CN111183460A - 摔倒检测器和摔倒检测的改进 - Google Patents

摔倒检测器和摔倒检测的改进 Download PDF

Info

Publication number
CN111183460A
CN111183460A CN201880064915.5A CN201880064915A CN111183460A CN 111183460 A CN111183460 A CN 111183460A CN 201880064915 A CN201880064915 A CN 201880064915A CN 111183460 A CN111183460 A CN 111183460A
Authority
CN
China
Prior art keywords
data
fall
detecting
acceleration
magnitude
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
Application number
CN201880064915.5A
Other languages
English (en)
Inventor
周克明
张洪滔
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.)
August International Ltd
Original Assignee
August International 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 August International Ltd filed Critical August International Ltd
Publication of CN111183460A publication Critical patent/CN111183460A/zh
Pending legal-status Critical Current

Links

Images

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
    • G08B21/0407—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • 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
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/749—Voice-controlled interfaces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
    • 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
    • G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Psychiatry (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pulmonology (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Optics & Photonics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Emergency Alarm Devices (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种用于检测佩戴者的摔倒的腕戴式设备(1)，所述设备(1)包括：用于检测(3)所述设备或佩戴者的加速度并确定加速度大小的装置；用于确定(3)所述装置或佩戴者的角度的改变的装置；用于检测(3)和/或确定所述装置或佩戴者的陀螺幅值的装置；用于处理(2)加速度大小数据并将这样的数据与阈值进行比较以确定是否已经发生摔倒的装置；并且其中该装置还包括模糊逻辑单元(2)，用于分析角度变化和陀螺幅值，以便分类这些数据的值，从而验证是否发生摔倒。

Description

摔倒检测器和摔倒检测的改进
技术领域
本发明涉及摔倒检测和摔倒检测装置。特别地，本发明涉及用于检测佩戴者的摔倒的腕戴式设备和相关的方法。
背景技术
现有技术中的摔倒检测器主要针对在老年人和残疾人，以帮助其独立的生活。现有的摔倒检测器通常为腰戴式，头戴式或吊挂式的(于佩戴者/用户的胸部)。现有的摔倒检测器存在各种缺点，包括格昂贵的价格，难以使用和难以修复。这样的摔倒检测器除了误报频繁之外，也会受制于无法自动地通信，不能自动发送警报信息，用户也无法取消误报的信息.
发明内容
本发明旨在解决现有技术相关的的缺点。特别地，本发明的目的是提供一种带在手腕上的，改进的具有低误报率的，摔倒检测器和摔倒检测方法。
根据第一方面，本发明提供了一种用于检测佩戴者摔倒的腕戴式设备，所述设备包括：
用于检测所述装置或佩戴者的加速度并确定加速度大小；
用于确定所述装置或佩戴者的角度的改变的装置；
用于检测和/或确定所述设备或佩戴者的螺仪(角速度)幅值的装置；
用于处理加速度大小数据并将这样的数据与阈值进行比较以确定是否已经发生摔倒；并且该装置还包括模糊逻辑单元，用于分析角度变化和陀螺仪幅值，以便将数据进行分类，从而验证是否发生摔倒
优选地，包括用于处理最大加速度大小数据的装置
优选地，模糊逻辑单元用于分析的螺仪幅值的统计数据中的一个或多个，包括：最大；最小；平均；求和；和/或标准偏差.
优选地，模糊逻辑单元确定模糊逻辑输出
对于角度的变化和螺仪幅值进行低，中或高进行分类，然后：
如果模糊逻辑输出为低或中，则不触发摔倒检测警报；或者，
如果总模糊逻辑输出高，则会触发摔倒警报
优选地，模糊逻辑单元用于附加地分析包括：加速度大小的统计数据包括：最大；最小；平均；求和；和/或标准偏差.
优选地，用于检测和/或确定陀螺仪幅值的装置是陀螺仪，最优选是三轴陀螺仪
优选地，用于检测加速度的装置是加速度计并且最优选是三轴加速度计。最优选地，从加速度计求出角度的变化
可替代地，该装置可以包括惯性测量单元(IMU)，是一个加速度计和陀螺仪(一个或多个)和的组合，任选地，地磁传感器
优选地，所述设备还包括用于检测所述佩戴者的位置的装置。优选地，用于检测所述佩戴者的位置的装置是地磁传感器，或者优选地是三轴地磁传感器或卫星导航装置
优选地，还包括用于检测活动和/或心率数据的装置。进一步优选地，该装置包括用于检测血压，血氧和/或心率数据的装置。优选地，所述装置是光电容积脉搏波描记法(PPG)传感器。
优选地，所述装置还包括用于从所述佩戴者接收命令的语音识别装置
优选地，该装置还包括以下中的一个或多个：LED模块；
一个或多个用于交互的按钮；
用于振动警报的马达；和/或
用于可听警报的扬声器
优选地，所述装置另外包括用于发送摔倒检测结果的装置，优选地，自动地发送摔倒检测结果
优选地，用于发送的装置被配置为使用移动电话网络和/或短程无线技术
优选地，所述腕戴式设备被配置成使得至少一个传感器能够接触所述佩戴者的皮肤
优选地，腕戴式设备包括PPG传感器或PPG传感器等效物，将其接触佩戴者的手腕的区域中的皮肤，并进行心率和血压的测量
优选地，所述装置包括数据收集，处理和传输装置，使得该装置能够独立于智能手机或计算机等设备检测摔倒并发出警报
如本文所公开的，参照附图中的图1和/或本文公开的任何示例，一个用于检测摔倒佩戴者的装置。
根据第二方面，本发明提供了一种用于摔倒检测的方法，所述方法包括：
检测使用者的加速度并确定加速度大小；检测和/或确定所述用户的角度的变化；
检测和/或确定所述用户的陀螺仪幅值；
处理加速度幅值数据并与阈值进行比较，以确定是否已经发生了潜在的摔倒；以及
该方法还包括使用模糊逻辑来分析角度的变化和陀螺幅值，以便分类这些数据，从而验证是否发生摔倒
优选地，该方法包括处理最大加速度幅值，以便确定是否发生了潜在的摔倒。
优选地，该方法包括分析组的陀螺幅度的统计数据中的一个或多个，包括：最大；最小；平均；求和；和/或标准偏差.
优选地，该方法包括使用模糊逻辑来附加地分析组的加速度大小的统计数据中的一个或多个，包括：最大；最小；平均；求和；和/或标准偏差.
优选地，该方法还包括在摔倒事件之后所述用户的活动和/或移动幅度，并且如果移动低于阈值，则触发警报。最优选地，使用加速度大小的标准差来确定所述用户的活动和/或移动幅度。
优选地，使用陀螺仪检测和/或确定陀螺仪幅值，使用加速度传感器检测和/或确定加速度大小，用加速度计和/或来计算的角度的变化
优选地，根据接收和分析的数据，将角度变化和陀螺幅值分别分类为低，中或高，并且如果两者都是中或高，或者一个是中且另一个是高，则判定为摔倒。
进一步优选地，角度变化和陀螺仪幅值在0到100之间进行分类，其中若数值介于0到20之间则分类为低，>20到60为分类为中；>60至100分类为高。
优选地，采集实时加速度大小数据和陀螺幅值数据，并且如果加速度大小大于阈值，则存储用于后续分析的数据。进一步优选地，独立地将实时加速度大小和陀螺仪幅值分类为低，中和/或高类别，并且确定对角度变化和陀螺仪幅值通过模糊逻辑进行低，中或高的分类，然后：
如果模糊逻辑输出为低或中，则不触发摔倒检测警报，并恢复回采集实时数据；或者，
如果总模糊逻辑输出为高，则在事件之后进一步采集的加速度大小数据
最优选地，对事件之后进一步采集的加速度大小进行数据分析并计算它们的标准偏差，然后：
如果标准偏差低于阈值，触发警报；或者
如果标准偏差高于阈值，则触发任何警报，并恢复到重新收集实时数据。
优选地，所述方法包括检测所述用户的位置
优选地，所述方法包括检测所述用户的活动，血压和/或心率数据
优选地，该方法还包括触发声音和/或振动警报
优选地，该方法进一步包括发送摔倒警报，以获得援助。
优选地，该方法包括接收并作用于识别的用户的语音命令以触发或取消摔倒警报。
如本文所公开的，一种用于摔倒检测方法，参照图2至图5b中的图和/或本文公开的任何示例。
本发明还涉及一种腕带的摔倒检测装置，所述装置包括：用于检测所述设备或佩戴者的加速度的装置；
用于检测所述装置或佩戴者角度的装置；
用于处理与加速度相关的数据并计算角度变化的装置，并将这个数据与一个或多个阈值进行比较，以确定是否发生摔倒；
以及陀螺仪，其中所述腕戴式设备还包括用于检测和/或计算加速度大小的装置和用于分角度变化和最大陀螺仪幅度数据的模糊逻辑装置，以便分类所述数据的值，并且由此验证是否发生摔倒
本发明还可以涉及一种相应的方法
有利地，本发明使用改进的方法分析和/或处理多传感器输入的数据，以减少假警报的发生。本发明在触发报警前能够能够过滤掉用户的正常活动，诸如步行，跑步和坐下等动作。
有利地，如果检测到摔倒，本发明的装置能够通过短程无线技术和/或移动网络发送过发出包含用户/佩戴者的心率和位置的警告信息。
进一步，有利的，用户可以通过语音激活或取消的报警消息，从而避免误报。此外，用语音触发报警消息能够增强用户的安全性。
进一步，有利的，用户可通过按压装置按钮取消的警报消息。
有利地，由于使带在手腕上，并且不妨碍用户/穿用者的正常活动，本发明的装置很容易穿戴，比传统的腰佩式或胸部悬摔倒检测器更舒适。报警信息可以通过移动网络或通过短距离无线技术发送出去，而不依赖于智能电话。可替代地，通过使用短距离无线通信技术能够兼容大多数手机，从而使发出信息变得容易。
由于摔倒后有人们可能会躺在地上不动几秒时间，使用加速度大小的标准差阈值能否防止误报。
进一步，有利地，即使用户行在进行正常活动诸如跳跃和拍手的时候，本发明的摔倒检测算法也可以防止的误报。
进一步，有利地，使用低功耗微处理器(MCU)和优化算法使该装置能够独立计算并检测摔倒，而不依赖于计算机和智能手机等其他设备。
附图说明
本发明现在将公开的，仅作为示例，参考以下附图，其中：
图1是腕戴式摔倒检测器装置的主要部件的示意图
图2是提供用于检测和验证摔倒的方法示例的流程图；
图3是在图2的box 23a上提供进一步细节的流程图；
图4是在图3的box31上提供进一步细节的流程图；
图5a和图5b是示出如何在到模糊逻辑输出之前，分别如何计算陀螺仪幅值和角度变化的隶属度。
具体实施方式
图1，示出了摔倒检测装置1。装置1包括具有短距离无线通讯模块的微处理器2，以及相关的电源(未示出)。多个传感器作为输入与微处理器2相连，其中包括一个九轴惯性传感器3：用作三轴陀螺仪(gx,gy,gz)，三轴加速度传感器计(Ax,Ay,Az)和三轴地磁传感器(指南针)，另还包括光电容模块传感器4(PPG传感器)和语音识别模块5。按钮6和复位按钮7作为输入也与微处理器2相连；作为输出，蜂窝通信模块8(移动电话网络，诸如GSM，3G，4G，5G，NB-IoT，等)，扬声器9，天线15，驱动振动马达11的马达驱动10，以及用于驱动OLED或LED阵列14的驱动器13与微处理器2相连。振动马达11和扬声器9分别用于振动和发出声音警报。
更具体地，微处理器2是具有内置的短距离无线技术TM模块(蓝牙)的微处理器并与天线15相连，九轴惯性传感器通过SPI/I2C与微处理器2相连。软件预先安装在的微处理器2的ROM中，数据从传感器3和4输入微处理器2进行计算和处理。当检测到摔倒时，微处理器将发送指令给马达11，扬声器9和LED/OLED显示器14。此外，如果在警报发出的10秒内，用户按下取消按钮或发出语音信息'stop”(后一种情况下控制通过语音识别模块5识别)，报警消息将不会通过短距离无线技术或移动网络发出。此外，如果用户感觉不舒服，他/她以在任何时间，说'go’命令请求帮助，同样这是通过语音识别模块5实现。
在使用时，使用将装置1带在手腕上进行日常活动。作为腕带设备，装置1设计成便携的，重量轻的，不显眼的，用户带着就如同稍大号的手表一样。该装置启动后，由于程序会过滤掉产生误报的信息，用户进日常常活动时不会该触发报警信号。本发明将多个传感器输入的数据进行处理，以减少错误警报，该部分相关内容见简化版的图2.。
与微处理器2相关的数据采集模块采集来自自传感器3；4的实时数据；当摔倒(或疑似摔倒)事件发生实，加速度大小如果超过阈值，数据存储模块开始存储数据(事件发生之前的数据和之后的数据)。当数据存储模块存满数据后，数据被传送到数据分析模块。角度变化和陀螺仪最大幅值两路输入将被送到模糊逻辑单元以分析摔倒的可能性。如果模糊逻辑单元的输出是低或中时，算法将返回到开始重新收集新的数据。
然而，如果模糊逻辑单元的输出为高，则收集摔倒(或疑似摔倒)计算数据的标准差。如果标准差在阈值之上，则该算法将返回到开始并收集新的数据。然而，如果是准偏差在阈值以下时，将触发摔倒警报。本发明通过计算数据的标准偏差并与阈值比较来防止误报警，因为人们在摔倒之后通常会在地面静躺几秒。
图2为由微处理器2控制的摔倒检测装置1的算法流程图，该流程图20可以分成三个模块，第一个模块21是数据采样模块，第二模块22是数据处理模块，而第三模块23是模糊逻辑系统模块。
对于数据采样模块21，从加速度计和陀螺仪采集摔倒或疑似摔倒事件前的实时数据(框图21a)并将数据存储到(例如容量为1500的)缓存A(框图21b)中。所获得的数据是为三轴加速度Ax,Ay,Az和三轴角速度Gx，Gy，Gz。一旦采集的加速度幅值小于阈值，则进入数据处理模块22；然而，如果加速度幅值小于阈值，则返回重新开始采集实时数据(框图21a)。
对于数据处理模块22，从数据采样模块21接收的摔倒或疑似摔倒事件发生后数据存储在(例如容量1500的)缓存B(框图22a)中。在数据处理22模块下进行两组数据分析，第一组分析缓存B(款图22b)的数据并计算最大陀螺仪幅值(框图22b)，第二组分析缓存A和缓存B的数据计算角度变化(22c)，计算公式见描述文末。
对于模糊逻辑单元模块23，这里使用来自框图22b和22c的数据来进行模糊分类，其模糊逻辑输出可以是低，中或高(框图23a)。如框图23b所示，模糊逻辑的输出决定算法后续流程。如果模糊输出为高，则在事件之后几秒钟存储例如1000组加速度大小的数据，并计算其标准偏差(框图23c)。然而，如果输出不为高(即，低或中等)，则返回重新收集实时数据(框图21a)。如果模糊输出为高，上述加速度大小的标准偏差将与阈值进行比较(框图2d)。该部分算法通过检测用户的运动和/或活状况，了解使用者在摔倒之后的状态。例如，如果用户真的摔倒之后，他/她通常会会静止躺在地上一段时间，这种状态可以用来验证是否摔倒。如果标准偏差低于给定的阈值，则输出摔倒报警(框图24)。但是，如果标准偏差不低于给定阈值，则返回重新开始采集实时数据(框图21a)
在不使用模糊逻辑单元的情况下，如果算法从0到100对角度变化和陀螺幅值这两个输入进行评分，当阈值设置为50时，除非两个输入都超过这个阈值50，否则系统不会判定为摔倒。即便一个输入为49另一个输入高达99，也不会触发摔倒警报。然而，使用模糊逻辑，就可以将各种情况进行恰当地分类。
因此，在第一种实施方式中，可以根据框图23a对模糊逻辑进行简化。根据下面的表1，将角度变化和最大陀螺仪幅值的两个输入分为低，中或高三类
表1：模糊分类
Figure BDA0002438516810000081
然后根据表1中的两个输入的类别创建模糊逻辑的决策矩阵，如下表2
表2
输出 输入1＝L 输入1＝M 输入1＝H
输入2＝L L M M
输入2＝M M H H
输入2＝H M H H
例如，根据上述的决策矩阵，如果输入1是中并且输入2也是中，则总模糊逻辑输出高，此时便会触发摔倒报警。根据上表，两个输入有一个为低的时候都不会触发报警。
本领域技术人员可以理解，表1和表2提出了模糊逻辑的简单示例，然而，模糊逻辑可以有更多的输入，并且输入和决策矩阵本身的分类也可以更加复杂
通过上述方式，另一种实施方式中，根据本发明提供了更加深入的模糊逻辑分析系统，如图3，图4，图5a和图5b所示。
如图3和4所示，模糊逻辑分类23a涉及两个过程：模糊化31；和去模糊化32
Fuzzification 31itself involves two processes being:computingmemberships41and applying rules 42.
模糊化31本身包括两个过程：计算隶属度41和应用规则42
在该特定示例中，使用图5a和5b计算隶属度41，陀螺仪幅值(G)和加速度大小(A)的分为低，中，高三类。例如使用图a，对于数据点Y，低G＝0，中G＝0.5，高G＝0.5，例如使用图5b，对于数据点X，低A＝0.5，中A＝0.5，和高A＝0。两组输入输出6组隶属度。
一旦完成隶属度的计算，就可以使用如表3示例的规则输出耐火程度(FS)。
表3：规则
Figure BDA0002438516810000091
根据表3，九个规则应用于隶属度，然后提供九个相应的输出权重(OW)和九个对应的耐火程度(FS)
通过上述方式，本发明实施例提供的技术方案，包括：在第四列中，低输出的OW设置为10(但其可以在0和20之间)，中输出的OW设置为10(但其可以在20和40之间)，高输出的OW设置为10(但其可以在40和60之间)
通过上述方式，本发明实施例提供的技术方案，包括：进一步说明，可使用A和G的两个隶属度的平均值，最大值，最小值或总和值来计算FS。例如，对于规则7使用最小值计算FS，如果高A＝0.4，低G＝0.5，则FS7＝最小值(0.4,0.5)＝0.4
去模糊化32通过加权平均的方法实现的，公式如下：
Figure BDA0002438516810000101
根据该方程，在框图23a的最后一个阶段，模糊输出是确定的一个数值。接着如上文所述模糊输出进入23b进行评估。
本领域技术人员将理解，在图5a和5b中示出了线性关系；然而，这些关系是示例性的，在实践中不一定是线性的。图5a和图5b以图形方式示出这些关系，便于手动计算，然而，在实践中，都是可以自动计算出来的。此外，表3中的规则也是示例性的，实践中的规则可以有所差异。
为避免疑惑提供以下定义和方程，以便为技术人员提供参考
加速度大小是sum vector magnitude of acceleration(SVMA),公式如下
Figure BDA0002438516810000102
因此，最大加速度大小是SVMA的最大值
Gyroscope Magnitude means sum vector magnitude of gyroscope(SVMG),which is provided by:陀螺仪幅值是sum vector magnitude of gyroscope(SVMG)，公式如下
Figure BDA0002438516810000103
因此，最大陀螺仪幅值是SVMG的最大值
角度的变化是指从摔倒事件开始到结束装置的角度变化，根据下面的公式可以从加速度计获得的数据计算出角度的变化，其中Axs和AxE分别表示在摔倒事件的开始和结束处时x轴的加速度，y轴和z轴可以以此类推。另外澄清一下，在事件开始时的数据是从缓存A数据导出的，并且事件结束时的数据是从缓冲器B数据导出的
Figure BDA0002438516810000104

Claims (34)

1.用于检测佩戴者的摔倒的腕戴式设备，所述设备包括：
用于检测所述装置或佩戴者的加速度并确定加速度大小的装置；
用于确定所述装置或佩戴者的角度改变的装置；
用于检测和/或确定所述设备或佩戴者的陀螺仪幅值的装置；
用于处理加速度大小数据并将这样的数据与阈值进行比较以确定是否已经发生潜在摔倒；并且该装置还包括模糊逻辑单元，用于分析角度变化和陀螺仪幅值数据从而对这些数据分类以验证是否摔倒。
2.根据权利要求1所述的装置，其中所述模糊逻辑单元用于分析所述陀螺仪幅值的统计数据的一个或多个，包括：最大值；最小值；平均；和；和/或标准差。
3.如权利要求1或权利要求2所述的装置，其中所述模糊逻辑单元对角度变化和陀螺仪幅值数据进行低，中或高的分类，然后：
如果模糊逻辑输出为低或中，则不触发摔倒检测警报；或者，
如果总模糊逻辑输出高，则会触发摔倒警报。
4.其中所述模糊逻辑装置用于分析所述加速度大小的统计数据中的一个或多个，包括：最大值；最小值；平均；和；和/或标准差。
5.在任何前面的权利要求中要求保护的装置，其中所述用于检测和/或确定陀螺仪幅值的装置是陀螺仪。
6.在任何前面的权利要求中要求保护的装置，其中所述用于检测加速的装置是加速度计。
7.根据权利要求6所述的装置，其中，从所述加速度计导出所述角度的变化。
8.在任何前面的权利要求中要求保护的装置还包括用于检测所述佩戴者的位置的装置。
9.如权利要求8所述的装置，其中所述用于检测所述佩戴者的位置的装置是地磁传感器。
10.在任何前述权利要求中要求保护的装置还包括用于检测活动，血压，血氧和/或心率数据的装置。
11.如权利要求10所述的装置，其中所述用于检测的装置是光电容积脉搏波描记法(PPG)传感器。
12.如在任何先前权利要求中所要求的装置，还包括用于从所述佩戴者接收命令的语音识别装置。
13.在任何前面的权利要求中要求保护的装置，其中所述装置另外包括以下中的一个或多个：
LED模块
一个或多个用于交互的按键
用于振动警报的马达
和/或用于警报的扬声器。
14.在任何前面的权利要求中要求保护的装置还包括用于发送摔倒检测信号的装置。
15.如权利要求14所述的装置，其中所述用于发送的装置使用移动网络和/或短程无线技术。
16.根据权利要求1所述的装置，其中所述装置能够接触所述佩戴者的皮肤。
17.如权利要求1至16中任一项所要求保护的装置，其中所述装置包括数据收集，处理和传输装置，使得所述装置能够独立于智能手机或计算机等操作以检测摔倒并发出警报。
18.一种用于摔倒检测的方法，所述方法包括：
检测用户的加速度并确定加速度大小；检测和/或确定所述用户角度的变化；
检测和/或确定所述用户的陀螺仪幅度；
处理加速度幅值数据并与阈值进行比较，以确定是否已经发生了潜在的摔倒；以及
该方法还包括使用模糊逻辑来分析角度变化和陀螺幅度数据，以便分类这些数据进行分类，从而验证是否发生摔倒。
19.如权利要求18所述的方法，包括处理最大值加速度大小，以便确定是否已经发生了潜在的摔倒。
20.如权利要求18或权利要求19所述的方法，其中所述方法包括分析的陀螺仪幅值的统计数据中的一个或多个，包括：最大值；最小值；平均；和；和/或标准差。
21.如权利要求18至20中任一项所要求保护的方法，包括使用模糊逻辑来附加分析包括：最大值；最小值；平均；和；和/或标准差。
22.根据权利要求18至21中任一项所要求保护的方法，其中所述方法还包括在疑似摔倒事件之后检测所述用户的活动状态和/或移动状态，并且如果移动低于阈值，则触发警报。
23.如权利要求22所述的方法，所述方法包括使用加速度大小的标准差，来检测所述用户的活动状态和/或移动状态。
24.根据权利要求18至23中任一项所要求保护的方法，其中根据接收和分析的数据，将角度的变化和陀螺仪幅值分别分类为低，中或高三类。并且如果两者都是中或高，或者一个是中而另一个是高的，则验证摔倒是否已经发生。
25.如权利要求24所述的方法，包括对角度变化和陀螺幅值的变化进行分类，对其进行0至100的评分，分数为0至20为低；>20至60为中；>60至100为高。
26.如权利要求18至25中任一项所要求保护的方法，包括收集实时加速度大小和陀螺幅值数据，并且如果加速度大小大于阈值，则存储用于后续分析的数据。
27.如权利要求26所述的方法，所述方法还包括独立地执行所述方法将实时加速度大小数据和陀螺幅值数据分类为低，中和/或高类别，并对角度变化和陀螺幅值的进行的低，中或高的分类，然后：
如果模糊逻辑输出为低或中，则不触发摔倒检测警报，并恢复回采集实时数据；或者，
如果模糊逻辑输出较高，则在事件之后进一步采集的加速度大小数据。
28.如权利要求27所述的方法，还包括在事件后进一步对加速大小数据进行分析，并计算所其标准偏差，所述方法包括以下步骤：
如果标准差低于阈值，则触发报警，或者
如果标准差等于或高于阈值，则不会触发报警，此时会返回进行实时数据的采集。
29.权利要求18至28中任一项所要求的方法，包括检测所述用户的位置。
30.权利要求18至29中任一项所要求的方法，包括检测所述用户的活动，血压和/或心率数据。
31.如权利要求18至30中任一项所要求保护的方法，包括触发声音和/或振动警报。
32.如权利要求18至31中任一项所要求保护的方法，还包括发送摔倒报警的信息以用于求助。
33.如权利要求18至32中任一项所要求保护的方法，包括接收并作用于识别的用户的语音命令以触发或取消摔倒报警信息。
34.实现权利要求18至33中任一项的方法的数据载体如：磁盘，芯片，计算机，平板电脑等，或存储在任何这样的设备上的软件，该软件通过编程以实现权利要求18至33中的任一项方法。
CN201880064915.5A 2017-11-17 2018-11-16 摔倒检测器和摔倒检测的改进 Pending CN111183460A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1719075.2A GB2564167B (en) 2017-11-17 2017-11-17 Improvements in or relating to fall detectors and fall detection
GB1719075.2 2017-11-17
PCT/GB2018/053328 WO2019097248A1 (en) 2017-11-17 2018-11-16 Improvements in or relating to fall detectors and fall detection

Publications (1)

Publication Number Publication Date
CN111183460A true CN111183460A (zh) 2020-05-19

Family

ID=60805616

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880064915.5A Pending CN111183460A (zh) 2017-11-17 2018-11-16 摔倒检测器和摔倒检测的改进

Country Status (4)

Country Link
US (1) US20200367790A1 (zh)
CN (1) CN111183460A (zh)
GB (1) GB2564167B (zh)
WO (1) WO2019097248A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669569A (zh) * 2020-12-25 2021-04-16 安徽工程大学 一种老人跌倒检测报警装置及方法
CN115294729A (zh) * 2022-06-28 2022-11-04 西安中诺通讯有限公司 一种智能终端的提醒方法、装置、终端和存储介质

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223484A (zh) * 2019-05-10 2019-09-10 青岛歌尔智能传感器有限公司 一种跌倒检测方法、装置及可穿戴式设备
CN112235464B (zh) * 2019-06-28 2022-05-31 华为技术有限公司 一种基于跌倒检测的呼救方法及电子设备
CN111540168A (zh) * 2020-04-20 2020-08-14 金科龙软件科技(深圳)有限公司 一种摔倒侦测方法及设备、存储介质
EP4153046A1 (en) 2020-05-20 2023-03-29 Koninklijke Philips N.V. Fall detector incorporating physiological sensing
CN113347300A (zh) * 2021-05-31 2021-09-03 江苏爱谛科技研究院有限公司 一种用于协助听力受损人士进行助听的手机app

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101685573A (zh) * 2008-09-28 2010-03-31 深圳迈瑞生物医疗电子股份有限公司 一种针对信号的定量参数的报警触发方法及装置
US20130054180A1 (en) * 2011-08-29 2013-02-28 James R. Barfield Method and system for detecting a fall based on comparing data to criteria derived from multiple fall data sets
CN104077591A (zh) * 2013-03-27 2014-10-01 冉祥 电脑智能自动监控系统
CN104217107A (zh) * 2014-08-27 2014-12-17 华南理工大学 一种基于多传感器信息仿人机器人跌倒状态检测方法
CN105046882A (zh) * 2015-07-23 2015-11-11 浙江机电职业技术学院 摔倒检测方法以及装置
CN105051799A (zh) * 2013-03-22 2015-11-11 皇家飞利浦有限公司 用于检测跌倒的方法和跌倒检测器
CN105469546A (zh) * 2016-01-14 2016-04-06 上海大学 一种摔倒报警系统和方法
CN106203512A (zh) * 2016-07-12 2016-12-07 北京安易康科技有限公司 基于多传感器信息融合的摔倒检测方法
US20170109990A1 (en) * 2015-10-20 2017-04-20 Micron Electronics LLC Method and system for fall detection

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6160478A (en) * 1998-10-27 2000-12-12 Sarcos Lc Wireless health monitoring system
CA2486949A1 (fr) * 2004-12-09 2006-06-09 Christian Cloutier Systeme et methode pour la detection des chutes et du suivi des niveaux d'activite a distance chez des personnes en perte d'autonomie
US8773269B2 (en) * 2008-06-27 2014-07-08 Neal T. RICHARDSON Autonomous fall monitor
US20170188895A1 (en) * 2014-03-12 2017-07-06 Smart Monitor Corp System and method of body motion analytics recognition and alerting
US20150269825A1 (en) * 2014-03-20 2015-09-24 Bao Tran Patient monitoring appliance
CN104207784A (zh) * 2014-09-11 2014-12-17 青岛永通电梯工程有限公司 一种基于gprs的老人行为监控手环
US9410979B2 (en) * 2014-09-23 2016-08-09 Fitbit, Inc. Hybrid angular motion sensors
US9734690B2 (en) * 2015-04-15 2017-08-15 Nortek Security & Controls LLC System and method for activity monitoring and fall detection

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101685573A (zh) * 2008-09-28 2010-03-31 深圳迈瑞生物医疗电子股份有限公司 一种针对信号的定量参数的报警触发方法及装置
US20130054180A1 (en) * 2011-08-29 2013-02-28 James R. Barfield Method and system for detecting a fall based on comparing data to criteria derived from multiple fall data sets
CN105051799A (zh) * 2013-03-22 2015-11-11 皇家飞利浦有限公司 用于检测跌倒的方法和跌倒检测器
CN104077591A (zh) * 2013-03-27 2014-10-01 冉祥 电脑智能自动监控系统
CN104217107A (zh) * 2014-08-27 2014-12-17 华南理工大学 一种基于多传感器信息仿人机器人跌倒状态检测方法
CN105046882A (zh) * 2015-07-23 2015-11-11 浙江机电职业技术学院 摔倒检测方法以及装置
US20170109990A1 (en) * 2015-10-20 2017-04-20 Micron Electronics LLC Method and system for fall detection
CN105469546A (zh) * 2016-01-14 2016-04-06 上海大学 一种摔倒报警系统和方法
CN106203512A (zh) * 2016-07-12 2016-12-07 北京安易康科技有限公司 基于多传感器信息融合的摔倒检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张军等: "基于模糊理论的行人异常动作检测", 《模式识别与人工智能》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112669569A (zh) * 2020-12-25 2021-04-16 安徽工程大学 一种老人跌倒检测报警装置及方法
CN115294729A (zh) * 2022-06-28 2022-11-04 西安中诺通讯有限公司 一种智能终端的提醒方法、装置、终端和存储介质
CN115294729B (zh) * 2022-06-28 2023-09-26 西安中诺通讯有限公司 一种智能终端的提醒方法、装置、终端和存储介质

Also Published As

Publication number Publication date
US20200367790A1 (en) 2020-11-26
WO2019097248A1 (en) 2019-05-23
GB2564167A (en) 2019-01-09
GB201719075D0 (en) 2018-01-03
GB2564167B (en) 2019-05-22

Similar Documents

Publication Publication Date Title
CN111183460A (zh) 摔倒检测器和摔倒检测的改进
US11842615B2 (en) Detecting falls using a mobile device
EP3246888A1 (en) Paralysis detection and alarming apparatus and processing method thereof
WO2017049957A1 (zh) 智能跌倒监护装置及其处理方法
Buke et al. Healthcare algorithms by wearable inertial sensors: a survey
US7437931B2 (en) Medical application for no-motion sensor
Jian et al. A portable fall detection and alerting system based on k-NN algorithm and remote medicine
KR101797854B1 (ko) 스마트 밴드를 이용하여 낙상을 판단하는 방법 및 시스템
CN103810817A (zh) 一种穿戴式人体瘫倒检测报警装置及应用
Hsu et al. Smartphone-based fall detection algorithm using feature extraction
CN205050303U (zh) 一种智能人体瘫倒监测装置
US11045116B1 (en) Enhanced determination of cadence for control in mobile
CN107330240A (zh) 一种基于双手环传感器的智能远程特护监控系统及方法
CN104297519A (zh) 人体运动姿态识别方法和移动终端
Colon et al. Human fall detection with smartphones
Zhang et al. A novel fuzzy logic algorithm for accurate fall detection of smart wristband
Lee et al. Using a smartwatch to detect stereotyped movements in children with developmental disabilities
CN106408868A (zh) 一种便携式老年人跌倒监控预警系统及方法
Singh et al. Implementation of safety alert system for elderly people using multi-sensors
He et al. A wearable method for autonomous fall detection based on kalman filter and k-nn algorithm
US11280634B2 (en) System, method and article for counting steps using an accelerometer
He et al. Interrupt-driven fall detection system realized via a Kalman filter and kNN algorithm
CN113763682A (zh) 终端的安全告警方法、移动设备、电子设备以及存储介质
He et al. Application of Kalman filter and k-NN classifier in wearable fall detection device
Wang et al. A wearable action recognition system based on acceleration and attitude angles using real-time detection algorithm

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