CN117122312A - 防摔倒预警系统、方法、设备、存储介质和足底电子皮肤 - Google Patents
防摔倒预警系统、方法、设备、存储介质和足底电子皮肤 Download PDFInfo
- Publication number
- CN117122312A CN117122312A CN202311400846.XA CN202311400846A CN117122312A CN 117122312 A CN117122312 A CN 117122312A CN 202311400846 A CN202311400846 A CN 202311400846A CN 117122312 A CN117122312 A CN 117122312A
- Authority
- CN
- China
- Prior art keywords
- pressure detection
- early warning
- foot
- representing
- pressure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 218
- 230000005484 gravity Effects 0.000 claims abstract description 119
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 42
- 210000002683 foot Anatomy 0.000 claims description 102
- 230000002265 prevention Effects 0.000 claims description 54
- 230000004927 fusion Effects 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 18
- 238000009825 accumulation Methods 0.000 claims description 14
- 210000001872 metatarsal bone Anatomy 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 210000001255 hallux Anatomy 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 210000004744 fore-foot Anatomy 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims 1
- 230000005021 gait Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 229920000049 Carbon (fiber) Polymers 0.000 description 5
- 239000004917 carbon fiber Substances 0.000 description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 239000011540 sensing material Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002232 neuromuscular Effects 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004148 unit process 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
- A61B5/103—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
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
-
- 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
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- 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
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6804—Garments; Clothes
- A61B5/6807—Footwear
-
- 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
-
- 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
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Dentistry (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Probability & Statistics with Applications (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种防摔倒预警系统、方法、设备、存储介质和足底电子皮肤。所述防摔倒预警系统包括:足底压力检测单元,其用于获取足底在多个目标检测点的压力检测信号;数据处理单元,其用于将所述压力检测信号处理成压力检测时间序列点集;预警计算单元,其用于:根据所述压力检测时间序列点集计算足部重心偏移度和/或重心轨迹曲线;以及基于所述足部重心偏移度和/或所述重心轨迹曲线进行防摔倒预警。利用本申请的方案,能够在摔倒事件发生之前进行提前预警,从而提醒用户及时调整步态,避免摔倒事件发生。
Description
技术领域
本申请一般涉及防摔倒预警技术领域。更具体地,本申请涉及一种防摔倒预警系统、方法、设备、存储介质和足底电子皮肤。
背景技术
老年人由于神经肌肉生理性退变和病理性改变,会导致运动系统功能减退,从而致使老年人摔倒事件频发。目前,通常是通过基于外部环境传感器检测或者基于计算机视觉检测来进行摔倒预警。
然而,无论是基于外部环境传感器检测,还是基于计算机视觉检测,其均是在检测到老年人或者动作异常后才发出警报。即,目前的检测方式是聚焦在老年人摔倒事件发生后进行提醒,而不是在摔倒事件发生前进行预测。也就是说,前述方式的检测结果具有滞后性,无法有效的防止摔倒事件发生。
有鉴于此,亟需提供一种基于足底压力检测的防摔倒预警系统,能够在摔倒事件发生之前进行提前预警,从而提醒用户及时调整步态,避免摔倒事件发生。
发明内容
为了至少解决如上所提到的一个或多个技术问题,本申请在多个方面中提出了基于足底压力检测的防摔倒预警系统方案。
在第一方面中,本申请提供一种基于足底压力检测的防摔倒预警系统,包括:足底压力检测单元,其用于获取足底在多个目标检测点的压力检测信号;数据处理单元,其用于将所述压力检测信号处理成压力检测时间序列点集;预警计算单元,其用于:根据所述压力检测时间序列点集计算足部重心偏移度和/或重心轨迹曲线;以及基于所述压力检测时间序列点集计算的所述足部重心偏移度和/或所述重心轨迹曲线进行防摔倒预警。
在一个实施例中,所述多个目标检测点包括足部大脚趾、第一跖骨、第二三跖骨、第四五跖骨、足弓内侧、足跟内侧、足跟外侧和足跟后侧。
在另一个实施例中,在将所述压力检测信号处理成压力检测时间序列点集之前,所述数据处理单元还进一步用于:对所述压力检测信号进行去除异常点、滤波或者平滑中的一种或者多种预处理操作,以获得预处理后的电阻信号;以及对所述预处理后的电阻信号进行模数转换,以获得数字电压信号。
在又一个实施例中,在将所述压力检测信号处理成压力检测时间序列点集中,所述数据处理单元还进一步用于:将对所述压力检测信号预处理后获得的所述数字电压信号进行标定,以获得标定后的数字电压信号;以及对所述标定后的数字电压信号进行插值,以将所述压力检测信号处理成所述压力检测时间序列点集。
在又一个实施例中,在根据所述压力检测时间序列点集计算足部重心偏移度中,所述预警计算单元还进一步用于:根据所述压力检测时间序列点集计算压强累计冲量;以及基于所述压强累计冲量计算所述足部重心偏移度。
在又一个实施例中,所述足部重心偏移度包括左右脚重心偏移度,所述压强累计冲量包括左脚压强累计冲量和右脚压强累计冲量,并且在基于所述压强累计冲量计算足部重心偏移度中,所述预警计算单元还进一步用于基于以下公式计算所述左右脚重心偏移度:
其中,表示所述左右脚重心偏移度,/>表示所述左脚压强累计冲量,表示所述右脚压强累计冲量,i表示多个目标检测点的序号,j,k表示压力检测时间序列号,/>,/>表示左、右脚的压力检测时间序列点集,/>,/>表示时序测度微分,/>,/>分别表示左脚重心偏移度、右脚重心偏移度的积分时空域,/>表示求解范数。
在又一个实施例中,所述足部重心偏移度还包括前后脚掌重心偏移度,所述压强累计冲量还包括前脚掌压强累计冲量和后脚掌压强累计冲量,并且在基于所述压强累计冲量计算足部重心偏移度中,所述预警计算单元还进一步用于基于以下公式计算所述前后脚掌重心偏移度:
其中,表示所述前后脚掌重心偏移度,/>表示所述前脚掌压强累计冲量,/>表示所述后脚掌压强累计冲量,i表示多个目标检测点的序号,j,k表示压力检测时间序列号,/>,/>表示左、右脚的压力检测时间序列点集,/>,/>表示时序测度微分,/>,/>分别表示前脚掌重心偏移度、后脚掌重心偏移度的积分时空域,/>表示求解范数。
在又一个实施例中,在根据所述压力检测时间序列点集计算重心轨迹曲线中,所述预警计算单元还进一步用于基于以下公式计算所述重心轨迹曲线:
其中,表示所述重心轨迹曲线,/>表示所述压力检测时间序列点集,/>表示足底压力各目标检测点处的权重值,/>表示压力检测时间序列权重值,i表示各目标检测点的序号,j表示压力检测时间序列号,m表示重心轨迹曲线离散点序号,/>表示时序测度微分。
在又一个实施例中,在基于所述足部重心偏移度和/或所述重心轨迹曲线进行防摔倒预警中,所述预警计算单元还进一步用于:基于所述足部重心偏移度与第一预设阈值的比较结果或者基于所述重心轨迹曲线的变化率与第二预设阈值的比较结果进行防摔倒预警;或者利用融合判定因子对所述足部重心偏移度和所述重心轨迹曲线进行融合判定进行防摔倒预警。
在又一个实施例中,在基于所述足部重心偏移度与第一预设阈值的比较结果或者基于所述重心轨迹曲线的变化率与第二预设阈值的比较结果进行防摔倒预警中,所述预警计算单元还进一步用于:响应于所述足部重心偏移度大于所述第一预设阈值,判定为存在摔倒风险,以进行防摔倒预警;或者响应于所述重心轨迹曲线的变化率大于第二预设阈值,判定为存在摔倒风险,以进行防摔倒预警。
在又一个实施例中,通过以下公式计算所述融合判定因子:
其中,表示所述融合判定因子,/>表示基于所述足部重心偏移度或所述重心轨迹曲线进行防摔倒预警的误判度,/>表示权重,/>表示正则化范数。
在又一个实施例中,在利用融合判定因子对所述足部重心偏移度和所述重心轨迹曲线进行融合判定进行防摔倒预警中,所述预警计算单元还进一步用于:响应于所述融合判定因子大于第三预设阈值,判定为存在摔倒风险,以进行防摔倒预警。
在第二方面中,本申请提供一种基于足底压力检测的防摔倒预警方法,包括:获取足底在多个目标检测点的压力检测信号;将所述压力检测信号处理成压力检测时间序列点集;根据所述压力检测时间序列点集计算足部重心偏移度和/或重心轨迹曲线;以及基于所述压力检测时间序列点集计算的所述足部重心偏移度和/或所述重心轨迹曲线进行防摔倒预警。
在第三方面中,本申请提供一种基于足底压力检测的防摔倒预警的设备,包括:处理器;以及存储器,其存储有基于足底压力检测的防摔倒预警的程序指令,当所述程序指令执行由处理器执行时,使得实现前述第一方面中多个实施例所述的防摔倒预警系统所执行的操作;或者当所述程序指令由处理器执行时,使得实现前述第二方面中的实施例。
在第四方面中,本申请提供一种计算机可读存储介质,其上存储有基于足底压力检测的防摔倒预警的计算机可读指令,该计算机可读指令被一个或多个处理器执行时,实现前述第一方面中多个实施例所述的防摔倒预警系统所执行的操作;或者该计算机可读指令被一个或多个处理器执行时,实现前述第二方面中的实施例。
在第五方面中,本申请提供一种可穿戴的足底电子皮肤,包括:前述第一方面中多个实施例所述的防摔倒预警系统。
通过如上所提供的基于足底压力检测的防摔倒预警系统方案,本申请实施例通过采集多个目标检测点处的压力检测信号,并将压力检测信号处理成压力检测时间序列点集,以计算具有前瞻性的与摔倒风险有关的足部重心偏移度和/或重心轨迹曲线来进行防摔倒预警。基于本申请的实施例,能够提前预测摔倒事件发生,提醒用户及时调整步态,从而有效地避免摔倒事件发生。进一步地,本申请实施例还通过利用融合判定因子对足部重心偏移度和重心轨迹曲线进行融合判定进行防摔倒预警,以提高判定精度。此外,本申请实施例还提供一种可穿戴的足底电子皮肤,以将防摔倒预警系统可穿戴化、以便用于日常的防摔倒预警检测中。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1是示出根据本申请实施例的基于足底压力检测的防摔倒预警系统的示例性结构框图;
图2是示出根据本申请实施例的足部的多个目标检测点;
图3是示出根据本申请实施例的基于足底压力检测的防摔倒预警系统的示例性示意图;
图4是示出根据本申请实施例的基于足底压力检测的防摔倒预警方法的示例性流程框图;
图5是示出根据本申请实施例的可穿戴的足底电子皮肤的示例性示意图;
图6是示出根据本申请实施例的基于足底压力检测的防摔倒预警的设备的示例性结构框图,
图中,100-防摔倒预警系统,101-足底压力检测单元、102-数据处理单元,103-预警计算单元,201-足部大脚趾,202-第一跖骨,203-第二三跖骨,204-第四五跖骨,205-足弓内侧,206-足跟内侧,207-足跟外侧,208-足跟后侧,500-足底电子皮肤,600-设备,602-显示装置,603-输入装置,604-数据传输接口,605-局域网/无线局域网,606-本地服务器,607-因特网,608-外部网络的服务器,609-数据库,611-中央处理单元,612-大容量存储器,613-只读存储器,614-张量处理单元,615-图形处理单元,616-现场可编程门阵列,617-机器学习单元,618-通信接口,619-总线。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚和完整地描述。应当理解的是本说明书所描述的实施例仅是本申请为了便于对方案的清晰理解和符合法律的要求而提供的部分实施例,而并非可以实现本申请的所有实施例。基于本说明书公开的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1是示出根据本申请实施例的基于足底压力检测的防摔倒预警系统100的示例性结构框图。如图1中所示,该防摔倒预警系统100包括足底压力检测单元101、数据处理单元102和预警计算单元103。在一个实施例中,前述足底压力检测单元101可以用于获取足底在多个目标检测点的压力检测信号。其中,前述多个目标检测点包括足部大脚趾、第一跖骨、第二三跖骨、第四五跖骨、足弓内侧、足跟内侧、足跟外侧和足跟后侧。在一个实现场景中,前述足底压力检测单元101包括多个压力传感器,每个压力传感器对应各个目标检测点,通过感测用户足部的压力并且产生相应的电阻变化,以检测用户的足底在多个目标检测点的压力检测信号。即,该压力检测信号为多个目标检测点处的电阻信号,并且该压力检测信号包含用户双脚各自在多个目标检测点处的电阻信号。
优选地,上述多个压力传感器可以布置于采用例如柔性炭纤维压感材料制成的鞋垫中,并且设置成每个压力传感器对应各个目标检测点。在用户使用过程中,通过感测柔性炭纤维压感材料表面的压强变化并产生相应的电阻变化,以获得多个目标检测点处的电阻信号(也即压力检测信号)。作为示例,假设i为多个目标检测点(足部大脚趾、第一跖骨、第二三跖骨、第四五跖骨、足弓内侧、足跟内侧、足跟外侧和足跟后侧)的编号,为检测时间戳,前述压力检测信号可以表示为/>。
在一个实施例中,上述数据处理单元102可以与足底压力检测单元101通过有线或者无线进行通信连接,并且数据处理单元102用于将压力检测信号处理成压力检测时间序列点集。可以理解,前述压力检测信号通常为模拟电阻信号,由此在将压力检测信号处理成压力检测时间序列点集之前,前述数据处理单元102还进一步用于对压力检测信号进行去除异常点、滤波或者平滑中的一种或者多种预处理操作,以获得预处理后的电阻信号,进而对预处理后的电阻信号进行模数转换,以获得数字电压信号,以便于后续的处理操作。作为示例,前述数字电压信号可以记为。
具体地,在将压力检测信号处理成压力检测时间序列点集中,数据处理单元102还进一步用于将数字电压信号进行标定,以获得标定后的数字电压信号,接着对标定后的数字电压信号进行插值,以将压力检测信号处理成压力检测时间序列点集。在一个实施例中,可以根据可编程压力测试计来对前述数字电压信号进行标定,以获得标定后的数字电压信号。接着,可以通过例如离散线性插值或高阶多项式插值,将压力检测信号处理成压力检测时间序列点集。作为示例,前述压力检测时间序列点集可以记为,该压力检测时间序列点集/>作为预警计算单元103的输入数据。
在一个实施例中,上述预警计算单元103也可以与数据处理单元102通过有线或者无线进行通信连接,并且预警计算单元103可以用于根据压力检测时间序列点集计算足部重心偏移度和/或重心轨迹曲线,以基于足部重心偏移度和/或所述重心轨迹曲线进行防摔倒预警。即,本申请实施例可以通过计算足部重心偏移度或者重心轨迹曲线,以根据足部重心偏移度或者重心轨迹曲线分别进行防摔倒预警。本申请实施例也可以通过联合足部重心偏移度和重心轨迹曲线共同进行防摔倒预警。
对于计算足部重心偏移度来说,预警计算单元103还进一步用于根据压力检测时间序列点集计算压强累计冲量,接着基于压强累计冲量计算足部重心偏移度。在一个实施例中,前述足部重心偏移度包括左右脚重心偏移度,压强累计冲量包括左脚压强累计冲量和右脚压强累计冲量。在基于压强累计冲量计算足部重心偏移度中,预警计算单元103还进一步用于基于以下公式计算左右脚重心偏移度:
(1)
其中,表示左右脚重心偏移度,/>表示左脚压强累计冲量,/>表示右脚压强累计冲量,i表示多个目标检测点的序号,j,k表示压力检测时间序列号,/>,表示左、右脚的压力检测时间序列点集,/>,/>表示时序测度微分,/>,/>分别表示左脚重心偏移度、右脚重心偏移度的积分时空域,/>表示求解范数。
在另一个实施例中,前述足部重心偏移度还包括前后脚掌重心偏移度,所述压强累计冲量还包括前脚掌压强累计冲量和后脚掌压强累计冲量。在基于压强累计冲量计算足部重心偏移度中,预警计算单元103还进一步用于基于以下公式计算前后脚掌重心偏移度:
(2)
其中,表示前后脚掌重心偏移度,/>表示前脚掌压强累计冲量,表示后脚掌压强累计冲量,i表示多个目标检测点的序号,j,k表示压力检测时间序列号,/>,/>表示左、右脚的压力检测时间序列点集,/>,/>表示时序测度微分,,/>分别表示前脚掌重心偏移度、后脚掌重心偏移度的积分时空域,/> 。
基于上述计算的足部重心偏移度(包括左右脚重心偏移度和前后脚掌重心偏移度),可以进行防摔倒预警。在一个实施例中,可以基于足部重心偏移度与第一预设阈值的比较结果进行防摔倒预警。具体地,响应于足部重心偏移度大于第一预设阈值,判定为存在摔倒风险,以进行防摔倒预警。也即,当左右脚重心偏移度或前后脚掌重心偏移度任意一个大于第一预设阈值时,判定为存在摔倒风险,以进行防摔倒预警。也就是说,当左右脚重心偏移度或者前后脚掌重心偏移度大于第一预设阈值时,表示用户在站立、行走或跑动过程中,重心过度偏左、偏右、偏前或偏后,即身体重心不在平衡位置,这就造成潜在易摔倒前置风险,从而被判定为存在摔倒风险并进行提醒。
在一个实现场景中,上述第一预设阈值可以基于压强累计冲量进行设置,例如设置为压强累计冲量的30%。即,当左右脚重心偏移度或前后脚掌重心偏移度任意一个大于压强累计冲量的30%时,判定用户存在摔倒风险。
对于计算重心轨迹曲线来说,预警计算单元103还进一步用于基于以下公式计算重心轨迹曲线:
(3)
其中,表示重心轨迹曲线,/>表示压力检测时间序列点集,/>表示足底压力各目标检测点处的权重值,/>表示压力检测时间序列权重值,i表示各目标检测点的序号,j表示压力检测时间序列号,m表示重心轨迹曲线离散点序号。
在获得上述重心轨迹曲线后,可以进行防摔倒预警。在一个实施例中,可以基于重心轨迹曲线的变化率与第二预设阈值的比较结果进行防摔倒预警。具体地,响应于重心轨迹曲线的变化率大于第二预设阈值,判定为存在摔倒风险,以进行防摔倒预警。也就说是,当重心轨迹曲线的变化率大于第二预设阈值时,表示用户在站立、行走、跑动过程中重心不够稳定,漂移范围过大,产生潜在易摔倒前置风险,则判定存在有摔倒风险并进行提醒。当在一个实现场景中,前述重心轨迹曲线的变化率为,前述第二预设阈值可以设置为置信椭圆的30%。即,当重心轨迹曲线的变化率/>超过置信椭圆的30%时,判定用户存在摔倒风险。
根据前文可知,本申请实施例还可以联合足部重心偏移度和重心轨迹曲线共同进行防摔倒预警。在一个实施例中,预警计算单元103还进一步用于利用融合判定因子对足部重心偏移度和重心轨迹曲线进行融合判定进行防摔倒预警。其中,前述融合判定因子可以基于以下公式进行确定:
(4)
其中,表示融合判定因子,/>表示基于足部重心偏移度或重心轨迹曲线进行防摔倒预警的误判度,/>表示权重,/>表示正则化范数。在该场景中,本申请实施例通过假设基于足部重心偏移度或重心轨迹曲线的判定方法存在一定概率的误判度,通过积分融合算法,能够避免其中之一出现误判,从而进一步提升防摔倒预警的可靠性。
基于获得的融合判定因子,在一个实施例中,预警计算单元103还进一步用于响应于融合判定因子大于第三预设阈值,判定为存在摔倒风险,以进行防摔倒预警。具体地,可采用足部重心偏移度或重心轨迹曲线的判定方法各占50%权重的方式进行判定,即若单一判定方法的判定因子未达到第三预设阈值,则为0;达到第三预设阈值则为1。当两种判定方法的判定因子之和大于等于1,判定为存在摔倒风险。也就是说,当至少有两项判定因子成立,判定为存在摔倒风险。
结合上述描述可知,本申请实施例通过足底压力检测单元采集用户双脚各自的多个目标检测点处的压力检测信号,通过数据处理单元将压力检测信号处理成压力检测时间序列点集,并经由预警计算单元根据压力检测时间序列点集计算具有前瞻性的与摔倒风险有关的足部重心偏移度和/或重心轨迹曲线来进行防摔倒预警。进一步地,通过将足部重心偏移度或者重心轨迹曲线与相应的预设阈值进行比较,来确定用户在站立、行走或跑动过程中,重心是否失衡或者不够稳定,以在发生摔倒事件之前提醒用户及时调整步态,从而有效地避免摔倒事件发生。此外,本申请实施例还可以对足部重心偏移度和重心轨迹曲线进行融合判定,以提高防摔倒预警系统的判定精度。在一些实施例中,可以通过例如震动或者蜂鸣的方式进行预警。
图2是示出根据本申请实施例的足部的多个目标检测点。如图2中所示,多个目标检测点包括足部大脚趾201、第一跖骨202、第二三跖骨203、第四五跖骨204、足弓内侧205、足跟内侧206、足跟外侧207和足跟后侧208。如前所述,通过足底压力检测单元可以获取用户双脚足底在多个目标检测点的压力检测信号。其中,足底压力检测单元可以包括多个压力传感器,每个压力传感器对应各个目标检测点并感测用户足部的压力而产生相应的电阻变化,以检测用户的足底在多个目标检测点的压力检测信号。基于获得的压力检测信号,经由数据处理单元和预警计算单元,可以实现防摔倒预警。
图3是示出根据本申请实施例的基于足底压力检测的防摔倒预警系统的示例性示意图。需要理解的是,图3所示的防摔倒预警系统是上述图1中的防摔倒预警系统100的一个具体实施例,因此上述图1中关于防摔倒预警系统100所作的描述同样适用于图3。
如图3中所示,本申请实施例的防摔倒预警系统可以包括足底压力检测单元101、数据处理单元102和预警计算单元103,其中数据处理单元102和预警计算单元103可以封装成一体,足底压力检测单元101可以包括多个压力传感器(例如图中的小圆圈所示),每个压力传感器对应各个目标检测点(例如上述图2中所示的多个目标检测点)。在一个实现场景中,足底压力检测单元101、数据处理单元102和预警计算单元103之间可以通过有线或者无线进行通信连接。例如图中示出足底压力检测单元101与数据处理单元102和预警计算单元103之间通过有线连接,数据处理单元102和预警计算单元103之间通过无线连接。
在该场景下,首先经由足底压力检测单元101获取用户双脚足底在多个目标检测点的压力检测信号,接着通过数据处理单元102将压力检测信号处理成压力检测时间序列点集,以作为预警计算单元103的输入数据。进一步地,通过预警计算单元103根据压力检测时间序列点集计算足部重心偏移度和/或重心轨迹曲线,进而基于足部重心偏移度和/或所述重心轨迹曲线进行防摔倒预警。关于前述数据处理以及预警计算的更多细节,可参考上述图1的描述,本申请在此不再赘述。
图4是示出根据本申请实施例的基于足底压力检测的防摔倒预警方法400的示例性流程框图。如图4中所示,在步骤401处,获取足底在多个目标检测点的压力检测信号。在一个实施例中,前述多个目标检测点包括足部大脚趾、第一跖骨、第二三跖骨、第四五跖骨、足弓内侧、足跟内侧、足跟外侧和足跟后侧。在一个实现场景中,可以采用与多个目标检测点对应的多个压力传感器来采集压力检测信号。
基于获取的压力检测信号,在步骤402处,将压力检测信号处理成压力检测时间序列点集。在一个实施例中,首先可以将数字电压信号进行标定,以获得标定后的数字电压信号,接着对标定后的数字电压信号进行插值,以将压力检测信号处理成压力检测时间序列点集。具体地,可以根据可编程压力测试计来对前述数字电压信号进行标定,以获得标定后的数字电压信号。接着,可以通过例如离散线性插值或高阶多项式插值,将压力检测信号处理成压力检测时间序列点集。在一些实施例中,在将压力检测信号处理成压力检测时间序列点集之前,可以通过对压力检测信号进行去除异常点、滤波或者平滑中的一种或者多种预处理操作,以获得预处理后的电阻信号,进而对预处理后的电阻信号进行模数转换,以获得数字电压信号,以基于数字电压信号进行后续的处理操作。
接着,在步骤403处,根据压力检测时间序列点集计算足部重心偏移度和/或重心轨迹曲线。在一个实施例中,可以根据压力检测时间序列点集计算压强累计冲量,接着基于压强累计冲量计算足部重心偏移度。具体地,可以基于上述公式(1)和公式(2)计算左右脚重心偏移度和前后脚掌重心偏移度/>以及基于上述公式(3)计算重心轨迹曲线/>。在获得前述足部重心偏移度和/或重心轨迹曲线后,在步骤404处,基于足部重心偏移度和/或重心轨迹曲线进行防摔倒预警。在本申请实施例中,可以根据足部重心偏移度或者重心轨迹曲线分别进行防摔倒预警,也可以通过融合判定因子融合足部重心偏移度和重心轨迹曲线共同进行防摔倒预警。其中,前述融合判定因子可以基于上述公式(4)确定。
在一个实施例中,可以通过将足部重心偏移度与第一预设阈值的比较结果进行防摔倒预警。当左右脚重心偏移度或者前后脚掌重心偏移度大于第一预设阈值时,判定为存在摔倒风险并进行提醒。在另一个实施例中,可以基于获得的重心轨迹曲线,将重心轨迹曲线的变化率与第二预设阈值的比较结果进行防摔倒预警。当重心轨迹曲线的变化率大于第二预设阈值时,判定存在有摔倒风险并进行提醒。在又一个实施例中,可以通过将融合判定因子与第三预设阈值进行比较。当融合判定因子大于第三预设阈值,判定为存在摔倒风险并进行提醒。关于更多细节,可以参考上述图1的描述,本申请在此不再赘述。
在一个实施例中,本申请还提供一种可穿戴的足底电子皮肤,该可穿戴的足底电子皮肤包括本申请的上述防摔倒预警系统。需要理解的是,前述可穿戴的足底电子皮肤与人体皮肤高度吻合,其采用柔性传感器技术,能够实现全脚掌紧密贴合,精准采集足底压力检测信号,从而精确地进行防摔倒预警。在一个实现场景中,前述可穿戴的足底电子皮肤基于用户真实脚型设计,可以适配各种鞋类,易于穿戴,能够实时采集用户的动态数据,实现实时防摔倒预警。
参考上述图3,本申请的可穿戴的足底电子皮肤可以设计成上述图3所示,即足底压力检测单元内嵌于柔性炭纤维压感材料制成的鞋垫中,数据处理单元和预警计算单元封装成一体,并通过有线与足底压力检测单元进行连接。在实现场景中,前述数据处理单元和预警计算单元封装的整体可以固定于鞋外侧,以实现防摔倒预警。在一些实施例中,本申请的可穿戴的足底电子皮肤也可以将足底压力检测单元、数据处理单元和预警计算单元封装成的整体均内嵌于柔性炭纤维压感材料制成的鞋垫中进行防摔倒预警,例如图5所示。
图5是示出根据本申请实施例的可穿戴的足底电子皮肤500的示例性示意图。如图5中所示,该可穿戴的足底电子皮肤500包括内嵌于柔性炭纤维压感材料制成的鞋垫中的足底压力检测单元101、数据处理单元102和预警计算单元103。与上述图3所示的防摔倒预警系统类似,足底压力检测单元101、数据处理单元102和预警计算单元103之间可以通过有线或者无线进行通信连接。首先,经由足底压力检测单元101获取用户双脚足底在多个目标检测点的压力检测信号,接着通过数据处理单元102将压力检测信号处理成压力检测时间序列点集,以作为预警计算单元103的输入数据。进一步地,通过预警计算单元103根据压力检测时间序列点集计算足部重心偏移度和/或重心轨迹曲线,进而基于足部重心偏移度和/或所述重心轨迹曲线进行防摔倒预警。
图6是示出根据本申请实施例的基于足底压力检测的防摔倒预警的设备600的示例性结构框图。
如图6中所示,本申请的设备可以包括中央处理器或中央处理单元(“CPU”)611,其可以是通用CPU、专用CPU或者其他信息处理以及程序运行的执行单元。进一步,设备600还可以包括大容量存储器612和只读存储器(“ROM”)613,其中大容量存储器612可以配置用于存储各类数据,包括各种压力检测信号、压力检测时间序列点集、足部重心偏移度和/或重心轨迹曲、算法数据、中间结果和运行设备600所需要的各种程序。ROM可以配置成存储对于设备600的加电自检、系统中各功能模块的初始化、系统的基本输入/输出的驱动程序及引导操作系统所需的数据和指令。
可选地,设备600还可以包括其他的硬件平台或组件,例如示出的张量处理单元(“TPU”)614、图形处理单元(“GPU”)615、现场可编程门阵列(“FPGA”)616和机器学习单元(“MLU”)617。可以理解的是,尽管在设备600中示出了多种硬件平台或组件,但这里仅仅是示例性的而非限制性的,本领域技术人员可以根据实际需要增加或移除相应的硬件。例如,设备600可以仅包括CPU、相关存储设备和接口设备来实现本申请的基于足底压力检测的防摔倒预警所执行的操作以及基于足底压力检测的防摔倒预警方法。
在一些实施例中,为了便于数据与外部网络的传递和交互,本申请的设备600还包括通信接口618,从而可以通过该通信接口618连接到局域网/无线局域网(“LAN/WLAN”)605,进而可以通过该LAN/WLAN连接到本地服务器606或连接到因特网(“Internet”)607。替代地或附加地,本申请的设备600还可以通过通信接口618基于无线通信技术直接连接到因特网或蜂窝网络,例如基于第3代(“3G”)、第4代(“4G”)或第5代(“5G”)的无线通信技术。在一些应用场景中,本申请的设备600还可以根据需要访问外部网络的服务器608和数据库609,以便获得各种已知的算法、数据和模块,并且可以远程地存储各种数据,例如用于呈现压力检测信号、压力检测时间序列点集、足部重心偏移度和/或重心轨迹曲等的各类数据或指令。
设备600的外围设备可以包括显示装置602、输入装置603和数据传输接口604。在一个实施例中,显示装置602可以例如包括一个或多个扬声器和/或一个或多个视觉显示器,其配置用于对本申请的基于足底压力检测的防摔倒预警进行语音提示和/或图像视频显示。输入装置603可以包括例如键盘、鼠标、麦克风、姿势捕捉相机等其他输入按钮或控件,其配置用于接收音频数据的输入和/或用户指令。数据传输接口604可以包括例如串行接口、并行接口或通用串行总线接口(“USB”)、小型计算机系统接口(“SCSI”)、串行ATA、火线(“FireWire”)、PCI Express和高清多媒体接口(“HDMI”)等,其配置用于与其他设备或系统的数据传输和交互。根据本申请的方案,该数据传输接口604可以接收来自于足底压力检测单元采集的压力检测信号,并且向设备600传送包括压力检测信号或各种其他类型的数据或结果。
本申请的设备600的上述CPU、大容量存储器612、ROM、TPU、GPU、FPGA、MLU和通信接口618可以通过总线619相互连接,并且通过该总线与外围设备实现数据交互。在一个实施例中,通过该总线619,CPU可以控制设备600中的其他硬件组件及其外围设备。
以上结合图6描述了可以用于执行本申请的基于足底压力检测的防摔倒预警的设备。需要理解的是这里的设备结构或架构仅仅是示例性的,本申请的实现方式和实现实体并不受其限制,而是可以在不偏离本申请的精神下做出改变。
根据上述结合附图的描述,本领域技术人员也可以理解本申请的实施例还可以通过软件程序来实现。由此本申请还提供了一种计算机可读存储介质。该计算机可读存储介质可以用于实现本申请结合附图1、图4所描述的基于足底压力检测的防摔倒预警系统所执行的操作以及基于足底压力检测的防摔倒预警系统方法。
应当注意,尽管在附图中以特定顺序描述了本申请方法的操作,但是这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,流程图中描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
应当理解,当本申请的权利要求、当说明书及附图中使用到术语“第一”、“第二”、“第三”和“第四”等时,其仅用于区别不同对象,而不是用于描述特定顺序。本申请的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的,而并不意在限定本申请。如在本申请说明书和权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解,在本申请说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
虽然本申请的实施方式如上,但所述内容只是为便于理解本申请而采用的实施例,并非用以限定本申请的范围和应用场景。任何本申请所述技术领域内的技术人员,在不脱离本申请所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本申请的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (16)
1.一种基于足底压力检测的防摔倒预警系统,其特征在于,包括:
足底压力检测单元,其用于获取足底在多个目标检测点的压力检测信号;
数据处理单元,其用于将所述压力检测信号处理成压力检测时间序列点集;
预警计算单元,其用于:
根据所述压力检测时间序列点集计算足部重心偏移度和/或重心轨迹曲线;以及,
基于所述压力检测时间序列点集计算的所述足部重心偏移度和/或所述重心轨迹曲线进行防摔倒预警。
2.根据权利要求1所述的防摔倒预警系统,其特征在于,所述多个目标检测点包括足部大脚趾、第一跖骨、第二三跖骨、第四五跖骨、足弓内侧、足跟内侧、足跟外侧和足跟后侧。
3.根据权利要求1所述的防摔倒预警系统,其特征在于,在将所述压力检测信号处理成压力检测时间序列点集之前,所述数据处理单元还进一步用于:
对所述压力检测信号进行去除异常点、滤波或者平滑中的一种或者多种预处理操作,以获得预处理后的电阻信号;以及,
对所述预处理后的电阻信号进行模数转换,以获得数字电压信号。
4.根据权利要求3所述的防摔倒预警系统,其特征在于,在将所述压力检测信号处理成压力检测时间序列点集中,所述数据处理单元还进一步用于:
将对所述压力检测信号预处理后获得的所述数字电压信号进行标定,以获得标定后的数字电压信号;以及,
对所述标定后的数字电压信号进行插值,以将所述压力检测信号处理成所述压力检测时间序列点集。
5.根据权利要求1所述的防摔倒预警系统,其特征在于,在根据所述压力检测时间序列点集计算足部重心偏移度中,所述预警计算单元还进一步用于:
根据所述压力检测时间序列点集计算压强累计冲量;以及,
基于所述压强累计冲量计算所述足部重心偏移度。
6.根据权利要求5所述的防摔倒预警系统,其特征在于,所述足部重心偏移度包括左右脚重心偏移度,所述压强累计冲量包括左脚压强累计冲量和右脚压强累计冲量,并且在基于所述压强累计冲量计算足部重心偏移度中,所述预警计算单元还进一步用于基于以下公式计算所述左右脚重心偏移度:
其中,表示所述左右脚重心偏移度,/>表示所述左脚压强累计冲量,表示所述右脚压强累计冲量,i表示多个目标检测点的序号,j,k表示压力检测时间序列号,/>,/>表示左、右脚的压力检测时间序列点集,/>,/>表示时序测度微分,/>,/>分别表示左脚重心偏移度、右脚重心偏移度的积分时空域,/>表示求解范数。
7.根据权利要求6所述的防摔倒预警系统,其特征在于,所述足部重心偏移度还包括前后脚掌重心偏移度,所述压强累计冲量还包括前脚掌压强累计冲量和后脚掌压强累计冲量,并且在基于所述压强累计冲量计算足部重心偏移度中,所述预警计算单元还进一步用于基于以下公式计算所述前后脚掌重心偏移度:
其中,表示所述前后脚掌重心偏移度,/>表示所述前脚掌压强累计冲量,表示所述后脚掌压强累计冲量,i表示多个目标检测点的序号,j,k表示压力检测时间序列号,/>,/>表示左、右脚的压力检测时间序列点集,/>,/>表示时序测度微分,/>,/>分别表示前脚掌重心偏移度、后脚掌重心偏移度的积分时空域,/>表示求解范数。
8.根据权利要求1所述的防摔倒预警系统,其特征在于,在根据所述压力检测时间序列点集计算重心轨迹曲线中,所述预警计算单元还进一步用于基于以下公式计算所述重心轨迹曲线:
其中,表示所述重心轨迹曲线,/>表示所述压力检测时间序列点集,/>表示足底压力各目标检测点处的权重值,/>表示压力检测时间序列权重值,i表示各目标检测点的序号,j表示压力检测时间序列号,m表示重心轨迹曲线离散点序号,/>表示时序测度微分。
9.根据权利要求1所述的防摔倒预警系统,其特征在于,在基于所述足部重心偏移度和/或所述重心轨迹曲线进行防摔倒预警中,所述预警计算单元还进一步用于:
基于所述足部重心偏移度与第一预设阈值的比较结果或者基于所述重心轨迹曲线的变化率与第二预设阈值的比较结果进行防摔倒预警;或者,
利用融合判定因子对所述足部重心偏移度和所述重心轨迹曲线进行融合判定进行防摔倒预警。
10.根据权利要求9所述的防摔倒预警系统,其特征在于,在基于所述足部重心偏移度与第一预设阈值的比较结果或者基于所述重心轨迹曲线的变化率与第二预设阈值的比较结果进行防摔倒预警中,所述预警计算单元还进一步用于:
响应于所述足部重心偏移度大于所述第一预设阈值,判定为存在摔倒风险,以进行防摔倒预警;或者,
响应于所述重心轨迹曲线的变化率大于第二预设阈值,判定为存在摔倒风险,以进行防摔倒预警。
11.根据权利要求10所述的防摔倒预警系统,其特征在于,通过以下公式计算所述融合判定因子:
其中,表示所述融合判定因子,/>表示基于所述足部重心偏移度或所述重心轨迹曲线进行防摔倒预警的误判度,/>表示权重,/>表示正则化范数。
12.根据权利要求11所述的防摔倒预警系统,其特征在于,在利用融合判定因子对所述足部重心偏移度和所述重心轨迹曲线进行融合判定进行防摔倒预警中,所述预警计算单元还进一步用于:
响应于所述融合判定因子大于第三预设阈值,判定为存在摔倒风险,以进行防摔倒预警。
13.一种基于足底压力检测的防摔倒预警方法,其特征在于,包括:
获取足底在多个目标检测点的压力检测信号;
将所述压力检测信号处理成压力检测时间序列点集;
根据所述压力检测时间序列点集计算足部重心偏移度和/或重心轨迹曲线;以及,
基于所述压力检测时间序列点集计算的所述足部重心偏移度和/或所述重心轨迹曲线进行防摔倒预警。
14.一种基于足底压力检测的防摔倒预警的设备,其特征在于,包括:
处理器;以及,
存储器,其存储有基于足底压力检测的防摔倒预警的程序指令,当所述程序指令由处理器执行时,使得实现根据权利要求1-12任意一项所述的防摔倒预警系统所执行的操作;或者当所述程序指令由处理器执行时,使得实现根据权利要求13所述的防摔倒预警方法。
15.一种计算机可读存储介质,其特征在于,其上存储有基于足底压力检测的防摔倒预警的计算机可读指令,该计算机可读指令被一个或多个处理器执行时,实现根据权利要求1-12任意一项所述的防摔倒预警系统所执行的操作;或者该计算机可读指令被一个或多个处理器执行时,实现根据权利要求13所述的防摔倒预警方法。
16.一种可穿戴的足底电子皮肤,其特征在于,包括:
根据权利要求1-12任意一项所述的防摔倒预警系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311400846.XA CN117122312B (zh) | 2023-10-26 | 2023-10-26 | 防摔倒预警系统、方法、设备、存储介质和足底电子皮肤 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311400846.XA CN117122312B (zh) | 2023-10-26 | 2023-10-26 | 防摔倒预警系统、方法、设备、存储介质和足底电子皮肤 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117122312A true CN117122312A (zh) | 2023-11-28 |
CN117122312B CN117122312B (zh) | 2024-01-05 |
Family
ID=88863192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311400846.XA Active CN117122312B (zh) | 2023-10-26 | 2023-10-26 | 防摔倒预警系统、方法、设备、存储介质和足底电子皮肤 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117122312B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012011136A (ja) * | 2010-07-05 | 2012-01-19 | Nationa Hospital Organization | 動作安定支援装置、および、動作安定支援方法 |
CN110123329A (zh) * | 2019-05-17 | 2019-08-16 | 浙江大学城市学院 | 一种用于配合运动辅助下肢外骨骼进行人体位置调整的智能机械架及其控制方法 |
WO2020050108A1 (ja) * | 2018-09-07 | 2020-03-12 | 日本電信電話株式会社 | スキル情報提示装置、スキル情報提示方法、プログラム |
CN110987142A (zh) * | 2019-12-26 | 2020-04-10 | 美迪欧(厦门)健康科技有限公司 | 一种便携式足形足压检测仪及测量方法 |
CN111938654A (zh) * | 2020-07-06 | 2020-11-17 | 华南师范大学 | 足态测试方法、系统、可穿戴设备及存储介质 |
CN112587359A (zh) * | 2020-12-31 | 2021-04-02 | 成都市龙泉驿区第一人民医院 | 一种偏瘫患者站立位重心转移训练器 |
CN113812943A (zh) * | 2021-08-19 | 2021-12-21 | 新疆医科大学第五附属医院 | 一种预测老年肌少症患者跌倒风险的评估系统及评估方法 |
CN114343613A (zh) * | 2021-12-31 | 2022-04-15 | 福建世新机器人科技有限公司 | 一种基于足底压力的运动检测装置 |
CN114812491A (zh) * | 2022-01-19 | 2022-07-29 | 国网甘肃省电力公司经济技术研究院 | 基于长时间序列分析的输电线路地表形变预警方法及装置 |
CN114796770A (zh) * | 2022-04-24 | 2022-07-29 | 四川大学华西医院 | 一种多点位囊壁测压的人工气道气囊 |
CN117100255A (zh) * | 2023-10-25 | 2023-11-24 | 四川大学华西医院 | 一种基于神经网络模型进行防摔倒判定的方法和相关产品 |
-
2023
- 2023-10-26 CN CN202311400846.XA patent/CN117122312B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012011136A (ja) * | 2010-07-05 | 2012-01-19 | Nationa Hospital Organization | 動作安定支援装置、および、動作安定支援方法 |
WO2020050108A1 (ja) * | 2018-09-07 | 2020-03-12 | 日本電信電話株式会社 | スキル情報提示装置、スキル情報提示方法、プログラム |
CN110123329A (zh) * | 2019-05-17 | 2019-08-16 | 浙江大学城市学院 | 一种用于配合运动辅助下肢外骨骼进行人体位置调整的智能机械架及其控制方法 |
CN110987142A (zh) * | 2019-12-26 | 2020-04-10 | 美迪欧(厦门)健康科技有限公司 | 一种便携式足形足压检测仪及测量方法 |
CN111938654A (zh) * | 2020-07-06 | 2020-11-17 | 华南师范大学 | 足态测试方法、系统、可穿戴设备及存储介质 |
CN112587359A (zh) * | 2020-12-31 | 2021-04-02 | 成都市龙泉驿区第一人民医院 | 一种偏瘫患者站立位重心转移训练器 |
CN113812943A (zh) * | 2021-08-19 | 2021-12-21 | 新疆医科大学第五附属医院 | 一种预测老年肌少症患者跌倒风险的评估系统及评估方法 |
CN114343613A (zh) * | 2021-12-31 | 2022-04-15 | 福建世新机器人科技有限公司 | 一种基于足底压力的运动检测装置 |
CN114812491A (zh) * | 2022-01-19 | 2022-07-29 | 国网甘肃省电力公司经济技术研究院 | 基于长时间序列分析的输电线路地表形变预警方法及装置 |
CN114796770A (zh) * | 2022-04-24 | 2022-07-29 | 四川大学华西医院 | 一种多点位囊壁测压的人工气道气囊 |
CN117100255A (zh) * | 2023-10-25 | 2023-11-24 | 四川大学华西医院 | 一种基于神经网络模型进行防摔倒判定的方法和相关产品 |
Non-Patent Citations (5)
Title |
---|
MARCO ZAPPATORE等: "Trustworthiness of Context-Aware Urban Pollution Data in Mobile Crowd Sensing", 《IEEE ACCESS》, vol. 7, pages 154141 - 154156, XP011755952, DOI: 10.1109/ACCESS.2019.2948757 * |
刘涛等: "多尺度排列熵在涡旋压缩机故障诊断中的应用", 《兰州理工大学学报》, vol. 44, no. 1, pages 42 - 46 * |
罗向东等: "老年与青年人足底压力的对比研究", 《中国皮革》, vol. 49, no. 8, pages 42 - 47 * |
范佳进等: "足印图在矫正儿童下肢畸形中的评价作用", 《中国临床康复》, no. 15, pages 2222 - 2223 * |
黄进等: "中国法学教育向何处去", 《中国法律评论》, no. 3, pages 2 - 23 * |
Also Published As
Publication number | Publication date |
---|---|
CN117122312B (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107080540B (zh) | 用于分析人的步态和姿势平衡的系统和方法 | |
Kanzler et al. | Inertial sensor based and shoe size independent gait analysis including heel and toe clearance estimation | |
US20210059565A1 (en) | Gait-based assessment of neurodegeneration | |
JP5674766B2 (ja) | 着用位置を検出するためのセンシングデバイス | |
Novak et al. | Automated detection of gait initiation and termination using wearable sensors | |
US9165113B2 (en) | System and method for quantitative assessment of frailty | |
TWI498846B (zh) | 步態分析方法及步態分析系統 | |
US20130123669A1 (en) | Gait change determination device | |
JP7327516B2 (ja) | 異常検出装置、判定システム、異常検出方法、およびプログラム | |
WO2011002788A2 (en) | Method of assessing human fall risk using mobile systems | |
JP6134872B1 (ja) | 対象の周期的な運動のサイクル数を計数するデバイス、方法及びシステム | |
KR20150113700A (ko) | 진단 시스템 및 방법 | |
KR20140124590A (ko) | 비정상 보행 여부를 측정하는 방법 | |
JP7473355B2 (ja) | 転倒リスク評価方法、転倒リスク評価装置及び転倒リスク評価プログラム | |
CA2821590A1 (en) | A method for assessing cognitive function and predicting cognitive decline through quantitative assessment of the tug test | |
CN117100255B (zh) | 一种基于神经网络模型进行防摔倒判定的方法和相关产品 | |
CN112115923A (zh) | 一种基于直接特征提取的多通道时序步态分析算法 | |
CN112263246A (zh) | 基于大腿角度的自适应步态相位识别方法及装置 | |
US20240057946A1 (en) | Sarcopenia evaluation method, sarcopenia evaluation device, and non-transitory computer-readable recording medium in which sarcopenia evaluation program is recorded | |
CN117122312B (zh) | 防摔倒预警系统、方法、设备、存储介质和足底电子皮肤 | |
EP3269300A1 (en) | Meal time estimation method, meal time estimation program, and meal time estimation device | |
US20210059596A1 (en) | Cognitive function evaluation method, cognitive function evaluation device, and non-transitory computer-readable recording medium in which cognitive function evaluation program is recorded | |
Tsakanikas et al. | Gait and balance patterns related to Free-Walking and TUG tests in Parkinson’s Disease based on plantar pressure data | |
WO2020136135A1 (en) | Body motion analysis data treatment | |
US20210321905A1 (en) | Apparatus and method for measuring ground reaction force |
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 |