人体上代表该肢段或个体的卡式坐标三轴方向。例如将动作传感单元在使用者的前胸、下背处脊椎L1～L5处和下肢段上，并要求使用者原地自转定义出Z轴方向，水平前移定义出X轴方向，Y轴的方向由X、Z方向的叉积得到，再将叉积得到的三轴信号数据各自平方叠加开根号后，再与数据库中该动作下的平均值做比较以生成校正传感信号41。
而前述生理信号正规化方法与动作信号正规化方法所产出的校正传感信号41，将与数据库所储存的动作识别参考阈值做运算。举例来说，使用者使用装置时，动作的肌肉电信号数值与惯性传感器所撷取到的数值，经校正单元40正规化后，会与来自数据库的动作识别参考阈值做比较，若动作正规化后数值与动作A的动作识别参考阈值条件相符，则判断为动作A，此时动作正规化数值将回传在运算储存单元71中，并在运算单元70中与先前的动作A的动作识别阈值数据库做平均值标准偏差运算，得出个人化动作A的动作识别阈值，藉以作为个人化的日常动作分类判别阈值的调整。如此其得出的动作识别阈值即可传送至数据库进行储存，以利后续之用。
当校正单元40生成校正传感信号41后，则会再将校正传感信号41传送至动作识别单元50，且将动作识别阈值传送至数据库。而当动作识别单元50接收到校正传感信号41后，动作识别单元50通过三轴叠加加速度数据的标准偏差以区分校正传感信号41的动作为何，亦如将三轴叠加加速度数据的标准偏差，小于0.04g(Gravity)即归类为静态姿势(StaticPostures)。大于0.04g则归类为动态动作(Dynamic Activities)。若被归类为静态姿势，则计算X方向(上下垂直方向)加速度平均值，小于-0.50g即归类为直立(Upright)。大于-0.50g则归类为躺卧(Lying)。若在静态姿势下被归类为直立，再计算大腿前侧三轴加速规之X方向(上下垂直方向)加速度平均值，小于-0.64g即分类为静止站立(Standing)。大于-0.64g则分类为坐姿(Be Seated)。若在静态姿势下被归类为躺卧，再计算Y方向加速度平均值，小于-0.44g即分类为右侧躺(Facing Right)。大于-0.44g则进一步计算是否小于0.50g，小于0.50g即分类为仰躺(Facing Upward)。大于0.50g则分类为左侧躺(FacingLeft)。
若归类为动态动作，则先计算X方向加速度之标准偏差，若大于跑步阈值(TJ)即分类为跑步(Jogging)。若小于跑步阈值则进一步计算三轴叠加加速度之最小值，若小于个人化下楼梯阈值(TGD)即分类为下楼梯(Going Downstairs)。若大于个人化下楼梯阈值，则计算Z方向加速度之平均值，若小于个人化上楼梯阈值(TGU)，即分类为上楼梯(GoingUpstairs)，并且同样计算Y方向与Z方向叠加加速度之变异数。若大于个人化上楼梯阈值，则分类为行走(Walking)。
如此，通过上述的运算流程(如图3所示)及可分类出日常生活动作，如站立、坐下、躺下、面朝右侧躺下、面朝左侧躺下、慢跑、上/下楼梯、行走等动作。而分出日常生活动作后，动作识别单元50则会生成动作区别数据51，再将动作区别数据51传送至辨识单元60。
辨识单元60接收到动作区别数据51后，则会依下列表1的日常生活动作中行动状态值所列的平均值定义辨识单元60中跌倒判定阈值，跌倒判定阈值需小于平均值，当在行走时，行走的加速度平均值为5.92m/s2，跌倒阈值设定就须设定在5.80m/s2。因此当行走时，侦测的加速度小在5.80m/s2时，则表示跌倒发生。
表1
更进一步地，当加速度及角速度各自轴向数值平方叠加开根号后，当加速度值小于4.5m/s2特定值，且延迟约200毫秒-300毫秒后，判断角速度值大于2.9rad/s-3.6rad/s特定值后，即判别为跌倒发生，且在此加速度与角速度的综合判断下的跌倒辨识能力敏感度90％，且区别日常生活动作特异性则有94％。
请再参阅图1，跌倒传感系统10可进一步包括数据单元80、警示组件90及防护组件91，分别详述如下。
数据单元80，是搜集前述或内建原始的运算参考数据81，并传送至储存单元30或运算储存单元71以供予运算单元70进行运算。另外，动作识别单元50生成的动作区别数据51以及辨识单元60判定跌倒后的跌倒判断数据61(包括跌倒判定阈值)则会回传至运算储存单元71中以利后续运算使用。上述的数据元可为数据单元80，而上述的数据库则可为运算储存单元71。
如前所述的运算单元70是通过运算储存单元71内部所储存的运算参考数据81进行运算，以生成跌倒判定阈值，其运算储存单元71内所储存的运算参考数据81除了有使用者所生成的人体计测数据外，还可以有人体计测参考数据、不同动作的动作识别阈值、不同动作的动作识别参考阈值、跌倒判定阈值、跌倒判定参考阈值。上列所述的人体计测参考数据、动作识别参考阈值以及跌倒判定参考阈值数据则皆可为运算储存单元71内建的历史数据参考数据。上述的动作识别阈值是由校正单元40进行相关校正动作后所得的数据，进而将其数据传送至运算储存单元71内。而为提升跌倒传感系统10的能力，因此在传感单元20的传感信号21传送至储存单元30后，校正单元40所获取的传感信号21应进一步包含运算参考数据81(或将运算参考数据81包含在传感信号21内后，再传送至校正单元41进行校正)。而跌倒判定阈值则是通过辨识单元60进行相关跌倒判定阈值的建立后，再传送至运算储存单元71内，除了利于运算参考数据81的建立外，亦可供予运算单元70进行相关的运算。当动作识别单元50进行运算以区分校正传感信号41的动作时，则会进一步回传至运算单元70进行运算，运算单元70则会从运算储存单元71内所储存的运算参考数据与校正传感信号41进行运算，运算方式为校正传感信号41的平均值或平均值正负1-3倍标准偏差区间，完成运算后再回传至动作识别单元50，进以优化动作识别能力。
警示组件90，当辨识单元60判定动作区别数据51超出跌倒判定阈值而判断为跌倒时，传送信号给警示组件90，而当警示组件90接收到其信号后会立即启动达到警示与通报效果。
防护组件91，当辨识单元60判定动作区别数据51超出跌倒判定阈值而判断为跌倒时，则会传送信号给防护组件91，而当防护组件91接收到其信号后则会立即启动达到保护效果。
因此，跌倒发生时，辨识单元60可马上判断，并传输信号给防护组件91，提供使用者及时防护，同时传输信号给警示组件90，提供警示给予使用者、照护者、或通知其他救护单位等。
然而上述数据的取得则是在使用者初次装备跌倒传感系统10时，要求使用者做跑步、蹲下、跳起(或迅速站起)的动作，取各肌肉肌电信号的最大收缩平均值和惯性传感器所撷取数值的最大加速度和角速度的叠加平均值加上各自的1～3倍标准偏差做为跌倒的判断阈值，同时记录下当时使用者的行走、上下楼、坐下起立的肌电信号和惯性传感器所获得信号数据经演算后的最大值平均。尔后使用者每次穿上传感装置的时候，便会在一开始时记录使用者行走、上下楼、坐下起立的肌电信号和惯性传感器所撷取数值经演算后的最大平均值，并将该值与初次穿着时的演算后平均值相减得到差值。最后每项的差做平均得到平均比例差，使用比例差对特定使用者的跌倒判定阈值做加权调整。通常将此比例差乘以0.1至0.5后加至初始跌倒判定阈值中，以此修正后的跌倒判定阈值判别使用者是否发生跌倒。
请参阅图4，其为本发明之第二次运行的流程图，如图所示，然完成上述的流程后，此跌倒传感系统则会持续地运行判断，故当跌倒传感系统之传感单元20传感到使用者的第2次动作后，其亦会将第2次动作的传感信号21传送至储存单元30，且通过校正单元40获取储存单元30内的第2次传感信号进行校正以生成校正传感信号41，再通过动作识别单元50依据校正传感信号41以生成动作区别数据51后，藉由辨识单元60进行相关跌倒判断等。而不同的是，在运行第2次的跌倒判断时，数据单元80则不会再将运算参考数据81传送至储存单元30及运算储存单元71，但校正单元40所生成的校正动作数据41、动作识别单元50生成的动作区别数据51以及辨识单元60的跌倒判断数据61则会持续地回传至运算储存单元71内。其通过运算单元70运算动作区别数据51，可再进一步地优化动作识别能力，以保持跌倒传感系统10的判断准确性，而后其辨识单元60可再进一步通过优化后的动作识别能力判断是否有跌倒的情形发生，若有，则会传送信号给警示组件90及防护组件91或二者之一，以达到警示通报以及保护的效果。
惟，以上所述者，仅为本发明的最佳实施例，当不能以此限定本发明实施的范围。故，凡依本发明权利要求及发明说明书内容所做的简单的等效变化与修饰，皆应仍属本发明专利涵盖的范围内。
Claims (17)
1.一种以日常生活动作为判断基准之跌倒传感系统，其特征在于，包括：
传感单元，其用于传感使用者动作以生成传感信号；
校正单元，其用于与所述传感单元连接，以接收所述传感信号，所述校正单元对所述传感信号进行生理信号正规化或动作信号正规化，进而生成校正传感信号；
动作识别单元，其用于与所述校正单元连接，以接收所述校正传感信号，所述动作识别单元依据所述校正传感信号以及动作阈值设定以区分出所述使用者的动作后，据以生成动作区别数据；
辨识单元，其用于储存若干个跌倒判定阈值，所述若干个跌倒判定阈值分别对应不同的动作，所述辨识单元与所述动作识别单元连接，以接收所述动作区别数据，所述辨识单元将所述动作区别数据与对应的所述跌倒判定阈值相互比较，以判断所述使用者是否跌倒；以及
运算单元，其用于与所述动作识别单元以及所述辨识单元连接，所述运算单元根据运算参考数据运算所述动作阈值或不同动作的所述跌倒判定阈值设定，以设定所述动作识别单元的所述动作阈值设定或所述辨识单元的所述跌倒判定阈值，
其中，所述校正单元生成的所述校正传感信号、所述动作识别单元生成的所述动作区别数据以及所述辨识单元判定跌倒后的跌倒判断数据则会回传至所述运算单元中以优化动作识别能力。
2.如权利要求1所述的跌倒传感系统，其特征在于，进一步包括储存单元，连接在所述传感单元与所述校正单元之间，以储存所述传感信号，并供所述校正单元取用。
3.如权利要求1所述的跌倒传感系统，其特征在于，所述动作识别单元通过三轴叠加加速度数据的标准偏差以区分所述校正传感信号的动作。
4.如权利要求3所述的跌倒传感系统，其特征在于，所述校正单元将所述传感信号分成若干个区间，并依所述若干个区间进行校正。
5.如权利要求1所述的跌倒传感系统，其特征在于，所述生理信号正规化以量测到一条肌肉的肌电信号，经滤波器去除噪声后，一次读入若干笔时间点数据，并对所述一条肌肉所有的所述肌电信号的最大自主收缩肌电信号的平均值与标准偏差进行正规化。
6.如权利要求1所述的跌倒传感系统，其特征在于，所述动作信号正规化以各动作在人体上代表的肢段或个体的卡式坐标三轴方向的叉积，将叉积得到的三轴信号数据各自平方叠加开根号后，再与数据库中所述动作下的平均值做比较而实现。
7.如权利要求1所述的跌倒传感系统，其特征在于，进一步包括数据单元，其与所述运算单元连接，所述数据单元提供运算参考数据给所述运算单元，所述运算单元进一步根据所述运算参考数据运算所述动作阈值或不同动作的所述跌倒判定阈值设定，以设定所述动作识别单元的所述动作阈值设定或所述辨识单元的所述跌倒判定阈值。
8.如权利要求1所述的跌倒传感系统，其特征在于，进一步包含数据单元，其与储存单元连接，所述数据单元提供所述运算参考数据储存至所述储存单元并供所述校正单元利用。
9.如权利要求1所述的跌倒传感系统，其特征在于，当所述辨识单元判定所述动作为跌倒时，则传送信号给警示组件以达到警示或通报效果，或传送所述信号至防护组件以达到保护效果。
10.如权利要求2、3、4或8所述的跌倒传感系统，其特征在于，其中，当所述辨识单元判定所述动作为跌倒时，则传送信号给警示组件以达到警示或通报效果，或传送所述信号至防护组件以达到保护效果。
11.一种以日常生活动作为判断基准的跌倒传感方法，其特征在于，包括：
通过传感单元传感使用者的动作以生成传感信号；
以校正单元对所述传感信号进行生理信号正规化或动作信号正规化以生成校正传感信号；
利用动作识别单元依据所述校正传感信号以及动作阈值设定以区分出所述使用者的动作后，据以产生动作区别数据；
通过辨识单元储存若干个跌倒判定阈值，所述若干个跌倒判定阈值分别对应不同的动作，且通过所述辨识单元将所述动作区别数据与对应的所述跌倒判定阈值相互比较，以判断所述使用者是否跌倒；以及
以运算单元根据运算参考数据运算所述动作阈值设定或不同动作的所述跌倒判定阈值，以设定所述动作识别单元的所述动作阈值设定或所述辨识单元的所述跌倒判定阈值，所述校正单元生成的所述校正传感信号、所述动作识别单元生成的所述动作区别数据以及所述辨识单元判定跌倒后的跌倒判断数据则会回传至所述运算单元中以优化动作识别能力。
12.如权利要求11所述的跌倒传感方法，其特征在于，所述动作识别单元通过三轴叠加加速度数据的标准偏差以区分所述校正传感信号的动作，所述校正单元将所述传感信号分成若干个区间，并依所述若干个区间进行校正。
13.如权利要求11所述的跌倒传感方法，其特征在于，所述生理信号正规化用于测量到一条肌肉的肌电信号，经滤波器去除噪声后，一次读入若干笔时间点数据，并对该条肌肉所有的所述肌电信号的最大自主收缩肌电信号的平均值与标准偏差进行正规化。
14.如权利要求11所述的跌倒传感方法，其特征在于，所述动作信号正规化以各动作在人体上代表的肢段或个体的卡式坐标三轴方向的叉积，将叉积得到的三轴信号数据各自平方叠加开根号后，再与数据库中所述动作下的平均值做比较而实现。
15.如权利要求11所述的跌倒传感方法，其特征在于，进一步包括数据单元，其与所述运算单元连接，所述数据单元提供所述运算参考数据给所述运算单元。
16.如权利要求15所述的跌倒传感方法，其特征在于，所述数据单元与储存单元连接，所述数据单元提供所述运算参考数据储存至所述储存单元并供所述校正单元利用。
17.如权利要求12、15或16所述的跌倒传感方法，其特征在于，当所述辨识单元判定所述动作为跌倒时，则进一步包含传送信号至警示组件以达到警示或通报效果，或传送所述信号至防护组件以达到保护效果。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW107110751 | 2018-03-28 | ||
| TW107110751A TWI668674B (zh) | 2018-03-28 | 2018-03-28 | 以日常生活動作為判斷基準之跌倒感測系統及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110313917A CN110313917A (zh) | 2019-10-11 |
| CN110313917B true CN110313917B (zh) | 2022-04-26 |
Family
ID=68112604
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810444240.9A Active CN110313917B (zh) | 2018-03-28 | 2018-05-10 | 以日常生活动作为判断基准的跌倒传感系统及其方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110313917B (zh) |
| TW (1) | TWI668674B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111063162A (zh) * | 2019-12-05 | 2020-04-24 | 恒大新能源汽车科技(广东)有限公司 | 静默报警方法、装置、计算机设备和存储介质 |
| TW202135763A (zh) * | 2020-03-30 | 2021-10-01 | 緯創資通股份有限公司 | 施力輔助設備及其控制方法 |
| TWI736286B (zh) | 2020-05-26 | 2021-08-11 | 國立清華大學 | 基於步態分析的不平衡預警方法及穿戴裝置 |
| 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 |
| TWI809612B (zh) * | 2021-12-21 | 2023-07-21 | 臺中榮民總醫院 | 跌倒評估風險警示系統 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105425660A (zh) * | 2015-11-03 | 2016-03-23 | 重庆码头联智科技有限公司 | 通过惯性传感器进行人体行为判断的分析匹配工作方法 |
| CN105446461A (zh) * | 2014-06-24 | 2016-03-30 | 北京创思博德科技有限公司 | 手势识别方法及使用该方法的手掌虚拟键盘及其输入方法 |
| CN105912142A (zh) * | 2016-02-05 | 2016-08-31 | 深圳市爱康伟达智能医疗科技有限公司 | 一种基于加速传感器的记步与行为识别方法 |
| CN107378944A (zh) * | 2017-06-20 | 2017-11-24 | 东南大学 | 一种基于主成分分析法的多维表面肌电信号假手控制方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI410235B (zh) * | 2010-04-21 | 2013-10-01 | Univ Nat Chiao Tung | 日常生活與跌倒動作辨識裝置 |
| TWI556196B (zh) * | 2013-01-03 | 2016-11-01 | 國立交通大學 | 跌倒防護系統及方法 |
| TW201500033A (zh) * | 2013-06-27 | 2015-01-01 | Univ Chienkuo Technology | 三階段感應跌倒偵測裝置 |
| US9974344B2 (en) * | 2013-10-25 | 2018-05-22 | GraceFall, Inc. | Injury mitigation system and method using adaptive fall and collision detection |
| TWI518643B (zh) * | 2014-04-29 | 2016-01-21 | Chunghwa Telecom Co Ltd | Fall detection and classification of the method |
| US9640057B1 (en) * | 2015-11-23 | 2017-05-02 | MedHab, LLC | Personal fall detection system and method |
| CN105869354B (zh) * | 2016-04-29 | 2017-12-01 | 华南理工大学 | 一种基于吸引子传播算法的老人跌倒检测方法 |
-
2018
- 2018-03-28 TW TW107110751A patent/TWI668674B/zh active
- 2018-05-10 CN CN201810444240.9A patent/CN110313917B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105446461A (zh) * | 2014-06-24 | 2016-03-30 | 北京创思博德科技有限公司 | 手势识别方法及使用该方法的手掌虚拟键盘及其输入方法 |
| CN105425660A (zh) * | 2015-11-03 | 2016-03-23 | 重庆码头联智科技有限公司 | 通过惯性传感器进行人体行为判断的分析匹配工作方法 |
| CN105912142A (zh) * | 2016-02-05 | 2016-08-31 | 深圳市爱康伟达智能医疗科技有限公司 | 一种基于加速传感器的记步与行为识别方法 |
| CN107378944A (zh) * | 2017-06-20 | 2017-11-24 | 东南大学 | 一种基于主成分分析法的多维表面肌电信号假手控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110313917A (zh) | 2019-10-11 |
| TW201942885A (zh) | 2019-11-01 |
| TWI668674B (zh) | 2019-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110313917B (zh) | 以日常生活动作为判断基准的跌倒传感系统及其方法 | |
| US10925518B1 (en) | Fall detection and fall risk detection systems and methods | |
| JP5674766B2 (ja) | 着用位置を検出するためのセンシングデバイス | |
| Lugade et al. | Validity of using tri-axial accelerometers to measure human movement—Part I: Posture and movement detection | |
| US9165113B2 (en) | System and method for quantitative assessment of frailty | |
| US20140100487A1 (en) | Computerized Systems and Methods for Stability-Theoretic Prediction and Prevention of Falls | |
| EP2687157A2 (en) | Quantitative falls risk assessment through inertial sensors and pressure sensitive platform | |
| Mostarac et al. | System for monitoring and fall detection of patients using mobile 3-axis accelerometers sensors | |
| Jacob et al. | A fall detection study on the sensors placement location and a rule-based multi-thresholds algorithm using both accelerometer and gyroscopes | |
| Jatesiktat et al. | An elderly fall detection using a wrist-worn accelerometer and barometer | |
| KR20180051280A (ko) | 낙상 방지용 웨어러블 디바이스 및 이를 이용한 낙상 위험 관리 시스템 | |
| WO2017190965A1 (en) | A method and apparatus for verifying whether to change a determined wearing status of a device | |
| Srinivasan et al. | Towards automatic detection of falls using wireless sensors | |
| US10980446B2 (en) | Apparatus and method for determining a sedentary state of a subject | |
| CN111387990A (zh) | 一种脑卒中偏瘫患者用离床预警系统 | |
| de la Guia Solaz et al. | Real-time low-energy fall detection algorithm with a Programmable Truncated MAC | |
| Jantaraprim et al. | Fall detection for the elderly using a support vector machine | |
| Li et al. | A wearable sit-to-stand detection system based on angle tracking and lower limb EMG | |
| Jeon et al. | Implementation of the personal emergency response system using a 3-axial accelerometer | |
| Sun et al. | Wearable fall detection system using barometric pressure sensors and machine learning | |
| KR101443861B1 (ko) | 움직임 감지를 통한 운동마비 조기 감지장치 | |
| Ng et al. | Sensing and documentation of body position during ambulatory ECG monitoring | |
| Sabelman et al. | Accelerometric activity identification for remote assessment of quality of movement | |
| Parvathi | Gait Disturbances in Geriatric Patients based on Activity Recognition and Footstep Monitoring | |
| Almeida | Investigating suitable strategies to detect the lack of balance due to different external perturbations based on wearable sensors |
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 |