CN207970089U - 分析跌倒严重程度的跌倒侦测系统及其穿戴装置 - Google Patents
分析跌倒严重程度的跌倒侦测系统及其穿戴装置 Download PDFInfo
- Publication number
- CN207970089U CN207970089U CN201720806125.2U CN201720806125U CN207970089U CN 207970089 U CN207970089 U CN 207970089U CN 201720806125 U CN201720806125 U CN 201720806125U CN 207970089 U CN207970089 U CN 207970089U
- Authority
- CN
- China
- Prior art keywords
- user
- processor
- movement data
- data
- tumble
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title abstract description 3
- 230000033001 locomotion Effects 0.000 claims abstract description 60
- 208000027418 Wounds and injury Diseases 0.000 claims abstract description 30
- 230000006378 damage Effects 0.000 claims abstract description 29
- 208000014674 injury Diseases 0.000 claims abstract description 28
- 208000028752 abnormal posture Diseases 0.000 claims abstract description 22
- 238000004891 communication Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 description 30
- 238000003860 storage Methods 0.000 description 15
- 230000009184 walking Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000000034 method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000000284 resting effect Effects 0.000 description 5
- 208000017899 Foot injury Diseases 0.000 description 3
- 206010061225 Limb injury Diseases 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013497 data interchange Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 210000001699 lower leg Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 206010042772 syncope Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- 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
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
-
- 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
-
- 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
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- 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
-
- 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
- A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
- A61B5/747—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network in case of emergency, i.e. alerting emergency services
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/08—Elderly
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
- A61B2505/07—Home care
-
- 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
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- 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
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- 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
- A61B5/681—Wristwatch-type devices
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Business, Economics & Management (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Emergency Management (AREA)
- Emergency Medicine (AREA)
- Nursing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Critical Care (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Alarm Systems (AREA)
Abstract
一种跌倒侦测系统,包含有一用以供用户穿戴的穿戴式装置、以及一连接至该穿戴式装置的处理器。该穿戴式装置上系设置有一侦测用户运动数据的惯性感测器。该处理器系连接至该穿戴式装置的惯性感测器,依据该用户运动数据识别该用户跌倒状态发生时,进一步经由该惯性感测器取得该用户于重新站起时的用户运动数据,依据数据库中的正常姿态条件及/或异常姿态条件与该用户运动数据进行比对以判定该用户的伤害严重程度。
Description
技术领域
本实用新型系有关于一种跌倒侦测系统及其穿戴式装置,特别是指一种用以分析跌倒严重程度的跌倒侦测系统及其穿戴式装置。
背景技术
由于医疗卫生、科技的快速进步,促使许多先进国家的国民平均寿命延长,直观之,国民平均寿命延长系为社会进步的体现,代表的是医疗、卫生、营养、居住环境、工作条件改善、以及物资和财富的增加,然而,相对于国民平均寿命延长的一面,同样受生育率下降影响,致使这些先进国家的人口结构产生改变,高龄失能者长期照顾问题成为公共政策的重要课题,要如何有效的减少人力服务所需的资源,同时改善高龄者的长期照护环境,系为短期内各先进国家将要面临的问题。
对于长期住院的病患或在家受照护的老年人,由于护士及看护的不足,经常会有独自行动的情况,若病患或老年人的身边没有人搀扶,经常会有跌倒、受伤的情况。为了避免上述的情况发生,目前许多病院系在病患的身上配戴有具备惯性侦测器的穿戴式装置,通过惯性侦测器侦测用户是否跌倒,当侦测到用户跌倒时系将讯息传递至服务中心,以告知服务中心对应的病患或被看护者需要提供医疗服务,借此服务中心可紧急派出医疗人员进行救援。然而,这类的跌倒侦测经常会有误判的情事,或是病患或被看护者虽然跌倒,但状况不严重,却经常要惊扰服务中心的医疗人员,导致大量的医疗资源浪费,甚至经常有纠纷情况发生。
是以,为解决上述问题,中华人民共和国公布号第102186420号专利系揭示一种跌倒检测系统,其中处理器用于分析信号以识别跌倒后用户的静止期以及将用户的静止期的长度与阈值进行比较以确定跌倒的严重性。所述的案件可以判断用户是否重新站起,若在阈值时间内重新站起则认定用户的状态不严重。惟,上述的判别式虽然可以判定用户跌倒之后是否处于不省人事或昏厥的状态,却不能排除用户被人揽扶站起的状况,或是用户虽然清醒但仍受了伤的情况,基于上述的情况,若仅依据跌倒静止的时间即排除用户需要紧急救援的情况,显然会误判用户伤害的严重性程度。
实用新型内容
本实用新型的主要目的,在于解决习知技术无法有效针对跌倒的状态分辨严重性,导致误判的情事。
为解决上述问题,本实用新型系提供一种跌倒侦测系统,包含有一用以供用户穿戴的穿戴式装置、以及一连接至该穿戴式装置的处理器。该穿戴式装置上系设置有一侦测用户运动数据的惯性感测器。该处理器系连接至该穿戴式装置的惯性感测器,依据该用户运动数据识别该用户跌倒状态发生时,进一步经由该惯性感测器取得该用户于重新站起时的用户运动数据,依据数据库中的正常姿态条件及/或异常姿态条件与该用户运动数据进行比对以判定该用户的伤害严重程度。
进一步地,该处理器系预先记录该用户或一般人正常姿态所取得的用户运动数据建立该正常姿态条件。
进一步地,该处理器系包含有复数个预设定的该异常姿态条件,该处理器系依据该异常姿态条件将该用户运动数据进行分类以判定该用户的伤害种类。
进一歩地,该跳倒侦测奈统更进一歩包含有一连接至该处理器的警示装置,于该处理器侦测到该用户的异常姿态时系依据该伤害种类产生一警示讯号传送至该警示装置。
进一步地,该处理器于该用户跌倒状态发生时于单位时间内增加撷取该用户运动数据的次数。
本实用新型的另一目的,在于提供一种穿戴式装置,用以供用户穿戴,该穿戴式装置包含有一惯性感测器、一通讯模组、以及一连接至该惯性感测器以及该通讯模组的处理器。该惯性感测器系依据用户的运动方式取得用户运动数据。该通讯模组系用以连结并传输数据至服务器,以通过该服务器实现即时的监控。该处理器依据该用户运动数据识别该用户跌倒状态发生时,进一步经由该惯性感测器取得该用户于重新站起时的用户运动数据,依据数据库中的正常姿态条件及/或异常姿态条件与该用户运动数据进行比对以将该用户的伤害严重程度经由该通讯模组回报至该服移器。
进一步地,该处理器系预先记录该用户或一般人正常姿态所取得的用户运动数据建立该正常姿态条件。
进一步地,该处理器系包含有复数个预设定的该异姿态条件,该处理器系依据该异常姿态条件将该用户运动数据进行分类以判定该用户的伤害种类。
进一歩地,该跳倒侦测系统更进一歩包含有ー连接至该处理器的警示装置,于该处理器侦测到该用户的异常姿态时系依据该伤害种类产生一警示讯号传送至该警示装置。
进一歩地,该处理器于该用户跌倒状态发生时于单位时间内增加撷取该用户运动数据的次数。
是以,本实用新型系比习知技术具有以下之优势功效:
1.本实用新型可借由分析跌倒后姿态或行走模式的数据,判断用户的伤害严重程度,决定是否要派出紧急救护人员,相较习知技术可精确分析用户的伤势,减少误判的情况发生,可使管理上更加容易,进而减少人力成本支出与避免社会资源浪费。
2.本实用新型可借由用户的姿态或行走模式预先判断用户跌倒的严重性及可能受伤的状况,基于上述的数据可预先准备对应的器材或调配对应伤患种类的医护人员至现场处理。
附图说明
图1,长照看护系统的方块示意图。
图2,本实用新型一较佳实施态样的方块示意图。
图3,跌倒状态的数据图形。
图4,正常姿态数据图形。
图5,异常姿态数据图形(一)。
图6,异常姿态数据图形(二)。
图7,异常姿态数据图形(三)。
其中:M1服务器;M2用户;M3资料汇流层;M4监控平台;M5行动装置;100跌倒侦测系统; 110穿戴式装置;111惯性感测器;112通讯模组;113处理器;114储存单元;120服务器;121用户资料库;122通讯模组;123处理器;124储存单元;125警示装置;130资料汇流层。
具体实施方式
有关本创作之详细说明及技术内容,现就配合图式说明如下。
以下系针对服务器的运作方式进行简略的说明,请参阅图1,系为长照看护系统的方块示意图,如图1所示:
本实用新型系适用于服务器M1对复数个用户(被看护者)即时的照护,以发挥对病患或被照护者执行远端性且即时性的照顾功能。
所述的服务器M1系可经由资料汇流层M3建立与复数个用户端M2的连结,借由建立用户端M2专属的资料库,完成对复数个用户端M2即时的监控。于进行即时的数据监控时,服务器M1系同时依据用户运动数据建立资料库,并将对应的资料与用户的帐户建立关联性。于其中一较佳实施态样中,用户端M2的穿戴式装置可经由无线网路将包含有用户跌倒资讯的数据封包传送至服务器M1。于另一较佳实施态样中,用户端M2的穿戴式装置可通过简讯将用户的状态(例如跌倒、姿态)传送至服务器M1。
服务器M1除了经由资料汇流层M3与复数个用户端M2进行通讯,亦可经由资料汇流层M3 与医护人员及监控平台M4进行资料互换,当服务器M1判断用户为需要紧急照护的情况时,系传送紧急讯息至监控平台M4,告知医护人员对应用户可能发生的状况。
除上述的方式外,该服务器M1亦可通过资料汇流层M3连接医护人员的行动装置M5,将上述的紧急讯息即时地传送至主治医护人员的行动装置M5,以利医护人员对用户的状况能够做出即时的应对。
所述的资料汇流层M3可以为蓝芽(BlueTooth)、ZigBee、GPRS、WiFi、GSM、3G、4G、HSDPA 或WiMax所组成之无线通讯协定其中之一者。通过资料汇流层M3,系可在有限人力资源下,实现全时照护的可能性。
以下系针对本实用新型跌倒侦测系统进行说明,请参阅图2,系本实用新型第一实施态样的方块示意图,如图2所示:
本实施态样系揭示一种跌倒侦测系统100,包含有一或复数个具有惯性感测器111的穿戴式装置110、以及一服务器120用以监控上述的一或复数个惯性感测器111所取得的用户运动数据,借以达成即时性的监控。
所述的穿戴式装置110用以供用户穿戴,该穿戴式装置110例如可以为眼镜式、手表型、穿着式、配戴式、贴附式等,于本实用新型并不限制该穿戴式装置110的具体实施方式。
所述的穿戴式装置110上系设置有一侦测用户运动数据的惯性感测器111、一通讯模组 112、一连接至该惯性感测器111及该通讯模组112的处理器113、以及一连接至该处理器113 的储存单元114。所述的惯性感测器111系可以为加速度计(G-Sensor)、磁力计(M-Sensor)、陀螺仪(Gyroscope)、重力感应器(GV-Sensor)、线性加速度感应器(LA-Sensor)、旋转向量感应器(RV-Sensor)、倾角感应器(Tilt-Sensor)或上述装置的总成,借由上述的装置可以感受载体运动的加速度、角加速度、方向、移动量等数据(以下统称之为用户运动数据),通过上述的数据可以识别用户是否跌倒状态、及用户的姿态。
于一较佳实施态样中,所述的服务器120系包含有一通讯模组122、一用户资料库121、一警示装置125、一连接至该通讯模组122、该用户资料库121及警示装置125的处理器123、以及一连接至该处理器123的储存单元124。该通讯模组122用以经由资料汇流层130与一或复数个穿戴式装置110相互数据传输,该用户资料库121系用以储存用户帐户及其他相关的用户资料。该处理器123系经由通讯模组122远端连接至该穿戴式装置110以存取惯性感测器111的数据,有关于用户状态的分析、数据的储存、及用户资料库121的建立均由服务器120的处理器123执行,穿戴式装置110仅用以优化惯性感测器111所取得的讯号、以及经由通讯模组112与服务器120进行数据收发工作。
于另一较佳实施态样中,考虑检测的即时性,用户状态的分析可由穿戴式装置110端的处理器113执行、并将用户运动数据储存于一储存单元114,借此可增加辨识的可靠度并减少资料丢失的情况,以下系以本实施态样为主体进行说明。
所述的处理器113、123例如为中央处理单元(Central Processing Unit,CPU)或是其他可程序化的微处理器(microprocessor)等。该处理器113、123系较佳可搭配储存单元114使用,用以载入储存单元114内的程序并执行。该储存单元114例如是任意型式的固定式或可移动式随机存取记忆体(Random Access Memory,RAM)、唯读记忆体(Read-OnlyMemory,ROM)、快闪记忆体(Flash memory)、硬盘或其他类似装置或这些装置的组合。于其中一较佳实施态样中,储存单元114可以与该处理器113、123、共构而成为一具有储存单元114的处理器,于本实用新型中不予以限制。
所述的处理器113系用以载入储存单元114的程序并执行跌倒识别、姿态识别以及一时脉调整等工作。该处理器113依据该用户运动数据判断用户是否跌倒,当判断用户跌倒状态发生时,进一步侦测该用户于重新站起时的用户运动数据,并依据数据库(可储存于服务器的用户资料库121或穿戴式装置110的储存单元114,于本实用新型中不予以限制)中设定的正常姿态条件与该用户运动数据进行比对以判定该用户的伤害严重程度。当该处理器113侦测到该用户的异常姿态时系依据该伤害种类产生一警示讯号传送至该警示装置125。
具体而言,所述的惯性感测器111系直接提供三轴感测讯号,分别为X轴加速度(速度)参数、Y轴加速度(速度)参数、Z轴加速度(速度)参数。于本实施态样中,系采用三轴的惯性感测器进行检测。于另一较佳实施态样中,可以采用六轴的惯性感测器进行检测,其中三轴加速度用以检测,另外三轴角加速度系用以验证以增加检测结果的可靠度,惟,本实用新型并不排除使用例如仅使用九轴、九轴以上或是其他类似的手段对用户的姿态进行检测。
于一开始装设穿戴式装置110于用户身上时,处理器113系可先提供一连串的指示,供用户依照指示进行,以便记录用户正常姿态的数据,所记录的数据将储存于储存单元114(或上传至服务器120的用户资料库121)以建立用户专属的正常姿态条件。
于另一较佳实施态样中,用户可配戴一或复数个穿戴式装置110在身体的各个部位,借由分别取得对应各部位的数据,可更清楚判定用户的姿态、或是用户的行走模式。所述的手段应包含于本实用新型的均等实施态样的范围内。
为便于说明及理解,以下所提到的X轴、Y轴、及Z轴系基于真实空间中的方向进行对应, 其中X轴、Y轴系分别对应至真实空间中的左右、前后之水平方向,Z轴系对应至真实空间中的垂直方向,上述的对应关系并非用以限制本实用新型范围。另外,有关于图示的部分系以理想数据进行绘制,并非以实际实验数据绘制,在此先行叙明。
请参阅图3,由于跌倒事件的特性具有快速、急远变化的特征,于辨识是否为跌倒时,可设定二组条件,一组为时间条件、另一组为加速度阈值条件,当处理器判定所侦测到的数据图形同时符合二组条件时(触发时间短、加速度变化量大),系判定为跌倒事件发生。如图 3所示,由图示3中可知道,在时间轴2-3秒的时间区间内,Y轴及Z轴的加速度均有大幅地变化,处理器113于图形中判断出该Y轴及Z轴产生大幅度变化时,系判定跌倒事件发生。此外,X轴、Y轴、及Z轴方向的量值为该方向上G感应度(加速度感应度),于水平轴的方向为经过时间的量值,在此先行说明。
除上述的方式外,亦可通过侦测用户X轴、Y轴或Z轴的方向判断用户是否为跌倒的状态 (例如Z轴由高准位移动至低准位)。惟上述的侦测跌倒的方式仅为本实用新型对于跌倒侦测方法的例示,非属本实用新型所欲限制的范围。
处理器113可设定另一时间阈值作为辅助参考参数,用以识别用户使否于跌倒后又重新站起。当处理器113判断跌倒事件发生时,会启动一计时功能,通过该计时功能判断跌倒事件后的静止期是否超过该关值,以判断该用户是否重新站起。于一般情况下,当所述的静止期超过该关值时,系判定跌倒事件的程度为严重,通报服务器派出医护人员紧急提供救援;于另一情况下,当X轴、Y轴、Z轴的加速度数值又发生大幅度的变化时,即可判定该用户又重新站起。于另一较佳实施态样中,判断是否重新站起时,可以借由判断Z轴参数是否由低准位重新移动至高准位,若是的话,可判定用户重新站起。
该处理器113包含有一节能状态、以及一精密检测状态。于常时状态时,该处理器113 系调降该惯性感测器111于单位时间内描显取该用户运动数据的次数,以增加该穿戴式装置 110的运作时间。当该处理器13侦测到该跌倒事件发生时,该处理器113系切换至精密检测状态,于单位时间内增加撷取该用户运动数据次数,借此获得更精确的数据,借此,于分析用户运动数据时,可更精确的判断用户伤害严重程度。
处理器113于识别跌倒事件发生后,且用户于静止期内又重新站起时,该处理器113系进一步侦测该用户于重新站起时的姿态的数据,并依据该姿态的数据与数据库中的正常姿态的数据进行比对以判定该用户的伤害严重程度。该处理器113系包含有复数个预设定的异常姿态条件,依据该异常姿态条件将该用户运动数据进行分类以判定该用户的伤害种类。
于本实用新型中所述的正常姿态条件,具体系指处理器113依据用户初始侦测的数据或依据一般人于一般行走习惯所取得的用户运动数据而设定的条件,该条件可以为数据或是演算法,于本实用新型中不予以限制。于本实用新型中所述的异常姿态条件,具体系指处理器 113依据用户或一般人于异常姿态时所取得的用户运动数据或依据该用户运动数据所设定的算法,于本实用新型中不予以限制。于进行比对时可通过模糊算法(FuzzyAlgorithm)将姿态数据与异常状态条件进行比对,经由数据图形中的相关性,分析该姿态数据符合的条件判断用户受到伤害的种类。下面仅举部分较常见的异常状态供例示,于本实用新型中并不仅限于以下的实施态样。
请参阅图4,系揭示用户于正常走动时的数据。由图示中可知道一般人于正常向前行走时, 行进模式包含有向前的加速度、走路时上下微幅晃动的加速度、以及身体于行进时自然的左右摆动的加速度,在图4中可看到X轴加速度图形系于正负区域间依据时序规律的摆动, 因为跨出脚步时,人体的侧边会呈现倾斜的状态,在左脚、右脚互换前进的情况下,人的身体也会自然的左右摆动;Y轴的加速度图形系依据时序呈现规律的摆幅,主要的原因在于人在行进时在踏出步伐后向前移动的加速度是最大的,而在另一脚未着地之前逐渐减少;在Z轴的加速度图形则在正负区域间依据时序规律的摆动,主要的原因在于行进模式中,踏步会产生身体上下轻微的摆幅;处理器113可依据这些正常行走的数据图形,设定关值或是将数据储存后作为正常姿态条件,在关值条件符合或是图形比对符合时,判断用户的姿态是否正常。
当判定正常姿态条件不符合时,系接着将该用户的用户运动数据与异常姿态条件进行比对,以判断用户可能受到何种伤害。在此须说明,本实用新型并不一定需要依据上述的顺序进行比对,亦可直接将用户运动数据与异常姿态条件进行比对,以判定用户的伤害严重程度。系统中预设的异常姿态例如为:
移动速度慢:
请参阅图5,一般用户跌倒受伤时,移动速度会变慢,可依据用户的用户运动数据判断用户的移动速度。在图5中可看到,当用户移动速度变慢时,Y轴的加速度准位明显会降低;因为行走的速度变慢,身体上下的晃动减少,z轴的加速度变化量也会变小,可直接设定阈值作为异常姿态条件判断Y轴加速度准位,当用户的移动速度低于预设定的关值时,即判断用户为不适而移动速度变慢的异常姿态。
单脚不适:
请参阅图6,用户于跌倒受伤时,如果受伤在脚部的位置时,在移动模式上会有不同的情况,可依据该情况判断用户是否受伤。当用户脚部受伤时,最有可能直接反应的位置在用户的平衡性,由于身体缺乏平衡性,用户在移动中容易产生朝一侧晃动的情况。图6系揭示用户左脚受伤时X轴、Y轴、Z轴的加速度变化图形,由图6可知道X轴图形中的变化量会明显向负区域偏移,这是因为用户的左右平衡明显向一侧倾斜,因此造成X轴加速度不平衡的状况;Z 轴的加速度变化量明显增加了,因为用户身体的上下晃动幅度增加,因此造成Z轴的加速度变化量增加。可设定X轴变化量的阈值、及Z轴变化量的阈值或是将用户运动数据储存后直接作为异常姿态条件,在阈值条件符合或是图形比对符合时,用户即可判定为脚部受伤而拖民的异常姿态。
跳动:
请参阅图7,用户受伤的位置在脚部时,尤其受伤位置在单脚的情况时,用户可能会有跳动的情况,例如单脚受伤的严重性高时,伤者为避免患部(脚)着地,可能会有单脚跳动的情况。图7系揭示用户单脚受伤而跳动的情况,其中Y轴的加速度值峰至谷的间距会增加(即变化量), 谷的加速度有可能至0,而使得每一个波峰间产生间隔时间,主要原因在于每一次跳动间所产生的停顿期;由于跳动的关系,跳动时上下摆动的幅度及加速度会增加,因此Z轴的变化量也会大幅地上升,跳动的停顿期也会让波与波之间的间隔时间也会增加;可设定阈值或是将用户运动数据储存后直接作为异常姿态条件,在阈值条件符合或是图形比对符合时,可判断用户为脚部受伤而跳动的异常姿态。
借由设定上述的异常状态条件,可将用户的伤害进行分类,以判断用户的受伤的严重程度。惟,上述的方法仅为本实用新型的例示,除上述的方法外,亦可通过地磁感测器(M-Sensor)、倾角感测器(Tilt Sensor)、或其他类似的装置针对用户的静态姿态进行判断,以分析用户的受伤程度,本实用新型并不欲限制于上述的实施态样,在此必须先行叙明。
综上所述,本实用新型可借由分析跌倒后姿态或行走模式的数据,判断用户的伤害严重程度,决定是否要派出紧急救护人员,相较习知技术可精确分析用户的伤势,减少误判的情况。此外,本实用新型可借由用户的姿态或行走模式预先判断用户跌倒的严重性及可能受伤的状况, 基于上述的数据可预先准备对应的器材或调配对应伤患种类的医护人员至现场处理。
以上已将本实用新型做一详细说明,惟以上所述者,仅惟本实用新型之一较佳实施例而已, 当不能以此限定本实用新型实施之范围,即凡依本实用新型申请专利范围所作之均等变化与修饰,皆应仍属本实用新型之专利涵盖范围内。
Claims (10)
1.一种跌倒侦测系统,其特征在于,包含有:
一穿戴式装置,用以供用户穿戴,该穿戴式装置上系设置有一侦测用户运动数据的惯性感测器;以及
一处理器,系连接至该穿戴式装置的惯性感测器,该处理器依据该用户运动数据识别该用户跌倒状态发生时,进一步经由该惯性感测器取得该用户于重新站起时的用户运动数据,依据数据库中的正常姿态条件及/或异常姿态条件与该用户运动数据进行比对以判定该用户的伤害严重程度。
2.根据权利要求1所述的跌倒侦测系统,其特征在于,该处理器系预先记录该用户或一般人正常姿态所取得的用户运动数据建立该正常姿态条件。
3.根据权利要求1或2所述的跌倒侦测系统,其特征在于,该处理器系包含有复数个预设定的该异常姿态条件,该处理器系依据该异常姿态条件将该用户运动数据进行分类以判定该用户的伤害种类。
4.根据权利要求3所述的跌倒侦测系统,其特征在于,更进一步包含有一连接至该处理器的警示装置,于该处理器侦测到该用户的异常姿态时系依据该伤害种类产生一警示讯号传送至该警示装置。
5.根据权利要求1或2所述的跌倒侦测系统,其特征在于,该处理器于该用户跌倒状态发生时于单位时间内增加撷取该用户运动数据的次数。
6.一种穿戴式装置,用以供用户穿戴,其特征在于,该穿戴式装置包含有:
一惯性感测器,系依据用户的运动方式取得用户运动数据;
一通讯模组,系用以连结并传输数据至服务器,以通过该服务器实现即时的监控;以及
一处理器,系连接至该惯性感测器以及该通讯模组,该处理器依据该用户运动数据识别该用户跌倒状态发生时,进一歩经由该惯性感测器取得该用户于重新站起时的用户运动数据,依据数据库中的正常姿态条件及/或异常姿态条件与该用户运动数据进行比对以将该用户的伤害严重程度经由该通讯模组回报至该服务器。
7.根据权利要求6所述的穿戴式装置,其特征在于,该处理器系预先记录该用户或一般人正常姿态所取得的用户运动数据建立该正常姿态条件。
8.根据权利要求6或7所述的穿戴式装置,其特征在于,该处理器系包含有复数个预设定的该异常姿态条件,该处理器系依据该异常姿态条件将该用户运动数据进行分类以判定该用户的伤害种类。
9.根据权利要求6所述的穿戴式装置,其特征在于,更进一步包含有一连接至该处理器的警示装置,于该处理器侦测到该用户的异常姿态时系依据该伤害种类产生一警示讯号传送至该警示装置。
10.根据权利要求6或7所述的穿戴式装置,其特征在于,该处理器于该用户跌倒状态发生时于单位时间内增加撷取该用户运动数据的次数。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105210160 | 2016-07-06 | ||
TW105210160U TWM537280U (zh) | 2016-07-06 | 2016-07-06 | 分析跌倒嚴重程度的跌倒偵測系統及其穿戴式裝置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN207970089U true CN207970089U (zh) | 2018-10-16 |
Family
ID=58607158
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201720806125.2U Active CN207970089U (zh) | 2016-07-06 | 2017-07-05 | 分析跌倒严重程度的跌倒侦测系统及其穿戴装置 |
CN201710543720.6A Pending CN107233099A (zh) | 2016-07-06 | 2017-07-05 | 分析跌倒严重程度的跌倒侦测系统及其穿戴装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710543720.6A Pending CN107233099A (zh) | 2016-07-06 | 2017-07-05 | 分析跌倒严重程度的跌倒侦测系统及其穿戴装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20180008169A1 (zh) |
EP (1) | EP3266369B1 (zh) |
CN (2) | CN207970089U (zh) |
TW (1) | TWM537280U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107233099A (zh) * | 2016-07-06 | 2017-10-10 | 漳州立达信光电子科技有限公司 | 分析跌倒严重程度的跌倒侦测系统及其穿戴装置 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180293359A1 (en) | 2017-04-10 | 2018-10-11 | International Business Machines Corporation | Monitoring an individual's condition based on models generated from e-textile based clothing |
US11527140B2 (en) | 2017-09-29 | 2022-12-13 | Apple Inc. | Detecting falls using a mobile device |
US10629048B2 (en) | 2017-09-29 | 2020-04-21 | Apple Inc. | Detecting falls using a mobile device |
TWI679557B (zh) | 2018-05-14 | 2019-12-11 | 國立臺灣師範大學 | 適應性運動姿態感測系統與方法 |
TWI679613B (zh) * | 2018-07-02 | 2019-12-11 | 瀚誼世界科技股份有限公司 | 通過非跌倒偵測的防止錯誤警報方法以及跌倒偵測裝置 |
CN109795438A (zh) * | 2019-03-18 | 2019-05-24 | 赵小清 | 一种碰撞防护装置 |
CN110638459B (zh) * | 2019-09-03 | 2023-05-05 | 宁波路晟电器科技有限公司 | 一种基于加速度传感器的人体运动跌倒检测装置及方法 |
WO2021118570A1 (en) * | 2019-12-12 | 2021-06-17 | Google Llc | Radar-based monitoring of a fall by a person |
CN113936420B (zh) * | 2020-07-14 | 2023-06-16 | 苹果公司 | 使用移动设备检测跌倒 |
CN112150766B (zh) * | 2020-08-28 | 2022-09-06 | 永安行科技股份有限公司 | 一种远程安全防控的预警方法和装置 |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2757981B1 (fr) * | 1996-12-31 | 1999-02-19 | Cadet Pierre Henri | Systeme de surveillance et d'assistance pour personnes a domicile et dispositif pour la mise en oeuvre de ce systeme |
GB2323196B (en) * | 1997-03-11 | 2001-02-14 | Keith Henderson Cameron | Automatic fall alarm |
US6160478A (en) * | 1998-10-27 | 2000-12-12 | Sarcos Lc | Wireless health monitoring system |
CA2486949A1 (fr) * | 2004-12-09 | 2006-06-09 | Christian Cloutier | Systeme et methode pour la detection des chutes et du suivi des niveaux d'activite a distance chez des personnes en perte d'autonomie |
US7248172B2 (en) * | 2005-03-22 | 2007-07-24 | Freescale Semiconductor, Inc. | System and method for human body fall detection |
US20060282021A1 (en) * | 2005-05-03 | 2006-12-14 | Devaul Richard W | Method and system for fall detection and motion analysis |
FR2886532B1 (fr) * | 2005-06-07 | 2008-03-28 | Commissariat Energie Atomique | Procede et systeme de detection de chute d'une personne |
WO2007112092A2 (en) * | 2006-03-24 | 2007-10-04 | Medtronic, Inc. | Collecting gait information for evaluation and control of therapy |
WO2008011590A2 (en) * | 2006-07-21 | 2008-01-24 | The Curators Of The University Of Missouri | Lameness evaluation systems and methods |
US7961109B2 (en) * | 2006-12-04 | 2011-06-14 | Electronics And Telecommunications Research Institute | Fall detecting apparatus and method, and emergency aid system and method using the same |
US8217795B2 (en) * | 2006-12-05 | 2012-07-10 | John Carlton-Foss | Method and system for fall detection |
US8206325B1 (en) * | 2007-10-12 | 2012-06-26 | Biosensics, L.L.C. | Ambulatory system for measuring and monitoring physical activity and risk of falling and for automatic fall detection |
US8179268B2 (en) * | 2008-03-10 | 2012-05-15 | Ramot At Tel-Aviv University Ltd. | System for automatic fall detection for elderly people |
US8814811B2 (en) * | 2008-05-23 | 2014-08-26 | Medtronic, Inc. | Fall detection algorithm utilizing a three-axis accelerometer |
IES20080560A2 (en) * | 2008-07-09 | 2010-03-16 | John Shanahan | Wearing system and method for monitoring & protecting against falls with automatic alarm capability |
JP5587328B2 (ja) * | 2008-10-16 | 2014-09-10 | コーニンクレッカ フィリップス エヌ ヴェ | 転倒検出システム |
CN102548474B (zh) * | 2009-09-30 | 2014-09-03 | 三菱化学株式会社 | 针对体动信号的信息处理方法、信息处理系统及信息处理装置 |
US8909497B1 (en) * | 2010-04-06 | 2014-12-09 | Keynetik, Inc. | System and method for fall detection |
EP2593009B1 (en) * | 2010-07-14 | 2020-08-26 | Ecole Polytechnique Federale De Lausanne (Epfl) | System and method for 3d gait assessment |
US9005129B2 (en) * | 2012-06-22 | 2015-04-14 | Fitbit, Inc. | Wearable heart rate monitor |
US20140276238A1 (en) * | 2013-03-15 | 2014-09-18 | Ivan Osorio | Method, system and apparatus for fall detection |
US20160073614A1 (en) * | 2013-09-13 | 2016-03-17 | Kyle Douglas Lampe | System and Method for Detection of Lameness in Sport Horses and other Quadrupeds |
RU2685815C1 (ru) * | 2013-12-20 | 2019-04-23 | Конинклейке Филипс Н.В. | Способ реагирования на обнаружение падения и устройство для его реализации |
US10347108B2 (en) * | 2015-01-16 | 2019-07-09 | City University Of Hong Kong | Monitoring user activity using wearable motion sensing device |
EP3282946B1 (en) * | 2015-04-17 | 2021-12-15 | The Cleveland Clinic Foundation | Apparatus and related method to facilitate testing via a computing device |
RU2732433C2 (ru) * | 2015-10-08 | 2020-09-16 | Конинклейке Филипс Н.В. | Устройство и способ лечения нарушения походки у субъекта |
US9996739B2 (en) * | 2016-02-19 | 2018-06-12 | Conduent Business Services, Llc | System and method for automatic gait cycle segmentation |
US10395771B2 (en) * | 2016-03-08 | 2019-08-27 | Das Wächter, LLC. | Computer-aided telemedical evaluation |
KR20190004697A (ko) * | 2016-03-09 | 2019-01-14 | 사이즈믹 홀딩스, 인크. | 자동 자세 교정을 위한 시스템 및 방법 |
US11490851B2 (en) * | 2016-03-14 | 2022-11-08 | Newton Howard | Neuroanalytic, neurodiagnostic, and therapeutic tools |
US20170273601A1 (en) * | 2016-03-28 | 2017-09-28 | Lumo BodyTech, Inc | System and method for applying biomechanical characterizations to patient care |
US20170344919A1 (en) * | 2016-05-24 | 2017-11-30 | Lumo BodyTech, Inc | System and method for ergonomic monitoring in an industrial environment |
TWM537280U (zh) * | 2016-07-06 | 2017-02-21 | Idesyn Semiconductor Corp | 分析跌倒嚴重程度的跌倒偵測系統及其穿戴式裝置 |
-
2016
- 2016-07-06 TW TW105210160U patent/TWM537280U/zh unknown
-
2017
- 2017-07-03 US US15/641,125 patent/US20180008169A1/en not_active Abandoned
- 2017-07-05 CN CN201720806125.2U patent/CN207970089U/zh active Active
- 2017-07-05 CN CN201710543720.6A patent/CN107233099A/zh active Pending
- 2017-07-06 EP EP17001157.1A patent/EP3266369B1/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107233099A (zh) * | 2016-07-06 | 2017-10-10 | 漳州立达信光电子科技有限公司 | 分析跌倒严重程度的跌倒侦测系统及其穿戴装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107233099A (zh) | 2017-10-10 |
US20180008169A1 (en) | 2018-01-11 |
EP3266369A1 (en) | 2018-01-10 |
EP3266369B1 (en) | 2023-11-22 |
TWM537280U (zh) | 2017-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN207970089U (zh) | 分析跌倒严重程度的跌倒侦测系统及其穿戴装置 | |
CN105125221B (zh) | 云服务实时摔倒检测系统及方法 | |
US20180177436A1 (en) | System and method for remote monitoring for elderly fall prediction, detection, and prevention | |
US10347108B2 (en) | Monitoring user activity using wearable motion sensing device | |
CN104146712B (zh) | 穿戴式足底压力检测设备及足底压力检测和姿态预测方法 | |
US8876738B1 (en) | Human activity monitoring device | |
Cao et al. | E-FallD: A fall detection system using android-based smartphone | |
RU2584459C2 (ru) | Жестовое управление для отслеживания показателей жизнедеятельности | |
Fortino et al. | Fall-MobileGuard: A smart real-time fall detection system | |
CN101950464A (zh) | 跌倒监测与报警的方法和系统 | |
CN108670261A (zh) | 运动状态检测方法、可佩戴设备以及装置 | |
CN205050303U (zh) | 一种智能人体瘫倒监测装置 | |
Zhang et al. | An inferential real-time falling posture reconstruction for Internet of healthcare things | |
Wójtowicz et al. | Fall detector using discrete wavelet decomposition and SVM classifier | |
Suriani et al. | Optimal accelerometer placement for fall detection of rehabilitation patients | |
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 | |
KR102186414B1 (ko) | 개인의 상황을 파악한 개인 맞춤형 비정상 생체 신호 감지를 위한 사물 인터넷 디바이스 연동 시스템 및 그 제어 방법 | |
US9953507B1 (en) | Monitoring a wearing of a wearable device | |
US11317831B2 (en) | Patient monitoring system using wearable sensors with automated template matching | |
Rungnapakan et al. | Fall detection using accelerometer, gyroscope & impact force calculation on android smartphones | |
Huynh et al. | Detection of activities daily living and falls using combination accelerometer and gyroscope | |
Tsai et al. | Gesture-aware fall detection system: Design and implementation | |
Ramachandran et al. | Performance analysis of machine learning algorithms for fall detection | |
Xu et al. | Low-Power Fall Detection System with Location Versatility | |
Kiriti et al. | Smart Band for Senior Citizens |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |