CN115428050A - 用于预防跌倒的混合型步态分析装置及包含其的跌倒预防管理系统 - Google Patents
用于预防跌倒的混合型步态分析装置及包含其的跌倒预防管理系统 Download PDFInfo
- Publication number
- CN115428050A CN115428050A CN202080099942.3A CN202080099942A CN115428050A CN 115428050 A CN115428050 A CN 115428050A CN 202080099942 A CN202080099942 A CN 202080099942A CN 115428050 A CN115428050 A CN 115428050A
- Authority
- CN
- China
- Prior art keywords
- subject
- gait
- gait analysis
- fall prevention
- unit
- 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
- 230000005021 gait Effects 0.000 title claims abstract description 157
- 230000002265 prevention Effects 0.000 title claims abstract description 50
- 210000000988 bone and bone Anatomy 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 13
- 239000004020 conductor Substances 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 21
- 238000000034 method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000036544 posture Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 3
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 241001166076 Diapheromera femorata Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002346 musculoskeletal system Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000002210 silicon-based material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- A61B5/112—Gait analysis
-
- 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
- G08B21/0476—Cameras to detect unsafe condition, e.g. video cameras
-
- 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
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- 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
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
-
- 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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
- A61B5/1122—Determining geometric values, e.g. centre of rotation or angular range of movement of movement trajectories
-
- 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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- 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
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6892—Mats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- 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
-
- 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
- A61B2562/0247—Pressure sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/117—Identification of persons
-
- 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
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/033—Recognition of patterns in medical or anatomical images of skeletal patterns
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Geometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种用于预防跌倒的混合型步态分析装置及包含其的跌倒预防管理系统,特别地,涉及一种提供基于受试者的步态特点的测定系统,并利用所搜集的信息来进行个性化分析,从而可以预测和预防跌倒的用于预防跌倒的混合型步态分析装置及包含其的跌倒预防管理系统。
Description
技术领域
本发明涉及一种用于预防跌倒的混合型步态分析装置及包含其的跌倒预防管理系统,其能够提供基于受试者的步态特点的测定系统,并利用所搜集的信息来进行个性化分析,从而可以预测和预防跌倒。
背景技术
通常,跌倒(fall)是因身体因素、心理因素、环境因素等复合因素而引起的,因此需要包括社会心理因素的综合的干预。
诱发跌倒的因素各种各样,并且其因素越多跌倒的风险就越高,因此,需要进行用于评估跌倒风险度的筛选检查。
目前,在适用过程中使用最多的跌倒风险度评估包括“聆听跌倒病史”和“针对步态和平衡的评估”。
但是,大部分评估过程排除了身体因素,而所测定的是如知识、自我效能感、预防行为、抑郁等心理因素,从而在运动效果的检验性方面是有限的。
当在未使用测定装置的情况下对身体平衡和步态能力进行测定时,在测定过程中可能会因受试者的意志或动作而产生误差,并且根据检查者可能会被过度纳入主观观点。
对此,在一些测定中使用了用于分析身体能力的装置,但是作为有限内容的片面测定方法是有限的,并且所针对的是普通人,而不是老年人等,因此亟需开发一种符合老年人等的特征及UX(用户体验)的系统。
现有技术文献
专利文献
专利文献1:韩国公开专利第10-2019-0070068号
专利文献2:韩国授权专利第10-1713263号
发明内容
发明所要解决的问题
为解决如上述问题,本发明提供一种用于预防跌倒的混合型步态分析装置及包含其的跌倒预防管理系统,其提供基于受试者的步态特点的测定系统,并利用所搜集的信息来进行个性化分析,从而可以预测和预防跌倒。
用于解决问题的方案
为此,根据本发明的用于预防跌倒的混合型步态分析装置包括:步态分析仪,其设置于预防跌倒受试者(subject)步行的底板上,并设置有在步行时用于测定足压的多个压力传感器,从而提供足压信息;深度相机(depth camera),其被设置为拍摄上述步行中的受试者,并提供上述受试者的三维深度影像;及步态分析模块,其对上述受试者的足压和从上述受试者的三维深度影像中读取的骨骼信息进行汇总并分析上述受试者的步行状态。
此时,优选地,还包括:用户自动识别仪,其通过搜索上述受试者的位置,分别分析上述受试者进入和退出上述垫式步态分析仪的时间点。
此外,优选地,上述步态分析仪包括分别由垫(mat)式形成的多个单位垫传感器,其中,上述单位垫传感器分别以矩阵(matrix)模式设置有多个压力传感器。
此外,优选地,上述单位垫传感器包括:底板片材;第一传感器片材,其层叠在上述底板片材上表面并沿着水平方向设置有水平轴压力传感器;导电性材质层,其层叠在上述第一传感器片材的上表面并由导电性材质构成;第二传感器片材,其层叠在上述导电性材质层上表面并且以与上述水平轴压力传感器交叉的方式沿着垂直方向设置有垂直层压力传感器;及收尾片材,其层叠在上述第二传感器片材的上表面。
此外,优选地,根据步态分析仪,至少设置一个上述深度相机,并分别在所负责的区域内连续拍摄上述受试者。
此外,优选地,还包括2D检查相机,其将上述受试者拍摄为二维RGB影像提供给上述步态分析模块,其中,上述步态分析模块利用从上述深度相机提供的3D深度影像的分析结果和从上述检查相机提供的2D的RGB影像的分析结果,从拍摄上述受试者的影像帧中提取与实际步行状态不同的错误帧并进行插补(interpolation)。
此外,优选地,上述步态分析模块通过机器学习(machine learning)从影像帧中提取受试者的骨骼(skeleton)影像和关节(joint)影像,根据上述骨骼和关节的姿态(position)以及方向(orientation)值分析上述受试者的步行状态。
此外,优选地,上述步态分析模块包括:对象提取部,其在上述三维深度影像中提取上述受试者在步行中使用的步行辅助手段;噪音去除部,其从上述分析对象影像帧中排除所提取的上述步态辅助手段;步态分析部,其利用已排除上述步态辅助手段的分析对象影像帧来分析上述受试者的步行状态;及跌倒预测部,其通过将上述受试者的步行状态与跌倒风险因素(factor)进行比较来预测跌倒风险度。
一方面,根据本发明的跌倒预防管理系统包括:如上所述的混合型步态分析装置;综合数据库,其记录上述受试者的个人信息及跌倒检查历史信息;及应用管理模块,其提供应用程序,以便在上述受试者的终端装置中访问上述综合数据库并接收检查结果。
此时,优选地,上述综合数据库提供适合上述受试者的个性化预防跌倒程序。
发明效果
如上所述的本发明提供混合型的测定装置,使作为检查对象的受试者在不会意识到正在进行步态测定的状态下进行测定,同时综合反映步行中的足压测定和骨骼信息。
此外,本发明通过综合数据库来实时提供受试者的个人信息和跌倒检查历史信息,同时,根据每个检查组提供优化的预防跌倒程序。
因此,可以提供基于受试者的步行特点的测定系统,并且利用所搜集的信息来进行个性化分析,从而提供能够预测和预防跌倒的综合系统。
附图说明
图1是示出根据本发明的跌倒预防管理系统的简要结构图。
图2是示出根据本发明的用于预防跌倒的混合型步态分析装置的结构图。
图3是示出本发明的垫式步态分析仪阵列的图。
图4是本发明的垫式步态分析仪层叠状态图。
图5是示出利用接收强度的受试者位置测定方法的图。
图6是示出利用信标(Beacon)的三边测量的受试者位置测定方法的图。
图7是示出利用本发明的深度相机获得的步行中的骨骼信息的图。
图8是示出本发明中的错误帧去除状态的图。
图9是示出本发明的步态分析模块的结构图。
图10a和图10b是示出在本发明中从拍摄影像中提取步态信息的方法的图。
图11是示出根据本发明的实施例的步态测定中单位检测识别方法的图。
附图标记的说明
10:混合型步态分析装置;
11:步态分析仪(垫式传感器);
12:3D深度相机;
13:步态分析模块;
14:用户自动识别仪;
15:2D检查相机;
16:垫识别部;
17:垫侧识别仪;
20:综合数据库;
30:应用管理模块。
具体实施方式
以下,参照附图并对根据本发明的优选实施例的预防跌倒的混合型步态分析装置及包含其的跌倒预防管理系统进行详细描述。
首先,如图1所示,在详细描述根据本发明的混合型步态分析装置10之前,简单描述包含其的跌倒预防管理系统10、20、30所适用的实施例。
如图所示,本发明的跌倒预防管理系统10、20、30包括:混合型步态分析装置10、综合数据库20及应用管理模块30,并且它们通过有线/无线网络彼此连接。
混合型步态分析装置10作为预测并预防受试者跌倒的检测装置,通过垫(mat)式的步态分析仪11来测定步行时的足压,并且通过深度相机(depth camera)12来测定步行时的骨骼运动。
当适用通过步态分析仪11和深度相机12一同进行测定的混合方式时,可基于客观的测定数据来分析受试者的跌倒因素,并且通过这些信息的组合来提供更加多样化的步态参数(gait parameter)。
此时,上述受试者是指如高龄人(老年人)、残疾人及行动不便的人等比一般人对预测和预防跌倒有更大需求的检查对象,以下主要以高龄人为例进行描述。
综合数据库20分别记录作为受试者的高龄人的个人信息和跌倒检查历史信息,从混合型步态分析装置10接收测定数据值并记录,然后提供给高龄人(受试者)。此外,如有需要,还可提供给相关机关。
虽然这种综合数据库20可以单独建立,但是,优选地,与网络服务器一同建立并能够建立为数据库服务器类型。此外,服务服务器可以建立为无线应用通讯协议(WAP)服务器或云(Cloud)服务器,以便向智能手机等移动终端提供服务。
*应用管理模块30提供应用程序,使得在作为受试者的高龄人的终端装置中通过访问综合数据库接受检查结果。作为一个示例,可一同设置于上述服务服务器中。在这种情况下服务服务器可以用作应用程序下载服务器。
以下,参照图2对构成本发明的跌倒预防管理系统的混合型步态分析装置10进行详细描述。
如图2所示,本发明的混合型步态分析装置10包括:步态分析仪11、3D的深度相机12及步态分析模块13。进而,作为另一优选实施例,还包括:用户自动识别仪14和2D的检查相机15。
其中,步态分析仪11对作为受试者的高龄人的足压进行测定,并且深度相机12通过三维影像来分析步行中的受试者的骨骼,步态分析模块13通过汇总测定信息来分析跌倒因素。
此外,用户自动识别仪14利用近距离无线通信来探测(搜索)并提供作为受试者的高龄人的位置,通过探测受试者是否进入和/或退出由垫(mat)式构成的步态分析仪11来提高检查精度。
2D的检查相机15与上述3D的深度相机12一同提供用于分析受试者的步态的拍摄影像。因此,通过三维影像的优点和二维影像的优点来搜索与实际的步态姿势不同的错误帧,并将其进行排除。
更加具体地,上述步态分析仪11对作为预防跌倒检查对象的受试者(subject),即高龄人在步行时的足压(foot pressure)进行测定,并且也可以与足压一同进行步态分析。
为此,步态分析仪11设置于预防跌倒受试者所步行的底板(例如,走廊或测定场所),并且以一定的间隔设置有多个压力传感器,以便能够测定步行时的足压。
此外,步态分析仪11包括多个“单位垫传感器”,以便为存储、运输和环境提供组装便利性。此时,为了诱导高龄人的自然步态,将每个单位垫传感器制造为垫(mat)式。
如图3所示,作为一例,多个单位垫传感器(C1至Cn)被制造为具有四边剖面形状,并且连接成一列的多个单位垫传感器(C1至Cn)与主控制器连接,从而将从每个压力传感器中测定的值提供给主控制器。
此外,单位垫传感器(C1至Cn)被设置为多个压力传感器具有一定的分布密度以上的分布密度的矩阵(matrix)模式,因此通过测定步行时的足压来提供压力中心(Center ofPressure,CoP)和质量中心(Center of Mass,CoM)等直观的测定信息,并以此为基础进行步态分析。
如图4中所示,作为优选实施例的垫式的单位垫传感器(C1至Cn)由多层结构构成,上述多层结构包括:底板片材11a、第一传感器片材11b、导电性材质层11c、第二传感器片材11d及收尾片材11e。
其中,底板片材11a设置于单位垫传感器(C1至Cn)的最下层,并且在底面设置有防滑单元等。此外,在一侧设置有阵列控制器(array controller)。分别设置于单位垫传感器(C1至Cn)的阵列控制器集中连接到上述主控制器。
第一传感器片材11b层叠在底板片材11a的上表面,并且沿着水平方向设置有“水平轴压力传感器”。作为一例,水平轴压力传感器以在片材上形成线形图案的方式制成。
但是,上述“水平”方向是指与后述的第二传感器片材11d“垂直”交叉的方向,并且水平和垂直可根据片材在平面上的放置位置或所观察的方向而不同。
导电性材质层11c层叠于第一传感器片材11b的上表面,并且由导电性材质构成。作为这种导电性材质层11c的实施例,可以使用称为“velostat”的压力检测布来测定压力值。
由于第二传感器片材11d层叠在导电性材质层11c的上表面,第一传感器片材11b和第二传感器片材11d在中间夹着导电性材质层11c设置,并且以与第一传感器片材11b的水平轴压力传感器交叉的方式沿着垂直方向设置有“垂直层压力传感器”。
因此,第一传感器片材11b的水平轴压力传感器和第二传感器片材11d的垂直轴压力传感器交叉并形成矩阵模式,并且由于在传感器的每个位置上同时测定受试者的足压,因此精确地测定上述CoP和CoM等。
作为实施例,如上所述的垫式步态分析仪11中,矩阵以至少0.5英寸(1.27cm)的间隔设定,以便能够细致地划分步行时的足压区域并进行检测。此外,鉴于步幅宽度(StepWidth),将单位垫传感器(C1至Cn)的尺寸设计为61cm×61cm(宽度,高度)。
因此,每个单位垫传感器(C1至Cn)被设置为包含2304个(48X48)压力传感器。根据彼此连接多个单位垫传感器(C1至Cn)的阵列,最终垫的长度可以设置为各种尺寸。
收尾片材11e层叠在第二传感器片材11d的上表面,并且作为一例,可以使用由硅材质构成的硅层(silicon layer)。因此,当对作为受试者的高龄人进行测定时,在吸收冲击的同时还能够防滑。
一方面,用户自动识别仪14通过识别受试者的位置来分别对受试者进入或退出上述垫式步态分析仪11的时间点进行分析,并且作为一例,利用近距离无线通信(near fieldcommunication)来识别(搜索)用户。
在用于识别用户(受试者)的近距离无线通信中,具有代表性的是在移动终端装置14a、14b中提供的蓝牙低耗能(Bluetooth Low Energy,BLE)协议通信功能,在这种情况下,用户自动识别仪14是蓝牙信标(beacon)。
如图5所示,蓝牙信标接收从受试者所携带的智能手机14a或所穿戴的可穿戴设备(例如,智能手表或手环)14b中发出的蓝牙无线信号,并且在接收的数据分组中含有针对发射功率(TxPower)的信息。
因此,通过利用接收的数据分组中所含有的信息来计算接收强度信号(ReceivedSignal Strength Indicator,RSSI),并可以通过所计算的RSSI值来识别受试者的接近。
因此,在受试者未感知到开始检查的状态下,通过用户自动识别仪14来对受试者进行识别之后开始进行检查,因此,受试者在未意识到正在进行步态测定的情况下,可以如往常一样,在自然的步行状态下接受步行能力的评估。
但是,作为一例,在以上描述中将近距离无线通信设备作为用于识别受试者的设备,尤其描述了进行BLE通信的信标。但是,对于用于识别受试者的近距离无线通信,也可以使用包括RFID标签在内的其他近距离识别装置。
此外,本发明举例说明了以使用信标中的接收信号强度指示(RSSI)的方式作为用户识别方法,但是可以利用三边测量算法来弥补由于信标的传播特性而难以求出恒定的RSSI值的缺点。
如图6所示,三边测量算法是分别从三个不同的信标中接收从智能手机等信号源发出的蓝牙信号,并通过将接收时间和接收方向等适用于三边测量法来预测用户的位置。
此时,为了信标的RSSI归一化,当适用卡尔曼滤波(Kalman Filter)算法并将信标设置于步态测定起点和终点时,仅识别起点和终点附近的近似值,因此,相比于准确的距离值优选判断是否包括在识别距离(Recognition Threshold)范围内。
然后,深度相机12被设置为对步行中的受试者进行拍摄,其相当于用于提供针对受试者的三维深度影像的计算型相机(computational camera),进行现有的2D无法实现的对每个像素的深度值的计算。
如图7所示,深度相机12通过对2D影像图像所提供的像素的RGB、彩度和对比度信息以及经由透镜进入的图像的运算来对图像进行再加工,从而可以表达所拍摄的受试者的骨骼信息。
因此,根据步态分析仪11设置至少一个深度相机12并在各自负责的区间内对受试者连续进行拍摄,可以提供步行中的受试者的骨骼信息,如骨骼(skeleton)和关节(joint)。
例如,可以利用骨骼关节(skeleton joint)的位置(position)以及作为旋转角度信息的方位(orientation)来提取步态分析参数。此外,通过骨骼信息可以分析多种步态图案和步态姿势,如步行时的左右平衡、腿角和脚的高度等。
但是,优选地,本发明还包括2D的检查相机15,检查相机15将受试者拍摄为二维的RGB影像并提供给步态分析模块13。即,将3D的深度相机12和2D的拍摄影像一同提供,从而通过分析不同维度的两个影像来提供更准确的步态信息。
作为一例,如图8所示,步态分析模块13通过利用关于深度相机12中提供的3D的深度影像的分析结果和检查相机15中提供的2D的RGB影像的分析结果来从拍摄受试者的影像帧中提取与实际步态状态不同的错误帧。进而,可以通过排除或修改所提取的错误帧来对影像帧进行插补(interpolation)。
即,基于通过深度相机12进行测定的各关节(joint)的三维位置和方位值来识别骨骼(skeleton),此时在利用深度(depth)值来识别骨骼的情况下,根据相机视野(Fieldof View,FoV)、角度而发生由腿、手臂、身体等的重叠或周边事物引起的错误的概率较多。
因此,为了缓解如上所述的错误,可以通过同时分析二维的RGB影像和三维的深度影像来对骨骼进行识别,并且可以利用用于检测深度影像的错误帧的算法和插补算法来识别骨骼。
然后,步态分析模块13通过汇总受试者的足压信息和从三维深度影像中读取的骨骼信息来分析受试者的步态状态,从而可以预测和预防高龄人的跌倒。
即,通过分析受试者步行时的影像而获得的骨骼信息来分析受试者的步行时的多种步态图案和步态姿势,如左右平衡、腿角和脚的高度等,从而预测和预防跌倒。
这种步态分析模块13可以单独设置于专门的计算终端装置中或者可以以一体式的方式设置于步态分析仪11中。此外,还可以设置于服务服务器中,通过接收由有线/无线通信网络接收的测定数据来处理进程。
特别地,步态分析模块13通过机器学习(machine learning,ML)从影像帧中提取受试者的骨骼(skeleton)和关节(joint)的影像。进而,分析受试者的步态状态,包括骨骼和关节的姿势(position)以及方位(orientation)值。
为此,如图9所示,步态分析模块13包括对象提取部13a、噪音去除部13b、步态分析部13c及跌倒预测部13d,从而可以提取步态参数(gait parameter)。
对于步态参数,通过算法来读取用户的步态步伐(gait step)、步幅(stride)、步幅长度(stride length),步宽(Step Width)、单腿支承(single support)、双腿支承(double support)、滞空时间、步速(step Velocity)、压力中心(Center of Pressure,CoP)、质量中心(Center of Mass,CoM)等。
其中,对象提取部13a从三维深度影像图像案中提取受试者在步行时所使用的步行辅助装置。步行辅助装置是指高龄人所使用的拐杖、手杖、步行器及助行器等。
因此,在受试者,即高龄人步态信息的分析过程中应排除步态辅助手段,由此将在影像帧中表示步态辅助手段的图像视为一种对象,并以如下方式去除。
噪音去除部13b将如上所述的以对象形式提取的步态辅助手段从分析对象影像帧中排除(删除或忽略),从而仅提供与受试者步态相关的信息用于分析。
如图10a和图10b所示,当受试者在垫式的步态分析仪11上面进行步行时,在步态辅助手段上分别检测出由受试者的脚(foot)生成的区域的压力和由步态辅助手段生成的区域的压力。
将由受试者的脚生成的区域的压力感应值(raw data)作为原始数据(raw data)进行存储后,通过降采样(down-sampling)来进行分析并生成各种有效数据。相反,由步态辅助手段生成的压力值则通过噪音去除部13b来进行去除。
步态分析部13c利用如上所述的已排除步态辅助手段的有效的分析对象影像帧来分析受试者的步态状态,跌倒预测部13d通过比较受试者的步态状态与跌倒风险因素(factor)来预测跌倒风险度。
即,为了步态分析,从通过深度相机12获得的骨骼信息中接收关节的三维位置及方位信息,并且通过将其进行组合并分析受试者的步态信息来预测跌倒风险度。
此外,通过对一般高龄人、跌倒风险群对象进行跌倒检查来收集和分析用户步态分析信息,并提取和处理跌倒风险因素(Factor)以及适用风险群分类算法。
此外,通过步态图案比较模型数据集、跌倒风险群分类数据集、根据用户的跌倒预测数据集来适用分类/学习/预测算法,并基于跌倒风险群分类数据集和用户个人步态图案数据预测跌倒风险度。
以下,针对可适用于根据本发明的用于预防跌倒的混合型步态分析装置的其他实施例进行说明。
这些其他实施例反映了构成步态分析仪11的每个单位垫传感器(C1至Cn)的识别或其排列分析,从而可以在受试者的步态测定中反映。
为此,如图2中所示,根据本发明的用于预防跌倒的混合型步态分析装置还包括垫识别部16和垫侧识别仪17,作为为其他实施例而添加的技术特征。
对于垫识别部16,上述单位垫传感器(C1至Cn)分别提供(传送)各自固有识别信息,并且为了信号传送而将固有识别信息承载于用户自动识别仪14可接收的数据包(datapacket)中进行传送。
例如,当用户自动识别仪14支持蓝牙低耗能(Bluetooth Low Energy,BLE)协议,以便与智能手机等移动终端进行短距离无线通信时,垫识别部16将固有识别信息承载于蓝牙信号中进行传送。
这种垫识别部16可以搭载于单位垫传感器(C1至Cn)的阵列控制器上,并且固有识别信号被后述的用户自动识别仪14接收后提供到步态分析模块13。
如图11所示,当进一步包括垫识别部16时,通过组装多个单位垫传感器(C1至Cn)来形成测定用步道,此时可以通过参考固有识别信息来掌握在步行中正在利用的垫。例如,可以确认,在步行中正在利用的单位垫传感器(C1至Cn)为D#1至ID#6。
即,可以掌握步行中的受试者当前正行走在所组装的单位垫传感器(C1至Cn)中的哪一个的记录。因此,步态分析模块13可以通过将受试者的识别信息和单位垫传感器的识别信息进行匹配(matching)来读取受试者的步态检查进行位置。
此外,上述用户自动识别仪14可以通过分析分别从单位垫传感器(C1至Cn)的垫识别部16传送的信号来提供用户自动识别仪14和单位垫传感器(C1至Cn)之间的相对位置信息。
作为通过分析所传送的信号来读取单位垫传感器(C1至Cn)的相对位置的方法有如上所述的利用接收强度信号RSSI的方法或三边测量法等。
因此,步态分析模块13可以通过反映从单位垫传感器(C1至Cn)之间的相对位置信息(由用户自动识别仪14提供)中读取的单位垫传感器(C1至Cn)的排列顺序来分析受试者的步态状态。
例如,当单位垫传感器(C1至Cn)以D#1至ID#6的顺序进行排列时,可以读取为受试者根据其顺序进行步行,并且以根据其对足压等进行分析的方式进行受试者的跌倒预测和预防分析。
然后,作为识别受试者的垫侧识别仪17利用如BLE协议等近距离无线通信来识别受试者所携带的移动终端或受试者所穿戴的可穿戴设备并识别受试者的接近。针对所识别的信息,通过用户自动识别仪来搜集和中继。
作为一实施例,这种垫侧识别仪17分别设置于单位垫传感器(C1至Cn)上,该单位垫传感器(C1至Cn)设置在受试者为了检测(测定)而开始进入的位置和结束步行并退出的位置。
此外,根据组装多个单位垫传感器(C1至Cn),当步行距离较长或复杂的情况下,在其移动路径的起点和终点之间的中间设置的单位垫传感器(C1至Cn)中也设置有上述垫侧识别仪17。
特别地,垫侧识别仪17设置在方向转换点(存在于受试者的进入点和退出点之间)的单位垫传感器(C1至Cn)上,由此可以通过反映受试者正在进行方向转换来进行步态检查。此外,可以分析单位垫传感器(C1至Cn)的组装图案或排列方向。
具体地,当通过设置有垫侧识别仪17的单位垫传感器(C1至Cn)来检测正在步行的受试者时,垫侧识别仪17在用户自动识别仪14的中继条件下将垫经过信号传送到步态分析模块13。
接收到垫通过信号的步态分析模块13对输入该信号的时间点的压力传感器传感信号进行分析,尤其,当受试者正在经过设置于方向转换点的单位垫传感器(C1至Cn)时,可以反映这一点。
图11中,作为一例举例了,在D#1至ID#6的单位垫传感器(C1至Cn)中,ID#4的单位垫传感器设置在方向转换点,并且单位垫传感器的排列以其为基准向上侧弯曲的情况。
因此,即使受试者的步态状态在ID#4的单位垫传感器中急剧发生变化,针对步态分析模块13也将其识别为方向转换,并可以通过反映上述情况来测定用于预测和预防跌倒的步态状态。
以下,对根据本发明的跌倒预防管理系统进行描述。如上述参考图1所进行的描述,本发明的跌倒预防管理系统包括:混合型步态分析装置10、综合数据库20和应用管理模块30。
此时,混合型步态分析装置10通过垫式的步态分析仪11来测定步行时的足压,从而预测和预防高龄人的跌倒,并通过设置于步道的深度相机12来获得步行时的骨骼信息。
因此,可以通过识别受试者步行时的骨骼来分析包括步行时的骨骼、关节、左右平衡、腿角及脚的高度等在内的多种步态图案和步态姿势。
综合数据库20记录受试者的个人信息以及历史信息,并提供用户/装置的认证管理功能。因此,通过管理根据用户的跌倒检查历史来提供综合型测定信息分析数据提供系统。
进而,综合数据库20提供适合受试者的个性化预防跌倒程序。预防跌倒程序按照通过测定步态状态的组别来考虑预测和预防跌倒结果,并选择和提供最佳的预防程序。
为了预防循环系统、神经系统、肌肉骨骼系统和由视觉风险带来的身体上的风险以及与老化相关的风险、因摄取中的药物所带来的风险、因居住环境因素所带来的风险和饮酒等生活习惯所带来的风险等,可以通过分类为多种类别来提供预防程序。
应用管理模块30提供应用程序,以便在受试者的终端装置中通过连接综合数据库来提供检查结果。因此,在本发明中应用管理模块30提供一种应用下载服务器的功能。
由这种应用管理模块30提供的应用程序包括:用于步态检查用户自动识别功能的活化、确认步态状态测定结果及用于请求预防跌倒程序的界面生成等多种服务环境。
以上,对本发明的特定实施例进行了描述。但是,本发明的思想和范围不限于这种特定实施例,且在本发明所属技术领域中本领域技术人员能够理解,在不改变主旨的范围内,可以进行多种修改和变形。
因此,以上所描述的实施例是为了使本发明所属技术领域中的普通技术人员能够完整地理解发明的范畴而提供的,因此应当理解,在所有方面都是示例性的而不是限制性的,并且本发明仅由权利要求书定义。
Claims (13)
1.一种用于预防跌倒的混合型步态分析装置,其特征在于,包括:
步态分析仪(11),其设置于预防跌倒受试者步行的底板,并设置有在步行时用于测定足压的多个压力传感器,从而提供足压信息;
深度相机(12),其被设置为拍摄步行中的所述受试者,并提供所述受试者的三维深度影像;及
步态分析模块(13),其对所述受试者的足压和从所述三维深度影像中读取的骨骼信息进行汇总并分析所述受试者的步行状态。
2.根据权利要求1所述的用于预防跌倒的混合型步态分析装置,其特征在于,还包括:
用户自动识别仪(14),其通过搜索所述受试者的位置,分别分析所述受试者进入和退出垫式的所述步态分析仪(11)的时间点。
3.根据权利要求2所述的用于预防跌倒的混合型步态分析装置,其特征在于,
所述步态分析仪(11)包括分别由垫式形成的多个单位垫传感器(C1~Cn),
其中,所述单位垫传感器(C1~Cn)分别以矩阵模式设置有多个压力传感器。
4.根据权利要求3所述的用于预防跌倒的混合型步态分析装置,其特征在于,
所述单位垫传感器(C1~Cn)包括:
底板片材(11a);
第一传感器片材(11b),其层叠在所述底板片材(11a)上表面并沿着水平方向设置有水平轴压力传感器;
导电性材质层(11c),其层叠在所述第一传感器片材(11b)的上表面并由导电性材质构成;
第二传感器片材(11d),其层叠在所述导电性材质层(11c)上表面并且以与所述水平轴压力传感器交叉的方式沿着垂直方向设置有垂直层压力传感器;及
收尾片材(11e),其层叠在所述第二传感器片材(11d)的上表面。
5.根据权利要求1所述的用于预防跌倒的混合型步态分析装置,其特征在于,
根据所述步态分析仪(11),至少设置一个所述深度相机(12),并分别在所负责的区间内连续拍摄所述受试者。
6.根据权利要求5所述的用于预防跌倒的混合型步态分析装置,其特征在于,还包括:
2D检查相机(15),其将所述受试者拍摄为二维RGB影像并提供给所述步态分析模块(13),
其中,所述步态分析模块(13)利用从所述深度相机(12)提供的3D深度影像的分析结果和从所述检查相机(15)提供的2D的RGB影像的分析结果,从拍摄所述受试者的影像帧中提取与实际步行状态不同的错误帧并进行插补。
7.根据权利要求1所述的用于预防跌倒的混合型步态分析装置,其特征在于,
所述步态分析模块(13)通过机器学习从影像帧中提取受试者的骨骼影像和关节影像,
根据所述骨骼和关节的姿势以及方向值分析所述受试者的步行状态。
8.根据权利要求7所述的用于预防跌倒的混合型步态分析装置,其特征在于,所述步态分析模块(13)包括:
对象提取部(13a),其在所述三维深度影像中提取所述受试者在步行中使用的步行辅助手段;
噪音去除部(13b),其从所述分析对象影像帧中排除所提取的所述步态辅助手段;
步态分析部(13c),其利用已排除所述步态辅助手段的分析对象影像帧来分析所述受试者的步行状态;及
跌倒预测部(13d),其通过将所述受试者的步行状态与跌倒风险因素进行比较来预测跌倒风险度。
9.根据权利要求3所述的用于预防跌倒的混合型步态分析装置,其特征在于,
所述多个单位垫传感器(C1~Cn)中还包括分别传送各自的固有识别信息的垫识别部(16),
所述垫识别部(16)的固有识别信息传送到支持所述用户自动识别仪(14)可接收的通信协议的数据包,
所述步态分析模块(13)通过将所述受试者的识别信息和所述单位垫传感器的识别信息进行匹配来读取所述受试者的步态检查进行位置。
10.根据权利要求9所示的用于预防跌倒的混合型步态分析装置,其特征在于,
所述用户自动识别仪(14)通过分析从所述单位垫传感器(C1~Cn)分别传送的信号来提供所述用户自动识别仪(14)和单位垫传感器(C1~Cn)之间的相对位置信息,
所述步态分析模块(13)通过反映从与所述单位垫传感器(C1~Cn)的相对位置信息中读取的所述单位垫传感器(C1~Cn)的排列顺序来分析所述受试者的步态状态,其中,与所述单位垫传感器(C1~Cn)的相对位置信息由所述用户自动识别仪(14)提供。
11.根据权利要求10所述的用于预防跌倒的混合型步态分析装置,其特征在于,还包括:
垫侧识别仪(17),其设置于所述单位垫传感器(C1~Cn)中受试者为了检查而开始进入的点和结束检查而退出的点之间的方向转换点,
当通过设置有所述垫侧识别仪(17)的单位垫传感器(C1~Cn)来检测正在步行的受试者时,所述垫侧识别仪(17)在所述用户自动识别仪(14)的中继条件下将垫经过信号传送到所述步态分析模块(13),
所述步态分析模块(13)通过反映受试者在所述方向转换点上步行时所测定的信息来分析所述受试者的步态状态。
12.一种跌倒预防管理系统,其特征在于,包括:
权利要求1-11中任一项所述的混合型步态分析装置(10);
综合数据库(20),其记录所述受试者的个人信息及跌倒检查历史信息;及应用管理模块(30),其提供应用程序,以便在所述受试者的终端装置中访问所述综合数据库(20)并接收检查结果。
13.根据权利要求12所述的跌倒预防管理系统,其特征在于,
所述综合数据库(20)提供适合所述受试者的个性化预防跌倒程序。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200031268A KR102376330B1 (ko) | 2020-03-13 | 2020-03-13 | 낙상 예방을 위한 하이브리드 보행 분석장치 및 그를 포함하는 낙상 예방 관리시스템 |
KR10-2020-0031268 | 2020-03-13 | ||
PCT/KR2020/016474 WO2021182713A1 (ko) | 2020-03-13 | 2020-11-20 | 낙상 예방을 위한 하이브리드 보행 분석장치 및 그를 포함하는 낙상 예방 관리시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115428050A true CN115428050A (zh) | 2022-12-02 |
CN115428050B CN115428050B (zh) | 2024-04-19 |
Family
ID=77672413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080099942.3A Active CN115428050B (zh) | 2020-03-13 | 2020-11-20 | 用于预防跌倒的混合型步态分析装置及包含其的跌倒预防管理系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230404436A1 (zh) |
KR (1) | KR102376330B1 (zh) |
CN (1) | CN115428050B (zh) |
WO (1) | WO2021182713A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112396014B (zh) * | 2020-11-26 | 2022-04-12 | 河北工业大学 | 基于特征融合的视触融合步态识别方法 |
KR102389427B1 (ko) * | 2021-10-25 | 2022-04-22 | 웰트 주식회사 | 보행 데이터를 이용한 낙상 위험 예방 방법 및 이러한 방법을 수행하는 장치 |
KR20230097298A (ko) | 2021-12-24 | 2023-07-03 | 서울대학교병원 | 이미지를 이용하여 임상 평가 정보를 제공하는 방법 및 장치 |
CN114176578A (zh) * | 2022-02-17 | 2022-03-15 | 杭州拜伦医疗科技有限公司 | 一种步态分析仪 |
KR102507767B1 (ko) * | 2022-02-28 | 2023-03-07 | 이상우 | 낙상을 검출하기 위한 방법, 서버 및 컴퓨터프로그램 |
WO2024128625A1 (ko) * | 2022-12-14 | 2024-06-20 | 한양대학교 산학협력단 | 보행 매트 및 이를 이용한 보행 상태 판단 방법 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216743A (ja) * | 2002-01-25 | 2003-07-31 | Nippon Telegr & Teleph Corp <Ntt> | 遠隔転倒予防指導支援システム |
US20120116251A1 (en) * | 2009-04-13 | 2012-05-10 | Wellsense Technologies | System and method for preventing decubitus ulcers |
US20120323501A1 (en) * | 2011-05-20 | 2012-12-20 | The Regents Of The University Of California | Fabric-based pressure sensor arrays and methods for data analysis |
US20150320352A1 (en) * | 2009-04-13 | 2015-11-12 | Enhanced Surface Dynamics, Inc. | System and method for preventing decubitus ulcers |
KR20180023225A (ko) * | 2016-08-25 | 2018-03-07 | 정원미 | 관리 대상자의 상태 인식을 통한 질병 발병 및 위험 상황 방지를 위한 스마트 매트 시스템 |
WO2019240354A1 (ko) * | 2018-06-11 | 2019-12-19 | 정재훈 | 족저 압력과 신체의 움직임 정보를 이용한 신체 부정렬 증후군 진단 장치 및 방법 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101713263B1 (ko) | 2015-04-14 | 2017-03-09 | 주식회사 케이엔아이씨 | 낙상 감지 패드, 및 낙상 감지 장치 |
JP6901707B2 (ja) * | 2015-05-15 | 2021-07-14 | ジェイ.ブラシュ シーオー. ,エルエルシー | アナログマルチゾーン感圧性パッドを介して、人をモニタリングするシステムおよびその方法 |
KR20190070068A (ko) | 2017-12-12 | 2019-06-20 | 고용국 | 웨어러블 장치를 이용한 낙상 사고 관리 시스템 |
-
2020
- 2020-03-13 KR KR1020200031268A patent/KR102376330B1/ko active IP Right Grant
- 2020-11-20 WO PCT/KR2020/016474 patent/WO2021182713A1/ko active Application Filing
- 2020-11-20 CN CN202080099942.3A patent/CN115428050B/zh active Active
- 2020-11-20 US US17/911,236 patent/US20230404436A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003216743A (ja) * | 2002-01-25 | 2003-07-31 | Nippon Telegr & Teleph Corp <Ntt> | 遠隔転倒予防指導支援システム |
US20120116251A1 (en) * | 2009-04-13 | 2012-05-10 | Wellsense Technologies | System and method for preventing decubitus ulcers |
US20150320352A1 (en) * | 2009-04-13 | 2015-11-12 | Enhanced Surface Dynamics, Inc. | System and method for preventing decubitus ulcers |
US20120323501A1 (en) * | 2011-05-20 | 2012-12-20 | The Regents Of The University Of California | Fabric-based pressure sensor arrays and methods for data analysis |
KR20180023225A (ko) * | 2016-08-25 | 2018-03-07 | 정원미 | 관리 대상자의 상태 인식을 통한 질병 발병 및 위험 상황 방지를 위한 스마트 매트 시스템 |
WO2019240354A1 (ko) * | 2018-06-11 | 2019-12-19 | 정재훈 | 족저 압력과 신체의 움직임 정보를 이용한 신체 부정렬 증후군 진단 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR102376330B1 (ko) | 2022-03-18 |
US20230404436A1 (en) | 2023-12-21 |
CN115428050B (zh) | 2024-04-19 |
WO2021182713A1 (ko) | 2021-09-16 |
KR20210115450A (ko) | 2021-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115428050B (zh) | 用于预防跌倒的混合型步态分析装置及包含其的跌倒预防管理系统 | |
CN106580294B (zh) | 基于多模态成像技术的生理信号远程监控系统及应用 | |
JP6904421B2 (ja) | 店舗装置、店舗管理方法、プログラム | |
EP3017761B1 (en) | System for functional balance assessment | |
CN103099602B (zh) | 基于光学识别的体质检测方法与系统 | |
CN104665836B (zh) | 长度量测方法与长度量测装置 | |
CN104103030B (zh) | 图像分析方法、照相机装置、控制装置及控制方法 | |
KR101118654B1 (ko) | 모션캡쳐 기반의 자세분석을 통한 재활 장치 및 이에 따른 재활 방법 | |
CN210895441U (zh) | 测体温防疫系统 | |
JP2020046928A (ja) | 情報処理装置、情報処理システム、情報処理方法及びプログラム | |
US20220405973A1 (en) | Analysis of urine test strips with mobile camera analysys and providing recommendation by customising data | |
KR20190030082A (ko) | 패턴인식 기반의 가금류 무게측정 시스템 및 방법 | |
CN112438724A (zh) | 跌倒风险评估方法、跌倒风险评估装置以及记录介质 | |
CN110678771A (zh) | 位置测量用终端装置、计算机程序及系统 | |
CN112438723A (zh) | 认知功能评估方法、认知功能评估装置以及存储介质 | |
CN115568823B (zh) | 一种人体平衡能力评估的方法、系统和装置 | |
KR102553951B1 (ko) | 낙상 예방 관리 시스템 | |
CN108885087A (zh) | 测量装置、测量方法和计算机可读记录介质 | |
CN111753636A (zh) | 基于面部遮挡条件下的测温识别方法及系统 | |
CN115809679A (zh) | 体能测试方法、电子设备、存储介质及计算机程序产品 | |
CN112438722A (zh) | 肌肉衰减症评估方法、评估装置以及存储介质 | |
CN111861275A (zh) | 家政工作模式的识别方法和装置 | |
KR101856741B1 (ko) | 돼지 부피 측정 시스템 및 그 방법 | |
Htoo et al. | Privacy preserving human fall recognition using human skeleton data | |
CN214793492U (zh) | 一种测体温防疫系统 |
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 |