CN113647935B - 跌落姿态识别方法及系统 - Google Patents
跌落姿态识别方法及系统 Download PDFInfo
- Publication number
- CN113647935B CN113647935B CN202110845442.6A CN202110845442A CN113647935B CN 113647935 B CN113647935 B CN 113647935B CN 202110845442 A CN202110845442 A CN 202110845442A CN 113647935 B CN113647935 B CN 113647935B
- Authority
- CN
- China
- Prior art keywords
- acceleration
- falling
- falling state
- judging
- moment
- 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 32
- 230000001133 acceleration Effects 0.000 claims abstract description 89
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000036544 posture Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了跌落姿态识别方法,包括如下步骤:S1、获取对象上采集点的三轴加速度ax、ay、az;S2、标记三轴加速度ax、ay、az的加速度方向;S3、当获取到任意两轴加速度产生时,记录此时刻起至下一时刻之间的所有加速度信息,所述下一时刻为无法同时获取到两轴加速度发生时;S4、判断所记录的所有加速度信息中是否任意一轴上加速度的方向发生了改变,若是,则判定为非跌倒状态;若否,则判定为跌倒状态。本发明的跌落姿态识别方法对现有基于三轴加速度传感器的跌落方法进行分析,通过重新设定信息采集、存储、计算的方式,从而可以清楚判定跳远姿态对三轴加速度传感器的相似性影响,并准确判定跌倒姿态。
Description
技术领域
本发明属于安全管理技术领域,特别涉及跌落姿态识别方法及系统。
背景技术
人处在年幼或年长的时候,是身体机能最不完善的时候,稍不注意就会跌倒,轻则擦伤,重则骨折甚至丧命。
跌倒检测常利用各种传感器,包括摄像头、麦克风,压力传感器等。其中基于图像分析的跌倒检测方法成本较高,对环境的要求较高,且灵活性较差,只能在特定的区域进行识别。有研究人员利用声音传感器对跌倒进行研究,具体方法是通过定位声音的发生位置距离地面的高度,结合声音的大小来判断跌倒。还有研究人员利用了放在地板上的振动传感器。这些传感器一起来判断居住者在任意时刻的位置,处理器通过分析这些位置数据来识别是否发生跌倒,这种方式的一个很大的缺点就是误报率太高。还有研究人员采用了联合传感器的方式对跌倒进行了研究,采用不同种类传感器组合或是多个加速度传感器组合的方式,其研究虽然较高的识别率,但由于需要对多个传感器的数据进行融合研究,也带来了较大的计算开销,实时性也不够理想。还有研究者利用倾角变化对人体跌倒方向进行判断,一种方法是增加角度传感器来计算人体角度变化,这种方法属于多种传感器融合的范畴;另一种是利用加速度传感器通过特定的公式计算出角度,根据角度变化情况判断人体运动方向,但这种方法会带来一定的计算开销。
加速度传感器(acceleration sensor)具有体积小、功耗低、实时性强等特点。故而有研究者提出一种基于加速度传感器的人体跌倒行为检测方法,使用一个置于人体胸前位置的三轴加速度传感器(其中Y轴与竖直时方向平行且正轴指向上部,Z轴方向指向人前进的方向,X轴垂直于Y.Z组成的平面),对跌倒过程中的人体运动特征进行提取,利用三个轴之间的相关性,能够对不同方向的跌倒进行有效的识别。
尽管如此,人体的运动姿态太过多样,特别是学生,学生经历比较旺盛且好动,会有些运动姿态对跌倒判别产生影响。如当采用三轴加速度传感器监测时,人在跌倒时会发生两个方向上的加速度的急剧变化,但是学生在跳远的过程中也会伴随前进和上升两个方向上的加速运动,也会产生两个方向上的加速度变化,这会对判断跌落产生干扰。
发明内容
本发明针对上述现有技术的存在的问题,提供跌落姿态识别方法及系统。
本发明通过以下技术手段实现解决上述技术问题的:
跌落姿态识别方法,包括如下步骤:
S1、获取对象上采集点的三轴加速度ax、ay、az;
S2、标记三轴加速度ax、ay、az的加速度方向;
S3、当获取到任意两轴加速度产生时,记录此时刻起至下一时刻之间的所有加速度信息,所述下一时刻为无法同时获取到两轴加速度发生时;
S4、判断所记录的所有加速度信息中是否任意一轴上加速度的方向发生了改变,
若是,则判定为非跌倒状态;
若否,则判定为跌倒状态。
进一步的,S1中同时获取对象上采集点的气压P,并在S3中同时记录所述此时刻起至下一时刻之间的所有气压P,在S4中同时判断所记录的所有气压P是否成线性增长,
若是,则判定为跌倒状态;
若否,则判定为非跌倒状态。
进一步的,S4中判断所记录的所有加速度信息中是否任意一轴上加速度的方向发生了改变与判断所记录的所有气压P是否成线性增长同时进行,且两项判断中,均将判定为跌倒状态输出为1,判定为非跌倒状态输出为0,然后进行与运算,将运算结果为1再输出为跌倒状态,将运算结果为0再输出为非跌倒状态。
进一步的,三轴加速度与气压P的获取时间间隔为100ms。
本发明还提供了用于实现上述跌落姿态识别方法的跌落姿态识别系统,该系统包括:
监控模块,该监控模块间歇性获取对象上采集点的三轴加速度ax、ay、az和气压P;
存储模块,该存储模块用于储存第一时刻至第二时刻之间的所有加速度信息和气压P值,该第一时刻为任意两轴加速度产生时,该第二时刻为无法同时获取到两轴加速度发生时;
一级计算模块,该一级计算模块能读取存储模块中的加速度信息和气压P值,并判断所记录的所有加速度信息中是否任意一轴上加速度的方向发生了改变,若是,则判定为非跌倒状态,若否,则判定为跌倒状态;同时判断所记录的所有气压P是否成线性增长,若是,则判定为跌倒状态;若否,则判定为非跌倒状态;
二级计算模块,该二级计算模块能获取一级计算模块的计算结果,并将判定为跌倒状态赋值为1,将判定为非跌倒状态赋值为0,再讲两项判定结果赋值进行与运算,将运算结果为1再输出为跌倒状态。
本发明的有益效果为:本发明的跌落姿态识别方法对现有基于三轴加速度传感器的跌落方法进行分析,通过重新设定信息采集、存储、计算的方式,从而可以清楚判定跳远姿态对三轴加速度传感器的相似性影响,并准确判定跌倒姿态。而且,该方法本身也可以实现在其他姿态中进行跌倒姿态的判定,不需要进行复杂的数据运算。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
跌落姿态识别方法,具体方法如下:
第一步,开启携带者身上的识别设备,该识别设备可以实时监测携带者的加速度信息和识别设备所处位置的气压信息,识别设备内置有三轴加速度传感器和气压计,分别用于获取对象上采集点的三轴加速度ax、ay、az和气压P,该三轴加速度ax、ay、az同时标记有方向,三轴加速度与气压P的获取时间间隔为100ms。
第二步,在监测加速度信息和气压信息时,当获取到任意两轴加速度产生时,开始记录储存所有加速度信息和气压信息,直至无法同时获取到两轴加速度产生。具体的,如在时刻t1,监测到ax、ay(或ay、az;或ax、az)的加速度产生(即不为0),则开始记录并储存该时刻及其之后时刻监测到的加速度信息和气压信息,直到时刻t2,ay的加速度消失,则停止记录。
为了降低携带者正常运动产生的加速度的轻微波动对该方法算力的消耗,在开始记录储存加速度信息和气压信息之前需要进行去噪,该去噪方法为:当获取到任意两轴加速度产生时,同时判断两轴加速度是否都大于0.5G,若是则开始记录储存所有加速度信息和气压信息,若否则只进行常规的监测加速度信息和气压信息动作,G表示重力加速度。这样可以直接剔除携带者轻微蹦跳的干扰,避免过度消耗算力,同时能避免其他姿态对该方法核心算力资源的占用。
第三步,对所记录的加速度信息和气压信息进行判断计算:
判断所记录的所有加速度信息中是否任意一轴上加速度的方向发生了改变,若是,则判定为非跌倒状态;若否,则判定为跌倒状态。
判断所记录的所有气压P是否成线性增长,若是,则判定为跌倒状态;若否,则判定为非跌倒状态。
第四步,将加速度信息的判断计算结构中,判定为跌倒状态输出为1,判定为非跌倒状态输出为0;将气压信息的判断计算结构中,判定为跌倒状态输出为1,判定为非跌倒状态输出为0。
第五步,对输出结果进行与运算,将运算结果为1再输出为跌倒状态,将运算结果为0再输出为非跌倒状态。
本发明还提供了用于实现上述跌落姿态识别方法的跌落姿态识别系统,该系统包括:
监控模块,该监控模块间歇性获取对象上采集点的三轴加速度ax、ay、az和气压P;
存储模块,该存储模块用于储存第一时刻至第二时刻之间的所有加速度信息和气压P值,该第一时刻为任意两轴加速度产生时,该第二时刻为无法同时获取到两轴加速度发生时;
一级计算模块,该一级计算模块能读取存储模块中的加速度信息和气压P值,并判断所记录的所有加速度信息中是否任意一轴上加速度的方向发生了改变,若是,则判定为非跌倒状态,若否,则判定为跌倒状态;同时判断所记录的所有气压P是否成线性增长,若是,则判定为跌倒状态;若否,则判定为非跌倒状态;
二级计算模块,该二级计算模块能获取一级计算模块的计算结果,并将判定为跌倒状态赋值为1,将判定为非跌倒状态赋值为0,再讲两项判定结果赋值进行与运算,将运算结果为1再输出为跌倒状态。
需要说明的是,在本文中,如若存在第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (3)
1.跌落姿态识别方法,其特征在于,包括如下步骤:
S1、获取对象上采集点的三轴加速度ax、ay、az;
S2、标记三轴加速度ax、ay、az的加速度方向;
S3、当获取到任意两轴加速度产生时,记录此时刻起至下一时刻之间的所有加速度信息,所述下一时刻为无法同时获取到两轴加速度发生时;
S4、判断所记录的所有加速度信息中是否任意一轴上加速度的方向发生了改变,
若是,则判定为非跌倒状态;
若否,则判定为跌倒状态;
S1中同时获取对象上采集点的气压P,并在S3中同时记录所述此时刻起至下一时刻之间的所有气压P,在S4中同时判断所记录的所有气压P是否成线性增长,
若是,则判定为跌倒状态;
若否,则判定为非跌倒状态;
S4中判断所记录的所有加速度信息中是否任意一轴上加速度的方向发生了改变与判断所记录的所有气压P是否成线性增长同时进行,且两项判断中,均将判定为跌倒状态输出为1,判定为非跌倒状态输出为0,然后进行与运算,将运算结果为1再输出为跌倒状态,将运算结果为0再输出为非跌倒状态。
2.根据权利要求1所述的跌落姿态识别方法,其特征在于,三轴加速度与气压P的获取时间间隔为100ms。
3.跌落姿态识别系统,其特征在于,该系统用于实现权利要求1或2所述的跌落姿态识别方法,该系统包括:
监控模块,该监控模块间歇性获取对象上采集点的三轴加速度ax、ay、az和气压P;
存储模块,该存储模块用于储存第一时刻至第二时刻之间的所有加速度信息和气压P值,该第一时刻为任意两轴加速度产生时,该第二时刻为无法同时获取到两轴加速度发生时;
一级计算模块,该一级计算模块能读取存储模块中的加速度信息和气压P值,并判断所记录的所有加速度信息中是否任意一轴上加速度的方向发生了改变,若是,则判定为非跌倒状态,若否,则判定为跌倒状态;同时判断所记录的所有气压P是否成线性增长,若是,则判定为跌倒状态;若否,则判定为非跌倒状态;
二级计算模块,该二级计算模块能获取一级计算模块的计算结果,并将判定为跌倒状态赋值为1,将判定为非跌倒状态赋值为0,再讲两项判定结果赋值进行与运算,将运算结果为1再输出为跌倒状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110845442.6A CN113647935B (zh) | 2021-07-26 | 2021-07-26 | 跌落姿态识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110845442.6A CN113647935B (zh) | 2021-07-26 | 2021-07-26 | 跌落姿态识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113647935A CN113647935A (zh) | 2021-11-16 |
CN113647935B true CN113647935B (zh) | 2024-05-03 |
Family
ID=78478685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110845442.6A Active CN113647935B (zh) | 2021-07-26 | 2021-07-26 | 跌落姿态识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113647935B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102626312A (zh) * | 2012-04-01 | 2012-08-08 | 浙江大学城市学院 | 一种跌倒检测方法、跌倒检测装置和穿戴式设备 |
WO2014151577A1 (en) * | 2013-03-15 | 2014-09-25 | Stryker Corporation | Patient support apparatus with patient information sensors |
CN104169680A (zh) * | 2012-03-13 | 2014-11-26 | 皇家飞利浦有限公司 | 使用气压传感器监测设备的高度改变 |
CN105342623A (zh) * | 2015-09-25 | 2016-02-24 | 广东乐源数字技术有限公司 | 智能跌倒监护装置及其处理方法 |
CN106264457A (zh) * | 2016-07-28 | 2017-01-04 | 南京为绿生物科技有限公司 | 一种基于物联网技术的医疗健康安全监护方法和系统 |
CN106683340A (zh) * | 2016-12-15 | 2017-05-17 | 歌尔股份有限公司 | 一种用户行为监测方法和可穿戴设备 |
JP2017136313A (ja) * | 2016-02-05 | 2017-08-10 | シャープ株式会社 | 警報システムおよび制御装置 |
EP3346402A1 (en) * | 2017-01-04 | 2018-07-11 | Fraunhofer Portugal Research | Apparatus and method for triggering a fall risk alert to a person |
CN108986406A (zh) * | 2018-08-16 | 2018-12-11 | 沈阳航空航天大学 | 一种基于可穿戴传感器的老人缓慢跌倒检测装置 |
CN110226934A (zh) * | 2019-06-21 | 2019-09-13 | 青岛歌尔智能传感器有限公司 | 一种跌倒检测方法、装置及腕带式设备 |
CN110638459A (zh) * | 2019-09-03 | 2020-01-03 | 杭州雄芯物联科技有限公司 | 一种基于加速度传感器的人体运动跌倒检测装置及方法 |
CN111896052A (zh) * | 2020-07-28 | 2020-11-06 | 广州中科智巡科技有限公司 | 用于监测高空作业安全的实现方法、监测高空作业安全的佩戴装置 |
KR20210015638A (ko) * | 2019-08-02 | 2021-02-10 | 삼성전자주식회사 | 센서를 이용한 저전력 낙상 감지 방법 및 장치 |
CN112400191A (zh) * | 2018-06-29 | 2021-02-23 | 皇家飞利浦有限公司 | 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 |
CN112438721A (zh) * | 2019-08-30 | 2021-03-05 | 奇酷互联网络科技(深圳)有限公司 | 状态判断方法、电子设备以及计算机存储介质 |
CN112965132A (zh) * | 2021-02-03 | 2021-06-15 | 徐鹤洋 | 高架桥违规车辆上行检测系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6800062B2 (en) * | 2002-07-03 | 2004-10-05 | Epley Research, L.L.C. | Comprehensive vertigo management |
US9704369B2 (en) * | 2008-06-27 | 2017-07-11 | Barron Associates, Inc. | Autonomous fall monitor using an altimeter with opposed sensing ports |
KR102411738B1 (ko) * | 2015-09-25 | 2022-06-21 | 삼성전자 주식회사 | 낙상 감지 장치 및 그 제어방법 |
EP3709276A1 (en) * | 2019-03-12 | 2020-09-16 | Koninklijke Philips N.V. | A method for detecting fall of a user |
-
2021
- 2021-07-26 CN CN202110845442.6A patent/CN113647935B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104169680A (zh) * | 2012-03-13 | 2014-11-26 | 皇家飞利浦有限公司 | 使用气压传感器监测设备的高度改变 |
CN102626312A (zh) * | 2012-04-01 | 2012-08-08 | 浙江大学城市学院 | 一种跌倒检测方法、跌倒检测装置和穿戴式设备 |
WO2014151577A1 (en) * | 2013-03-15 | 2014-09-25 | Stryker Corporation | Patient support apparatus with patient information sensors |
CN105342623A (zh) * | 2015-09-25 | 2016-02-24 | 广东乐源数字技术有限公司 | 智能跌倒监护装置及其处理方法 |
JP2017136313A (ja) * | 2016-02-05 | 2017-08-10 | シャープ株式会社 | 警報システムおよび制御装置 |
CN106264457A (zh) * | 2016-07-28 | 2017-01-04 | 南京为绿生物科技有限公司 | 一种基于物联网技术的医疗健康安全监护方法和系统 |
CN106683340A (zh) * | 2016-12-15 | 2017-05-17 | 歌尔股份有限公司 | 一种用户行为监测方法和可穿戴设备 |
EP3346402A1 (en) * | 2017-01-04 | 2018-07-11 | Fraunhofer Portugal Research | Apparatus and method for triggering a fall risk alert to a person |
CN112400191A (zh) * | 2018-06-29 | 2021-02-23 | 皇家飞利浦有限公司 | 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 |
CN108986406A (zh) * | 2018-08-16 | 2018-12-11 | 沈阳航空航天大学 | 一种基于可穿戴传感器的老人缓慢跌倒检测装置 |
CN110226934A (zh) * | 2019-06-21 | 2019-09-13 | 青岛歌尔智能传感器有限公司 | 一种跌倒检测方法、装置及腕带式设备 |
KR20210015638A (ko) * | 2019-08-02 | 2021-02-10 | 삼성전자주식회사 | 센서를 이용한 저전력 낙상 감지 방법 및 장치 |
CN112438721A (zh) * | 2019-08-30 | 2021-03-05 | 奇酷互联网络科技(深圳)有限公司 | 状态判断方法、电子设备以及计算机存储介质 |
CN110638459A (zh) * | 2019-09-03 | 2020-01-03 | 杭州雄芯物联科技有限公司 | 一种基于加速度传感器的人体运动跌倒检测装置及方法 |
CN111896052A (zh) * | 2020-07-28 | 2020-11-06 | 广州中科智巡科技有限公司 | 用于监测高空作业安全的实现方法、监测高空作业安全的佩戴装置 |
CN112965132A (zh) * | 2021-02-03 | 2021-06-15 | 徐鹤洋 | 高架桥违规车辆上行检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113647935A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Fall detection based on dual-channel feature integration | |
Tong et al. | HMM-based human fall detection and prediction method using tri-axial accelerometer | |
CN102027517B (zh) | 跌倒检测系统中的位移测量 | |
CN104297519B (zh) | 人体运动姿态识别方法和移动终端 | |
CN105824735B (zh) | 一种移动终端的跌落处理方法及移动终端 | |
KR20150054995A (ko) | 사람의 활동 개요 생성 시스템 및 방법 | |
Otanasap | Pre-impact fall detection based on wearable device using dynamic threshold model | |
CN111812356B (zh) | 一种基于三轴加速度计的跌落检测方法及装置 | |
JP4507243B2 (ja) | 行動分析方法及びシステム | |
Mohamed et al. | Fall detection systems for elderly care: A survey | |
Zhang et al. | Visual surveillance for human fall detection in healthcare IoT | |
Liu et al. | Automatic fall risk detection based on imbalanced data | |
CN108806019A (zh) | 基于加速度传感器的行车记录数据处理方法及装置 | |
CN113647935B (zh) | 跌落姿态识别方法及系统 | |
Hung et al. | Fall detection with two cameras based on occupied area | |
Sowmyayani et al. | Fall detection in elderly care system based on group of pictures | |
Liao et al. | A vision-based walking posture analysis system without markers | |
Ye et al. | Research of fall detection and alarm applications for the elderly | |
CN111800693A (zh) | 一种基于蓝牙耳机的运动姿态判断方法与系统 | |
CN116092193A (zh) | 一种基于人体运动状态识别的行人航迹推算方法 | |
Howedi et al. | Accelerometer-based human fall detection using fuzzy entropy | |
CN112805760B (zh) | 摔倒检测方法、装置、设备以及存储介质 | |
Lee et al. | Development of wearable device and clustering based method for detecting falls in the elderly | |
Xu et al. | Fall detection in elevator cages based on xgboost and LSTM | |
Takano et al. | Classifying sports gesture using event-based matching in a multimedia e-learning system |
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 |