CN112400191A - 跌倒检测装置、检测对象跌倒的方法以及用于实施该方法的计算机程序产品 - Google Patents
跌倒检测装置、检测对象跌倒的方法以及用于实施该方法的计算机程序产品 Download PDFInfo
- Publication number
- CN112400191A CN112400191A CN201980043568.2A CN201980043568A CN112400191A CN 112400191 A CN112400191 A CN 112400191A CN 201980043568 A CN201980043568 A CN 201980043568A CN 112400191 A CN112400191 A CN 112400191A
- Authority
- CN
- China
- Prior art keywords
- fall
- subject
- fall detection
- input
- potential
- 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
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
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
Abstract
根据一方面,提供了一种跌倒检测装置,所述跌倒检测装置包括一个或多个处理单元,所述一个或多个处理单元被配置为:获得第一输入,所述第一输入指示多种跌倒检测算法中的哪一种或多种跌倒检测算法检测到对象的潜在跌倒,其中,所述多种跌倒检测算法的每种跌倒检测算法与相应类型的跌倒相关联,并且通过分析针对所述对象的一组移动测量结果来检测相关联的类型的潜在跌倒,其中,每种相应类型的跌倒具有所述对象的相关联的初始状态;获得第二输入,所述第二输入指示潜在跌倒之前的对象的状态,其中,通过分析来自对象的环境中的一个或多个传感器的一组测量结果来确定对象的状态;将潜在跌倒之前的所述对象的所确定的状态与针对和在第一输入中所指示的任何潜在跌倒相关联的每种类型的跌倒的所述初始状态进行比较;并且如果对象的所确定的状态与在所述第一输入中所指示的任何潜在跌倒相关联的任何相应类型的跌倒的初始状态相匹配,则输出所述对象已经跌倒的指示。
Description
技术领域
本公开涉及对象跌倒的检测,并且具体涉及一种跌倒检测装置、检测对象跌倒的方法以及用于实施能够检测若干不同类型的跌倒的方法的计算机程序产品。
背景技术
随着年龄增长,身体机能会下降。人的移动能力可能受到影响,并且他们可能在保持其独立性方面经历困难。一大类困难涉及到跌倒,跌倒对于跌倒的人的健康状态可能会有灾难性后果。
跌倒每年影响到数百万人,并且造成大量伤害,特别是在老年人当中。实际上,据估计,跌倒是导致老年人死亡的前三大原因之一。跌倒被定义为身体向地面的突然、不受控并且非人为的向下位移,接着是冲击,之后身体向下保持在地面上。
个人紧急响应系统(PERS)是一种能够为对象请求帮助的系统。借助于个人帮助按钮(PHB),对象能够推动按钮以在紧急状况中召唤帮助。同样地,如果对象遭受严重跌倒(例如,他们变得迷惑,或者甚至如果他们被撞得失去意识,后果更坏),对象可能无法推动按钮,这可能意味着在很长时间内得不到帮助,特别是在对象独自生活的情况下。如果对象保持躺着很长时间,跌倒的后果会变得更严重。
因此,PHB能够包括一个或多个传感器,例如加速度计(通常是测量在三个维度上的加速度的加速度计)和气压传感器(用于测量PHB的高度、高度变化或绝对海拔),并且能够处理传感器的输出以确定对象是否经受跌倒。这种处理能够涉及通过处理由加速度计和气压传感器所生成的时间系列来推断跌倒的发生。通常,跌倒检测算法对一个或多个特征进行测试,所述特征诸如是但不限于:撞击、取向、取向变化、高度变化和垂直速度。当针对这些特征的该组计算值对于跌倒而言与对于并非跌倒的其他移动而言不同时,得到可靠的跌倒检测。在检测到跌倒时,由PHB触发警报,而无需对象按下按钮。
人们正在努力提供鲁棒的分类方法或处理算法以用于精确地检测跌倒,因为显然重要的是正确地识别对象的跌倒,从而能够提供辅助,并且应当使误报警(FA)的发生最少化(或者甚至完全防止)。因此,对自动跌倒检测算法进行优化以相对于跌倒检测概率对误警报进行折中。
然而,实现可靠跌倒检测的问题在于并非所有跌倒都是相同的,并且不同类型的跌倒能够具有不同特征。通常,对跌倒检测算法的优化意味着可靠地检测到从站姿的跌倒(即,从站立/直立姿态跌倒),但是这意味着可能会错过从更低位置或涉及复合移动的跌倒。示例包括从椅子跌倒、跌到床外、当尝试站起时跌倒或者当尝试坐下时跌倒。跌倒也能够被分阶段,因为对象不会直接跌到地面,而是例如对象沿着墙体下滑、抓住某个家具(例如,桌子、椅子、床等)或者跌到家具上。可靠跌到检测的这些问题对于使用轮椅的对象特别重要,并且当坐上或离开其轮椅时有跌倒的额外风险。
发明内容
当前的趋势是家庭或护理环境包括各种传感器,其用于监测家庭环境或者该环境中的特定物体。这些传感器越来越“互连”,因为能够将传感器测量结果或者对传感器测量结果的分析的结果通过本地网络或者通过因特网经由有线或无线连接而传送到其他设备(例如,远程服务器、中央家庭监测系统、智能电话等)。这些连接的传感器常常被称为物联网(IoT)或医学物联网(IoMT)。由于这些传感器可以监测物体在环境中的哪里,对象正在做什么(例如,对象正在使用哪个物体)等,所以传感器可以具有对跌倒检测算法(通常对对象移动的测量结果进行操作)优化跌倒监测决策有用的信息。
然而,考虑到在家庭或护理环境中会存在大量不同传感器类型,所以将难以在由PHB或其他专用跌倒检测器实施的跌倒检测算法中集成来自在环境中实际存在的传感器的测量结果。实现集成的一种方式是PHB或其他专用跌倒检测器包括发现和通信协议,其用于连接到家庭或护理环境中可用的任何可能的传感器。PHB或其他专用跌倒检测器将需要理解所有可能的配置、传感器类型、格式和协议。在这种架构配置中系统的维护和灵活性将是困难的,并且对象可能面对令人失望的体验,即在家庭环境中添加可以被用于跌倒检测的另一传感器可能是困难的,或者甚至是不可能的,因为其不受其PHB/跌倒检测器软件版本的支持。同样地,系统的这种类型的安装或设置对于老年对象(跌倒检测器的典型用户)而言将是困难的。
因此,需要一种改进的跌倒检测装置、检测对象跌倒的方法和用于实施该方法的计算机程序产品,其能够利用对象的环境中传感器获得的信息来改善跌倒检测的可靠性,并特别改进不同类型跌倒检测的可靠性。
根据第一具体方面,提供了一种跌倒检测装置,所述跌倒检测装置包括一个或多个处理单元,所述一个或多个处理单元被配置为:获得第一输入,所述第一输入指示多种跌倒检测算法中的哪一种或多种已经检测到对象的潜在跌倒,其中,所述多种跌倒检测算法中的每种跌倒检测算法与相应类型的跌倒相关联,并且通过分析针对所述对象的一组移动测量结果来检测相关联的类型的潜在跌倒,其中,每种相应类型的跌倒具有对象的相关联的初始状态;获得第二输入,所述第二输入指示潜在跌倒之前的对象的状态,其中,通过分析来自对象的环境中的一个或多个传感器的一组测量结果来确定对象的状态;将在潜在跌倒之前的所确定的所述对象的状态与针对和在第一输入中所指示的任何潜在跌倒相关联的每种类型的跌倒的所述初始状态进行比较;并且如果对象的所确定的状态与在第一输入中所指示的任何潜在跌倒相关联的任何相应类型的跌倒的初始状态相匹配,则输出所述对象已经跌倒的指示。因此,所述第一方面使得能够使用由对象的环境中的传感器获得的信息来确定由适于相应类型跌倒的一种或多种跌倒检测算法检测到的潜在跌倒是否是实际跌倒。这改善了对不同类型跌倒的检测的可靠性。
在一些实施例中,所述一个或多个处理单元还被配置为:如果所述对象的所确定的状态与针对和在第一输入中所指示的任何潜在跌倒相关联的任何相应类型的跌倒的初始状态不匹配,则确定所述对象尚未跌倒。这意味着,在对象未处于针对某种类型的跌倒已经发生的正确初始状态中的情况下,能够不考虑(与该类型跌倒相关联的)特定跌倒检测算法而识别的潜在跌倒。
在一些实施例中,所述一个或多个处理单元还被配置为:如果所述对象的所确定的状态不匹配针对与在第一输入中所指示的任何潜在跌倒相关联的任何相应类型的跌倒的初始状态,则不输出所述对象已经跌倒的指示。这意味着,除非所述对象被确定为已经跌倒,否则不向护理提供方或其他响应者提醒跌倒。
在一些实施例中,与一种类型的跌倒相关联的所述对象的初始状态包括以下中的任意一种或多种:(i)站立姿势,(ii)坐下姿势,以及(iii)躺倒姿势。
在一些实施例中,与多种跌倒检测算法相关联的相应类型的跌倒包括以下中的任意一种或多种:(i)从站立姿势跌倒,(ii)从坐下姿势跌倒,(iii)从躺倒姿势跌倒,(iv)当从坐下姿势移动到站立姿势时跌倒,(v)当从站立姿势移动到坐下姿势时跌倒,(vi)从站立姿势跌倒到家具上,(vii)对象从站立姿势沿着墙体下滑跌倒。
在一些实施例中,所述一个或多个处理单元被配置为通过以下操作获得所述第一输入:使用多种跌倒检测算法分析对象的一组移动测量结果以检测对象是否发生了与每种跌倒检测算法相关联的相应类型的潜在跌倒;并且根据使用多种跌倒检测算法分析所述一组移动测量结果的结果来形成所述第一输入。这具有以下优点:能够在相同装置中执行跌倒检测算法以及与对象的状态的比较,从而不需要单独的跌倒检测设备。在这些实施例中,所述一个或多个处理单元还能够被配置为从对象携带或穿戴的一个或多个传感器接收所述对象的一组移动测量结果。
在这些实施例中,所述一组移动测量结果能够涉及第一时间段,并且其中,所述一个或多个处理单元被配置为使用所述多种跌倒检测算法来分析所述一组移动测量结果,以检测对象是否在所述第一时间段中已经发生相关联的类型的潜在跌倒。这意味着,所述跌倒检测算法全部对相同的移动测量结果进行操作以识别相关联的类型的跌倒,即,针对不同类型的跌倒中的每种类型的跌倒来评估每组移动测量结果。
在一些实施例中,在所述多种跌倒检测算法中的每种跌倒检测算法能够包括具有用于检测相关联的类型的潜在跌倒的相应阈值或阈值集合的第一跌倒检测算法。在这些实施例中,所述第一跌倒检测算法能够包括对数似然比(LLR)表格。在这些实施例中,在所述多种跌倒检测算法中的每种跌倒检测算法都能够对应于针对第一跌倒检测算法的接收机操作特性(ROC)中的相应点。在备选实施例中,在所述多种跌倒检测算法中的每种跌倒检测算法能够包括来自所述一组移动测量结果的要分析的相应一组参数。
在备选实施例中,所述一个或多个处理单元被配置为从对象携带或穿戴的跌倒检测设备获得第一输入。这些实施例具有以下优点:跌倒检测装置能够与现有跌倒检测设备一起操作。
在一些实施例中,所述指示为跌倒提醒,并且所述指示被输出到呼叫中心或者护理提供方设备。
在一些实施例中,所述一个或多个处理单元被配置为通过以下操作获得第二输入:分析来自所述对象的环境中的一个或多个传感器的一组测量结果,以确定潜在跌倒之前的所述对象的状态;并且根据对来自所述对象的环境中的一个或多个传感器的一组测量结果的分析的结果来形成第二输入。这具有以下优点:能够在相同装置中执行状态确定以及与多种跌倒检测算法的输出的比较,从而不需要单独的监测系统。
在备选实施例中,所述一个或多个处理单元被配置为从包括所述对象的环境中的一个或多个传感器的监测系统获得第二输入。这些实施例具有以下优点:所述跌倒检测装置能够与现有监测系统一起使用。
在一些实施例中,所述对象的环境中的所述一个或多个传感器包括以下中的一种或多种:(i)用于测量对象是否正在使用一件家具的传感器;(ii)用于测量对象是否正在使用轮椅的传感器;(iii)用于测量对象是否在房间中的传感器;以及(iv)用于测量是否正在使用环境中的物体的传感器。
在一些实施例中,所述对象的所述状态包括以下中的任意一种或多种:(i)坐在椅子或床上,(ii)躺在床上,(iii)行走或站立,(iv)坐在轮椅中,(v)即将进入轮椅中。
根据第二具体方面,提供了一种检测跌倒的方法,所述方法包括:获得第一输入,所述第一输入指示多种跌倒检测算法中的哪一种或多种跌倒检测算法已经检测到所述对象的潜在跌倒,其中,所述多种跌倒检测算法的每种跌倒检测算法与相应类型的跌倒相关联,并且通过分析针对所述对象的一组移动测量结果来检测相关联的类型的潜在跌倒,其中,每种相应类型的跌倒具有所述对象的相关联的初始状态;获得第二输入,所述第二输入指示在潜在跌倒之前的所述对象的状态,其中,通过分析来自所述对象的环境中的一个或多个传感器的一组测量结果来确定所述对象的状态;将在潜在跌倒之前的所确定的所述对象的状态与针对和在所述第一输入中所指示的任何潜在跌倒相关联的每种类型的跌倒的所述初始状态进行比较;并且如果所述对象的所确定的状态与在所述第一输入中所指示的任何潜在跌倒相关联的任何相应类型的跌倒的初始状态相匹配,则输出所述对象已经跌倒的指示。因此,所述第二方面使得能够使用由所述对象的环境中的传感器获得的信息来确定适于相应类型跌倒的一种或多种跌倒检测算法检测到的潜在跌倒是否是实际跌倒。这改善了对不同类型跌倒的检测的可靠性。
在一些实施例中,所述方法还包括:如果所述对象的所确定的状态不匹配针对与在所述第一输入中所指示的任何潜在跌倒相关联的任何相应类型的跌倒的初始状态,则确定所述对象未跌倒。这意味着,在对象未处于某一类型的跌倒已经发生的正确初始状态中的情况下,能够不考虑(与该类型的跌倒相关联的)由特定跌倒检测算法识别的潜在跌倒。
在一些实施例中,如果所述对象的所确定的状态与针对和在所述第一输入中所指示的任何潜在跌倒相关联的任何相应类型的跌倒的初始状态不匹配,则不输出所述对象已经跌倒的指示。这意味着,除非所述对象已经被确定为跌倒,否则不向护理提供方或其他响应者提醒跌倒。
在一些实施例中,与一种类型的跌倒相关联的所述对象的所述初始状态包括以下中的任意一种或多种:(i)站立姿势,(ii)坐下姿势,以及(iii)躺倒姿势。
在一些实施例中,与所述多种跌倒检测算法相关联的相应类型的跌倒包括以下中的任意一种或多种:(i)从站立姿势跌倒,(ii)从坐下姿势跌倒,(iii)从躺倒姿势跌倒,(iv)当从坐下姿势移动到站立姿势时跌倒,(v)当从站立姿势移动到坐下姿势时跌倒,(vi)从站立姿势跌倒到家具上,(vii)对象从站立姿势沿着墙体下滑跌倒。
在一些实施例中,获得所述第一输入的步骤包括:使用所述多种跌倒检测算法来分析对象的一组移动测量结果以检测对象是否发生了与每种跌倒检测算法相关联的相应类型的潜在跌倒;并且根据使用所述多种跌倒检测算法对所述一组移动测量结果的分析的结果来形成所述第一输入。这具有以下优点:能够在相同装置中执行跌倒检测算法以及与所述对象的状态的比较,从而不需要单独的跌倒检测设备。在这些实施例中,所述方法还能够包括:从对象携带或穿戴的一个或多个传感器接收所述对象的一组移动测量结果。
在这些实施例中,所述一组移动测量结果能够涉及第一时间段,并且其中,分析的步骤包括使用所述多种跌倒检测算法来分析所述一组移动测量结果,以检测对象是否在所述第一时间段中已经发生相关联的类型的潜在跌倒。这意味着,所述跌倒检测算法全部对相同的移动测量结果进行操作以识别相关联的类型的跌倒,即,针对不同类型的跌倒的每种类型的跌倒来评估每组移动测量结果。
在一些实施例中,在所述多种跌倒检测算法中的每种跌倒检测算法能够包括具有用于检测相关联的类型的潜在跌倒的相应阈值或阈值集合的第一跌倒检测算法。在这些实施例中,所述第一跌倒检测算法能够包括对数似然比(LLR)表格。在这些实施例中,在所述多种跌倒检测算法中的每种跌倒检测算法都能够对应于用于第一跌倒检测算法的接收机操作特性(ROC)中的相应点。在备选实施例中,在所述多种跌倒检测算法中的每种跌倒检测算法能够包括来自所述一组移动测量结果的要分析的相应一组参数。
在备选实施例中,获得所述第一输入的步骤包括从对象携带或穿戴的跌倒检测设备来获得第一输入。这些实施例具有以下优点:所述方法能够与现有跌倒检测设备一起操作。
在一些实施例中,所述指示为跌倒提醒,并且所述指示被输出到呼叫中心或护理提供方设备。
在一些实施例中,获得所述第二输入的步骤包括:分析来自所述对象的环境中的一个或多个传感器的一组测量结果,以确定潜在跌倒之前的所述对象的状态;并且根据对来自所述对象的环境中的一个或多个传感器的一组测量结果的分析的结果来形成第二输入。这具有以下优点:能够在相同装置中执行状态确定以及与多种跌倒检测算法的输出的比较,从而不需要单独的监测系统。
在备选实施例中,获得所述第二输入的步骤包括从包括所述对象的环境中的一个或多个传感器的监测系统获得所述第二输入。这些实施例具有以下优点:所述方法能够与现有监测系统一起使用。
在一些实施例中,所述对象的环境中的所述一个或多个传感器包括以下中的一种或多种:(i)用于测量所述对象是否正在使用一件家具的传感器;(ii)用于测量所述对象是否征在使用轮椅的传感器;(iii)用于测量所述对象是否在房间中的传感器;以及(iv)用于测量是否正在使用环境中的物体的传感器。
在一些实施例中,所述对象的状态包括以下中的任意一种或多种:(i)坐在椅子或床上,(ii)躺在床上,(iii)行走或站立,(iv)坐在轮椅中,(v)即将进入轮椅中。
根据第三方面,提供了一种包括计算机可读介质的计算机程序产品,所述计算机可读介质中在其中嵌入有计算机可读代码,所述计算机可读代码被配置为使得在由适合的计算机或处理器执行时,使所述计算机或处理器执行根据第二方面或者其任何实施例的方法。
根据第四方面,提供了一种跌倒检测设备,其包括:一个或多个移动传感器,其用于测量对象的移动;一个或多个处理单元,其被配置为从所述一个或多个移动传感器接收所述对象的一组移动测量结果;使用多种跌倒检测算法来分析所述一组移动测量结果,以检测所述对象是否发生了与每种跌倒检测算法相关联的相应类型的潜在跌倒,其中,每种相应类型的跌倒具有对象的相关联的初始状态;以及根据使用所述多种跌倒检测算法对所述一组移动测量结果的分析的结果来形成第一输入;并且根据以上第一方面的跌倒检测装置。因此,在该方面中,所述跌倒检测装置或者在第一方面中定义的其功能,是由跌倒检测设备的部分或者由其来实现。
根据第五方面,提供了一种监测系统,其包括一个或多个处理单元,所述一个或多个处理单元被配置为:从对象的环境中的一个或多个传感器来接收一组测量结果;分析所述一组测量结果以确定潜在跌倒之前的所述对象的状态;并且根据对所述一组测量结果的分析的结果来形成第二输入;并且根据以上第一方面的跌倒检测装置。因此,在该方面中,所述跌倒检测装置或者第一方面中定义的其功能,是监测系统的部分或者由其来实现。
这些和其他方面将参考下文所述的(一个或多个)实施例而显而易见并得以阐明。
附图说明
现在将参考以下附图,仅以举例的方式来描述示范性实施例,在附图中:
图1是图书室了根据示范性实施例的装置的框图;并且
图2是图示了根据示范性实施例的方法的流程图。
具体实施方式
如上所述,本发明旨在利用由对象的环境中的传感器获得的信息来改善跌倒检测的可靠性,并且特别是改善对不同类型的跌倒的检测的可靠性,同时使误报警的发生最少化。
能够优化跌倒检测算法以检测不同类型的跌倒,但是这意味着其他类型的跌倒可能不会被算法可靠地检测。例如,为了可靠地检测从站姿跌倒(包括在行走时)而优化的算法可能无法可靠地检测到从椅子起身时的跌倒,因为从站立跌倒的特征特性可能不存在于对应于当尝试站起时跌倒的移动测量结果中,并且反之亦然。
因此,能够通过均针对相应类型的跌倒(例如,从站立跌倒、在尝试站起时跌倒等)而优化的若干种不同的跌倒检测算法来评估对象的移动测量结果,并且每种算法能够提供指示在移动测量结果中是否可能检测到跌倒的输出。可能是这样的情况:取决于算法的特定配置和特定移动测量结果,超过一种跌倒检测算法能够在给定时间指示跌倒。
实施不同跌倒检测算法的一种方式是使用相同的特征/参数集合(例如,撞击、高度变化、取向变化等)和相同的对数似然比(LLR)表,但是每种算法能够根据跌倒的类型为总LLR值使用不同的决策阈值。换言之,能够为每种跌倒检测算法/跌倒类型使用接收器操作特性(ROC)曲线上的不同操作点。如所周知的,能够通过ROC曲线对分类方法的可靠性进行可视化,其中,相对于误报警率来绘制检测概率,并且能够选择ROC曲线上的算法的操作点以实现所需的检测概率或误报警率。如从检测理论可知的,通过测试所谓的似然比找到了最优检测器。该比率表达了跌倒情况下给定特征值(例如,撞击的大小)的概率除以非跌倒情况下该给定特征值(即,生成相同数值但是并非跌倒的任何移动)的概率。该比率越大,观测到的事件(在本示例中为撞击)越可能是由于跌倒导致的。与(通过设计)设定阈值的比较使得检测器能够得到该事件是否为跌倒的结论。针对一定范围的特征值(在该示例中为撞击大小)的似然比通常被存储在表格中。为了容易计算,存储该比率的对数而不是比率自身。
实施不同跌倒检测算法的另一种方式是例如为适合于要检测跌倒的类型的一种或多种跌倒检测算法使用不同组的特征/参数。例如,当对象接近于或者坐在椅子(包括轮椅)中时,跌倒检测算法用于检测跌倒的一组参数可以不同于在对象行走时跌倒检测算法用于检测跌倒的一组参数。能够使用的示例性特征/参数包括计算高度变化的时间窗口、在所述事件上所需的高度变化以及跌倒与非跌倒之间的总体可能性的决策阈值。备选地或另外地,每种算法所使用的LLR表格也能够是不同的,其中,LLR表格被配合到与相关联的跌倒类型相对应的分布。例如,与用于从站姿跌倒的LLR表格相比,当从椅子跌倒时针对高度变化的LLR表格可以在更低高度变化下具有其最大可能性。类似地,撞击和/或取向LLR表格能够反映不同的对数似然值。还可能或备选地是以下情况:在不同算法之间,计算特征/参数的方式是不同的,例如,使用不同的信号处理技术。
如上所述,期望能够利用从家庭环境中的一个或多个传感器、例如作为家庭环境系统的一部分的传感器可获得的信息。因此,能够使用能够从来自(一个或多个)环境传感器的测量结果导出的对象的状态来“过滤”或“验证”任何跌倒检测算法的指示可能已经发生潜在跌倒的输出。例如,基于一组移动测量结果,为了检测跌出床外而优化的跌倒检测算法可以指出对象可能已经跌倒(其中,针对其他类型的跌倒而优化的跌倒检测算法未指出潜在跌倒),但是从(一个或多个)环境传感器导出的对象的状态可能指示对象正在房子周围行走(并且在指出潜在跌倒时,对象不在床上)。在那种情况下,能够不考虑或忽略针对跌出床外而优化的跌倒检测算法指出的潜在跌倒,因为这与(一个或多个)环境传感器提供的对象的当前状态不一致。另一方面,如果(一个或多个)环境传感器指示在检测到潜在跌倒时(和/或在该时间之前)对象在床上,那么潜在跌倒与对象的状态相一致,并且能够肯定地检测到跌倒(并且触发警报和/或发送提醒)。
在本发明的特定实施例中,由对象携带或穿戴的跌倒检测装置(例如,包括一个或多个移动传感器的个人帮助按钮(PHB))能够使用一定范围的跌倒检测算法来评估移动测量结果,其中每种算法针对给定(触发)事件(即,该组移动测量结果符合某种触发条件)决定所述事件是否是假设特定状况的跌倒(例如,从站姿跌倒、从椅子跌倒、从床上跌下等)。所述算法可以共享计算组件,即,能够由跌倒检测设备中的相同处理单元来评估所述算法。
在一些实施例中,对移动测量结果的分析的第一部分可以对于所有跌倒检测算法是公共的,其中如果满足了触发条件,则使用个体跌倒检测算法。备选地,所述分析的第一部分可以针对不同的跌倒检测算法是不同的。在任一种情况下,接收移动测量结果(例如,加速度、气压等)并且能够对测量结果运行测试以确定是否触发条件是否被满足。例如,能够测试气压是否相对于更早某个时段(例如,2秒)的气压升高了大于等价于预定高度变化(例如,50cm)的气压变化的量。基于加速度计的触发条件可以通过类似方式观测取向变化,或者观测撞击(例如,加速度计信号的范数大小超过某个阈值)。如果通过这种方式发生触发(即,满足了触发条件),则转发满足触发条件的时间附近的一段移动测量结果(即,一段移动测量信号)以用于进一步处理。通过这种方式,使用触发条件将(潜在连续的)传感器信号/测量结果转换成一系列(离散)事件。所述触发条件应当要求低复杂度和低功耗以进行评估。其应当通过所有“真正”跌倒并且通过尽可能少的“非跌倒”(尽管应当意识到,非跌倒的主要抑制是后续跌倒检测算法的任务,但是这些非跌倒事件的比率设定了跌倒检测装置的调用比率)。
在一个或多个算法判定所述事件为跌倒的情况下,每个肯定的决策(即,检测到跌倒)都能够被传送(例如,发送)到家中或护理环境中的中央控制台(下文被称为跌倒检测装置)。能够利用产生肯定的决策的算法/状况的类型(即,从站姿跌倒、从椅子跌倒、从床跌下等)来标记每个肯定的决策。
中央控制台能够被连接到事先存在的家庭或护理环境监测系统(例如,盗窃监控系统、火灾/烟雾检测系统和/或日常生活活动(ADL)监测系统)(或至少能够从其接收信息)。所述监测系统实施并且处理与家庭或护理环境中的任何环境传感器的发现和通信(由此避免对跌倒检测设备或中央控制台这样做的任何需求)。所述监测系统还能够实施并且执行算法,所述算法分析所述环境传感器测量结果以确定对象在家庭或护理环境中的状态。这种状态被提供到所述中央控制台。
所述环境传感器能够包括能够被放置在家具处或上或者与某件家具相关联的传感器,所述家具诸如是椅子、长椅、床、碗柜、淋浴、床边柜等。这些传感器能够被用于测量对象是否正在使用特定某件家具和/或在特定某件家具附近。
当所述中央控制台接收到跌倒检测设备检测到跌倒的指示以及(一种或多种)相关联的跌倒类型标记时,所述控制台测试该跌倒类型是否与由监测系统当前推断的状况相重合。如果重合,则向呼叫中心或其他帮助提供实体(例如,紧急服务)转发对象已经跌倒的警报。在一些实施方式中,如果用于检测从站姿(即,站立)跌倒的跌倒检测算法检测到潜在跌倒,则可以始终触发提醒或警报(例如,能够相对于当前状态从测试中将其排除,或者可以忽略与当前状态的不匹配)。
在本发明的另一特定实施例(其能够结合或独立于在以上特定实施例中所使用的家庭监测系统使用)中,能够提供环境传感器以检测对象何时在轮椅中和/或即将坐在轮椅中(即,能够使用所述传感器来检测对象是否站在轮椅前方)。这样的传感器的示例包括无源红外(PIR)传感器、超声波(US)传感器、基于雷达的传感器、近场通信(NFC)传感器、压力传感器(即,用于检测被施加到轮椅的部分、例如座位部分和/或把手/扶手的压力或力)、用于感测来自例如激光器或发光二极管(LED)的光传感器(例如,光电二极管)等。能够提供或使用跌倒检测算法,所述跌倒检测算法评估是否从轮椅发生了跌倒(从轮椅跌倒或者在尝试坐下时和/或从轮椅起身时跌倒)。能够将来自跌倒检测算法的肯定跌倒指示与来自与轮椅相关联的环境传感器的测量结果进行比较,并且如果对象在对应于由所述算法检测到跌倒时间的时间坐在轮椅中或接近轮椅,则检测到跌倒。
在一些实施例中,如果轮椅是电动轮椅和/或以其他方式具有电力致动的制动器(用于防止轮椅的移动),如果环境传感器检测到对象正站在轮椅前方,可以自动致动制动器以防止轮椅的移动。如果所述传感器(或者另一个)检测到对象在轮椅中坐下,则可以释放制动器(除非由对象手动地施加)。
将意识到,在一些实施方式中,所述环境传感器能够连续地或周期性地操作以监测环境/对象,在这种情况下,可以连续地或周期性地确定对象的状态。备选地,所述环境传感器能够连续地或周期性地操作以监测环境/对象,但是仅可以在需要时执行处理以确定对象的状态(例如,在从一种或多种跌倒检测算法接收到肯定跌倒指示之后)。作为另一种备选,所述环境传感器可以仅在被请求这样做时才测量所述环境/对象(例如,在从一种或多种跌倒检测算法接收到肯定跌倒指示之后)。这种备选方案减小了系统的能耗。
图1图示了能够被用于实施根据本发明的各实施例的示范性跌倒检测装置2。装置2被示为系统4的部分,系统4包括被提供以测量对象的移动的一个或多个移动传感器6以及被提供以测量对象的环境的方面的一个或多个环境传感器8。提供跌倒检测装置2以用于通过将潜在跌倒(如根据来自(一个或多个)环境传感器8的测量结果确定的)之前的对象的状态与针对和已经检测到对象的潜在跌倒(根据来自(一个或多个)移动传感器6的测量结果确定)的任何跌倒检测算法相关联的一种类型的跌倒的初始状态进行比较,并且在所述状态与初始状态之间存在匹配时输出对象已经跌倒的指示,从而检测对象是否已经跌倒。这样,跌倒检测装置2也能够被称为跌倒决策装置2,因为其对是否已经发生跌倒以及是否应当触发报警或发出提醒做出最终决策。
在一些实施例中,将来自(一个或多个)移动传感器6的测量结果提供给跌倒检测装置2,并且跌倒检测装置2使用多种跌倒检测算法分析所述移动测量结果以检测对象的潜在跌倒。在其他实施例中,(一个或多个)移动传感器6能够与跌倒检测装置2集成。在这种情况下,跌倒检测装置2能够由对象穿戴或携带,并且可以是手表、手环、项链、胸带等形式。在其他实施例中,(一个或多个)移动传感器6是单独的跌倒检测设备10(由(一个或多个)移动传感器6周围的虚线框10指示)的部分,并且跌倒检测设备10向移动测量结果应用跌倒检测算法以检测对象的潜在跌倒。跌倒检测设备10能够由对象携带或穿戴,并且例如能够包括PHB。跌倒检测设备10能够是手表、手环、项链、胸带等形式,将意识到,当存在时,跌倒检测设备10仅仅向跌倒检测装置2提供输入,指示由多种跌倒检测算法对移动测量结果的分析的结果。跌倒检测装置2基于跌倒检测算法的结果与从(一个或多个)环境传感器8确定的对象的状态的比较,来确定是否应当发出跌倒提醒。在一些备选实施例中,在本文中所描述的跌倒检测装置2的功能是跌倒检测设备10的部分或者由其来实施。在这些实施例中,跌倒检测装置2能够由对象穿戴或携带,并且可以是手表、手环、项链、胸带等形式,并且可以包括或者被连接到(一个或多个)移动传感器6。
在一些实施例中,将来自(一个或多个)移动传感器8的测量结果提供给跌倒检测装置2,并且跌倒检测装置2分析测量结果以确定对象的状态。在其他实施例中,(一个或多个)环境传感器8中的一个或多个环境传感器能够与跌倒检测装置2集成(其中,任选地,(一个或多个)其他环境传感器8与跌倒检测装置2独立)。在其他实施例中,(一个或多个)环境传感器8是监测系统12的部分(由(一个或多个)环境传感器8周围的虚线框12所指示的)。在一些备选实施例中,在本文中所描述的跌倒检测装置2的功能是监测系统12的部分或者由其来实施。
将意识到,前两段中的实施例的各种组合是可能的。例如,跌倒检测装置2能够对传感器测量结果执行所有处理(例如,使用多种跌倒检测算法对从(一个或多个)移动传感器6接收的移动测量结果的分析,以及对从(一个或多个)环境传感器8接收的环境传感器测量结果的分析(其中,(一个或多个)移动传感器6和(一个或多个)环境传感器8之一可以与跌倒检测装置2集成)以确定对象的状态),对传感器测量结果不执行任何处理(例如,跌倒检测装置2从跌倒检测设备10接收跌倒检测算法分析的结果并且从监测系统12接收对象的状态),或者对一组传感器测量结果执行处理,同时接收另一组传感器测量结果的处理的结果。在以上实施例的任意实施例中,一个或多个移动传感器6由对象携带或穿戴,并且一个或多个环境传感器8位于对象的环境中(即,其由对象穿戴或携带)。
跌倒检测装置2包括处理单元14,处理单元14控制跌倒检测装置2的操作并且其能够被配置为运行或执行在本文中所描述的方法。能够通过众多方式,利用软件和/或硬件来实现处理单元14,以执行在本文中所描述的各种功能。处理单元14可以包括一个或多个微处理器或数字信号处理器(DSP),其可以使用软件或计算机程序代码进行编程控制以执行所需功能和/或控制处理单元14的组件以实现所需的功能。处理单元14可以被实现为专用硬件的组合以执行一些功能(例如,放大器、前置放大器、模数转换器(ADC)和/或数模转换器(DAC))以及处理器(例如,一个或多个编程的微处理器、控制器、DSP和相关联的电路)以执行其他功能。可以在本公开的各实施例中采用的组件的示例包括但不限于:常规微处理器、DSP、专用集成电路(ASIC)和现场可编程门阵列(FPGA)。
处理单元14被连接到存储器单元16,存储器单元能够存储数据、信息和/或信号,以供处理单元14在控制跌倒检测装置2的操作和/或在运行或执行在本文中所描述的方法时使用。在一些实施方式中,存储器单元16存储计算机可读代码,所述计算机可读代码能够由处理单元14来运行,使得处理单元14执行一项或多项功能,包括在本文中所描述的方法。存储器单元16能够包括任何类型的非瞬态机器可读介质,诸如高速缓存或系统存储器,包括易失性和非易失性存储器,诸如随机存取存储器(RAM)、静态RAM(SRAM)、动态RAM(DRAM)、只读存储器(ROM)、可编程ROM(PROM)、可擦除PROM(EPROM)和电可擦除PROM(EEPROM),被实现为存储器芯片、光盘(诸如紧致盘(CD)、数字通用光盘(DVD)或蓝光盘)、硬盘、磁带存储方案或固态装置的形式,包括存储棒、固态驱动器(SSD)、存储卡等。
跌倒检测装置2还包括接口电路18,其用于实现通往其他设备的数据连接和/或与其他设备进行数据交换,所述其他设备包括服务器、数据库、用户设备和传感器中的任意一种或多种。所述连接可以是直接的或间接的(例如,通过因特网),并且因此接口电路18能够经由任何期望的有线或无线通信协议实现跌倒检测装置2与诸如因特网的网络之间的连接。例如,接口电路18能够使用WiFi、蓝牙、Zigbee或者任何蜂窝通信协议(包括,但不限于:全球移动通信系统(GSM)、通用移动通信系统(UMTS)、长期演进(LTE)、高级LTE等)来操作。在无线连接的情况下,接口电路18(并且因此还有跌倒检测装置2)可以包括一个或多个适当的天线,其用于通过传输介质(例如,空气)进行发射/接收。备选地,在无线连接的情况下,接口电路18可以包括模块(例如,连接器或插头)以使得接口电路18能够被连接到跌倒检测装置2外部的一个或多个适当的天线,以用于通过传输介质(例如,空气)进行发射/接收。接口电路18被连接到处理单元14。
接口电路18能够被用于从(一个或多个)移动传感器6接收移动测量结果,或者在(一个或多个)移动传感器6是跌倒检测设备10的部分的情况下,接口电路18能够被用于接收由多种跌倒检测算法对移动测量结果的分析的结果。接口电路18也能够被用于从(一个或多个)环境传感器8接收测量结果,或者在(一个或多个)环境传感器8是监测系统12的部分的情况下,接口电路18能够被用于接收所述对象的所确定的状态。
接口电路18也能够被用于输出对象已经跌倒的指示。在那种情况下,接口电路18能够向呼叫中心或紧急服务传输该指示和/或向医师或护理提供方的用户设备传输所述指示。
在一些实施例中,跌倒检测装置2包括用户接口20,用户接口20包括一个或多个组件,其使得跌倒检测装置2的用户(例如,对象或者针对所述对象的护理提供方)能够向跌倒检测装置2中输入信息、数据和/或命令,和/或使得跌倒检测装置2能够向跌倒检测装置2的用户输出信息或数据。输出可以是对象已经跌倒的可听到的警报或提醒。用户接口20能够包括任何适合的(一个或多个)输入组件,包括,但不限于:键盘、小键盘、一个或多个按钮、开关或拨号盘、鼠标、跟踪垫、触摸屏、触笔、相机、麦克风等,并且用户接口20能够包括任何适合的(一个或多个)输出组件,包括,但不限于:显示屏、一个或多个灯或灯元件、一个或多个扬声器、振动元件等。
跌倒检测装置2能够是任何类型的电子设备或计算设备。例如,跌倒检测装置2能够是服务器、计算机、膝上型计算机、平板计算机、智能电话、智能手表等或者是其部分。
将意识到,跌倒检测装置2的实际实施可以包括在图1中所示的那些之外的组件。例如,跌倒检测装置2还可以包括电源,诸如电池,或者用于使得跌倒检测装置2能够被连接到市电电源的组件。
在(一个或多个)移动传感器6是跌倒检测设备10的部分的实施例中,跌倒检测设备10可以包括处理单元(由虚线框22示出的),用于使用多种跌倒检测算法分析移动测量结果并且确定对象是否已经可能经受跌倒。跌倒检测设备10还可以包括接口电路(由虚线框24示出的),用于使得能够将移动测量结果的分析结果传输到跌倒检测装置2。处理单元22和/或接口电路24可以通过类似于跌倒检测装置2中的处理单元14和/或接口电路18的方式来实现。
在(一个或多个)环境传感器8是监测系统12的部分的实施例中,监测系统12可以包括处理单元(由虚线框26示出的),用于分析环境传感器测量结果并且确定对象的状态。监测系统12还可以包括接口电路(由虚线框28示出的),用于使得能够将所确定的状态传输到跌倒检测装置2。处理单元26和/或接口电路28可以通过类似于跌倒检测装置2中的处理单元14和/或接口电路18的方式来实现。
一个或多个移动传感器6能够包括用于测量对象的移动或者用于提供表示对象的移动的测量结果的(一种或多种)任何类型的传感器传感器。例如,(一个或多个)移动传感器6能够包括加速度计、磁强计、卫星定位系统接收机(例如,GPS接收机、GLONASS接收机、伽利略定位系统接收机)、陀螺仪和气压传感器(其能够提供指示对象的海拔或者对象的高度/海拔变化的测量结果)中的任意一种或多种。
一个或多个环境传感器8能够包括用于监测环境一方面或环境中对象的一方面的传感器。例如,(一个或多个)环境传感器8能够包括用于检测对象是否正在使用一件家具的一个或多个传感器8、用于测量或检测对象是否正在使用轮椅的一个或多个传感器8、用于测量对象是否在特定房间的一个或多个传感器8和/或用于测量是否正在使用环境中的物体的一个或多个传感器8。(一个或多个)环境传感器8可以是或者包括加速度计、陀螺仪、PIR传感器、US传感器、基于雷达的传感器、基于光的传感器、能够从其获得信号强度测量结果的基于射频(RF)信号的传感器(例如,使用WiFi、蓝牙、Zigbee等)、NFC传感器、压力传感器(即,用于检测被施加到物体的部分的压力或力)、相机等中的任意一种或多种。
在一些实施例中,除了(一个或多个)移动传感器6之外,能够提供一个或多个生理特性传感器,其用于监测或测量所述对象的生理特性,并且这些生理特性能够作为(一种或多种)跌倒检测算法的部分被评估。例如,在跌倒之后,诸如心率、皮肤电导率、呼吸速率、血压和/或体温的生理特性会变化,并且因此对这些测量结果的评估能够提供有用的信息,其用于确定对象是否已经跌倒。所述一个或多个生理特性传感器能够包括能够测量心率、心率相关的特性以及呼吸速率的光电体积描记(PPG)传感器、皮肤电导率传感器、血压监测仪、温度计等。
将意识到,在环境传感器8用于监测特定物体(例如,特定的一件家具)的情况下,(一个或多个)环境传感器8可以包括用于监测相应的各件家具的相应的环境传感器8(例如,能够在环境中的每把椅子上提供相应的压力传感器)。类似地,在环境传感器8用于监测特定房间中的对象的存在的情况下,(一个或多个)环境传感器8可以包括用于监测相应房间的相应的环境传感器8(例如,能够在卧室、厨房、浴室等中提供相应的PIR传感器)。
图2中的流程图图示了根据在本文中所描述的技术的示范性方法。所述方法的一个或多个步骤能够由装置2中的处理单元14酌情结合存储器单元16、接口电路18和用户接口20中的任意一种或多种来执行。处理单元14可以响应于执行计算机程序代码而执行一个或多个步骤,计算机程序代码能够被存储在计算机可读介质上,诸如例如被存储在存储器单元16上。
在第一步中,步骤101中,处理单元14获得输入(为了清晰起见被称为“第一”输入),所述输入指示多种跌倒检测算法中的哪一种或多种已经检测到对象的潜在跌倒。每种跌倒检测算法与相应类型的跌倒相关联,并且通过分析针对所述对象的一组移动测量结果来检测相关联的类型的潜在跌倒。每种相应类型的跌倒都具有所述对象的相关联的初始状态,即,紧接在跌倒之前的对象的姿态或状态。
能够使用相应的跌倒检测算法以及其相应的初始状态检测的一些示范性类型的跌倒包括(但不限于)以下中的任意一种或多种:从站立姿态跌倒,包括在行走、慢跑或跑步时跌倒(其中初始状态为站立姿态)、从坐姿跌倒(其中初始状态为坐姿)、从躺倒姿势跌倒(其中初始状态为躺倒姿势)、在从坐姿移动到站姿时跌倒(其中初始状态为坐姿)、在从站姿到坐姿时跌倒(其中初始状态为站姿)、从站姿跌倒到家具上(其中初始状态为站姿),以及对象沿着墙体下滑的始于站姿的跌倒(其中初始状态为站姿)。
在一些实施例中,步骤101包括从由对象携带或穿戴的跌倒检测设备10获得第一输入。
在备选实施例中,步骤101包括处理单元14,其通过使用多种跌倒检测算法分析来自(一个或多个)移动传感器6的一组移动测量结果来确定第一输入,以检测对象是否已经发生与每种跌倒检测算法相关联的相应类型的潜在跌倒。所述第一输入能够根据使用多种跌倒检测算法对所述一组移动测量结果的分析的结果来形成。在本实施例中,处理单元14能够接收使用(一个或多个)移动传感器6获得的所述一组移动测量结果。
在步骤101的任意实施例中,所述一组移动测量结果涉及第一时间段,(由跌倒检测设备10或处理单元14)使用所述多种跌倒检测算法来分析所述一组移动测量结果,以检测对象是否在第一时间段中已经发生相关联的类型的潜在跌倒。亦即,使用所述多种跌倒检测算法来评估相同时间段的测量结果以发现潜在跌倒。
在一些实施例中,所述多种跌倒检测算法中的每种跌倒检测算法使用相同(共享)的跌倒检测算法(例如,提取的特征集合),但是具有用于检测相关联的类型的潜在跌倒的相应阈值或阈值集合。所述共享的跌倒检测算法能够包括LLR表格。所述多种跌倒检测算法中的每种跌倒检测算法能够对应于针对共享跌倒检测算法的ROC中的相应点。
备选地,所述多种跌倒检测算法中的每种跌倒检测算法能够包括要分析的或者要从所述一组移动测量结果提取的相应的一组参数或特征。
将意识到,能够基于适当类型的已知跌倒来训练或配置每种跌倒检测算法。例如,能够基于来自已知的从床上跌下的移动测量结果来训练用于检测从躺倒姿势跌倒的跌倒检测算法的参数、特征、LLR表格和/或阈值。
接下来,在步骤103中,处理单元14获得输入(为了清晰起见被称为“第二”输入),所述输入指示潜在跌倒之前的对象的状态。根据对来自对象的环境中的一个或多个环境传感器8的一组测量结果的分析,来确定对象的状态。
步骤103能够包括从监测系统12获得第二输入,监测系统12包括对象的环境中的一个或多个传感器8。
备选地,步骤103能够包括处理单元14,其从对象的环境中的一个或多个传感器8接收一组测量结果,分析来自一个或多个传感器8的所述一组测量结果以确定潜在跌倒之前的对象的状态,以及根据对来自所述对象的环境中的一个或多个传感器的所述一组测量结果的分析的结果来形成第二输入。
在所述第二输入中所指示的对象的状态能够包括坐在椅子或床上、躺在床上、行走(包括慢跑或跑步)或站立、坐在轮椅中以及即将进入轮椅中的任意一种或多种。
用于分析环境传感器测量结果以确定对象的当前状态的技术是现有技术中已知的,并且在本文中不提供详细情况,对象的当前状态诸如是其位置(他们所在的房间)、对象正在使用的物体(例如,坐在椅子中、用茶壶倒水)。例如,就确定对象的日常生活活动(ADL)方面而言,这样的处理技术是已知的。在任何情况下,将意识到,许多这样的处理技术实施起来简单明了。例如,如果椅子上的压力传感器指示人正在坐在椅子上,那么能够推断出对象正坐在与该压力传感器相关联的椅子上。在类似的示例中,能够在床上的不同位置处提供若干个压力传感器,并且由一个传感器测量的高压能够指示对象正坐在床上,并且由若干个传感器测量的高压能够指示对象正躺在床上。如果检测到对象正在客厅中并且电视是打开的,则可以推断出对象正在坐着。
在步骤105中,将(来自第二输入)潜在跌倒之前的对象的所确定的状态与针对和在第一输入中所指示的任何潜在跌倒相关联的每种类型的跌倒的所述初始状态进行比较。亦即,针对在第一输入中所指示的任何类型的跌倒,将初始状态与对象的所确定的状态进行比较。
然后,在步骤107中,如果对象的所确定的状态与在第一输入中所指示的任何潜在跌倒相关联的任何相应类型跌倒的初始状态相匹配,那么检测到跌倒,并且由跌倒检测装置2输出已经发生跌倒的指示。所述指示能够是跌倒提醒。例如,如果第一输入指示两次潜在跌倒,其中一次潜在跌倒来自评估从站姿移动到坐姿时跌倒的跌倒检测算法,并且另一次潜在跌倒来自评估从坐姿跌倒的跌倒检测算法,在潜在跌倒之前的所确定的状态是对象正坐在椅子上,那么发生匹配,并且识别出从坐姿发生的跌倒。
所述指示可以以听觉报警、可见消息或光、或者传输到护理提供方设备、医师设备、呼叫中心或紧急服务的信号的形式被输出。
如果在步骤105中对象的所确定的状态与针对和在第一输入中所指示的任何潜在跌倒相关联的任何相应类型跌倒的初始状态不匹配,那么处理单元14确定对象未跌倒。在这种情况下,不输出对象已经跌倒的任何指示。在以上示例中,如果潜在跌倒之前的所确定的状态是对象正躺在床上,则没有匹配,并且不检测到跌倒。
因此,以上方法对跌倒检测的可靠性提供了若干改进。首先,不同的跌倒检测算法均能够针对检测相应类型的跌倒(例如,从站立跌倒、尝试站起时跌倒等)进行优化,增大了成功地检测特定类型跌倒的机会。然而,认识到这些经优化的跌倒检测算法在对象不在适当初始状态中的环境中具有更高误报警率(例如,如果对象正在躺下而非站立,从站着跌倒的检测算法的输出将不太可靠),则使用对象的环境中的传感器来确定对象的状态,并且用于检查任何指示的潜在跌倒是否可信。因此,在多种跌倒检测算法中的一种已经检测到对象潜在跌倒的情况下,相对于与检测到潜在跌倒的跌倒检测算法相关联的初始状态来检查潜在跌倒之前的对象的状态,以确认在检测到潜在跌倒之前的对象的给定状态下,所述潜在跌倒是可信的。因此,使用对象的状态充当着相对于潜在跌倒的肯定检测的检查,由此提高了跌倒检测的可靠性。在多种跌倒检测算法中的多种指示对象潜在跌倒的情况下,相对于与检测到潜在跌倒的多种跌倒检测算法相关联的初始状态来检查潜在跌倒之前的对象的状态,以确定在给定所检测幅潜在跌倒之前的对象的状态的情况下,任何潜在跌倒是可信的。因此,对象的状态的使用充当着相对于多种跌倒检测算法检测到的潜在跌倒的肯定检测的检查,并且如果已经发生跌倒,使得能够更可靠地检测该类型的跌倒。在以上任意示例中,如果对象的状态不匹配特定跌倒检测算法对潜在跌倒的检测,那么能够将该潜在跌倒作为误报警不予考虑,因为其与对象的初始状态不一致(并且可能被针对具有不同初始状态的不同类型跌倒而优化的该跌倒检测算法触发)。
因此,提供了一种用于跌倒检测的改进技术,其能够利用对象的环境中的传感器获得的信息来改善跌倒检测的可靠性,并且改进不同类型跌倒检测的可靠性。
通过研究附图、公开和所附权利要求,所公开实施例的变化能够被本领域技术人员在实践在本文中所描述的原理和技术期间理解和实现。在权利要求中,“包括”一词不排除其他元件或步骤,不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以完成权利要求中阐述的若干个项的功能。在相互不同的从属权利要求中提到特定措施的简单事实不指示不能有利地使用这些措施的组合。一种计算机程序可以存储或分布在适合的介质上,诸如与其他硬件一起或者作为其部分供应的光学存储介质或固态介质上,但是也可以通过其他形式分发,诸如经由因特网或者其他有线或无线电信系统。权利要求中的任何附图标记都不应当被解释为限制范围。
Claims (15)
1.一种跌倒检测装置,所述跌倒检测装置包括一个或多个处理单元,所述一个或多个处理单元被配置为:
获得第一输入,所述第一输入指示多种跌倒检测算法中的哪一种或多种跌倒检测算法检测到对象的潜在跌倒,其中,所述多种跌倒检测算法中的每种跌倒检测算法与相应类型的跌倒相关联,并且通过分析针对所述对象的一组移动测量结果来检测相关联的类型的潜在跌倒,其中,每种相应类型的跌倒具有所述对象的相关联的初始状态;
获得第二输入,所述第二输入指示所述潜在跌倒之前的所述对象的状态,其中,所述对象的所述状态是通过分析来自所述对象的环境中的一个或多个传感器的一组测量结果来确定的;
将所述潜在跌倒之前的所述对象的所确定的状态与针对和在所述第一输入中所指示的任何潜在跌倒相关联的每种类型的跌倒的所述初始状态进行比较;并且
如果所述对象的所确定的状态与和在所述第一输入中所指示的任何潜在跌倒相关联的任何所述相应类型的跌倒的所述初始状态相匹配,则输出所述对象已经跌倒的指示。
2.根据权利要求1所述的跌倒检测装置,其中,与一种类型的跌倒相关联的所述对象的所述初始状态包括以下中的任意一种或多种:(i)站立姿势,(ii)坐下姿势,以及(iii)躺倒姿势。
3.根据权利要求1或2所述的跌倒检测装置,其中,与所述多种跌倒检测算法相关联的所述相应类型的跌倒包括以下中的任意一种或多种:(i)从站立姿势跌倒,(ii)从坐下姿势跌倒,(iii)从躺倒姿势跌倒,(iv)当从坐下姿势移动到站立姿势时跌倒,(v)当从站立姿势移动到坐下姿势时跌倒,(vi)从站立姿势跌倒到家具上,(vii)所述对象从站立姿势沿着墙体下滑跌倒。
4.根据权利要求1-3中的任一项所述的跌倒检测装置,其中,所述一个或多个处理单元被配置为通过以下操作来获得所述第一输入:
使用所述多种跌倒检测算法来分析针对对象的一组移动测量结果以检测所述对象是否已经发生了与每种跌倒检测算法相关联的相应类型的潜在跌倒;以及
根据使用所述多种跌倒检测算法对所述一组移动测量结果的所述分析的结果来形成所述第一输入。
5.根据权利要求1-3中的任一项所述的跌倒检测装置,其中,所述一个或多个处理单元被配置为从由所述对象携带或穿戴的跌倒检测设备来获得所述第一输入。
6.根据权利要求1-5中的任一项所述的跌倒检测装置,其中,所述一个或多个处理单元被配置为通过以下操作来获得所述第二输入:
分析来自所述对象的所述环境中的一个或多个传感器的一组测量结果,以确定潜在跌倒之前的所述对象的所述状态;并且
根据对来自所述对象的所述环境中的一个或多个传感器的所述一组测量结果的所述分析的结果来形成所述第二输入。
7.根据权利要求1-5中的任一项所述的跌倒检测装置,其中,所述一个或多个处理单元被配置为从包括所述对象的所述环境中的所述一个或多个传感器的监测系统获得所述第二输入。
8.一种跌倒检测设备,包括:
一个或多个移动传感器,其用于测量对象的移动;
一个或多个处理单元,其被配置为:
从所述一个或多个移动传感器接收针对所述对象的一组移动测量结果;
使用多种跌倒检测算法来分析所述一组移动测量结果以检测所述对象是否已经发生了与每种跌倒检测算法相关联的相应类型的潜在跌倒,其中,每种相应类型的跌倒具有所述对象的相关联的初始状态;并且
根据使用所述多种跌倒检测算法对所述一组移动测量结果的所述分析的结果来形成第一输入;以及
根据权利要求1、2、3、6或7中的任一项所述的跌倒检测装置。
9.一种监测系统,包括:
一个或多个处理单元,其被配置为:
从对象的环境中的一个或多个传感器接收一组测量结果;
分析所述一组测量结果以确定潜在跌倒之前的所述对象的状态;并且
根据对所述一组测量结果的所述分析的结果来形成第二输入;以及
根据权利要求1-5中的任一项所述的跌倒检测装置。
10.一种检测跌倒的方法,所述方法包括:
获得第一输入,所述第一输入指示多种跌倒检测算法中的哪一种或多种跌倒检测算法检测到对象的潜在跌倒,其中,所述多种跌倒检测算法中的每种跌倒检测算法与相应类型的跌倒相关联,并且通过分析针对所述对象的一组移动测量结果来检测相关联的类型的潜在跌倒,其中,每种相应类型的跌倒具有所述对象的相关联的初始状态;
获得第二输入,所述第二输入指示所述潜在跌倒之前的所述对象的状态,其中,所述对象的所述状态是通过分析来自所述对象的环境中的一个或多个传感器的一组测量结果来确定的;
将所述潜在跌倒之前的所述对象的所确定的状态与针对和在所述第一输入中所指示的任何潜在跌倒相关联的每种类型的跌倒的所述初始状态进行比较;并且
如果所述对象的所确定的状态与和在所述第一输入中所指示的任何潜在跌倒相关联的任何所述相应类型的跌倒的所述初始状态相匹配,则输出所述对象已经跌倒的指示。
11.根据权利要求10所述的方法,其中,获得所述第一输入的步骤包括:
使用所述多种跌倒检测算法来分析针对对象的一组移动测量结果,以检测所述对象是否已经发生了与每种跌倒检测算法相关联的相应类型的潜在跌倒;并且
根据使用所述多种跌倒检测算法对所述一组移动测量结果的所述分析的结果来形成所述第一输入。
12.根据权利要求10或11所述的方法,其中,获得所述第一输入的步骤包括:从由所述对象携带或穿戴的跌倒检测设备获得所述第一输入。
13.根据权利要求10-12中的任一项所述的方法,其中,获得所述第二输入的步骤包括:
分析来自所述对象的所述环境中的一个或多个传感器的一组测量结果,以确定潜在跌倒之前的所述对象的所述状态;并且
根据对来自所述对象的所述环境中的一个或多个传感器的所述一组测量结果的所述分析的结果来形成所述第二输入。
14.根据权利要求10-12中的任一项所述的方法,其中,获得所述第二输入的步骤包括:从包括所述对象的所述环境中的所述一个或多个传感器的监测系统来获得所述第二输入。
15.一种包括计算机可读介质的计算机程序产品,所述计算机可读介质在其中嵌入有计算机可读代码,所述计算机可读代码被配置为使得在由适合的计算机或处理器运行时使所述计算机或处理器执行根据权利要求10-14中的任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18180769.4A EP3588458A1 (en) | 2018-06-29 | 2018-06-29 | A fall detection apparatus, a method of detecting a fall by a subject and a computer program product for implementing the method |
EP18180769.4 | 2018-06-29 | ||
PCT/EP2019/066571 WO2020002175A1 (en) | 2018-06-29 | 2019-06-24 | A fall detection apparatus, a method of detecting a fall by a subject and a computer program product for implementing the method |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112400191A true CN112400191A (zh) | 2021-02-23 |
Family
ID=62837721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980043568.2A Pending CN112400191A (zh) | 2018-06-29 | 2019-06-24 | 跌倒检测装置、检测对象跌倒的方法以及用于实施该方法的计算机程序产品 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11361648B2 (zh) |
EP (2) | EP3588458A1 (zh) |
CN (1) | CN112400191A (zh) |
WO (1) | WO2020002175A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114937341A (zh) * | 2022-04-07 | 2022-08-23 | 同济大学 | 一种基于多维力的轮椅跌倒风险监测方法及系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3723456A1 (en) * | 2019-04-11 | 2020-10-14 | Cowhill Studio BV VOF | An elderly care and security system |
US11450192B2 (en) * | 2020-01-06 | 2022-09-20 | National Cheng Kung University | Fall detection system |
WO2021165050A1 (en) * | 2020-02-17 | 2021-08-26 | Koninklijke Philips N.V. | System to secure health safety during charging of health wearable |
JP7418614B2 (ja) | 2020-05-20 | 2024-01-19 | コーニンクレッカ フィリップス エヌ ヴェ | 生理学的感知を組み込んだ転倒検出器 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104586398A (zh) * | 2013-10-30 | 2015-05-06 | 广州华久信息科技有限公司 | 一种基于多传感器融合的老人跌倒检测方法及系统 |
US20160379476A1 (en) * | 2013-11-26 | 2016-12-29 | Kytera Technologies Ltd. | Systems and methods for analysis of subject activity |
CN107358248A (zh) * | 2017-06-07 | 2017-11-17 | 南京邮电大学 | 一种提高跌倒检测系统精度的方法 |
CN206697008U (zh) * | 2017-02-04 | 2017-12-01 | 华南理工大学 | 一种基于多传感器数据融合的跌倒检测装置 |
CN107735661A (zh) * | 2015-06-30 | 2018-02-23 | Ishoe有限公司 | 使用机器学习算法识别跌倒风险 |
WO2018069262A1 (en) * | 2016-10-12 | 2018-04-19 | Koninklijke Philips N.V. | Method and apparatus for determining a fall risk |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7733224B2 (en) * | 2006-06-30 | 2010-06-08 | Bao Tran | Mesh network personal emergency response appliance |
JP2009230335A (ja) | 2008-03-21 | 2009-10-08 | Aisin Seiki Co Ltd | ベッド転落検知システムおよびベッド装置 |
BRPI0913517B1 (pt) * | 2008-09-04 | 2019-08-20 | Koninklijke Philips N.V. | Sistemas para a prevenção de queda para um usuário, método para prevenção de queda para um usuário, e meio legível por computador não transitório |
EP2445405B1 (en) * | 2009-06-24 | 2018-06-13 | The Medical Research, Infrastructure, And Health Services Fund Of The Tel Aviv Medical Center | Automated near-fall detector |
US8909497B1 (en) | 2010-04-06 | 2014-12-09 | Keynetik, Inc. | System and method for fall detection |
CA2773507C (en) | 2011-04-04 | 2020-10-13 | Mark Andrew Hanson | Fall detection and reporting technology |
US9402568B2 (en) | 2011-08-29 | 2016-08-02 | Verizon Telematics Inc. | Method and system for detecting a fall based on comparing data to criteria derived from multiple fall data sets |
US20140276238A1 (en) * | 2013-03-15 | 2014-09-18 | Ivan Osorio | Method, system and apparatus for fall detection |
WO2015036245A1 (en) | 2013-09-11 | 2015-03-19 | Koninklijke Philips N.V. | Fall detection system and method |
US9390612B2 (en) * | 2013-11-26 | 2016-07-12 | Verizon Telematics, Inc. | Using audio signals in personal emergency response systems |
RU2717377C2 (ru) | 2014-11-24 | 2020-03-23 | Таркетт Гдл | Система мониторинга с датчиком давления в напольном покрытии |
EP3230970A1 (en) | 2014-12-10 | 2017-10-18 | Koninklijke Philips N.V. | System and method for fall detection |
US9734690B2 (en) | 2015-04-15 | 2017-08-15 | Nortek Security & Controls LLC | System and method for activity monitoring and fall detection |
US11531087B2 (en) * | 2015-07-17 | 2022-12-20 | Origin Wireless, Inc. | Method, apparatus, and system for fall-down detection based on a wireless signal |
US10769562B2 (en) * | 2016-03-16 | 2020-09-08 | Triax Technologies, Inc. | Sensor based system and method for authorizing operation of worksite equipment using a locally stored access control list |
US10692024B2 (en) * | 2016-03-16 | 2020-06-23 | Triax Technologies, Inc. | Wireless mesh network system for monitoring worksite events including detecting false events |
US11170616B2 (en) * | 2016-03-16 | 2021-11-09 | Triax Technologies, Inc. | System and interfaces for managing workplace events |
WO2017173213A1 (en) | 2016-03-31 | 2017-10-05 | Zoll Medical Corporation | Systems and methods of tracking patient movement |
US10043368B1 (en) * | 2017-04-13 | 2018-08-07 | Msa Technology, Llc | Fall detection system |
CN109561855B (zh) * | 2016-08-08 | 2022-06-21 | 皇家飞利浦有限公司 | 用于跌倒检测的设备、系统和方法 |
US11170295B1 (en) * | 2016-09-19 | 2021-11-09 | Tidyware, LLC | Systems and methods for training a personalized machine learning model for fall detection |
US10444038B2 (en) * | 2016-10-25 | 2019-10-15 | Harry W. Tyrer | Detecting personnel, their activity, falls, location, and walking characteristics |
US20180271410A1 (en) * | 2017-03-23 | 2018-09-27 | Rajesh Rawal | Systems, methods, and apparatuses for activity monitoring |
JP7150292B2 (ja) * | 2017-03-31 | 2022-10-11 | 慶應義塾 | 行動認識システム、及び行動認識方法 |
KR102013935B1 (ko) * | 2017-05-25 | 2019-08-23 | 삼성전자주식회사 | 위험 상황을 감지하는 방법 및 시스템 |
KR102481883B1 (ko) * | 2017-09-27 | 2022-12-27 | 삼성전자주식회사 | 위험 상황을 감지하는 방법 및 장치 |
US11282361B2 (en) * | 2017-09-29 | 2022-03-22 | Apple Inc. | Detecting falls using a mobile device |
US11380181B2 (en) * | 2020-12-09 | 2022-07-05 | MS Technologies | Doppler radar system with machine learning applications for fall prediction and detection |
-
2018
- 2018-06-29 EP EP18180769.4A patent/EP3588458A1/en not_active Withdrawn
-
2019
- 2019-06-24 WO PCT/EP2019/066571 patent/WO2020002175A1/en active Application Filing
- 2019-06-24 US US17/254,968 patent/US11361648B2/en active Active
- 2019-06-24 CN CN201980043568.2A patent/CN112400191A/zh active Pending
- 2019-06-24 EP EP19731748.0A patent/EP3815068B1/en active Active
-
2022
- 2022-05-27 US US17/826,248 patent/US11837066B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104586398A (zh) * | 2013-10-30 | 2015-05-06 | 广州华久信息科技有限公司 | 一种基于多传感器融合的老人跌倒检测方法及系统 |
US20160379476A1 (en) * | 2013-11-26 | 2016-12-29 | Kytera Technologies Ltd. | Systems and methods for analysis of subject activity |
CN107735661A (zh) * | 2015-06-30 | 2018-02-23 | Ishoe有限公司 | 使用机器学习算法识别跌倒风险 |
WO2018069262A1 (en) * | 2016-10-12 | 2018-04-19 | Koninklijke Philips N.V. | Method and apparatus for determining a fall risk |
CN206697008U (zh) * | 2017-02-04 | 2017-12-01 | 华南理工大学 | 一种基于多传感器数据融合的跌倒检测装置 |
CN107358248A (zh) * | 2017-06-07 | 2017-11-17 | 南京邮电大学 | 一种提高跌倒检测系统精度的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114937341A (zh) * | 2022-04-07 | 2022-08-23 | 同济大学 | 一种基于多维力的轮椅跌倒风险监测方法及系统 |
CN114937341B (zh) * | 2022-04-07 | 2023-09-26 | 同济大学 | 一种基于多维力的轮椅跌倒风险监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2020002175A1 (en) | 2020-01-02 |
US11837066B2 (en) | 2023-12-05 |
US11361648B2 (en) | 2022-06-14 |
EP3815068B1 (en) | 2023-08-16 |
EP3588458A1 (en) | 2020-01-01 |
EP3815068A1 (en) | 2021-05-05 |
US20210150872A1 (en) | 2021-05-20 |
US20220284788A1 (en) | 2022-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11837066B2 (en) | Fall detection apparatus, a method of detecting a fall by a subject and a computer program product for implementing the method | |
US10485452B2 (en) | Fall detection systems and methods | |
Wang et al. | An enhanced fall detection system for elderly person monitoring using consumer home networks | |
CN105530865B (zh) | 跌倒检测系统和方法 | |
US9489815B2 (en) | Apparatus for use in a fall detector or fall detection system, and a method of operating the same | |
EP3525673B1 (en) | Method and apparatus for determining a fall risk | |
US9892612B2 (en) | Method for responding to a detected fall and an apparatus for implementing the same | |
CN105264585B (zh) | 用于确定患者离开安全区域的风险的方法和装置 | |
Kostopoulos et al. | F2D: A fall detection system tested with real data from daily life of elderly people | |
Cola et al. | Improving the performance of fall detection systems through walk recognition | |
US11640756B2 (en) | Monitoring a subject | |
US20230252881A1 (en) | Systems, devices and methods for fall detection | |
EP3991157B1 (en) | Evaluating movement of a subject | |
US20200409466A1 (en) | Evaluating movement of a subject | |
Sheng et al. | Development of wearable sensor-based fall detection system for elderly using iot | |
Rashya et al. | An enhanced & effective fall detection system for elderly person monitoring using consumer home networks | |
US20220039695A1 (en) | Monitoring a user | |
Casilari Pérez et al. | Analysis of Android Device-Based Solutions for Fall Detection |
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 |