CN207764950U - 一种助老伴行机器人跌倒检测系统 - Google Patents
一种助老伴行机器人跌倒检测系统 Download PDFInfo
- Publication number
- CN207764950U CN207764950U CN201820048456.9U CN201820048456U CN207764950U CN 207764950 U CN207764950 U CN 207764950U CN 201820048456 U CN201820048456 U CN 201820048456U CN 207764950 U CN207764950 U CN 207764950U
- Authority
- CN
- China
- Prior art keywords
- pressure sensor
- elderly
- detection system
- fall detection
- helped
- 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.)
- Expired - Fee Related
Links
Landscapes
- Emergency Alarm Devices (AREA)
Abstract
本实用新型提供一种助老伴行机器人跌倒检测系统，该检测系统包括，三轴加速度传感器，用于检测人体上躯干部位的三维加速度值；压力传感器，用于测定人体的脚底压力值；微处理器，接收所述三轴加速度传感器、压力传感器采集的信息并根据所述三轴加速度传感器和压力传感器采集的信息输出控制信号；报警单元，响应所述微处理器发出的控制信号进行报警。本实用新型采用三轴加速度传感器、压力传感器，来对人体的是否跌倒做出检测，使误检的概率尽可能减到最低。系统时刻检测三轴加速度传感器、压力传感器的工作状态（单片机定时器中实现），当检测条件达到开始设定的阈值时，即刻发出警报，通知到相关人员。
Description
技术领域
本实用新型涉及跌倒检测系统，特别是涉及一种助老伴行机器人跌倒检测系统。
背景技术
随着我国人口老龄化形势的加剧，老年人意外伤害的首要罪魁祸首是跌倒,意外失足或者某种疾病突然发作及恶化很可能引起跌倒，在发生跌倒事件后,如得不到及时救护,延误救助时机将危及生命。可以探测老人跌倒并能够及时将这一危险状况报告到医疗监护中心的跌倒检测技术也越来越得到各大研究机构的重视。
国外对老年人跌倒监测的关注和研究比中国早很多，按照跌倒以后老人的反应，跌倒监测系统被分为主动式报警式和自动式报警式，老人跌倒后意识清醒并且具有一定的行动能力，采用的是主动式系统。该系统方便快捷，但是在老人跌倒失去意识或昏厥时是无法起作用的。
发明内容
鉴于以上所述现有技术的缺点，本实用新型的目的在于提供一种助老伴行机器人跌倒检测系统。
为实现上述目的及其他相关目的，本实用新型提供一种助老伴行机器人跌倒检测系统，该检测系统包括，
一三轴加速度传感器，用于检测人体上躯干部位的三维加速度值；
一压力传感器，用于测定人体的脚底压力值；
一微处理器，接收所述三轴加速度传感器、压力传感器采集的信息并根据所述三轴加速度传感器和压力传感器采集的信息输出控制信号；
一报警单元，响应所述微处理器发出的控制信号进行报警。
优选地，该检测系统还包括一三轴陀螺仪，用于检测人体上射干的倾角；微处理器接收所述三轴陀螺仪采集的信息。
优选地，所述的微处理器为一单片机。
优选地，所述报警单元为一蜂鸣器。
优选地，所述报警单元还包括一三极管和一电阻，所述三极管的基极通过所述电阻连接至所述微处理器的驱动电流输出端，所述三极管的集电极连接所述蜂鸣器的一端，所述蜂鸣器的另一端接地，所述蜂鸣器的发射极连接一电源VCC。
优选地，所述压力传感器的一端接地，压力传感器的另一端经一电阻连接至电源VCC，该电阻与压力传感器连接形成一电气结点，该电气节点连接至所述微处理器。
如上所述，本实用新型的一种助老伴行机器人跌倒检测系统，具有以下有益效果：
本实用新型采用三轴加速度传感器、压力传感器、三轴陀螺仪进行检测，来对人体的是否跌倒做出检测，使误检的概率尽可能减到最低。系统时刻检测三轴加速度传感器、压力传感器、三轴陀螺仪的工作状态（单片机定时器中实现），当检测条件达到开始设定的阈值时，即刻发出警报，通知到相关人员。
附图说明
图1显示为本实用新型的一种助老伴行机器人跌倒检测系统原理框图；
图2显示为本实用新型的一种助老伴行机器人跌倒检测系统中单片机最小系统图；
图3显示为本实用新型的一种助老伴行机器人跌倒检测系统中三轴加速度传感器的连接图；
图4显示为本实用新型的一种助老伴行机器人跌倒检测系统中压力传感器连接示意图；
图5显示为本实用新型的一种助老伴行机器人跌倒检测系统中报警单元示意图。
具体实施方式
以下由特定的具体实施例说明本实用新型的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本实用新型的其他优点及功效。
请参阅图1至图5。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本实用新型可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本实用新型所能产生的功效及所能达成的目的下，均应仍落在本实用新型所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本实用新型可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本实用新型可实施的范畴。
跌倒是人在无意识情况下，人体由站立或平坐姿态快速过渡到躺倒的姿态。在姿态的这种转变中，影响运动变化过程的主要因素是重力。跌倒事件发生过程中，人体的加速度，倾角和压力三种矢量均发生了变化。据跌倒定义将人的活动分为ADL即日常活动(Activities of Daily Life)和跌倒两大类。人体的日常活动又可以分为静态姿势和动态活动，人体的静态姿势包括人体躯干处于直立状态(人体躯干与重心方向的倾角小于55度)，例如站立、看电视、坐直等静态活动，也包括躯干接近水平的状态，例如俯卧、躺下等姿态；人体的动态活动表示人体处于运动中的活动，例如走路、蹲下、起立、跑步、跳跃等动态活动；人体几种静态姿势的相互转换构成了人体的动态模型。人体在静态时，加速度矢量变化很小，而在跌倒事件发生时，人体躯干从直立的状态变为接近水平的状态，并伴随着较大的加速度矢量变化和倾角变化，跌倒结束时人体维持在躺、卧、侧向等静态下(躯干与重心方向的夹角大于55度)。为了准确的区分人体日常生活事件(ADL)与跌倒事件，本实施例是通过加速度、倾角和压力的信息来实时监测人体的各种姿态，并通过阈值算法来判断是否跌倒。在阈值判断的跌倒检测系统中，判断是否发生跌倒事件是以倾角值是否大于设定阈值以及是否有较大的加速度矢量产生作为判定阈值，当加速度矢量超过所设定的加速度阈值，并且倾角也超过所设定的倾角阈值，就认为老人发生了跌倒事件。
请参阅图1~图5，本实用新型提供一种助老伴行机器人跌倒检测系统，一种助老伴行机器人跌倒检测系统，该检测系统包括，
一三轴加速度传感器，用于检测人体上躯干部位的三维加速度值；
一压力传感器，用于测定人体的脚底压力值；
一微处理器，接收所述三轴加速度传感器、压力传感器采集的信息并根据所述三轴加速度传感器和压力传感器采集的信息输出控制信号；
一报警单元，响应所述微处理器发出的控制信号进行报警。
本实用新型通过采用三轴加速度传感器、压力传感器进行检测，来对人体的是否跌倒做出检测，使误检的概率尽可能减到最低。系统时刻检测三轴加速度传感器、压力传感器的工作状态（单片机定时器中实现），当检测条件达到开始设定的阈值时，即刻发出警报，通知到相关人员。
本实施例采用简单阈值控制算法，当压力传感器检测到脚底的压力不为设定值超过10秒或者三轴加速度传感器检测到加速度超过设定值的时候就会将信号传到微控制器里，微控制器就会接通报警系统启动报警。
优选地，该检测系统还包括一三轴陀螺仪，用于检测人体上射干的倾角；微处理器接收所述三轴陀螺仪采集的信息。同样的，当三轴陀螺仪检测到的数据超过设定值时就会将信号传到微控制器里，微控制器就会接通报警系统启动报警。
本实用新型采用三轴加速度传感器、压力传感器、三轴陀螺仪进行检测，来对人体的是否跌倒做出检测，使误检的概率进一步降低。
优选地，所述的微处理器为一单片机，所述三轴加速度传感器为ADXL345，所述压力传感器为FSR402。
单片机以其强大的控制能力已经被广泛应用于诸多领域，配以各种接口传感器可以实现系统的智能化。无论是在工业控制领域、医疗卫生领域、还是在国防军事领域、航天航空领域，微控制器都起着举足轻重的作用。从最初的8位控制器到现在的16位、32位控制器都还有很大的发展和应用空间。目前主流MCU品牌有AVR、PIC、MSP430、STC等。AVR多用于工控等产品，PIC则多用于汽车电子等产品，MSP430则是TI一直强调的低功耗，至于STC，是比较常用的。
在本实施例中压力传感器采用了FSR-042压力传感器，它是一个阻值随压力大小而变化的传感器，因此在检测中，它需要依靠检测电压来确定压力传感器阻值的大小，所以需要有ADC转化模块。如采用外加ADC转化芯片，这将会增加了硬件成本和硬软件的开发难度，而现如今有许多的单片机都自带有AD转化功能，这将对硬软件的设计都是大大的简化。在本系统中，经过综合考虑，采用STC12C5A60S2单片机做为本系统的微处理器。
加速度传感器是一种能够测量加速力的电子设备。通过测量由于重力引起的加速度，可以计算出设备相对于水平面的倾斜角度。通过分析动态加速度，你可以分析出设备移动的方式。如今加速度传感器应用到汽车安全、游戏控制、图像自动翻转、电子指南针倾斜校正、GPS导航系统死角的补偿、计步器功能、硬盘保护等等方面。
目前的加速度传感器的芯片主要有ADXL345，MMA7361，MMA7455等，本实施例采用ADXL345的加速度传感器。
压力传感器是工业实践中最为常用的一种传感器，其广泛应用于各种工业自控环境，涉及水利水电、铁路交通、智能建筑、生产自控、航空航天、军工、石化、油井、电力、船舶、机床、管道等众多行业。按工作原理分，压力传感器有半导体压电阻型和静电容量型两种。经过大量的查询，该系统选择薄膜型的压力传感器FSR402。这种传感器通过施加在FSR传感器薄膜区域的压力能够转换成电阻值的变化，从而获得压力信息。
于本实施例中，所述报警单元为一蜂鸣器。
于本实施例中，所述报警单元还包括一三极管和一电阻，所述三极管的基极通过所述电阻连接至所述微处理器的驱动电流输出端，所述三极管的集电极连接所述蜂鸣器的一端，所述蜂鸣器的另一端接地，所述蜂鸣器的发射极连接一电源VCC。
于本实施例中，所述压力传感器的一端接地，压力传感器的另一端经一电阻连接至电源VCC，该电阻与压力传感器连接形成一电气结点，该电气节点连接至所述微处理器。
上述实施例仅例示性说明本实用新型的原理及其功效，而非用于限制本实用新型。任何熟悉此技术的人士皆可在不违背本实用新型的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本实用新型所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本实用新型的权利要求所涵盖。
Claims (6)
1.一种助老伴行机器人跌倒检测系统，其特征在于，该检测系统包括，
一三轴加速度传感器，用于检测人体上躯干部位的三维加速度值；
一压力传感器，用于测定人体的脚底压力值；
一微处理器，接收所述三轴加速度传感器、压力传感器采集的信息并根据所述三轴加速度传感器和压力传感器采集的信息输出控制信号；
一报警单元，响应所述微处理器发出的控制信号进行报警。
2.根据权利要求1所述的一种助老伴行机器人跌倒检测系统，其特征在于，该检测系统还包括一三轴陀螺仪，用于检测人体上射干的倾角；微处理器接收所述三轴陀螺仪采集的信息。
3.根据权利要求1所述的一种助老伴行机器人跌倒检测系统，其特征在于，所述的微处理器为一单片机。
4.根据权利要求1所述的一种助老伴行机器人跌倒检测系统，其特征在于，所述报警单元为一蜂鸣器。
5.根据权利要求4所述的一种助老伴行机器人跌倒检测系统，其特征在于，所述报警单元还包括一三极管和一电阻，所述三极管的基极通过所述电阻连接至所述微处理器的驱动电流输出端，所述三极管的集电极连接所述蜂鸣器的一端，所述蜂鸣器的另一端接地，所述蜂鸣器的发射极连接一电源VCC。
6.根据权利要求3所述的一种助老伴行机器人跌倒检测系统，其特征在于，所述压力传感器的一端接地，压力传感器的另一端经一电阻连接至电源VCC，该电阻与压力传感器连接形成一电气结点，该电气节点连接至所述微处理器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201820048456.9U CN207764950U (zh) | 2018-01-12 | 2018-01-12 | 一种助老伴行机器人跌倒检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201820048456.9U CN207764950U (zh) | 2018-01-12 | 2018-01-12 | 一种助老伴行机器人跌倒检测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN207764950U true CN207764950U (zh) | 2018-08-24 |
Family
ID=63183567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201820048456.9U Expired - Fee Related CN207764950U (zh) | 2018-01-12 | 2018-01-12 | 一种助老伴行机器人跌倒检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN207764950U (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110264669A (zh) * | 2019-07-15 | 2019-09-20 | 重庆科技学院 | 一种人体随身安全监控预警系统 |
-
2018
- 2018-01-12 CN CN201820048456.9U patent/CN207764950U/zh not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110264669A (zh) * | 2019-07-15 | 2019-09-20 | 重庆科技学院 | 一种人体随身安全监控预警系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104361321B (zh) | 一种判断老年人摔倒行为及身体平衡能力的方法 | |
| Li et al. | Accurate, fast fall detection using gyroscopes and accelerometer-derived posture information | |
| CN105336102B (zh) | 摔倒检测定位方法和装置 | |
| Kozina et al. | Efficient activity recognition and fall detection using accelerometers | |
| CN104598896A (zh) | 基于Kinect骨架追踪的人体摔倒自动检测方法 | |
| CN104504854B (zh) | 用于检测人体摔倒的报警方法 | |
| Li et al. | Pre-impact fall detection based on a modified zero moment point criterion using data from Kinect sensors | |
| CN101950464A (zh) | 跌倒监测与报警的方法和系统 | |
| Hsieh et al. | A wrist-worn fall detection system using accelerometers and gyroscopes | |
| CN102136180A (zh) | 人体跌倒检测与报警装置 | |
| Zhong et al. | A real-time pre-impact fall detection and protection system | |
| CN207764950U (zh) | 一种助老伴行机器人跌倒检测系统 | |
| CN103903403A (zh) | 矫正坐姿的智能系统 | |
| CN110279420A (zh) | 基于极限学习机的便携式跌倒检测装置及检测方法 | |
| CN106327799A (zh) | 一种在行走状态下的摔倒监测方法及系统 | |
| CN113128379A (zh) | 人体跌倒检测方法、计算机可读存储介质和电子装置 | |
| CN205018315U (zh) | 老年人智能安全服装 | |
| Ren et al. | Real-time energy-efficient fall detection based on SSR energy efficiency strategy | |
| CN110363959A (zh) | 一种基于足底压力和三轴加速度传感器的摔倒判定方法 | |
| Liu | Driver status monitoring and early warning system based on multi-sensor fusion | |
| Liu et al. | Posture recognition algorithm for the elderly based on BP neural networks | |
| CN105551191A (zh) | 一种跌倒检测方法 | |
| Dumitrache et al. | Fall detection algorithm based on triaxial accelerometer data | |
| Yuan et al. | Fall detection analysis with wearable MEMS-based sensors | |
| CN211241980U (zh) | 一种智能登山杖装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180824 Termination date: 20200112 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |