CN113900524A - 可穿戴设备、跌倒检测系统、方法、装置及电子设备 - Google Patents
可穿戴设备、跌倒检测系统、方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113900524A CN113900524A CN202111192590.9A CN202111192590A CN113900524A CN 113900524 A CN113900524 A CN 113900524A CN 202111192590 A CN202111192590 A CN 202111192590A CN 113900524 A CN113900524 A CN 113900524A
- Authority
- CN
- China
- Prior art keywords
- information
- data processing
- fall detection
- processing module
- falling
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 164
- 238000000034 method Methods 0.000 title description 16
- 238000005259 measurement Methods 0.000 claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 73
- 230000001681 protective effect Effects 0.000 claims description 32
- 230000004927 fusion Effects 0.000 claims description 30
- 230000033001 locomotion Effects 0.000 claims description 22
- 230000001133 acceleration Effects 0.000 claims description 18
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000007499 fusion processing Methods 0.000 claims description 11
- 230000005484 gravity Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 24
- 230000015654 memory Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000010354 integration Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 101100264172 Oryza sativa subsp. japonica XIAO gene Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000011889 copper foil Substances 0.000 description 2
- 230000007787 long-term memory Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种可穿戴设备、跌倒检测系统、方法、装置及电子设备。该可穿戴设备包括数据处理模块和配置在各身体部位对应处的信息采集模块；信息采集模块用于采集所在身体部位对应处的惯性测量信息，并将惯性测量信息发送至数据处理模块；基于惯性测量信息确定跌倒检测信息，将跌倒检测信息发送至关联的终端设备，以使关联的终端设备基于跌倒检测信息进行报警。上述技术方案，通过获取各身体部位对应处的惯性测量信息，可以使参考数据更加丰富，从而在进行跌倒判断时，使跌倒判断结果的准确率更高；进一步的，将跌倒检测信息发送至关联的终端设备，可以实现远端报警，避免现场报警难以察觉报警信号的情况发生。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种可穿戴设备、跌倒检测系统、方法、装置及电子设备。
背景技术
随着可穿戴设备技术的发展，跌倒检测系统在医疗、安全消防领域得到了广泛应用。
目前国内消防员使用较为广泛的个人安全报警设备(Personal Alert SafetySystem，PASS)包含了一个倾斜传感器用于跌倒检测。该设备通过检测一段时间(通常为30秒)内对象无明显运动特征以判断存在危险并通过蜂鸣器发出警示。
但是，PASS设备经常发生错报或误报的情况，影响消防救援效率，其次，火灾现场的复杂环境伴随着各种噪声，如爆炸、建筑塌陷、高压水枪等，这些噪声干扰使得蜂鸣器的警示声难以被察觉，尤其是在开展救援时救援小组各组员间隔较大或被房间分隔，很难及时将自身危险告知周围组员进行营救。
发明内容
本发明提供一种可穿戴设备、跌倒检测系统、方法、装置及电子设备，以实现提高跌倒检测的正确率，并在终端发出跌倒报警信号，避免现场难以察觉报警信号的情况发生。
第一方面，本发明实施例提供了一种可穿戴设备，包括数据处理模块和配置在各身体部位对应处的信息采集模块，各所述信息采集模块分别与所述数据处理模块电连接；
所述信息采集模块用于采集所在身体部位对应处的惯性测量信息，并将所述惯性测量信息发送至所述数据处理模块；
所述数据处理模块用于接收各所述信息采集模块发送的惯性测量信息，基于所述惯性测量信息确定跌倒检测信息，将所述跌倒检测信息发送至关联的终端设备，以使所述关联的终端设备基于所述跌倒检测信息进行报警。
第二方面，本发明实施例还提供了一种跌倒检测系统，包括：可穿戴设备和终端设备，所述可穿戴设备包括数据处理模块和配置在各身体部位对应处的信息采集模块，各所述信息采集模块分别与所述数据处理模块电连接，所述数据处理模块与所述终端设备通信连接；
所述信息采集模块用于采集所在身体部位对应处的惯性测量信息，并将所述惯性测量信息发送至所述数据处理模块；
所述数据处理模块用于接收各所述信息采集模块发送的惯性测量信息，基于所述惯性测量信息确定跌倒检测信息，并将所述跌倒检测信息发送至所述终端设备；
所述终端设备用于接收所述数据处理模块发送的跌倒检测信息，并基于所述跌倒检测信息发出跌倒报警信号。
第三方面，本发明实施例还提供了一种跌倒检测方法，包括：
获取各身体部位对应处的惯性测量信息，其中，所述惯性测量信息包括重力加速度、角速度、磁力计原始数据值；
基于所述重力加速度、角速度、磁力计原始数据值确定跌倒检测信息；
将所述跌倒检测信息发送至关联的终端设备，以使所述关联的终端设备基于所述跌倒检测信息进行报警。
第四方面，本发明实施例还提供了一种跌倒检测装置，包括：
信息获取模块，用于获取各身体部位对应处的惯性测量信息，其中，所述惯性测量信息包括重力加速度、角速度、磁力计原始数据值；
跌倒检测模块，用于基于所述重力加速度、角速度、磁力计原始数据值确定跌倒检测信息；
跌倒报警模块，用于将所述跌倒检测信息发送至关联的终端设备，以使所述关联的终端设备基于所述跌倒检测信息进行报警。
第五方面，本发明实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求8中所述的跌倒检测方法。
本发明通过采集各身体部位对应处的惯性测量信息，可以使参考数据更加丰富，从而在进行跌倒判断时，使跌倒判断结果的准确率更高，避免了由于单一测量部件测量错误导致跌倒结果的不准确情况的发生；进一步的，将跌倒检测信息发送至关联的终端设备，以使关联的终端设备基于跌倒检测信息进行报警，可以实现远端报警，避免现场报警难以察觉报警信号的情况发生。
附图说明
为了更加清楚地说明本发明示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本发明所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。
图1是本发明实施例一所提供的一种可穿戴设备的示意图；
图2是本发明实施例一所提供的一种可穿戴设备的数据处理流程图；
图3是本发明实施例一所提供的一种可穿戴设备各组件的电路原理图；
图4是本发明实施例二所提供的一种跌倒检测系统的示意图；
图5是本发明实施例二所提供的一种跌倒检测算法逻辑流程图；
图6是本发明实施例三所提供的一种跌倒检测方法的流程示意图；
图7是本发明实施例四所提供的一种跌倒检测装置的结构示意图；
图8是本发明实施例五所提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的一种可穿戴设备的结构示意图。本实施例可适用于在跌倒检测中自动检测跌倒的情况。其中，图1仅为一种示例，不限定数据处理模块和信息采集模块的数量，信息采集模块的数量可以根据进行惯性测量信息采集的身体部位确定。该可穿戴设备包括：数据处理模块110和配置在各身体部位对应处的信息采集模块120，各信息采集模块120分别与数据处理模块110电连接。
其中，信息采集模块120用于采集所在身体部位对应处的惯性测量信息，并将惯性测量信息发送至数据处理模块110；数据处理模块110用于接收各所述信息采集模块发送的惯性测量信息，基于所述惯性测量信息确定跌倒检测信息，将所述跌倒检测信息发送至关联的终端设备，以使所述关联的终端设备基于所述跌倒检测信息进行报警。
在本发明实施例中，信息采集模块120可以是由多个惯性测量器件组成，惯性测量器件用于采集各惯性测量器件所在身体部位对应处的惯性测量信息，通过采集多个身体部位对应处的惯性测量信息，可以使判断跌倒的参考数据更加丰富，从而在进行跌倒判断时，使跌倒检测结果的准确率更高，避免了由于单一测量部件测量错误导致跌倒检测结果不准确情况的发生。惯性测量信息可以是人的身体各部位对应处的惯性相关数据，惯性测量信息可以包括但不限于重力加速度、关节旋转角速度和磁力计原始数据，磁力计原始数据可以包括磁场强度和方向。惯性测量器件可以包括但不限于三轴加速度计、三轴陀螺仪和三轴磁力计，三轴加速度计可以用于测量身体各部位对应处的重力加速度；三轴陀螺仪可以用于测量身体各部位对应处的关节旋转角速度；三轴磁力计用于测量身体各部位对应处的磁场强度和方向，并确定信息采集模块120的方位。
各信息采集模块120分别与数据处理模块110电连接，电连接方式可以是通过印刷电路板上的铜箔进行连接，也可以是通过导线进行连接，本发明实施例对此不作限定。可以理解的是，无论是铜箔还是导线，均可以传输电信号，将信息采集模块120采集的惯性测量信息转换成电信号，并传输至数据处理模块110。
数据处理模块110接收到各信息采集模块发送的惯性测量信息，进一步的，对惯性测量信息进行编码和整合处理，得到跌倒检测信息。其中，跌倒检测信息是惯性测量信息经过编码和整合处理的结果，可以用于跌倒判断，编码的作用是将电信号转换为能够进行通信传输和存储的信号，整合指的将采集的多路惯性测量信息进行汇集和统计。在本发明实施例中，通过对惯性测量信息进行编码和整合处理，将惯性测量信息转换为能够进行通信传输和存储的跌倒检测信息，并整合多路惯性测量信息，为数据传输和计算提供了便利。
信息采集模块120还可以将跌倒检测信息发送至关联的终端设备，以使关联的终端设备基于跌倒检测信息进行远端报警，避免现场报警难以察觉报警信号的情况发生。其中，终端设备可以是位于远端的设备，可以用于实现远端报警，终端设备可以包括但不限于电脑、手机和平板。终端设备可以与信息采集模块120通信连接，通信连接方式可以包括但不限于无线WiFi连接、蓝牙连接和有线连接。
在本发明实施例中，关联的终端设备可以基于跌倒检测信息得到跌倒检测结果，若跌倒检测结果中包括跌倒事件，则终端设备进行报警。在一些可选实施例中，终端设备可以将多个跌倒检测信息输入至预设的跌倒检测模型，得到跌倒检测结果，其中，预设的跌倒检测模型可以是神经网络模型。若跌倒检测结果中包括跌倒事件，则终端设备进行报警；在另一可选实施例中，终端设备可以将多个跌倒检测信息输入至目标函数，得到跌倒检测结果，若跌倒检测结果中包括跌倒事件，则终端设备进行报警。本发明实施例对跌倒检测结果的计算方法不做限制。
在上述实施例的基础上，所述可穿戴设备包括防护外套和防护裤，其中，所述可穿戴设备中的多个信息采集模块120分别设置在所述防护外套和所述防护裤中的各身体部位对应处；数据处理模块110为两个，分别设置在所述防护外套和所述防护裤中，所述防护外套中设置的数据处理模块110与所述防护外套中设置的多个信息采集模块120电连接，所述防护裤中设置的数据处理模块与所述防护裤中设置的多个信息采集模块电连接。
其中，防护外套和防护裤可以是用于火灾救援的防护装备，多个信息采集模块120分别设置在防护外套和防护裤中的各身体部位对应处。优选的，可以是将信息采集模块120设置在人体关节处，使人体的动作更加容易被检测到。例如，在防护外套部分，可以将信息采集模块120设置在背部、左右手肘处以及左右手腕处；在防护裤部分，可以将信息采集模块120设置在左右大腿处以及左右脚踝处。
数据处理模块110为两个，分别设置在防护外套和防护裤中，这样分开设置的好处在于，可以减轻数据处理模块的数据处理压力，并且可以实现对数据来源进行区分，方便后续的数据处理工作。需要说明的是，在火灾救援场景中，环境较为恶略，可能导致数据处理模块110损坏，分开设置还可以避免某一数据处理模块110损害导致数据无法传输的情况发生。可以将数据处理模块110设置在背部或腰部，方便与各信息采集模块120进行连接。
在一些可选实施例中，可以将防护外套和防护裤替换为内衣、长短袖T恤、运动T恤、运动裤等具有跌倒检测功能的上下装可穿戴服装。
在上述实施例的基础上，所述可穿戴设备还包括多路扩展模块，所述多路扩展模块分别与数据处理模块110、各信息采集模块120电连接；所述多路扩展模块用于汇集配置在各身体部位处的信息采集模块120采集的惯性测量信息，并将各所述惯性测量信息发送至所述数据处理模块。
其中，多路扩展模块可以将各信息采集模块120采集的惯性测量信息进行汇集，并将汇集之后的惯性测量信息发送至数据处理模块110，实现多路数据的收集。可选的，多路扩展模块可以是I2C多路信号扩展模块。
表1
示例性的，可穿戴设备具体可以由表1中组件组成，可穿戴设备包括信息采集模块、数据处理模块、多路扩展模块、蓝牙和电池，其中，信息采集模块的型号为BNO055，数据采样频率为15Hz；数据处理模块的型号为Seeeduino XIAO，为一种微处理器；多路扩展模块的型号为TCA29548A；蓝牙的型号为JDY-18，为一种低功耗蓝牙；电池可以为锂电池，各组件的规格参数详见表1。图2为可穿戴设备的数据处理的流程图，将位于防护外套和防护裤的多个IMU节点(即位于身体各部位处的信息采集模块)采集的IMU 9轴数据(即惯性测量信息)发送至I2C多路扩展模块，实现多路数据的汇集，然后将汇集的IMU 9轴数据发送至微处理器，然后通过串口将经微处理器处理的数据通过低功耗蓝牙以发送报文的形式发送至终端电脑(即终端设备)。图3为可穿戴设备各组件的电路原理图。其中，信息采集模块的型号为BNO055，分为JP3和JP4两个部分，通过JP3和JP4可实现跳线功能；多路扩展模块的型号为TCA29548A，分为JP1和JP2两个部分；数据处理模块的型号为Seeeduino XIAO，与TCA29548A的JP1部分、JDY-18电连接。
本发明实施例提供了一种可穿戴设备，通过采集各身体部位对应处的惯性测量信息，可以使参考数据更加丰富，从而在进行跌倒判断时，使跌倒判断结果的准确率更高，避免了由于单一测量部件测量错误导致跌倒结果的不准确情况的发生；进一步的，将跌倒检测信息发送至关联的终端设备，以使关联的终端设备基于跌倒检测信息进行报警，可以实现远端报警，避免现场报警难以察觉报警信号的情况发生。
实施例二
图4是本发明实施例二提供的一种跌倒检测系统的结构示意图。本实施例可适用于在跌倒检测中自动检测跌倒的情况。该系统可以执行本申请实施例所提供的跌倒检测方法。其中，图4仅为一种示例，不限定数据处理模块和信息采集模块的数量，该跌倒检测系统包括可穿戴设备和终端设备230。
其中，可穿戴设备包括数据处理模块210和配置在各身体部位对应处的信息采集模块220，各信息采集模块220分别与数据处理模块210电连接，数据处理模块210与终端设备230通信连接；信息采集模块220用于采集所在身体部位对应处的惯性测量信息，并将惯性测量信息发送至数据处理模块210；数据处理模块210用于接收各信息采集模块220发送的惯性测量信息，基于惯性测量信息确定跌倒检测信息，并将跌倒检测信息发送至终端设备230；终端设备230用于接收数据处理模块210发送的跌倒检测信息，并基于跌倒检测信息发出跌倒报警信号。
在本发明实施例中，通过采集多个身体部位对应处的惯性测量信息，可以使参考数据更加丰富，从而在进行跌倒判断时，使跌倒判断结果的准确率更高，避免了由于单一测量部件测量错误导致跌倒结果的不准确情况的发生；进一步的，将跌倒检测信息发送至终端设备，以使终端设备基于跌倒检测信息进行报警，可以实现远端报警，避免现场报警难以察觉报警信号的情况发生。
在上述实施例的基础上，终端设备230具体用于：将所述跌倒检测信息进行融合处理，确定所述跌倒检测信息对应的融合特征参数，并将所述融合特征参数输入至预设的神经网络模型，得到跌倒检测结果。
其中，融合处理可以是对多个跌倒检测信息进行数据融合处理。具体的，可以将多个跌倒检测信息映射至预设的三维坐标系，使多个惯性测量信息统一维度，方便计算。其中，预设的三维坐标系可以是东北天地球坐标系。进一步的，可以通过姿态解算算法对多个跌倒检测信息进行处理，得到融合特征参数。姿态解算算法可以是显式互补滤波法(MahonyAHRS)算法。融合特征参数是对多个跌倒检测信息进行融合处理的结果，可体现跌倒检测信息的特征，融合特征参数可以包括但不限于3轴重力加速度、3轴角速度、四元数、俯仰角、偏航角以及翻滚角。
示例性的，神经网络模型可以是长短期记忆网络模型，将融合特征参数作为输入，通过长短期记忆网络和softmax算法函数得到跌倒检测结果，若跌倒检测结果包括跌倒事件，则终端设备230发出报警。
在上述实施例的基础上，在所述融合处理之后还包括对预设时间内的融合特征参数进行平均处理，得到平均融合特征参数；相应的，将所述平均融合特征参数输入至预设的神经网络模型，得到跌倒检测结果。
其中，平均处理可以包括但不限于计算均值、标准差、极差以及平均绝对离差等方法，可以理解的是，由于运动状态为一段时间内的连续动作，因此为体现运动状态的变化，设置预设时间和预设时间间隔，对预设时间内不同预设时间间隔点上的融合特征参数进行平均处理，可以使数据更加可靠，在一些可选实施例中，预设时间可以是一个较短的时间，例如0.5秒，以减少计算时间，提高数据处理速度，实现快速救援。
示例性的，可以以0.5秒作为窗口大小值(即预设时间)，以0.1秒作为窗口平移值(即预设时间间隔)，计算0.5秒内融合特征参数的均值、标准差、极差以及平均绝对离差，得到平均融合特征参数，相应的，将1秒内10组平均融合特征参数输入至预设的神经网络模型，得到跌倒检测结果。
在上述实施例的基础上，终端设备230还用于基于所述跌倒检测信息得到运动状态图，并通过所述终端设备的显示界面显示所述运动状态图。
其中，运动状态图可以是人体的3D运动状态图，通过终端设备230的显示界面显示运动状态图，可以实时观察可穿戴设备用户的运动状态，监控可穿戴设备用户是否发生跌倒，避免跌倒漏报的情况发生。
具体的，可以将各身体部位对应处的惯性测量信息映射至预设的人体姿态坐标系中，得到人体实时的运动状态图。可以理解的是，当人体发生运动时，惯性测量信息可以发生变化，从而运动状态图发生变化。
示例性的，在火灾救援场景中，指挥官可在火场外通过终端设备230查看每个消防员实时的运动状态。当某一消防员在火场内出现摔倒、跌落、晕倒等跌倒事件，终端设备230将在1秒后给出跌倒报警，此时指挥官可监控此消防员3D人体运动状态图，如10秒内未出现明显运动，终端设备230将再次进行危险报警，指挥官可根据现场情况及时与场内其他消防员进行联系开展救援或者派遣另一组消防员进入开展救援，保证场内消防员的生命安全。
示例性的，图5为跌倒检测算法逻辑流程图。将采集的IMU原始数据(跌倒检测信息)发送至终端设备，在终端设备中，对跌倒检测信息进行统一坐标系，映射至东北天地球坐标系，然后进行AHRS姿态解算算法，获得融合特征参数，然后对融合特征参数进行预处理，预处理操作可以是平均处理，然后将平均处理处理得到的平均融合特征参数进行特征提取和归一化处理，并将归一化处理后的数据输入至LSTM神经网络，预测跌倒检测结果，若跌倒检测结果为跌倒，则终端设备进行报警。
本发明实施例提供了一种跌倒检测系统，通过采集各身体部位对应处的惯性测量信息，可以使参考数据更加丰富，从而在进行跌倒判断时，使跌倒判断结果的准确率更高，避免了由于单一测量部件测量错误导致跌倒结果的不准确情况的发生；进一步的，在终端设备中，将跌倒检测信息进行融合处理，确定跌倒检测信息对应的融合特征参数，并将融合特征参数输入至预设的神经网络模型，得到跌倒检测结果，实现对跌倒的自动检测。
实施例三
图6为本发明实施例三提供的一种跌倒检测方法的流程图，本实施例可适用于在跌倒检测中自动检测跌倒的情况，该方法可以由本发明实施例提供的跌倒检测装置来执行，该装置可以由软件和/或硬件来实现，该装置可以配置在电子计算设备上，例如，可移动的终端设备。具体包括如下步骤：
S310、获取各身体部位对应处的惯性测量信息，其中，所述惯性测量信息包括重力加速度、角速度、磁力计原始数据值。
S320、基于所述重力加速度、角速度、磁力计原始数据值确定跌倒检测信息。
S330、将所述跌倒检测信息发送至关联的终端设备，以使所述关联的终端设备基于所述跌倒检测信息进行报警。
可选的，所述基于所述重力加速度、角速度、磁力计原始数据值确定跌倒检测信息，包括：
将所述重力加速度、角速度、磁力计原始数据进行整合，得到惯性整合数据；
对所述惯性整合数据进行编码，得到跌倒检测信息。
可选的，所述关联的终端设备可以用于对所述跌倒检测信息进行融合处理，确定所述跌倒检测信息对应的融合特征参数，并将所述融合特征参数输入至预设的神经网络模型，得到跌倒检测信息。
可选的，所述关联的终端设备还可以用于在所述融合处理之后，对预设时间内的融合特征参数进行平均处理，得到平均融合特征参数，相应的，将所述平均融合特征参数输入至预设的神经网络模型，得到跌倒检测结果。
可选的，所述关联的终端设备还可以用于基于所述跌倒检测信息得到运动状态图，并通过所述关联的终端设备的显示界面显示所述运动状态图。
本发明实施例提供了一种跌倒检测方法，通过获取各身体部位对应处的惯性测量信息，可以使参考数据更加丰富，从而在进行跌倒判断时，使跌倒判断结果的准确率更高，避免了由于单一测量部件测量错误导致跌倒结果的不准确情况的发生；进一步的，将跌倒检测信息发送至关联的终端设备，以使关联的终端设备基于跌倒检测信息进行报警，可以实现远端报警，避免现场报警难以察觉报警信号的情况发生。
实施例四
图7为本发明实施例四提供的一种跌倒检测装置的结构示意图，本实施例所提供的跌倒检测装置可以通过软件和/或硬件来实现，可配置于终端和/或服务器中来实现本发明实施例中的跌倒检测方法。该装置具体可以包括：信息获取模块410、跌倒检测模块420以及跌倒报警模块430。
其中，信息获取模块410，用于获取各身体部位对应处的惯性测量信息，其中，所述惯性测量信息包括重力加速度、角速度、磁力计原始数据值；跌倒检测模块420，用于基于所述重力加速度、角速度、磁力计原始数据值确定跌倒检测信息；跌倒报警模块430，将所述跌倒检测信息发送至关联的终端设备，以使所述关联的终端设备基于所述跌倒检测信息进行报警。
本发明实施例提供了一种跌倒检测装置，通过获取各身体部位对应处的惯性测量信息，可以使参考数据更加丰富，从而在进行跌倒判断时，使跌倒判断结果的准确率更高，避免了由于单一测量部件测量错误导致跌倒结果的不准确情况的发生；进一步的，将跌倒检测信息发送至关联的终端设备，以使关联的终端设备基于跌倒检测信息进行报警，可以实现远端报警，避免现场报警难以察觉报警信号的情况发生。
在本发明实施例中任一可选技术方案的基础上，可选地，所述跌倒检测模块420可以用于：
将所述重力加速度、角速度、磁力计原始数据进行整合，得到惯性整合数据；
对所述惯性整合数据进行编码，得到跌倒检测信息。
在本发明实施例中任一可选技术方案的基础上，可选地，所述关联的终端设备可以用于对所述跌倒检测信息进行融合处理，确定所述跌倒检测信息对应的融合特征参数，并将所述融合特征参数输入至预设的神经网络模型，得到跌倒检测信息。
在本发明实施例中任一可选技术方案的基础上，可选地，所述关联的终端设备还可以用于在所述融合处理之后，对预设时间内的融合特征参数进行平均处理，得到平均融合特征参数，相应的，将所述平均融合特征参数输入至预设的神经网络模型，得到跌倒检测结果。
在本发明实施例中任一可选技术方案的基础上，可选地，所述关联的终端设备还可以用于基于所述跌倒检测信息得到运动状态图，并通过所述关联的终端设备的显示界面显示所述运动状态图。
本发明实施例所提供的跌倒检测装置可执行本发明任意实施例所提供的跌倒检测方法，具备执行方法相应的功能模块和有益效果。
实施例五
图8为本发明实施例五所提供的一种电子设备的结构示意图。图8示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图8显示的电子设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图8未显示，通常称为“硬盘驱动器”)。尽管图8中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块26的程序/实用工具36，可以存储在例如系统存储器28中，这样的程序模块26包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块26通常执行本发明所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图8所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图8中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发实施例所提供的一种跌倒检测方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种可穿戴设备，其特征在于，包括数据处理模块和配置在各身体部位对应处的信息采集模块，各所述信息采集模块分别与所述数据处理模块电连接；
所述信息采集模块用于采集所在身体部位对应处的惯性测量信息，并将所述惯性测量信息发送至所述数据处理模块；
所述数据处理模块用于接收各所述信息采集模块发送的惯性测量信息，基于所述惯性测量信息确定跌倒检测信息，将所述跌倒检测信息发送至关联的终端设备，以使所述关联的终端设备基于所述跌倒检测信息进行报警。
2.根据权利要求1所述的可穿戴设备，其特征在于，所述可穿戴设备包括防护外套和防护裤，其中，所述可穿戴设备中的多个信息采集模块分别设置在所述防护外套和所述防护裤中的各身体部位对应处；
所述数据处理模块为两个，分别设置在所述防护外套和所述防护裤中，所述防护外套中设置的数据处理模块与所述防护外套中设置的多个信息采集模块电连接，所述防护裤中设置的数据处理模块与所述防护裤中设置的多个信息采集模块电连接。
3.根据权利要求1所述的可穿戴设备，其特征在于，所述可穿戴设备还包括多路扩展模块，所述多路扩展模块分别与所述数据处理模块、各所述信息采集模块电连接；
所述多路扩展模块用于汇集配置在各身体部位处的信息采集模块采集的惯性测量信息，并将各所述惯性测量信息发送至所述数据处理模块。
4.一种跌倒检测系统，其特征在于，包括：可穿戴设备和终端设备，所述可穿戴设备包括数据处理模块和配置在各身体部位对应处的信息采集模块，各所述信息采集模块分别与所述数据处理模块电连接，所述数据处理模块与所述终端设备通信连接；
所述信息采集模块用于采集所在身体部位对应处的惯性测量信息，并将所述惯性测量信息发送至所述数据处理模块；
所述数据处理模块用于接收各所述信息采集模块发送的惯性测量信息，基于所述惯性测量信息确定跌倒检测信息，并将所述跌倒检测信息发送至所述终端设备；
所述终端设备用于接收所述数据处理模块发送的跌倒检测信息，并基于所述跌倒检测信息发出跌倒报警信号。
5.根据权利要求4所述的跌倒检测系统，其特征在于，所述终端设备具体用于：
将所述跌倒检测信息进行融合处理，确定所述跌倒检测信息对应的融合特征参数，并将所述融合特征参数输入至预设的神经网络模型，得到跌倒检测结果。
6.根据权利要求5所述的跌倒检测系统，其特征在于，在所述融合处理之后还包括对预设时间内的融合特征参数进行平均处理，得到平均融合特征参数；
相应的，将所述平均融合特征参数输入至预设的神经网络模型，得到跌倒检测结果。
7.根据权利要求4所述的系统，其特征在于，所述终端设备还用于基于所述跌倒检测信息得到运动状态图，并通过所述终端设备的显示界面显示所述运动状态图。
8.一种跌倒检测方法，其特征在于，包括：
获取各身体部位对应处的惯性测量信息，其中，所述惯性测量信息包括重力加速度、角速度、磁力计原始数据值；
基于所述重力加速度、角速度、磁力计原始数据值确定跌倒检测信息；
将所述跌倒检测信息发送至关联的终端设备，以使所述关联的终端设备基于所述跌倒检测信息进行报警。
9.一种跌倒检测装置，其特征在于，包括：
信息获取模块，用于获取各身体部位对应处的惯性测量信息，其中，所述惯性测量信息包括重力加速度、角速度、磁力计原始数据值；
跌倒检测模块，用于基于所述重力加速度、角速度、磁力计原始数据值确定跌倒检测信息；
跌倒报警模块，用于将所述跌倒检测信息发送至关联的终端设备，以使所述关联的终端设备基于所述跌倒检测信息进行报警。
10.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求8中所述的跌倒检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111192590.9A CN113900524A (zh) | 2021-10-13 | 2021-10-13 | 可穿戴设备、跌倒检测系统、方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111192590.9A CN113900524A (zh) | 2021-10-13 | 2021-10-13 | 可穿戴设备、跌倒检测系统、方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113900524A true CN113900524A (zh) | 2022-01-07 |
Family
ID=79191819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111192590.9A Pending CN113900524A (zh) | 2021-10-13 | 2021-10-13 | 可穿戴设备、跌倒检测系统、方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113900524A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201229355Y (zh) * | 2008-07-07 | 2009-04-29 | 李乔峰 | 无线人体运动姿态检测系统 |
| 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 |
| CN105769205A (zh) * | 2016-02-23 | 2016-07-20 | 中国科学院深圳先进技术研究院 | 一种身体信息检测设备及跌倒检测系统 |
-
2021
- 2021-10-13 CN CN202111192590.9A patent/CN113900524A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201229355Y (zh) * | 2008-07-07 | 2009-04-29 | 李乔峰 | 无线人体运动姿态检测系统 |
| 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 |
| CN105769205A (zh) * | 2016-02-23 | 2016-07-20 | 中国科学院深圳先进技术研究院 | 一种身体信息检测设备及跌倒检测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103393412B (zh) | 一种基于智能家居的老人看护装置 | |
| CN104133550B (zh) | 一种信息处理方法及电子设备 | |
| CN107633655A (zh) | 一种跌倒检测方法、终端及计算机可读存储介质 | |
| CN110675596B (zh) | 应用于可穿戴终端的跌倒检测方法 | |
| CN107788989B (zh) | 一种基于加速度传感器的写字姿态监测系统和方法 | |
| CN104000596A (zh) | 一种基于移动终端的跌倒检测方法 | |
| WO2017161689A1 (zh) | 多人协作式楼层定位方法和系统 | |
| Shi et al. | Fall Detection Algorithm Based on Triaxial Accelerometer and Magnetometer. | |
| CN205547534U (zh) | 一种多功能消防头盔 | |
| CN108447225A (zh) | 一种人体跌倒检测方法及装置 | |
| CN106650300B (zh) | 一种基于极限学习机的老人监护系统及方法 | |
| Colon et al. | Human fall detection with smartphones | |
| WO2024174674A1 (zh) | 一种基于惯性传感的跌倒及其相似动作预警方法 | |
| Lin et al. | Wearable device for real-time monitoring of human falls | |
| CN112137601A (zh) | 信号处理方法、装置、车辆及存储介质 | |
| CN113900524A (zh) | 可穿戴设备、跌倒检测系统、方法、装置及电子设备 | |
| Ye et al. | Research of fall detection and alarm applications for the elderly | |
| Tsekleves et al. | Wii your health: a low-cost wireless system for home rehabilitation after stroke using Wii remotes with its expansions and blender | |
| Rawashdeh et al. | Development of a low-cost fall intervention system for hospitalized dementia patients | |
| Secco et al. | Validation of smart garments for physiological and activity-related monitoring of humans in harsh environment | |
| Sheng-lan et al. | Research and design of a fall detection system based on multi-axis sensor | |
| JP2016109607A (ja) | 強震計、測定システムおよび損傷状態判定方法 | |
| CN210228152U (zh) | 一种人体状态检测装置 | |
| CN206639357U (zh) | 基于惯性、位置传感器的老年人跌倒检测装置 | |
| Xu et al. | A Wearable Micro-Electromechanical System Inertial Sensor System for Fall Behaviour Detection Based on a Multi-Level Threshold 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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220107 |