CN110335443B - 一种人体智能防护方法 - Google Patents
一种人体智能防护方法 Download PDFInfo
- Publication number
- CN110335443B CN110335443B CN201910595351.4A CN201910595351A CN110335443B CN 110335443 B CN110335443 B CN 110335443B CN 201910595351 A CN201910595351 A CN 201910595351A CN 110335443 B CN110335443 B CN 110335443B
- Authority
- CN
- China
- Prior art keywords
- data
- human body
- value
- theta
- early warning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000003068 static effect Effects 0.000 claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 230000002441 reversible effect Effects 0.000 claims abstract description 11
- 230000002427 irreversible effect Effects 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims abstract description 4
- 230000001133 acceleration Effects 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 5
- 230000002829 reductive effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000001681 protective effect Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 2
- 238000011897 real-time detection Methods 0.000 claims 1
- 230000006378 damage Effects 0.000 description 5
- 208000027418 Wounds and injury Diseases 0.000 description 4
- 208000014674 injury Diseases 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 210000004394 hip joint Anatomy 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 206010061225 Limb injury Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 210000001981 hip bone Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
- A41D13/00—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches
- A41D13/015—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches with shock-absorbing means
- A41D13/018—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches with shock-absorbing means inflatable automatically
-
- 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
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Physical Education & Sports Medicine (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明涉及一种人体智能防护方法,包括如下步骤:步骤1:传感器、CPU收集初始静态数据并传主控CPU模块静态初值;步骤2:收集人体运动瞬时姿态数据并按时序优化处理预存储;步骤3:预处理的有效数据传递到主控CPU模块等待进一步优化运算处理;步骤4:初始判定是否发生跌倒可逆初态;步骤5:主控CPU模块优化算法处理程序;步骤6:判定是否发生跌倒不可逆;步骤7:延时循环等待中,要排除误动;步骤8:发出预警信号;步骤9:驱动气装置产气,充满保护气囊,本发明对于真实跌倒动作的检测和识别的精确率很高,而且识别及时,可以很好的起到摔倒防护的作用。
Description
技术领域
本发明涉及一种人体智能防护方法,属于智能设备技术领域。
背景技术
随着我国人口老龄化的加剧,老年人口越来越多,老年人摔倒是人体伤害的最重的一种形式,其发生率高、后果严重,会造成严重的肢体伤害,若伤到骨骼尤其是髋骨则使人站不起来,卧床久使人弱化失能,所以人体摔倒落地前提供缓冲防护,避免或减轻对骨骼的伤害是很重要的。
现有技术多为跌倒后的检测报警,而且保护范围很小,仅仅局限于局部地方,无法从根本上减轻或避免对骨骼的伤害。另外,现有技术对于真实跌倒动作的检测和识别的误判率很高,而且识别的较晚,以致于没有起到摔倒防护的实质性作用。
发明内容
本发明要解决的技术问题是针对以上不足,提供一种人体智能防护方法,对于真实跌倒动作的检测和识别的精确率很高,而且识别及时,可以很好的起到摔倒防护的作用。
为解决以上技术问题,本发明采用以下技术方案:一种人体智能防护方法,其特征在于:包括如下步骤:
步骤1:系统上电,传感器、CPU收集初始静态数据并传主控CPU模块静态初值;
步骤2:收集人体运动瞬时姿态数据并按时序优化处理预存储;
步骤3:预处理的有效数据传递到主控CPU模块等待进一步优化运算处理;
步骤4:初始判定是否发生跌倒可逆初态;
步骤5:主控CPU模块优化算法处理程序,处理好各种判定跌倒发生所需时序系列数据、瞬时数据被采用;
步骤6:判定是否发生跌倒不可逆;
步骤7:延时循环等待中,要排除误动:区别出躺倒和下蹲,躺倒和下蹲各阈值可调;
步骤8:发出预警信号;
步骤9:驱动气装置产气,充满保护气囊。
作为上述技术方案的进一步改进:
还包括求助步骤,进入步骤8后延时一段时间若无人为干预复位预警信号则进入求助步骤:
进入步骤8后60秒无人为干预复位预警信号则发出求助亲属信号,近鸣声、远电话,若有复位则为不求助;
进入步骤8后120秒无人为干预复位预警信号,则报120,GPRS定位请求发救护车信号。
在步骤1,初始静态判定:传感器收集人体直立静态时初始状态数据,为启动防摔倒预警系统处理的优先初始基础条件,当达到这个静态初始条件后且能保持0.2-0.5秒后,主控CPU认定人体正确穿戴配置设备完毕,启动主控CPU模块控制系统进入防跌倒预警运算程序。
在步骤2,优化处理加速度计和陀螺仪的传感器数据:
优化处理加速度计传感器数据:合加速度大小A值、Ax、Ay、Az为X、Y、Z轴分量值大小
(Ax、Ay、Az是X、Y、Z轴的A矢量投影)
优化陀螺仪传感器数据:陀螺仪检测X、Y、Z轴的旋转速度,经积分处理控制算法,优化融合排除干扰数据后,得到人体的有效数据姿态角,并按时序存储载体的姿态角,预处理后角速度再优化处理作姿态角辅助判定用。
在步骤3,预处理有效数据,将加速度矢量合成为合加速度a并优化处理后备用;
主控CPU模块优化算法:
前提条件:初始静态完成;
人体正常运动判定:检测倾角Zθ循环,这时倾角数据Zθ取30ms平均值作有效值作有效值参与判定人体姿态,按时序保存倾角Zθ有效值;
重力加速度Z轴分量大小Az和方向Z轴合加速度幅值大小A,运动姿态实时检测到的人体轴线与直立时轴线的倾角数据处理好并按时序存放指定区域;
预警判定优化处理:将采集数据按时序优化处理以减少或排除个别误动作情况。
在步骤4,如果倾角Zθ有效值小于25度,辅助重力加速度Z轴分量大于0.8g,同时,这段计时超200ms,判定为锻炼状态,可逆返回步骤3,否则进入步骤5,可逆疑似跌倒过程的数据处理。
在步骤5,处理可逆疑似跌倒过程中数据时,采用时序、瞬时数据调用结合平均有效值处理相关数据,计时数据开始参与运算判定,这时倾角数据Zθ取瞬时值参与判定人体姿态数据处理,CPU循环进行人体姿态的跌倒预警判定,并结合时序数据排除误动作,最终确认是否发生跌倒不可逆事件;所需时序系列数据参考人体瞬时姿态轴线与人体直立静态轴线方向的倾角阈值,进行优化处理,然后进入步骤6。
在步骤6,若瞬时值倾角Zθ大于35-40度不可逆,则进入步骤7,否则进入步骤4。
在步骤7,根据时序数据,从计时开始这段时间过程中,据角速度、加速度阀值,区别出主动有序躺倒动作,辅助算法用Z轴方向加速度矢量幅值或合成加速度矢量幅值与优化的对应阈值比较处理,区别出人为主动躺倒、人为主动下蹲动作;若用时50ms内Az轴加速度跨快速减小0.3g,倾角Zθ瞬时值小于45度为下蹲;用时大于100ms,Az轴加速度值大于0.4g,可定为主动躺倒,然后进入步骤8。
在步骤8,发出预警信号:瞬时值倾角Zθ为40度作优化阈值主判定;并用时间段和合成加速度阈值辅助判定;
如果是大于阈值40度,发出预警信号;发出预警信号10秒后进入步骤9;
如果没有大于阈值40度,进入步骤4,返回循环判定:若躺倒则需重新检测初始静态直立,启动循环检测,否则进入循环检测判定中。
本发明采用以上技术方案后,与现有技术相比,具有以下优点:本发明对于真实跌倒动作的检测和识别的精确率很高,而且识别及时,可以很好的起到摔倒防护的作用,当使用者即将摔倒时,摔倒检测主控模块快速计算并通过有线或无线通信输出控制信号,气囊控制模块接受信号并驱动产气装置高压气体,高压气体给气囊快速充气,整个过程在100mS内完成,气囊在人体倒地之前充气打开,且充气的气囊垫在人体髋关节及其他要保护部位下,经气囊缓冲作用使人体骨骼免受或减轻伤害。
下面结合附图和实施例对本发明进行详细说明。
附图说明
附图1是本发明实施例中一种人体智能防护方法的实现方法的流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式。
实施例,如图1所示,一种人体智能防护方法,包括如下步骤:
步骤1:系统上电,传感器、CPU收集初始静态数据并传主控CPU模块静态初值;
步骤2:收集人体运动瞬时姿态数据并按时序优化处理预存储;
步骤3:预处理的有效数据传递到主控CPU模块等待进一步优化运算处理;
步骤4:初始判定是否发生跌倒可逆初态;
步骤5:主控CPU模块优化算法处理程序,处理好各种判定跌倒发生所需时序系列数据、瞬时数据被采用;
步骤6:判定是否发生跌倒不可逆;
步骤7:延时循环等待中,要排除误动:区别出躺倒和下蹲,躺倒和下蹲各阈值可调;
步骤8:发出预警信号;
步骤9:驱动气装置产气,充满保护气囊。
步骤10:求助步骤
步骤1:系统上电,传感器、CPU收集初始静态数据并传主控CPU模块静态初值。
初始静态判定:人体静态时只做人体运动状态初态判定;系统上电后,传感器收集人体直立静态时初始状态数据(或标准的数值范围内的设定数据),为启动防摔倒预警系统处理的优先初始基础条件,当达到这个静态初始条件后且能保持0.2-0.5秒后,系统CPU才可初步认定人体正确穿戴配置设备完毕;这时人体完成运动初始状态准备并启动主控CPU模块控制系统进入防跌倒预警运算程序,然后进入步骤2。
步骤2:收集人体运动瞬时姿态数据并按时序优化处理预存储。
优化处理加速度计和陀螺仪的传感器数据:
优化处理加速度计传感器数据:合加速度大小A值、Ax、Ay、Az为X、Y、Z轴分量值大小
(Ax、Ay、Az是X、Y、Z轴的A矢量投影)
直立静态初始条件时:在各轴向的分量:
A是重力向量幅值;Ax=0,Ay=0,Az=1g,静态初始条件时;
优化陀螺仪传感器数据:每个陀螺仪各自负责检测相应轴的转动速度,也就是检测围绕各个轴转动的速度,三轴的陀螺仪将同时检测X、Y、Z轴的旋转;
MPU6050陀螺动态仪采集传感器的人体运动动态角速度瞬时数据
传感器MPU6050带有三个陀螺仪,每个陀螺仪各自负责检测相应轴的转动速度,也就是检测围绕各个轴转动的速度。启动收集传感器的人体运动动态瞬时角速度数据,经积分处理控制算法,优化融合排除干扰数据后,得到人体的有效数据姿态角,并按时序存储载体的姿态角,预处理后角速度再优化处理作姿态角辅助判定用,然后进入步骤3。
步骤3:预处理的有效数据传递到主控CPU模块等待进一步优化运算处理:
预处理有效数据:将加速度矢量合成为合加速度a并优化处理后备用,
主控CPU模块优化算法:
前提条件:初始静态完成:人体直静态50-500ms为自检人体姿态和传感器位置的放正准备;要求在水平面X和Y轴时,运动姿态实时检测到的人体轴线与直立时轴线的倾角数据Zθ小于10度,保持500ms循环检测后确认为初始静态完成。
人体正常运动判定:时间不限检测倾角Zθ循环,这时倾角数据Zθ取30ms平均值作有效值作有效值参与判定人体姿态,按时序保存倾角Zθ有效值。
重力加速度Z轴分量大小Az和方向Z轴合加速度幅值大小A,运动姿态实时检测到的人体轴线与直立时轴线的倾角数据处理好并按时序存放指定区域。及预警判定优化处理;将采集数据按时序优化处理以减少或排除个别误动作情况,然后进入步骤4。
步骤4:初始判定是否发生跌倒可逆初态;
如果倾角Zθ有效值小于25度,辅助重力加速度Z轴分量大于0.8g(运动但未失重状态),同时,这段计时超200ms,判定为锻炼状态,可逆返回步骤3。否则进入步骤5可逆疑似跌倒过程的数据处理;
步骤5:主控CPU模块优化算法处理程序,处理好各种判定跌倒发生所需时序系列数据、瞬时数据被采用。
处理可逆疑似跌倒过程中数据时,采用时序、瞬时数据调用结合平均有效值处理相关数据,计时数据开始参与运算判定,这时倾角数据Zθ取瞬时值参与判定人体姿态数据处理,CPU循环进行人体姿态的跌倒预警判定,并结合时序数据排除误动作,最终确认是否发生跌倒不可逆事件;所需时序系列数据参考人体瞬时姿态轴线与人体直立静态轴线方向的倾角阈值,进行优化处理,然后进入步骤6。
步骤6:判定是否发生跌倒不可逆;若瞬时值倾角Zθ大于35-40度不可逆(可调阀值),则进入步骤7,否则进入步骤4。
步骤7:延时循环等待中,要排除误动:区别出躺倒和下蹲,躺倒和下蹲各阈值可调;
根据时序数据,从计时开始这段时间过程中,据角速度、加速度阀值,区别出主动有序躺倒动作,辅助算法用Z轴方向加速度矢量幅值或合成加速度矢量幅值与优化的对应阈值比较处理,区别出人为主动躺倒、人为主动下蹲动作。若用时50ms内Az轴加速度跨快速减小0.3g,倾角Zθ瞬时值小于45度为下蹲;用时大于100ms,Az轴加速度值大于0.4g,可定为主动躺倒,然后进入步骤8。
步骤8:发出预警信号:瞬时值倾角Zθ为40度(可因人调试选定40-45度范围内一阈值)作优化阈值主判定;并用时间段和合成加速度阈值辅助判定。
如果是大于阈值40度,进入步骤9,发出预警信号;发出预警信号10秒后进入步骤11。
如果没有大于阈值40度,进入步骤4,返回循环判定:若躺倒则需重新检测初始静态直立,启动循环检测,否则进入循环检测判定中。
步骤9:驱动无线发射器发出预警信号,有线同时发出预警信号给主驱动单元,进入步骤10;
步骤10:各驱动板接收预警信号后产生驱动电流引爆产气装置产气,充满保护气囊。
步骤11:进入步骤11后60秒无人为干预复位报警则发出求助亲属信号,近鸣声、远电话,若有复位则为不求助;
预警120秒后无人为干预复位报警,则报120GPRS、北斗定位请求发救护车信号。
本发明对于真实跌倒动作的检测和识别的精确率很高,而且识别及时,可以很好的起到摔倒防护的作用,当使用者即将摔倒时,摔倒检测主控模块快速计算并通过有线或无线通信输出控制信号,气囊控制模块接受信号并驱动产气装置高压气体,高压气体给气囊快速充气,整个过程在100mS内完成,气囊在人体倒地之前充气打开,且充气的气囊垫在人体髋关节及其他要保护部位下,经气囊缓冲作用使人体骨骼免受或减轻伤害。
上述的具体实施方式只是示例性的,是为了使本领域技术人员能够更好的理解本发明内容,不应理解为是对本发明保护范围的限制,只要是根据本发明技术方案所作的改进,均落入本发明的保护范围。
Claims (4)
1.一种人体智能防护方法,其特征在于:包括如下步骤:
步骤1:系统上电,传感器收集人体直立静态时初始状态数据,并上传至主控CPU模块;
步骤2:收集人体运动瞬时姿态数据并按时序优化处理预存储;
步骤3:预处理的有效数据传递到主控CPU模块等待进一步优化运算处理;预处理有效数据,将加速度矢量合成为合加速度大小A值,并优化处理后备用;
主控CPU模块优化算法:
前提条件:初始静态完成;
人体正常运动判定:检测倾角数据Zθ循环,并实时检测保持倾角数据Zθ的时间,这时倾角数据Zθ取30ms平均值作有效值参与判定人体姿态,保持超过30ms的倾角数据Zθ为有效值,按时序保存倾角数据Zθ有效值;
合加速度Z轴分量值Az和合加速度大小A值,实时检测到运动姿态下的人体轴线与直立时轴线的倾角数据处理好并按时序存放指定区域;
预警判定优化处理:将采集数据按时序优化处理以减少或排除个别误动作情况;
步骤4:初始判定是否发生跌倒可逆初态;如果倾角数据Zθ有效值小于25度,辅助重力加速度Z轴分量大于0.8g,同时,这段计时超200ms,判定为锻炼状态,可逆返回步骤3,否则进入步骤5,可逆疑似跌倒过程的数据处理;
步骤5:主控CPU模块优化算法处理程序,处理好各种判定跌倒发生所需时序系列数据、瞬时数据被采用;处理可逆疑似跌倒过程中数据时,采用时序、瞬时数据调用结合平均有效值处理相关数据,步骤3中实时检测到保持倾角数据Zθ的计时数据开始参与运算判定,这时倾角数据Zθ取瞬时值参与判定人体姿态数据处理,主控CPU模块循环进行人体姿态的跌倒预警判定,并结合时序数据排除误动作,最终确认是否发生跌倒不可逆事件;所需时序系列数据参考人体瞬时姿态轴线与人体直立静态轴线方向的倾角阈值,进行优化处理,然后进入步骤6;
步骤6:判定是否发生跌倒不可逆;若瞬时值倾角数据Zθ大于35-40度范围内任意一设定值不可逆,则进入步骤7,否则进入步骤4;
步骤7:延时循环等待中,要排除误动:区别出躺倒和下蹲,躺倒和下蹲各阈值可调;根据时序数据,从步骤3中实时检测到保持倾角数据Zθ的计时开始到结束这段时间过程中,据角速度、加速度阀值,区别出主动有序躺倒动作,辅助算法用Z轴方向合加速度分量值或合成加速度分量值与优化的对应阈值比较处理,区别出躺倒、下蹲动作;若用时50ms内Z轴方向合加速度分量值Az快速减小0.3g,倾角数据Zθ瞬时值小于45度为下蹲;用时大于100ms,Z轴方向合加速度分量值Az大于0.4g,可定为躺倒,然后进入步骤8;
步骤8:发出预警信号;瞬时值倾角数据Zθ为40度作优化阈值主判定;并用时间段和合成加速度阈值辅助判定;
如果是大于阈值40度,发出预警信号;发出预警信号10秒后进入步骤9;
如果没有大于阈值40度,进入步骤4,返回循环判定:若躺倒则需重新检测初始静态直立,启动循环检测,否则进入循环检测判定中;
步骤9:驱动气装置产气,充满保护气囊。
2.如权利要求1所述的一种人体智能防护方法,其特征在于:还包括求助步骤,进入步骤8后延时一段时间若无人为干预复位预警信号则进入求助步骤:
进入步骤8后60秒无人为干预复位预警信号则发出求助亲属信号,近鸣声、远电话,若有复位则为不求助;
进入步骤8后120秒无人为干预复位预警信号,则报120,根据GPRS定位向救护车发送定位信号。
3.如权利要求1所述的一种人体智能防护方法,其特征在于:在步骤1,初始静态判定:传感器收集人体直立静态时初始状态数据,为启动防摔倒预警系统处理的静态初始条件,当达到这个静态初始条件后且能保持0.2-0.5秒后,主控CPU模块认定人体正确穿戴配置设备完毕,启动主控CPU模块控制系统进入防跌倒预警运算程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595351.4A CN110335443B (zh) | 2019-07-03 | 2019-07-03 | 一种人体智能防护方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595351.4A CN110335443B (zh) | 2019-07-03 | 2019-07-03 | 一种人体智能防护方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110335443A CN110335443A (zh) | 2019-10-15 |
CN110335443B true CN110335443B (zh) | 2021-07-20 |
Family
ID=68144615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910595351.4A Active CN110335443B (zh) | 2019-07-03 | 2019-07-03 | 一种人体智能防护方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110335443B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992649B (zh) * | 2019-12-18 | 2022-11-22 | 西南交通大学 | 一种用于判断行动中跌倒状态的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201352380Y (zh) * | 2009-02-23 | 2009-11-25 | 西北工业大学 | 人跌倒检测报警装置 |
CN101938556A (zh) * | 2010-08-26 | 2011-01-05 | 惠州Tcl移动通信有限公司 | 一种基于手机的摔倒监测方法及手机 |
CN103040547A (zh) * | 2012-12-24 | 2013-04-17 | 中国科学院深圳先进技术研究院 | 便携式跌倒防护装置 |
CN109064710A (zh) * | 2018-08-14 | 2018-12-21 | 东南大学 | 具有摔倒识别功能的安全防护终端及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9818281B2 (en) * | 2011-11-14 | 2017-11-14 | Vital Connect, Inc. | Method and system for fall detection of a user |
-
2019
- 2019-07-03 CN CN201910595351.4A patent/CN110335443B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201352380Y (zh) * | 2009-02-23 | 2009-11-25 | 西北工业大学 | 人跌倒检测报警装置 |
CN101938556A (zh) * | 2010-08-26 | 2011-01-05 | 惠州Tcl移动通信有限公司 | 一种基于手机的摔倒监测方法及手机 |
CN103040547A (zh) * | 2012-12-24 | 2013-04-17 | 中国科学院深圳先进技术研究院 | 便携式跌倒防护装置 |
CN109064710A (zh) * | 2018-08-14 | 2018-12-21 | 东南大学 | 具有摔倒识别功能的安全防护终端及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110335443A (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106473265B (zh) | 一种智能跌倒监护t恤及其跌倒检测算法 | |
CN103027687B (zh) | 基于3d加速度仪和陀螺仪的老年人跌倒检测报警系统 | |
CN105632101B (zh) | 一种人体防跌倒预警方法及系统 | |
CN104598896B (zh) | 基于Kinect骨架追踪的人体摔倒自动检测方法 | |
AU2010269846B2 (en) | Fall prevention | |
CN104504854B (zh) | 用于检测人体摔倒的报警方法 | |
CN201387660Y (zh) | 一种人体摔倒自动检测报警系统 | |
CN104000596B (zh) | 一种基于移动终端的跌倒检测方法 | |
US20080016961A1 (en) | Medical application for no-motion sensor | |
JP2017528241A (ja) | 転倒検出装置および方法 | |
CN108652637B (zh) | 一种穿戴式跌倒预测防护系统及其预测方法 | |
CN105361277B (zh) | 一种防止人摔伤的衣服及方法 | |
CN102136180A (zh) | 人体跌倒检测与报警装置 | |
Zhong et al. | A real-time pre-impact fall detection and protection system | |
CN105654666B (zh) | 基于mems传感器的老年人跌倒监测方法 | |
CN104408877A (zh) | 用于检测人体摔倒的报警系统 | |
US20080016962A1 (en) | Medical use angular rate sensor | |
US10894186B2 (en) | Real time golf swing training aid | |
CN112334965B (zh) | 具有动作检测器的体育训练辅助器 | |
US11580878B2 (en) | Real time sports motion training aid | |
CN108447225A (zh) | 一种人体跌倒检测方法及装置 | |
CN110335443B (zh) | 一种人体智能防护方法 | |
CN104297519A (zh) | 人体运动姿态识别方法和移动终端 | |
CN110279420A (zh) | 基于极限学习机的便携式跌倒检测装置及检测方法 | |
JP2002328134A (ja) | 姿勢状態及び方位の検出装置 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240108 Address after: 262500 Dongshan Industrial Park, Qingzhou, Weifang, Shandong Patentee after: SHANDONG HUACHENG HIGH-TECH ADHESIVE Co.,Ltd. Address before: 262500 Fenghuang Shandong Road, Qingzhou City, Weifang City, Shandong Province Patentee before: SHANDONG INCREATE MACHINERY Co.,Ltd. |
|
TR01 | Transfer of patent right |