CN112261221A - 一种基于智能终端的人体跌倒检测方法 - Google Patents
一种基于智能终端的人体跌倒检测方法 Download PDFInfo
- Publication number
- CN112261221A CN112261221A CN202010997408.6A CN202010997408A CN112261221A CN 112261221 A CN112261221 A CN 112261221A CN 202010997408 A CN202010997408 A CN 202010997408A CN 112261221 A CN112261221 A CN 112261221A
- Authority
- CN
- China
- Prior art keywords
- human body
- coordinate system
- detection period
- air pressure
- intelligent terminal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
- G01C5/06—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels by using barometric means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C9/00—Measuring inclination, e.g. by clinometers, by levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于智能终端的人体跌倒检测方法,属于人体跌倒检测技术领域。本发明通过计算人体倾斜角和高度变化来判断人体跌倒。对于人体倾斜角的计算,本发明通过智能手机所处的坐标系和世界坐标系之间的旋转变换来计算;本发明利用人体在行走过程中高度保持不变这一事实,在行走过程中不断计算气压值,动态校准地面和智能手机之间的气压差值,从而获得高度变化。通过以上方式实现本发明可以在复杂环境中对人体跌倒检测的准确率达到分米级别。
Description
技术领域
本发明属于跌倒检测技术领域,具体涉及一种基于携带的智能终端的人体跌倒检测技术。
背景技术
现有的跌倒检测技术可分为三类:基于视频的跌倒检测系统,基于声学的跌倒检测系统,以及基于穿戴式传感器的跌倒检测系统。
其中,基于视频的跌倒检测系统是在一定区域内安装摄像头,拍摄人体活动的画面。通过图像处理的方法,检测是否有跌倒发生;基于声学的跌倒检测系统是通过分析跌倒时的音频信号来检测;基于穿戴式传感器的跌倒检测系统,即基于穿戴设备中所设置的传感器,实现对人体活动的检测,进而检测是否发生跌倒。
基于视频的跌倒检测系统受到区域限制;基于声学的跌倒检测系统准确率相对有待提高。现有基于穿戴式传感器的跌倒检测系统的检测准确率有待于进一步提高。
本发明的发明人在实现本发明方案过程中发现,对于人体跌倒的定义,涉及到两个关键的概念:重力线(LoG)和支撑区(BoS)。重力线是地心引力线,它是从地心引力中心向下投射的垂直线。BoS是人体下面的支撑区,包括与支撑面的接触点和它们之间的面积。这些点可以是身体部位(如脚或手),也可以是身体部位的延伸部分(如主体所坐的拐杖或椅子)。
跌倒是一种生物力学事件,因为重力破坏了身体躯干在腿上的平衡。当重力线在支撑区内时,人是稳定的。当重力线在支撑区之外时,人是不稳定的,可能会跌倒。根据这一定义,对跌倒的检测需要一个与人体相关的移动坐标系统来表示和表征人体倾斜角与高度随时间的变化。
参见图1,将第i个检测周期内,一个人的身体坐标系X[b]iY[b]iZ[b]i用XiYiZi表示,其中身体坐标系X[b]iY[b]iZ[b]i是相对于身体的方位来定义的。当身体的方位改变时,坐标轴不改变。当人保持直立(例如站立和行走)时,X[b]i轴指向左侧,Y[b]i轴指向头部,Z[b]i轴指向身体前部外侧。三个坐标轴同时任取两个,形成三个解析平面,分别是纵分面(左右)、横轴面(头尾)和冠状面(前后)。
当一个人在检测周期i和j分别站立和跌倒时(参考图1),其身体会倾斜并转换到一个新的坐标系,图1中所示的XjYjZj,即X[b]jY[b]jZ[b]j,通过旋转坐标轴X[b]iY[b]iZ[b]i得到。Y[b]j轴与X[b]i轴、Y[b]i轴和Z[b]i轴之间的倾斜角表示身体的相对运动方向为左/右、上/下和前/后倾斜。倾斜角估计可以用于区分不同类型的跌倒,如滑倒和绊倒。另一个重要的观察是,相对于地板的高度(设备高度)从hi变化到hj,即高度变化值为hj/i。测量高度可以用于识别不同类型的状态,比如躺在床上或地板上。因此,可以基于人体携带的智能终端实现对人体倾斜角与高度的检测来实现人体跌倒检测处理,进一步提升跌倒检测的检测性能。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种能实现精确以及精细化跌倒类型的人体跌到检测方法。
本发明的人体跌倒检测方法,包括下列步骤:
步骤1:基于人体携带的智能终端估计人体倾斜角和人体高度变化;
基于智能终端所处的设备坐标系和世界坐标系之间的旋转变换,估算人体倾斜角;
基于所采集的智能终端的气压测量值估算人体的高度变化;
步骤2:人体跌倒检测及跌倒类型判定:
若人体倾斜角和人体高度变化同时低于各自对应的跌倒阈值时,则判定人体发生跌倒;并基于人体倾斜角与各跌倒类型的阈值的匹配结果,确定跌倒类型。
进一步的,步骤1中,所述人体倾斜角包括身体的左右、上下和前后方向的倾斜角。
进一步的,步骤2中,若上下方向的倾斜角和人体高度变化分别低于各自对应的跌倒阈值时,则判定人体发生跌倒;并基于左右和前后方向的倾斜角与各跌倒类型的阈值的匹配结果,确定跌倒类型。
进一步的,步骤1中,人体倾斜角的估算处理过程具体为:
初始检测周期r的参考身体坐标系X[b]Y[b]Z[b]为检测周期r的身体坐标系X[b]rY[b] rZ[b]r,其中,X[b]轴指向身体的左侧,Y[b]轴指向身体的头部,Z[b]轴指向身体前部外侧;
在检测周期r的下一个检测周期t内,基于智能终端内置的计步传感器检测检测周期t是否为行走状态;
检测周期t为行走状态:若如果X[b]Y[b]Z[b]通过水平旋转转化为检测周期t的身体坐标系X[b]tY[b]tZ[b]t,则将X[b]Y[b]Z[b]更新为X[b]tY[b]tZ[b]t;否则,重置X[b]Y[b]Z[b]为世界坐标系X[w]Y[w]Z[w];其中,X[w]轴与设备当前位置的地面相切并大致指向东,Y[w]轴与设备当前位置的地面相切并指向磁北极,Z[w]轴指向天空并且垂直于地面;
检测周期t为非行走状态:若X[b]Y[b]Z[b]通过水平旋转转化为X[b]tY[b]tZ[b]t,则X[b]Y[b]Z[b]更新为X[b]tY[b]tZ[b]t;否则,X[b]Y[b]Z[b]保持不变;
根据当前的参考身体坐标系X[b]Y[b]Z[b]与检测周期t的身体坐标系X[b]tY[b]tZ[b]t估算人体的当前倾斜角:将轴Y[b]与X[b]t之间的倾斜角作为身体左右方向的倾斜角,将轴Y[b]与Y[b]t之间的倾斜角作为身体上下方向的倾斜角,将轴Y[b]与Z[b]t之间的倾斜角作为身体前后方向的倾斜角。
进一步的,身体的左右、上下和前后方向的倾斜角的具体估算方式为:
基于智能终端内置的旋转矢量传感器获取智能终端在当前检测周期的旋转矩阵R[d/w]r:当前检测周期的智能终端的设备坐标系相对于世界坐标系的旋转矩阵;其中,设备坐标系相对于智能终端的屏幕定义;
进一步的,本发明的人体高度变化的估算处理过程具体为:
将首次检测到人体处于行走状态时的多个气压测量值的均值作为初始行走气压pW;
将首次检测到人体处于静止状态时的多个气压测量值的均值得到静态初始气压ps;
其中,pt-1、pt分别表示在检测周期t-1、t内的气压测量值(基于智能终端内置的气压检测器测量得到),α表示平滑参数,pF表示参考地面气压(地面气压的参考值);根据估算在检测周期t的人体高度变化rD/W|t。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明利用人体随身携带的智能终端所采集的方位信息估算人体倾斜角,以及基于所采集的智能终端的气压测量值估算人体的高度变化,从而基于人体倾斜角和高度变化实现对人体发生跌倒的检测判定,并基于人体倾斜角进行不同跌倒类型的检测,有效的提升了检测的准确率及跌倒类型的精细划分;本发明通过智能终端所处的设备坐标系和世界坐标系之间的旋转变换实现对人体倾斜角的估算,同时利用人体在行走过程中所携带的智能终端的高度保持不变这一事实,通过在行走过程中不断计算智能终端的气压值,动态校准地面和智能设备之间的气压差值,从而获得人体的高度变化,以及通过大气压值初始化和动态检测人体状态(行走、静止、解锁)从而对测量值进行动态校准,提高检测精确度,进而实现可以在复杂环境中对人体跌倒检测的准确率达到分米级别。
附图说明
图1为人体倾斜与高度示意图,其中,O表示坐标原点,XiYiZi、XjYjZj分别表示第i、j个检测周期的身体坐标系,hi、hj分别表示对应的设备高度,hj/i表示高度变化。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本发明作进一步地详细描述。
本发明的基于智能终端的人体跌倒检测方法,简称SAFE。本发明的SAFE利用人体在行走过程中高度保持不变这一事实,在行走过程中不断计算气压值,动态校准地面和智能终端之间的气压差值,从而获得高度变化。通过以上方法实现本发明可以在复杂环境中对人体跌倒检测的准确率达到分米级别。
其基于下述两个限定条件:
A1、用户将智能终端(例如手机)放在衣服(如衬衫/夹克)的口袋里。本具体实施方式中,优选上半身衣服的口袋,从而达到利用躯干的角度表示胸骨相对于重力的方向。
A2、为了初始化SAFE,用户被要求将手机放在地板上并保持几秒钟不动。SAFE需要估计静止状态下加速度传感器的测量误差,测量与手机初始高度相关的地面气压,即一次初始化。从而根据基本的统计数据,可以对地面气压进行动态校准。
SAFE的基本思想是实时准确地检测出物体的基本状态,然后充分利用这些状态的约束来更新和校准测量数据,从而最终获得一个跌倒的详细特征。SAFE基于以下三种基本状态的约束和分割来识别和区分其他感兴趣的状态(如跌倒、站立和坐下):
行走是一种稳定的运动状态。身体大致保持直立,所以手机口袋的高度保持稳定。
静止是一个恒定的稳态。手机的高度保持不变,虽然高度可能是未知的。
解锁具有一定的方向性。当用户醒来或解锁手机时,手机指向与身体相同的方向。
本发明的SAFE由倾斜角估计和高度测量两部分组成。
倾斜角估计的核心是一系列的坐标变换。假设检测周期r和s的状态分别为行走和解锁,身体的姿态从第r个检测周期到第s个检测周期没有变化。SAFE采取以下步骤计算倾斜角度:
1、在第s个检测周期内,根据手机的指向确定身体的方位,在第r个检测周期内,将其对应的身体坐标系X[b]rY[b]rZ[b]r作为参考身体坐标系X[b]Y[b]Z[b];
2、在第r个检测周期内,找出手机和身体的相对方向;
3、根据身体和手机的相对方向,更新第t个检测周期(即第s个检测周期的下一个检测周期)的身体方向。
4、求出身体在r和t检测周期内身体的相对方位,计算出Y[b]与X[b]t、Y[b]t、Z[b]t的倾斜角度。
为了跟踪身体的旋转,SAFE考虑了以下两个条件对X[b]Y[b]Z[b]进行了更新:
C1.第t个检测周期为行走的状态。
与第r个检测周期一样,身体在第t个检测周期也是直立的。如果X[b]Y[b]Z[b]可以通过水平旋转转化为X[b]tY[b]tZ[b]t,则手机就在原来的口袋里。X[b]Y[b]Z[b]由X[b]rY[b]rZ[b]r更新为X[b]tY[b]tZ[b]t。否则,重置为世界坐标系X[w]Y[w]Z[w],等待下一次解锁。其中,X[w]轴是切向地面设备的当前位置,通常设定其指向方向为东,Y[w]轴是切向地面设备的当前位置,指向为磁北极,Z[w]轴指向天空,垂直于地面。
C2.第t个检测周期不是行走的状态。
如果X[b]Y[b]Z[b]可以通过水平旋转转化为X[b]tY[b]tZ[b]t,即而X[b]Y[b]Z[b]没有重置,则身体为直立。X[b]Y[b]Z[b]更新为X[b]tY[b]tZ[b]t。否则,参考身体坐标系X[b]Y[b]Z[b]将保持不变。
更新过程可以在(t+1)检测周期内继续。自动和连续的更新允许SAFE适应不同的用户习惯。
地面气压的预测与标定是高度测量的关键。当人在行走或手机静止时,SAFE连续调节地面气压,保持相对气压差。相对气压差与手机的高度直接相关。即使在高度未知的情况下,也可以通过短期测量得到。假设在检测周期u和v中的状态分别为行走和解锁。如果SAFE在第o个检测周期测量地面气压,并且o和u之间有一个很短的时间间隔tu,则检测周期u的人体高度hu(即设备高度)可以被非常准确地测量,为后续的行走提供精细的校准。由于地面气压是不断调整的,检测周期v的人体高度hv可能不如hu精确,但可以提供粗粒度校准。
本发明在实现跌倒检测处理的过程中,所涉及到的倾斜角计算和高度测量具体如下:
(1)倾斜角计算。
通过旋转矢量传感器获取智能终端相对于世界坐标系统的方向。世界坐标系统X[w]Y[w]Z[w],是智能终端所在的固定坐标系统。
在第i个检测周期中,智能终端的方向将由世界坐标系与设备坐标系X[d]iY[d]iZ[d]i(相对于智能终端屏幕定义)对齐所需的旋转来表示。类似于X[b]iY[b]iZ[b]i,设备坐标系X[d] iY[d]iZ[d]i是一个嵌入在设备中的移动坐标系统。当智能终端保持默认方向时(如手机的纵向定位),X[d]i轴是水平的,指向右边,Y[d]i轴是垂直的,指向上面,Z[d]i轴指向屏幕外表面。
给定两个坐标系X和Y,定义X/Y的符号来表示从X到Y的变换。从X[d]iY[d]iZ[d]i与X[w]Y[w]Z[w]对齐开始,第i个检测周期有三个元素旋转,RZ(θZ[d/w]i),RX(θX[d/w]i)和RY(θY[d/w]i)分别表示对于X[d]iY[d]iZ[d]i的旋转角。Tait-Bryan角(θZ[d/w]i,θX[d/w]i,θY[d/w]i)是这些元素的度量值。
例如,目标方向可以通过以下输入获得:
X[d]iY[d]iZ[d]i对于Z[w]轴的旋转角θZ[d/w]i;
X[d]iY[d]iZ[d]i对于X[w]轴的旋转角θX[d/w]i;
X[d]iY[d]iZ[d]i对于Y[w]轴的旋转角θY[d/w]i;
除非另有说明,否则SAFE将选择此默认序列。定义R[d/w]i表示第i个周期的旋转矩阵,用于描述坐标系X[d]iY[d]iZ[d]i相对于坐标系X[w]Y[w]Z[w]的旋转矩阵,其表达式为:
Android传感器框架提供了一种使用R[d/w]i计算设备方向的方法,具体如下:
倾斜角θP=arcsin(-R[d/w]i(3,2)),为绕X[w]轴的旋转角度,表示与设备屏幕平行的平面与与地面平行的平面之间的夹角;
相对于世界坐标系(s周期):首先描述和表示的是从X[b]Y[b]Z[b]到X[w]Y[w]Z[w]的旋转矩阵R[b/w]。身体和手机的水平旋转角分别为θZ[b/w]s和θZ[d/w]s。当状态为解锁状态时,θZ[b/w]s等于θZ[d/w]s,其中θZ[d/w]s如下式计算:
其中R[d/w]s(3,1)和R[d/w]s(3,3)由公式(1)得到。本发明中,θZ[b/w]s的计算不是唯一的,因为它是依赖于序列的。当状态为行走时,身体是直立的,即Y[b/w]r与Z[w]是一致的。假设r和s之间的间隔很短,那么物体的方向没有改变,所以θZ[b/w]r=θZ[b/w]s=θZ[d/w]r。设X[b]Y[b]Z[b]为X[b]rY[b]rZ[b]r,即R[b/w]=R[b/w]r。通过定义三个Tait-Bryan角R[b/w]可以用一系列旋转来表示:
身体坐标系到设备坐标系的转换(第r周期):求出从X[b]rY[b]rZ[b]r到X[d]rY[d]rZ[d]r的旋转矩阵为R[b/d]r。已知旋转向量传感器得到的R[d/w]r,可以计算R[b/d]r:
身体坐标系到世界坐标系的转换(第t周期):下一步,SAFE求出从X[b]tY[b]tZ[b]t到X[w]Y[w]Z[w]的旋转矩阵为R[b/w]t。已知旋转向量传感器得到的R[d/w]t,可以计算R[b/w]t:
身体坐标系到参考坐标系的转换(第t周期)以及倾斜角:最后,SAFE描述从X[b] tY[b]tZ[b]t到X[b]Y[b]Z[b]的旋转矩阵为R[b/b]t。因为X[b]rY[b]rZ[b]r等于X[b]Y[b]Z[b],R[b/b]t等于R[b/b]t/r,R[b/b]t/r是从X[b]tY[b]tZ[b]t到X[b]rY[b]rZ[b]r的旋转矩阵。其中R[b/w]t,R[b/w]和R[b/b]t有如下关系:
Y[b]与X[b]t,Y[b]t,Z[b]t的倾斜角可以如下计算:
(2)高度测量。
首先,要求用户将智能终端放在地面上几秒钟,以测量初始地面气压pF和加速度计误差。假设智能终端在地面上第o个检测周期,取n个样本的窗口,从而得到n个地面气压的测量值,对n个测量值取均值得到pF,pF为后续的动态校准提供了一个初始值,并且只需要测量一次。aZ[d/w]o可以用来测量高度变化,aZ[d/w]o定义如下:
随后,当手机第一次处于行走状态时,SAFE会估算初始行走气压pW。假设计步传感器检测行走状态(基于手机内置的计步传感器实现,当检测到行走,统计步数加1,否则统计步数不变)在第u个检测周期。对于一个有n个样本的窗口,pW是n个气压测量值的平均值。
其次,SAFE通过测量静态初始压力pS来检测静止状态下的手机,假设手机在第v个检测周期处于一个未知高度的桌子上。aZ[d/w]v的标准分数aa|v如下计算:
如果aa|v<3,则手机的状态为静止。对于一个有n个样本的窗口,pS是n个压力测量值的平均值。
只要手机还在原来的口袋里,行走中的pD/F就不会改变。如果手机的位置不变,静止状态下的pD/F是稳定的。令第i个检测周期内的气压测量值为pi,第i个检测周期的地面气压值pF/i可计算为:
pF/i=pi-pD/F (11)
如果既不是行走状态也不是静止状态,则平滑过程将停止,并且pF|i+1将用参考地面气压。
定义归一化压力比rD/W|i来描述行走状态下,第i个检测周期内设备高度相对于所测量的初始口袋高度的变化:
(3)跌倒检测处理。
为了实现检测跌倒,需要分别为上下倾斜角θY [b]tY[b]和高度变化rD/W|i设置适当的阈值。同时,为了区分不同类型的跌倒,本发明通过左右倾斜角θX [b]tY[b]和前后倾斜角θZ[b]tY[b]的变化与预置阈值的匹配来确认。本发明中,关于是否发生跌倒的阈值和检测跌倒类型的阈值的取值为经验预设值,例如遵循帕累托原则进行取值设置,若当前某个检测周期的上下倾斜角和高度变化同时低于对应的阈值时,判定为跌倒。例如,上下倾斜角和高度变化的阈值可以分别是0.2×π/2和0.2,若判定为跌倒,再基于每个跌倒类型所预设的跌倒类型阈值(针对左右和前后倾斜角分别设置跌倒类型阈值),根据与跌倒类型阈值的匹配结果,确定对应的跌倒类型,其中跌倒类型包括:滑到和绊倒。
本具体实施方式中,的倾斜角和高度变化的检测依赖于手机内置的加速度传感器和气压检测器,加速度和气压采样周期不同,本发明通过自定义的检测周期中所采集的对应数据实现跌倒的检测处理,即每个检测周期内都存在对应的加速度传感器值和气压检测器值。优选的,将检测周期设置为气压检测器的采样周期。
此外,本发明中,人体高度变化的检测处理还可以采用下述方式:
当前检测周期内的地面气压(p)被准确较准,则基于该气压测量值通过公式(15)转换为设备高度h:
其中,p表示当前的气压测量值,p0表示海平面的标准大气压。
再将当前的设备高度与参考设备高度的高度变化作为当前检测周期的人体高度变化。例如,将站立时所对应的设备高度作为参考设备高度。
当应用本发明方法进行人体跌倒检测时,对于手机没有放在口袋的情况,(例如位于手提或手提包),跌倒检测处理还可以可以设定一个定长观察时间检测手机是否处于静止状态,并提供手动输入选项以供用户选择是否需要提供紧急服务,例如采用Apple Watch提供的紧急服务的方式相同方式实现。一旦检测到跌倒,跌倒检测处理会首先提示用户,如果用户在一定时长内未响应,则致电或发送短信给预先指定的第三方,例如护理中心,亲戚或朋友等。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。
Claims (10)
1.人体跌倒检测方法,其特征在于,包括下列步骤:
步骤1:基于人体携带的智能终端估计人体倾斜角和人体高度变化;
基于智能终端所处的设备坐标系和世界坐标系之间的旋转变换,估算人体倾斜角;
基于所采集的智能终端的气压测量值估算人体的高度变化;
步骤2:人体跌倒检测及跌倒类型判定:
若人体倾斜角和人体高度变化同时低于各自对应的跌倒阈值时,则判定人体发生跌倒;并基于人体倾斜角与各跌倒类型的阈值的匹配结果,确定跌倒类型。
2.如权利要求1所述的方法,其特征在于,步骤1中,所述人体倾斜角包括身体的左右、上下和前后方向的倾斜角。
3.如权利要求1所述的方法,其特征在于,步骤2中,若上下方向的倾斜角和人体高度变化分别低于各自对应的跌倒阈值时,则判定人体发生跌倒;并基于左右和前后方向的倾斜角与各跌倒类型的阈值的匹配结果,确定跌倒类型。
4.如权利要求1所述的方法,其特征在于,步骤1中,人体倾斜角的估算处理过程具体为:
初始检测周期r的参考身体坐标系X[b]Y[b]Z[b]为检测周期r的身体坐标系X[b]rY[b]rZ[b]r,其中,X[b]轴指向身体的左侧,Y[b]轴指向身体的头部,Z[b]轴指向身体前部外侧;
在检测周期r的下一个检测周期t内,基于智能终端内置的计步传感器检测检测周期t是否为行走状态;
检测周期t为行走状态:若如果X[b]Y[b]Z[b]通过水平旋转转化为检测周期t的身体坐标系X[b]tY[b]tZ[b]t,则将X[b]Y[b]Z[b]更新为X[b]tY[b]tZ[b]t;否则,重置X[b]Y[b]Z[b]为世界坐标系X[w]Y[w]Z[w];其中,X[w]轴是切向设备当前位置的地面并指向东,Y[w]轴是切向设备当前位置的地面并指向磁北极,Z[w]轴指向天空并垂直于地面;
检测周期t为非行走状态:若X[b]Y[b]Z[b]通过水平旋转转化为X[b]tY[b]tZ[b]t,则X[b]Y[b]Z[b]更新为X[b]tY[b]tZ[b]t;否则,X[b]Y[b]Z[b]保持不变;
根据当前的参考身体坐标系X[b]Y[b]Z[b]与检测周期t的身体坐标系X[b]tY[b]tZ[b]t估算人体的当前倾斜角:将轴Y[b]与X[b]t之间的倾斜角作为身体左右方向的倾斜角,将轴Y[b]与Y[b]t之间的倾斜角作为身体上下方向的倾斜角,将轴Y[b]与Z[b]t之间的倾斜角作为身体前后方向的倾斜角。
7.如权利要求6所述的方法,其特征在于,参考地面气压pF为:将智能终端放置于地面,采集多个气压测量值,并将多个气压测量值的均值作为参考地面气压pF。
10.如权利要求1所述的方法,其特征在于,还包括跌倒通知处理:当检测到人体发生跌倒时,通过智能终端提示用户,若用户在一定时长内未响应,则向指定的第三方发送跌倒检测通知。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010997408.6A CN112261221B (zh) | 2020-09-21 | 2020-09-21 | 一种基于智能终端的人体跌倒检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010997408.6A CN112261221B (zh) | 2020-09-21 | 2020-09-21 | 一种基于智能终端的人体跌倒检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112261221A true CN112261221A (zh) | 2021-01-22 |
CN112261221B CN112261221B (zh) | 2021-10-26 |
Family
ID=74232653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010997408.6A Active CN112261221B (zh) | 2020-09-21 | 2020-09-21 | 一种基于智能终端的人体跌倒检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112261221B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08287214A (ja) * | 1995-04-19 | 1996-11-01 | Matsushita Electric Ind Co Ltd | 2次元センサ利用物体位置検出システム |
CN102278988A (zh) * | 2011-07-01 | 2011-12-14 | 微迈森惯性技术开发(北京)有限公司 | 一种步行定位方法与设备 |
WO2013074538A1 (en) * | 2011-11-14 | 2013-05-23 | Vital Connect, Inc. | Fall detection using sensor fusion |
CN104484977A (zh) * | 2014-11-21 | 2015-04-01 | 深圳市前海安测信息技术有限公司 | 可穿戴式人体多维度跌倒预防和检测装置及其检测方法 |
US20150276793A1 (en) * | 2014-03-26 | 2015-10-01 | Honda Motor Co., Ltd. | Upper body motion measurement system and upper body motion measurement method |
CN105277950A (zh) * | 2015-09-29 | 2016-01-27 | 西安知几天线技术有限公司 | 基于车体坐标系的激光雷达坐标转换方法 |
WO2016042498A1 (en) * | 2014-09-16 | 2016-03-24 | Hip Hope Technologies Ltd. | Fall detection device and method |
CN106530611A (zh) * | 2016-09-28 | 2017-03-22 | 北京奇虎科技有限公司 | 终端及检测人体跌倒的方法和装置 |
CN107693022A (zh) * | 2017-09-27 | 2018-02-16 | 福建工程学院 | 一种检测人体摔倒的方法及装置 |
CN111192318A (zh) * | 2018-11-15 | 2020-05-22 | 杭州海康机器人技术有限公司 | 确定无人机位置和飞行方向的方法、装置及无人机 |
-
2020
- 2020-09-21 CN CN202010997408.6A patent/CN112261221B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08287214A (ja) * | 1995-04-19 | 1996-11-01 | Matsushita Electric Ind Co Ltd | 2次元センサ利用物体位置検出システム |
CN102278988A (zh) * | 2011-07-01 | 2011-12-14 | 微迈森惯性技术开发(北京)有限公司 | 一种步行定位方法与设备 |
WO2013074538A1 (en) * | 2011-11-14 | 2013-05-23 | Vital Connect, Inc. | Fall detection using sensor fusion |
US20150276793A1 (en) * | 2014-03-26 | 2015-10-01 | Honda Motor Co., Ltd. | Upper body motion measurement system and upper body motion measurement method |
WO2016042498A1 (en) * | 2014-09-16 | 2016-03-24 | Hip Hope Technologies Ltd. | Fall detection device and method |
CN104484977A (zh) * | 2014-11-21 | 2015-04-01 | 深圳市前海安测信息技术有限公司 | 可穿戴式人体多维度跌倒预防和检测装置及其检测方法 |
CN105277950A (zh) * | 2015-09-29 | 2016-01-27 | 西安知几天线技术有限公司 | 基于车体坐标系的激光雷达坐标转换方法 |
CN106530611A (zh) * | 2016-09-28 | 2017-03-22 | 北京奇虎科技有限公司 | 终端及检测人体跌倒的方法和装置 |
CN107693022A (zh) * | 2017-09-27 | 2018-02-16 | 福建工程学院 | 一种检测人体摔倒的方法及装置 |
CN111192318A (zh) * | 2018-11-15 | 2020-05-22 | 杭州海康机器人技术有限公司 | 确定无人机位置和飞行方向的方法、装置及无人机 |
Also Published As
Publication number | Publication date |
---|---|
CN112261221B (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11382536B2 (en) | User identification by biometric monitoring device | |
RU2550934C2 (ru) | Предотвращение падения | |
Skog et al. | Zero-velocity detection—An algorithm evaluation | |
CN105589064B (zh) | Wlan位置指纹数据库快速建立和动态更新系统及方法 | |
EP2867615B1 (en) | A method of estimating the position of a device and an apparatus implementing the same | |
US11237272B2 (en) | Method and computer processing apparatus for generating data relating to a vertical structure of a built environment and detecting a floor change | |
JP5344491B2 (ja) | 動いている人の前進を測定するための方法、装置、ディスプレイ・ユニット、およびシステム | |
JP3775779B2 (ja) | 歩行航行装置およびそれを用いたナビゲーションシステム | |
EP2836791A2 (en) | Information determination in a portable electronic device carried by a user | |
CN107110654A (zh) | 定位设备和用于定位的方法 | |
KR102081245B1 (ko) | 사용자가 휴대하는 휴대용 전자 장치의 정보 결정 | |
Dadashi et al. | A Bayesian approach for pervasive estimation of breaststroke velocity using a wearable IMU | |
CN105823483B (zh) | 一种基于惯性测量单元的用户步行定位方法 | |
US11127275B2 (en) | Method and apparatus for detecting a fall by a user | |
CN110598536A (zh) | 一种基于人体骨架运动模型的跌倒检测方法及系统 | |
JP2017067735A (ja) | 測位システム | |
CN111024126A (zh) | 一种行人导航定位中的自适应零速修正方法 | |
US11778419B2 (en) | Electronic device detecting location and method thereof | |
CN108836344A (zh) | 步长步频估算方法和装置及步态检测仪 | |
CN112261221B (zh) | 一种基于智能终端的人体跌倒检测方法 | |
Chen et al. | Pedestrian positioning with physical activity classification for indoors | |
TWI579021B (zh) | 以無線訊號強度評估卡路里消耗量之分析系統及分析方法 | |
US11638556B2 (en) | Estimating caloric expenditure using heart rate model specific to motion class | |
KR101441815B1 (ko) | 운동량 측정 방법 및 장치 및 이를 이용하는 운동기구 | |
US20200072611A1 (en) | Information processing device, information processing method, information processing program, and recording medium |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Luo Jiaqing Inventor after: Liu Xiaonan Inventor after: Chen Zidie Inventor before: Luo Jiaqing Inventor before: Liu Xiaonan Inventor before: Chen Zidie |
|
CB03 | Change of inventor or designer information |