JP7261284B2 - モバイルデバイスを使用する転倒検出 - Google Patents

モバイルデバイスを使用する転倒検出 Download PDF

Info

Publication number
JP7261284B2
JP7261284B2 JP2021197513A JP2021197513A JP7261284B2 JP 7261284 B2 JP7261284 B2 JP 7261284B2 JP 2021197513 A JP2021197513 A JP 2021197513A JP 2021197513 A JP2021197513 A JP 2021197513A JP 7261284 B2 JP7261284 B2 JP 7261284B2
Authority
JP
Japan
Prior art keywords
user
mobile device
determining
fallen
data
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
Application number
JP2021197513A
Other languages
English (en)
Other versions
JP2022037048A (ja
Inventor
シン タン
フアユ ディン
ホセイン ザデー パリサ デレー
ハルシャヴァルダン マイラピリ
フン エイ ファム
カルティク ジャヤラマン ラグラム
ヤン ジェローム ジュリアン ルナール
シーナ シャルマ
アルヴァラド アレクサンダー シン
ウママヘシュ シュリニヴァス
シャオユアン トゥー
ヘンリアン ジャン
ジェフリー ルイス チー－ジョンストン
ヴィヴェーク ガーグ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apple Inc
Original Assignee
Apple Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Apple Inc filed Critical Apple Inc
Publication of JP2022037048A publication Critical patent/JP2022037048A/ja
Application granted granted Critical
Publication of JP7261284B2 publication Critical patent/JP7261284B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
    • G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
    • 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
    • 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
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • 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
    • A61B5/1112—Global tracking of patients, e.g. by using GPS
    • 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
    • A61B5/11—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
    • 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
    • A61B5/1123—Discriminating type of movement, e.g. walking or running
    • 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
    • A61B5/681—Wristwatch-type devices
    • 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
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • 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
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • 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
    • A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
    • 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
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G01C5/06—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels by using barometric means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/1633—Constructional details or arrangements of portable computers not specific to the type of enclosures covered by groups G06F1/1615 - G06F1/1626
    • G06F1/1684—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675
    • G06F1/1694—Constructional details or arrangements related to integrated I/O peripherals not covered by groups G06F1/1635 - G06F1/1675 the I/O peripheral being a single or a set of motion sensors for pointer control or gesture input obtained by sensing movements of the portable computer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/22—Electrical actuation
    • G08B13/24—Electrical actuation by interference with electromagnetic field distribution
    • G08B13/2402—Electronic Article Surveillance [EAS], i.e. systems using tags for detecting removal of a tagged item from a secure area, e.g. tags for detecting shoplifting
    • G08B13/2451—Specific applications combined with EAS
    • G08B13/2454—Checking of authorisation of a person accessing tagged items in an EAS system
    • 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
    • G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
    • G08B21/0269—System arrangements wherein the object is to detect the exact location of child or item using a navigation satellite system, e.g. GPS
    • 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
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • 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
    • A61B2503/10—Athletes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Cardiology (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Psychiatry (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Nursing (AREA)
  • Geometry (AREA)
  • Emergency Medicine (AREA)
  • Critical Care (AREA)

Description

（関連出願の相互参照）
本出願は、２０１７年９月２９日に出願された米国特許仮出願第６２／５６５，９８８号に対する優先権を主張する、２０１８年９月１１日に出願された米国特許出願第１６／１２８，４６４号に対する優先権を主張し、それぞれの内容全体が参照により本明細書に組み込まれる。
本開示は、モバイルデバイスを使用してユーザが転倒したかどうかを判定するための技術に関する。
動きセンサは、オブジェクトが経験した動き（例えば、時間に対するオブジェクトの速度又は加速度、時間に対するオブジェクトの向き又は向きの変化）を測定するデバイスである。いくつかの場合では、モバイルデバイス（例えば、セルラー電話、スマートフォン、タブレットコンピュータ、スマートウォッチなどのウェアラブル電子デバイスなど）は、ある期間にわたってモバイルデバイスが経験した動きを判定する１つ以上の動きセンサを含むことができる。モバイルデバイスがユーザに装着されている場合、動きセンサが取得した測定値を使用して、期間にわたってユーザが経験した動きを判定することができる。
システム、方法、デバイス、及び非一時的コンピュータ可読媒体が、モバイルデバイスを使用してユーザが転倒したかどうかを電子的に判定するために開示されている。
一態様では、方法は、ある期間にわたって動きセンサが測定した動きを示す動きデータを、モバイルデバイスによって取得することを含む。動きセンサは、ユーザによって装着又は携行される。方法はまた、モバイルデバイスが、動きデータに基づいて、期間の第１の間隔中に生じたユーザが経験した衝撃を判定することを含む。方法はまた、モバイルデバイスが、動きデータに基づいて、期間の第２の間隔中にユーザの１つ以上の第１の動作特性を判定することを含む。第２の間隔は、第１の間隔の前に生じる。方法はまた、モバイルデバイスが、動きデータに基づいて、期間の第３の間隔中にユーザの１つ以上の第２の動作特性を判定することを含む。第３の間隔は、第１の間隔の後に生じる。方法はまた、モバイルデバイスが、衝撃、ユーザの１つ以上の第１の動作特性、及びユーザの１つ以上の第２の動作特性に基づいて、ユーザが転倒したと判定することと、モバイルデバイスが、ユーザが転倒したと判定したことに応じて、ユーザが転倒したことを示す通知を生成することと、を含む。
この態様の実施形態には、以下の機能のうちの１つ以上を含むことができる。
いくつかの実施態様では、１つ以上の第１の動作特性を判定することは、動きデータに基づいて、ユーザが第２の間隔中に歩いていたと判定することを含み得る。
いくつかの実施態様では、１つ以上の第１の動作特性を判定することは、動きデータに基づいて、ユーザが第２の間隔中に階段を昇っていた又は降りていたと判定することを含み得る。
いくつかの実施態様では、１つ以上の第１の動作特性を判定することは、動きデータに基づいて、ユーザが第２の間隔中に動揺動作又は支持動作に従って身体部分を動かしていたと判定することを含み得る。
いくつかの実施態様では、１つ以上の第２の動作特性を判定することは、動きデータに基づいて、ユーザが第３の間隔中に歩いていたと判定することを含み得る。
いくつかの実施態様では、１つ以上の第２の動作特性を判定することは、動きデータに基づいて、ユーザが第３の間隔中に立っていたと判定することを含み得る。
いくつかの実施態様では、１つ以上の第２の動作特性を判定することは、動きデータに基づいて、ユーザの身体部分の向きが第３の間隔中にＮ回以上変化したと判定することを含み得る。
いくつかの実施態様では、ユーザが転倒したと判定することは、動きデータに基づいて、衝撃が第１の閾値よりも大きいと判定することと、動きデータに基づいて、ユーザの動きが第３の間隔中に損なわれたと判定することと、を含み得る。
いくつかの実施態様では、ユーザが転倒したと判定することは、動きデータに基づいて、衝撃が第１の閾値よりも小さく、かつ、第２の閾値よりも大きいと判定することと、動きデータに基づいて、ユーザが、第２の間隔中に歩いていた、第２の間隔中に階段を昇っていた、又は第２の間隔中に階段を降りていた、のうちの少なくとも１つにあったと判定することと、動きデータに基づいて、ユーザが、第２の間隔中に動揺動作若しくは支持動作に従って身体部分を動かしていたと判定することと、及び動きデータに基づいて、ユーザの動きが第３の間隔中に損なわれたと判定することと、を含み得る。
いくつかの実施態様では、通知を生成することは、ユーザがモバイルデバイスの表示デバイス又は音声デバイスのうちの少なくとも１つの上に転倒したというインジケーションを提示することを含み得る。
いくつかの実施態様では、通知を生成することは、モバイルデバイスから遠隔の通信デバイスにデータを送信することを含むことができ、データは、ユーザが転倒したというインジケーションを含む。
いくつかの実施態様では、ユーザが転倒したと判定することは、１つ以上のサンプリングされた衝撃、１つ以上のサンプリングされた第１の動作特性、及び１つ以上のサンプリングされた第２の動作特性に基づいて、統計モデルを生成することを含み得る。１つ以上のサンプリングされた衝撃、１つ以上のサンプリングされた第１の動作特性、及び１つ以上のサンプリングされた第２の動作特性は、サンプル動きデータに基づいて判定することができる。サンプル動きデータは、１つ以上の追加のセンサによって、１つ以上の追加の期間にわたって測定された動きを示すことができ、各追加の動きセンサは、それぞれの追加のユーザによって装着される。
いくつかの実施態様では、統計モデルは、ベイズ統計モデルであり得る。
いくつかの実施態様では、１つ以上のサンプリングされた第１の動作特性には、サンプル動きデータに関して特定の追加ユーザによって実行されている活動の種類のインジケーション、サンプル動きデータに関する特定の追加ユーザの活動レベルのインジケーション、及び／又はサンプル動きデータに関する特定の追加ユーザの歩行速度のインジケーション、を含むことができる。
いくつかの実施態様では、方法は、モバイルデバイスのコプロセッサによって実行することができる。コプロセッサは、１つ以上の動きセンサから取得された動きデータを受信し、動きデータを処理し、処理された動きデータをモバイルデバイスの１つ以上のプロセッサに提供するように構成することができる。
いくつかの実施形態では、モバイルデバイスは動きセンサを含み得る。
いくつかの実施態様では、モバイルデバイスは、センサによって動きを測定しながら、ユーザの腕又は手首に装着することができる。
いくつかの実施態様では、モバイルデバイスは、ウェアラブルモバイルデバイスであり得る。
別の態様では、方法は、モバイルデバイスによって、ある期間にわたって加速度計によって測定された加速度を示す第１の信号、及び期間にわたって向きセンサによって測定された向きを示す第２の信号を取得することを含み、加速度計及び向きセンサは、ユーザに物理的に結合される。方法はまた、モバイルデバイスによって、期間中にユーザが経験した回転量を示す回転データを判定することと、モバイルデバイスによって、回転データに基づいてユーザが転んだと判定することと、モバイルデバイスによって、ユーザが転んだと判定したことに応じて、ユーザが転んだことを示す通知を生成することと、を含む。
この態様の実施形態には、以下の機能のうちの１つ以上を含むことができる。
いくつかの実施態様では、回転データは、期間中にユーザが経験した回転速度を示す第３の信号を含み得る。
いくつかの実施態様では、回転データは、期間中のユーザによる基準座標系における回転の１つ以上の回転軸のインジケーションを含み得る。
いくつかの実施態様では、回転データは、期間中のユーザによる回転の平均回転軸のインジケーションを含み得る。
いくつかの実施態様では、ユーザが転んだと判定することは、期間中のユーザによる回転の１つ以上の回転軸と、期間中のユーザによる回転の平均回転軸との間の変動を判定することを含み得る。
いくつかの実施態様では、ユーザが転んだと判定することは、変動が第１の閾値未満であると判定することと、変動が第１の閾値未満であると判定したことに応じて、第３の信号に基づいて期間中のユーザの角変位に対応する第４の信号を判定することと、を含み得る。
いくつかの実施態様では、第４の信号を判定することは、期間に対して第３の信号を積分することを含み得る。
いくつかの実施態様では、ユーザが転んだと判定することは、期間中のユーザの角変位が第２の閾値よりも大きいと判定することと、期間中のユーザによる回転の１つ以上の回転軸のうちの少なくとも１つが第３の閾値よりも大きいと判定することと、期間中にユーザが経験した角変位が第２の閾値よりも大きいと判定し、かつ、期間中のユーザによる回転の１つ以上の回転軸のうちの少なくとも１つが第３の閾値よりも大きいと判定したことに応じて、ユーザが転んだと判定することと、を含み得る。
いくつかの実施態様では、通知を生成することは、ユーザがモバイルデバイスの表示デバイス又は音声デバイスのうちの少なくとも１つの上に転んだというインジケーションを提示することを含み得る。
いくつかの実施態様では、通知を生成することは、モバイルデバイスから遠隔の通信デバイスにデータを送信することを含むことができ、データは、ユーザが転んだというインジケーションを含む。
いくつかの実施態様では、方法は、モバイルデバイスのコプロセッサによって実行することができる。コプロセッサは、１つ以上のセンサから取得された動きデータを受信し、動きデータを処理し、処理された動きデータをモバイルデバイスの１つ以上のプロセッサに提供するように構成することができる。
別の態様では、方法は、モバイルデバイスによって、第１の期間にわたって１つ以上の動きセンサが測定した動きを示す動きデータを、取得することを含む。１つ以上の動きセンサは、ユーザによって装着される。方法はまた、モバイルデバイスによって、動きデータに基づいてユーザが転倒したと判定することと、ユーザが転倒したと判定したことに応じて、モバイルデバイスによって、ユーザが転倒したことを示す１つ以上の通知を生成することと、を含む。
この態様の実施形態には、以下の機能のうちの１つ以上を含むことができる。
いくつかの実施態様では、１つ以上の通知を生成することは、ユーザが転倒したことを示す第１の通知をユーザに提示することを含み得る。
いくつかの実施態様では、第１の通知は、視覚メッセージ、音声メッセージ、又は触覚メッセージのうちの少なくとも１つを含み得る。
いくつかの実施態様では、１つ以上の通知を生成することは、モバイルデバイスによって、第１の通知に応じてユーザからの入力を受信することを含み得る。入力は、ユーザによる支援要求を示すことができる。更に、１つ以上の通知を生成することは、入力の受信に応じて、モバイルデバイスから遠隔の通信デバイスへ支援要求を示す第２の通知を送信することを含み得る。
いくつかの実施態様では、通信デバイスは、緊急応答システムとすることができる。
いくつかの実施態様では、第２の通知は、モバイルデバイスの位置を示すことができる。
いくつかの実施態様では、１つ以上の通知を生成することは、モバイルデバイスによって、ユーザが転倒した後の第２の期間中にユーザによる動作の不在を判定することと、第２の期間中にユーザによる動作の不在を判定したことに応じて、モバイルデバイスから遠隔の通信デバイスへ支援要求を示す第２の通知を送信することと、を含み得る。
いくつかの実施態様では、１つ以上の通知を生成することは、モバイルデバイスによって、ユーザが転倒した後の第２の期間中にユーザが動いたと判定することと、第２の期間中にユーザが動いたと判定したことに応じて、モバイルデバイスから遠隔の通信デバイスへ支援要求を示す第２の通知を送信することを控えることと、を含み得る。
いくつかの実施態様では、１つ以上の通知は、ステートマシンに従って生成され得る。
いくつかの実施態様では、１つ以上の動きセンサは、加速度計又はジャイロスコープのうちの少なくとも１つを含み得る。
いくつかの実施態様では、モバイルデバイスは、ウェアラブルモバイルデバイスであり得る。
いくつかの実施態様では、ユーザが転倒したと判定することは、ユーザが動きデータに基づいて衝撃を経験したと判定することを含み得る。
いくつかの実施態様では、ユーザが転倒したと判定することは、第１の期間中にユーザの挙動を判定することを含み得る。
別の態様では、方法は、ある期間にわたって複数のセンサによって生成されたサンプルデータを、モバイルデバイスによって取得することを含む。複数のセンサは、ユーザによって装着される。サンプルデータは、複数のセンサのうちの１つ以上の動きセンサから取得されたユーザの動きを示す動きデータ、及び複数のセンサのうちの１つ以上の位置センサから取得されたモバイルデバイスの位置を示す位置データ、複数のセンサのうちの１つ以上の高度センサから取得されたモバイルデバイスの高度を示す高度データ、又は複数のセンサのうちの１つ以上の心拍数センサから取得されたユーザの心拍数を示す心拍数データ、のうちの少なくとも１つ、を含む。方法はまた、モバイルデバイスが、サンプルデータに基づいてユーザが転倒したと判定することと、モバイルデバイスが、ユーザが転倒したと判定したことに応じて、ユーザが転倒したことを示す１つ以上の通知を生成することと、を含む。
この態様の実施形態には、以下の機能のうちの１つ以上を含むことができる。
いくつかの実施態様では、１つ以上の動きセンサは、加速度計又はジャイロスコープのうちの少なくとも１つを含み得る。
いくつかの実施態様では、動きデータを取得することは、期間中の第１の時間間隔中に加速度計を使用して加速度データを取得することを含み得る。ジャイロスコープは、第１の時間間隔中、無効化することができる。動きデータを取得することは、第１の時間間隔中に取得された加速度データに基づいて、ユーザの動作が第１の時間間隔中に閾値レベルを超えたと判定することと、第１の時間間隔中にユーザの動作が閾値レベルを超えたと判定したことに応じて、第１の時間間隔後の第２の時間間隔中に、加速度計を使用して加速度データを取得し、ジャイロスコープを使用してジャイロスコープデータを取得することと、を更に含み得る。
いくつかの実施態様では、１つ以上の高度センサは、高度計又は気圧計のうちの少なくとも１つを含み得る。
いくつかの実施態様では、１つ以上の位置センサは、無線送受信機又はグローバル航法衛星システム受信機のうちの少なくとも１つを含み得る。
いくつかの実施態様では、ユーザが転倒したと判定することは、動きデータに基づいて、期間中のモバイルデバイスの向きの変化を判定することと、向きの変化に基づいて、ユーザが転倒したと判定することと、を含み得る。
いくつかの実施態様では、ユーザが転倒したと判定することは、動きデータに基づいて、期間中にユーザが経験した衝撃を判定することと、衝撃に基づいて、ユーザが転倒したと判定することと、を含み得る。
いくつかの実施態様では、ユーザが転倒したと判定することは、高度データに基づいて、期間中のモバイルデバイスの高度の変化を判定することと、高度の変化に基づいて、ユーザが転倒したと判定することと、を含み得る。
いくつかの実施態様では、ユーザが転倒したと判定することは、心拍数データに基づいて、期間中のユーザの心拍数の変化を判定することと、心拍数の変化に基づいて、ユーザが転倒したと判定することと、を含み得る。
いくつかの実施態様では、期間中のユーザの心拍数の変化を判定することは、期間中のユーザの心拍数の減衰率を判定することを含み得る。
いくつかの実施態様では、ユーザが転倒したと判定することは、位置データに基づいて、モバイルデバイスの位置における環境条件を判定することと、環境条件に基づいて、ユーザが転倒したと判定することと、を含み得る。
いくつかの実施態様では、環境条件は天候であり得る。
いくつかの実施態様では、モバイルデバイスは、動きデータ、位置データ、高度データ、及び心拍数データに基づいて、ユーザが転倒したことを判定することができる。
いくつかの実施態様では、モバイルデバイスは、ウェアラブルモバイルデバイスであり得る。
いくつかの実施態様では、１つ以上の通知を生成することは、モバイルデバイスから遠隔の通信デバイスに通知を送信することを含み得る。
いくつかの実施態様では、通信デバイスは、緊急応答システムとすることができる。
特定の実装形態は、少なくとも以下の利点を提供する。いくつかの場合では、本明細書に記載される実施形態は、ユーザが転倒したかどうかを判定するために使用でき、それに応じて、適切なアクションを自動的に取ることができる。一例として、モバイルデバイスは、ユーザが自身の日常生活を送っているときのユーザの動作（例えば、歩くこと、走ること、座ること、横たわること、スポーツ又は運動活動に参加しているなど）を監視することができる。ユーザの動作に基づいて、モバイルデバイスは、ユーザが転倒したかどうか、及び、もしそうであれば、ユーザが支援（例えば、転倒からの立ち上がり及び／又は回復における身体的支援、転倒中に被った傷害を治療するための医療処置など）を必要とし得るかどうかを判定することができる。それに応じて、モバイルデバイスは、他者（例えば、介護者、医師、医療応答者、又は傍観者）に状況を自動的に通知することができ、それによって彼らはユーザに支援を提供することができる。このように、ユーザにより迅速かつ効果的に支援を与えることができる。
更に、本明細書に記載される実施態様を使用して、ユーザが転倒したかどうか、及び／又はユーザが支援を必要とし得るかどうかをより正確に判定することができる。従って、リソースをより効果的に使用することができる。例えば、モバイルデバイスは、ユーザが転倒しているかどうか、及び／又はユーザが支援を必要とし得るかどうかを、より少ない偽陽性で判定することができる。従って、モバイルデバイスは、ユーザが支援を必要としない場合に、計算及び／又はネットワークリソースを消費して、他者に通知を生成及び送信する可能性がより低い。更に、医療及び物流リソースを展開して、それらが必要とされる信頼度をより高めてユーザを支援することができ、それによって無駄の可能性を低減する。従って、より効率的に、システムの有効な応答能力を増大させる方法で、リソースを消費することができる。
他の実施態様では、システム、デバイス、及び非一時的なコンピュータ可読媒体を対象としている。
１つ以上の実装形態の詳細は、添付の図面及び以下の説明に記載されている。その他の特徴及び利点は、説明及び図面から、並びに特許請求の範囲から明らかになるであろう。
ユーザが転倒したかどうか、及び／又は支援を必要とし得るかどうかを判定するための例示的なシステムの図である。 ユーザの身体上のモバイルデバイスの例示的な位置を示す図である。 モバイルデバイスに対する例示的な方向軸を示す図である。 モバイルデバイスによって取得された例示的な加速度信号を示す図である。 身体的活動を行っている間に転倒しなかったユーザのサンプル集団から収集された動きデータの例示的なヒートマップ、及び転倒したユーザのサンプル集団から収集された動きデータを示すデータポイントの図である。 身体的活動を行っている間に転倒しなかったユーザのサンプル集団から収集された動きデータの別の例示的なヒートマップ、及び転倒したユーザのサンプル集団から収集された動きデータを示すデータポイントの図である。 身体的活動を行っている間に転倒しなかったユーザのサンプル集団から収集された動きデータの別の例示的なヒートマップ、及び転倒したユーザのサンプル集団から収集された動きデータを示すデータポイントの図である。 加速度ベクトルの大きさが閾値を下回った間の持続時間を判定するための例示的な技術の図である。 ユーザが外傷の兆候及び／又は動作障害を呈しているかどうかを判定するための例示的な決定木の図である。 ユーザが転倒していて支援を必要とし得るか、又はユーザが転倒していないか若しくは転倒したが支援を必要としないかのいずれか、のどちらであるかを判定するための例示的な決定木の図である。 転倒したユーザのサンプル集団から収集された姿勢角データの例示的な散布図である。 スライドサンプルウィンドウにわたってモバイルデバイスによって取得された例示的な加速度信号のプロットを示す。 スライドサンプルウィンドウにわたってモバイルデバイスによって取得された慣性フレームに対する例示的な回転速度信号のプロットを示す。 スライドサンプルウィンドウにわたるモバイルデバイスの瞬間的な回転軸を示す回転軸信号を示す。 スライドサンプルウィンドウにわたるモバイルデバイスの全角変位に対応する全角変位信号を示す。 モバイルデバイスを使用して救難連絡を送信するかどうかを判定するための例示的なステートマシン図である。 ユーザ固有感度に基づく転倒検知技術の概略図である。 ジャイロスコープを選択的に有効化及び無効化するための例示的なステートマシン図である。 複数種類のセンサ測定値に基づく転倒検知技術の概略図である。 ユーザの動きに関する情報を協働して判定するための加速度計及びジャイロスコープの例示的な使用法の概略図である。 例示的な転倒分類器の概略図である。 例示的な転倒センサ統合モジュールの概略図である。 例示的な救難連絡モジュールの概略図である。 例示的な転倒ステートマシンの概略図である。 ユーザが転倒したかどうか、及び／又は支援を必要とし得るかどうかを判定するための例示的なプロセスのフローチャート図である。 ユーザが転んだかどうか、及び／又は支援を必要とし得るかどうかを判定するための例示的なプロセスのフローチャート図である。 ユーザが転倒したかどうか、及び／又は支援を必要とし得るかどうかを判定するための例示的なプロセスのフローチャート図である。 ユーザが転倒したかどうか、及び／又は支援を必要とし得るかどうかを判定するための例示的なプロセスのフローチャート図である。 図１～図２４を参照して説明される特徴及びプロセスを実施するための例示的なアーキテクチャのブロック図である。
概説
図１は、ユーザが転倒したかどうか、及び／又は支援を必要とし得るかどうかを判定するための例示的なシステム１００を示す。システム１００は、モバイルデバイス１０２、サーバコンピュータシステム１０４、通信デバイス１０６、及びネットワーク１０８を含む。
システム１００の例示的な使用法では、ユーザ１１０は、モバイルデバイス１０２を自分の身に付け、自身の日常生活を送る。これには、例えば、歩くこと、走ること、座ること、横たわること、スポーツ若しくは運動活動、又は任意の他の身体活動に参加すること、が含まれ得る。この間、モバイルデバイス１０２は、モバイルデバイス１０２の動作、モバイルデバイス１０２の向き、及び／又は他の動的特性に関するセンサデータを収集する。この情報に基づいて、システム１００は、ユーザが転倒したかどうか、及び、もしそうであればユーザが支援を必要とし得るかどうかを判定する。
一例として、ユーザ１１０は、ウォーキング中につまずき、地面に転倒する場合がある。更に、転倒後、ユーザ１１０は、自分で再び立ち上がることができない場合があり、及び／又は転倒の結果としてけがを負っている場合がある。従って、ユーザは、立ち上がる際、及び／又は転倒から回復する際の物理的支援、転倒中に被ったけがを治療するための医療的処置、又は他のヘルプなどの支援を必要としている場合がある。それに応じて、システム１００は、他者に状況を自動的に通知することができる。例えば、モバイルデバイス１０２は、１人以上のユーザ１１２（例えば、介護者、医師、医療対応者、緊急連絡者など）に状況を通知し、それによって彼らが行動を取れるように、１つ以上の通信デバイス１０６に通知を生成及び送信することができる。別の例として、モバイルデバイス１０２は、ユーザに近接する１人以上の傍観者に通知を生成及び（例えば、視覚及び／又は音声アラートをブロードキャストすることによって）送信することができ、それによって彼らは行動を取ることができる。別の例として、モバイルデバイス１０２は、通知を生成し、サーバコンピュータシステム１０４に送信する（例えば、他者に通知を中継し、及び／又は将来の分析のために情報を保存する）ことができる。このように、支援をユーザ１１０に、より迅速かつ効果的に与えることができる。
いくつかの場合では、システム１００は、ユーザ１１０は外力を経験したが、転倒しておらず、支援を必要としていないと判定することができる。一例として、ユーザ１１０は、運動活動中に接触した（例えば、バスケットボールのプレー中に他者とぶつかった）が、接触による転倒はしておらず、他者の支援なしで回復することができる場合がある。従って、システム１００は、通知を生成し他者に送信することを控えることができる。
いくつかの場合では、システム１００は、ユーザ１１０は転倒したが、ユーザが支援を必要としないと判定することができる。一例として、ユーザ１１０は、運動活動の一部として転倒した（例えば、スキー中にスリップした）が、他者からの支援なしで回復することができる場合がある。従って、システム１００は、通知を生成し他者に送信することを控えることができる。
いくつかの場合では、システム１００は、ユーザ１１０が経験した衝撃前、衝撃中、及び／又は衝撃後に取得された動きデータに基づいて、これらの判定を行うことができる。例えば、モバイルデバイス１０２は、動きデータ（例えば、モバイルデバイス１０２の動きセンサによって取得された加速度信号）を収集することができ、システム１００は、ユーザが衝撃を経験した時点を特定するために、動きデータを使用することができる。衝撃時間を特定すると、システム１００は、衝撃中、衝撃前、及び／又は衝撃後に取得された動きデータを分析して、ユーザが転倒したかどうか、及び、もしそうであればユーザが支援を必要とし得るかどうかを判定することができる。
本明細書に記載される実施形態により、ユーザが転倒したかどうか、及び／又はユーザが支援を必要とし得るかどうかをシステム１００がより正確に判定することを可能にし、それによってリソースをより効果的に使用することができる。例えば、システム１００は、ユーザが転倒しているかどうか、及び／又はユーザが支援を必要とし得るかどうかを、より少ない偽陽性で判定することができる。従って、システム１００は、ユーザが支援を必要としない場合に、計算及び／又はネットワークリソースを消費して、他者に通知を生成及び送信する可能性がより低い。更に、医療及び物流リソースを展開して、それらが必要とされる信頼度をより高めてユーザを支援することができ、それによって無駄の可能性を低減する。従って、より効率的に、かつ、１つ以上のシステム（例えば、コンピュータシステム、通信システム、及び／又は緊急応答システム）の有効応答容量を増大させる方法で、リソースを消費することができる。
モバイルデバイス１０２は、セルラー電話、スマートフォン、タブレットコンピュータ、ウェアラブルコンピュータ（例えば、スマートウォッチ）などを含むがこれらに限定されない、データを受信、処理、及び／又は送信するための任意のポータブル電子デバイスとすることができる。モバイルデバイス１０２は、ネットワーク１０８を使用して、サーバコンピュータシステム１０４及び／又は通信デバイス１０６に通信可能に接続される。
サーバコンピュータシステム１０４は、ネットワーク１０８を使用して、モバイルデバイス１０２及び／又は通信デバイス１０６に通信可能に接続される。サーバコンピュータシステム１０４は、それぞれの単一の構成要素として例示されている。しかしながら、実際には、サーバコンピュータシステム１０４は、１つ以上のコンピューティングデバイス（例えば、マイクロプロセッサ又はマイクロコントローラなどの少なくとも１つのプロセッサを含む各コンピューティングデバイス）上に実装することができる。サーバコンピュータシステム１０４は、例えば、ネットワーク１０８に接続された単一のコンピューティングデバイスであってもよい。いくつかの実施態様では、サーバコンピュータシステム１０４は、ネットワーク１０８に接続された複数のコンピューティングデバイスを含むことができる。いくつかの実施態様では、サーバコンピュータシステム１０４は、システム１００の残りの部分にローカルに位置する必要はなく、サーバコンピュータシステム１０４の一部は、１つ以上の遠隔の物理的位置に位置することができる。
通信デバイス１０６は、ネットワーク１０８を介して送信された情報を送信及び／又は受信するために使用される任意のデバイスであり得る。通信デバイス１０６の例には、コンピュータ（デスクトップコンピュータ、ノートブックコンピュータ、サーバシステムなど）、モバイルデバイス（セルラー電話、スマートフォン、タブレット、パーソナルデータアシスト、ネットワーキング能力を有するノートブックコンピュータなど）、電話、ファックス、及びネットワーク１０８からデータを送受信することができる他のデバイスが含まれる。通信デバイス１０６には、１つ以上のオペレーティングシステム（例えば、Ｍｉｃｒｏｓｏｆｔ Ｗｉｎｄｏｗｓ（登録商標）、Ａｐｐｌｅ ＯＳ Ｘ（登録商標）、Ｌｉｎｕｘ（登録商標）、Ｕｎｉｘ（登録商標）、Ａｎｄｒｏｉｄ（登録商標）、Ａｐｐｌｅ ｉＯＳ（登録商標）など）、及び／又はアーキテクチャ（例えば、ｘ８６、ＰｏｗｅｒＰＣ、ＡＲＭなど）を使用して動作するデバイスを含むことができる。いくつかの実施態様では、通信デバイス１０６のうちの１つ以上は、システム１００の残りの部分に対してローカルに位置する必要はなく、通信デバイス１０６のうちの１つ以上は、１つ以上の遠隔の物理的位置に位置することができる。
ネットワーク１０８は、データを転送及び共有できる任意の通信ネットワークとすることができる。例えば、ネットワーク１０８は、インターネットなどのローカルエリアネットワーク（ＬＡＮ）又は広域ネットワーク（ＷＡＮ）であり得る。別の例として、ネットワーク１０８は、電話又はセルラー通信ネットワークとすることができる。ネットワーク１０８は、様々なネットワーキングインタフェース、例えば、無線ネットワーキングインタフェース（Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、若しくは赤外線など）、又は有線ネットワーキングインタフェース（イーサネット（登録商標）若しくはシリアル接続など）を使用して、実装することができる。ネットワーク１０８はまた、２つ以上のネットワークの組み合わせを含むことができ、１つ以上のネットワーキングインタフェースを使用して実装することができる。
上述したように、ユーザ１１０は、モバイルデバイス１０２を身に付けて、日常生活を送ることができる。一例として、図２Ａに示すように、モバイルデバイス１０２は、ユーザ１１０の手首２０２に固定されたウェアラブル電子デバイス又はウェアラブルコンピュータ（例えば、スマートウォッチ）とすることができる。モバイルデバイス１０２は、例えば、手首２０２を取り囲むバンド又はストラップ２０４を介して、ユーザ１１０に固定することができる。更に、モバイルデバイス１０２の向きは、ユーザの身体上に配置される位置及びユーザの身体での位置決めによって異なり得る。一例として、モバイルデバイス１０２の向き２０６を、図２Ａに示す。向き２０６は、例えば、モバイルデバイス１０２の前縁部から突出するベクトル（例えば、図２Ｂに示すｙ軸）を指し得る。
モバイルデバイス１０２の一例、及びモバイルデバイス１０２の例示的な位置が示されているが、これらは単なる例示的な実施例に過ぎないことを理解されたい。実際には、モバイルデバイス１０２は、セルラー電話、スマートフォン、タブレットコンピュータ、ウェアラブルコンピュータ（例えば、スマートウォッチ）などを含むがこれらに限定されない、データを受信、処理、及び／又は送信するための任意のポータブル電子デバイスとすることができる。一例として、モバイルデバイス１０２は、図２５に関して示され説明されるアーキテクチャ２５００に従って実装することができる。更に、実際には、モバイルデバイス１０２は、ユーザの身体の他の位置（例えば、腕、肩、脚、腰、頭、腹、手、足、又は任意の他の位置）に配置することができる。
ユーザ１１０が自分の身体上にモバイルデバイス１０２を装着して日常生活を送る（例えば、歩く、走る、座る、横たわる、スポーツ若しくは運動活動、又は任意の他の身体活動に参加する）と、モバイルデバイス１０２は、ユーザ１１０の動きに関するセンサデータを収集する。例えば、図２５に示す動きセンサ２５１０（例えば、１つ以上の加速度計）を使用して、モバイルデバイス１０２は、動きセンサ２５１０によって経験された加速度、及びそれに対応して、モバイルデバイス１０２によって経験された加速度を測定することができる。更に、動きセンサ２５１０（例えば、１つ以上のコンパス又はジャイロスコープ）を使用して、モバイルデバイス１０２は、動きセンサ２５１０の向き、及びそれに対応して、モバイルデバイス１０２の向きを測定することができる。いくつかの場合では、動きセンサ２５１０は、ある期間にわたって、又はトリガイベントに応じて、連続的に又は周期的にデータを収集することができる。いくつかの場合では、動きセンサ２５１０は、モバイルデバイス１０２の向きに対して１つ以上の特定方向に関する動きデータを収集することができる。例えば、動きセンサ２５１０は、ｘ軸（例えば、図２Ｂに示すように、モバイルデバイス１０２の側縁部から突出するベクトル）、ｙ軸（例えば、図２Ｂに示すように、モバイルデバイス１０２の前縁部から突出するベクトル）、及び／又はｚ軸（例えば、図２Ｂに示すように、モバイルデバイス１０２の上面又は画面から投影されるベクトル）に対するモバイルデバイス１０２の加速度に関するセンサデータを収集することができ、ｘ軸、ｙ軸、及びｚ軸は、モバイルデバイス１０２（例えば、「本体」フレーム）に固定された基準フレーム内のデカルト座標系を指す。
一例として、図３に示すように、ユーザ１１０が動くと、モバイルデバイス１０２は、動きセンサ２５１０を使用して、ある期間にわたってｙ軸に対して動きセンサ２５１０が経験した加速度に関するセンサデータを、連続的に又は周期的に収集することができる。得られたセンサデータは、時変加速度信号３００の形態で提示することができる。いくつかの場合では、加速度システム３００は、２００Ｈｚのサンプリング帯域幅で、動きセンサ２５１０を使用して、８００Ｈｚのサンプル周波数において加速度サンプルを取得することができる。実際には、他のサンプリング周波数及び／又はサンプリング帯域幅もまた可能である。
上述の例では、加速度信号３００は、モバイルデバイスのｙ軸に対してモバイルデバイス１０２が経験した加速度を示す。いくつかの場合では、加速度信号３００はまた、複数の異なる方向に対してモバイルデバイス１０２が経験した加速度を示すことができる。例えば、加速度信号３００は、モバイルデバイス１０２のｘ軸、ｙ軸、及びｚ軸に対してモバイルデバイス１０２が経験した加速度をそれぞれ指す、ｘ成分、ｙ成分、及びｚ成分を含み得る。各構成要素はまた、加速度信号のチャネル（例えば、「ｘチャネル」、「ｙチャネル」、及び「ｚチャネル」）と呼ぶこともできる。
モバイルデバイス１０２は、加速度信号３００を分析して、ユーザが転倒したかどうかを判定することができる。例えば、ユーザが転倒した場合、モバイルデバイス１０２は、（例えば、ユーザの身体が地面に打ち付けられるときに）相対的に強い衝撃を経験し得る。そのような衝撃は、モバイルデバイス１０２が経験した加速度の大きさ（例えば、モバイルデバイスの速度の変化率）、モバイルデバイスが経験したジャークの大きさ（例えば、モバイルデバイスの加速度の変化率）、及びモバイルデバイス１０２が経験した加速度の振動挙動に基づいて、特定することができる。これらのパラメータのそれぞれは、加速度信号３００を使用して判定することができる。
一例として、モバイルデバイス１０２が経験した加速度の大きさは、以下の関係を使用して、加速度信号の各チャネルに対して判定することができる。
ｍａｇ＝ｍａｘ（ａｂｓ（ａ（ｎ））），
式中、ｍａｇは、そのチャネルの加速度の大きさであり、ａ（ｎ）は、そのチャネルの加速度信号３００のｎ番目のサンプルであり、「ｍａｘ」は、加速度信号３００のサンプル、ｎwindowのスライドウィンドウにわたって計算された最大値である。いくつかの場合では、ｎwindowは、０．２秒又は約０．２秒の時間間隔にわたるサンプル数に対応できる。例えば、加速度信号３００のサンプリング周波数が８００Ｈｚである場合、ｎwindowは１６０とすることができる。実際には、ｎwindowに対して他の値も可能である。
あるいは、モバイルデバイス１０２が経験した加速度の大きさは、以下の関係を使用して、加速度信号の各チャネルに対して判定することができる。
ｍａｇ＝ｍａｘ（ａ（ｎ））－ｍｉｎ（ａ（ｎ）），
式中、ｍａｇは、そのチャネルの加速度の大きさであり、ａ（ｎ）は、そのチャネルの加速度信号３００のｎ番目のサンプルであり、「ｍａｘ」は、サンプルｎwindowのスライドウィンドウにわたって計算された最大値であり、「ｍｉｎ」は、加速度信号３００のサンプル、ｎwindowのウィンドウにわたって計算された最小値である。上記のように、いくつかの場合では、ｎwindowは、０．２秒又は約０．２秒の時間間隔にわたるサンプル数に対応できるが、実際には、ｎwindowに対して他の値もまた可能である。
加速度信号３００が、（例えば、ｙチャネルなどの単一チャネルを有する）単一方向に対する加速度測定値を含む場合、その方向に対する加速度の大きさは、上記の関係を使用して判定することができる。得られた値は、加速度信号３００の加速度の大きさを表す。あるいは、関心ウィンドウ（例えば、ｎwindow）にわたる３つのチャネル全てからの合計エネルギーを、加速度の合計の大きさとして使用してもよい。例えば、合計エネルギーの１つの概念は、以下のように計算することができる。
ｍａｇ＝ｓｑｒｔ（ｍａｘ（│ｘ│）2＋ｍａｘ（│ｙ│）2＋ｍａｘ（│ｚ│）2）．
加速度信号３００が、（例えば、ｘチャネル、ｙチャネル、及びｚチャネルなどの複数チャネルを有する）複数の方向に対する加速度測定値を含む場合、各方向に対する加速度の大きさは、上記の関係を使用して個別に判定することができ、（３つのチャネルにそれぞれ対応する）３つの個別の大きさの値をもたらす。最大振幅値は、加速度信号３００の加速度の大きさを表すものとして選択することができる。
別の例として、モバイルデバイス１０２が経験したジャークの大きさは、以下の関係を使用して、加速度信号の各チャネルに対して判定することができる。
Figure 0007261284000001
 式中、ｊｅｒｋは、そのチャネルのジャークの大きさであり、ａ（ｎ）は、そのチャネルの加速度信号３００のｎ番目のサンプルであり、「ΔＴ」は、加速度信号３００のサンプリング間隔（例えば、サンプリング周波数の逆数）である。
加速度信号３００が、（例えば、ｙチャネルなどの単一チャネルを有する）単一方向に対する加速度測定値を含む場合、その方向に対するジャークの大きさは、上記の関係を使用して判定することができる。得られた値は、加速度信号３００のジャークの大きさを表す。
加速度信号３００が、（例えば、ｘチャネル、ｙチャネル、及びｚチャネルなどの複数チャネルを有する）複数の方向に対して加速度測定値を含む場合、各方向に対するジャークの大きさは、上記の関係を使用して個別に判定することができ、（３つのチャネルにそれぞれ対応する）３つの個別の大きさの値をもたらす。最大振幅値は、加速度信号３００のジャークの大きさを表すものとして選択することができる。
別の例として、モバイルデバイス１０２が経験した加速度の振動挙動は、加速度信号３００の「第３のゼロ交差」を特定することによって判定することができる。第３のゼロ交差とは、加速度信号３００が負の値から正の値に変化する時点、又は逆もまた同様に、特定の振動期間に対して３度目に変化する（例えば、３度目にゼロを「交差する」）時点を指す。一例として、図３に示されるウィンドウ内で、加速度信号３００の第３のゼロ交差は点３０２で生じる。加速度信号３００の最大値（例えば、点３０４）と、その最大値後の第３のゼロ交差点３０２との間の時間は、第３のゼロ交差３０６までの時間と呼ばれる。この値を、加速度信号３００の振動期間の推定値として使用することができ、加速度信号３００の振動周波数を推定するために使用することができる。これは、例えば、動きセンサの構成要素（例えば、微小電気機械システム［ＭＥＭＳ］構成要素）の衝撃応答が、二次弱減衰システムの衝撃応答と同様であり得るため、有用となり得る。このように、振動の周期又は周波数は、応答の近似として使用することができる。
モバイルデバイス１０２が経験した加速度の大きさ、モバイルデバイス１０２が経験したジャークの大きさ、及びモバイルデバイス１０２が経験した加速度の振動挙動（例えば、加速度信号３００の第３のゼロ交差）を併せて使用して、ユーザの転倒を示し得る衝撃を特定することができる。いくつかの場合では、この判定は、統計的又は確率的モデル（例えば、ベイズモデル）を使用して行うことができる。
例えば、図４は、日々の活動（例えば、「アクティブな日常生活」）を行ったときのユーザのサンプル集団から収集された動きデータのヒートマップ４００を示す。この動きデータは、ユーザが転倒することによって生じる任意の動きデータを含まない。ヒートマップ４００は、（ｉ）モバイルデバイス（ｘ軸）が経験した加速度の大きさと、（ｉｉ）サンプル集団のモバイルデバイス（ｙ軸）が経験したジャークの大きさとを比較する。更に、各軸に対するヒートマップ４００内の動きデータの分布は、それぞれの累積データ関数４０２ａ又は４０２ｂによって示される。図４に示すように、動きデータは、相対的に低い加速度の大きさに対応する領域内に主に集中し、相対的に低い大きさのジャークと組み合わされる。
図４はまた、転倒したユーザのサンプル集団から収集された動きデータを表すいくつかの点４０４ａ及び４０４ｂを示す。円形の点４０４ａは「半径方向が優勢な転倒」を示し、正方形の点４０４ｂは「接線方向が優勢な転倒」を示す。これらの用語は、ユーザが歩くときのモバイルデバイス１０２の振動動作（例えば、ユーザが歩くときのユーザの腕及び手首のスイング動作）に対する、ユーザが転倒するときのモバイルデバイス１０２の主な動作方向（例えば、ユーザが転倒するときのユーザの腕及び手首の動き）を指す。図４に示すように、これらの点４０４ａ及び４０４ｂのそれぞれは、相対的により高い大きさの加速度に対応する領域内に位置し、相対的により高い大きさのジャークと組み合わされる。従って、ユーザの転倒を示し得る衝撃は、十分に高い大きさの（例えば、特定の閾値ジャーク値より大きい）ジャークと組み合わせて、十分に高い大きさの（例えば、特定の閾値加速度値よりも大きい）加速度を有する動きデータを特定することによって、少なくとも部分的に特定することができる。実際には、閾値加速度値及び／又は閾値ジャーク値は、（例えば、経験的に収集されたサンプルデータに基づいて）変化し得る。
別の例として、図５は、日々の活動（例えば、「アクティブな日常生活」）を行ったときのユーザのサンプル集団から収集された動きデータのヒートマップ５００を示す。図４のヒートマップ４００と同様に、この動きデータはまた、ユーザが転倒することによって生じる任意の動きデータを含まない。ヒートマップ５００は、（ｉ）モバイルデバイス（ｘ軸）が経験した加速度の大きさと、（ｉｉ）サンプル集団のモバイルデバイス（ｙ軸）によって取得された加速度信号の第３のゼロ交差までの時間とを比較する。更に、各軸に対するヒートマップ５００内の動きデータの分布は、それぞれの累積データ関数５０２ａ又は５０２ｂによって示される。図５に示すように、動きデータは、加速度信号の第３のゼロ交差に対して相対的に高い時間と組み合わせて、相対的に低い加速度の大きさに対応する領域内に主に集中する。
図５はまた、転倒したユーザのサンプル集団から収集された動きデータを表すいくつかの点５０４ａ及び５０４ｂを示す。図４と同様の方法で、円形の点５０４ａは「半径方向が優勢な転倒」を示し、正方形の点５０４ｂは「接線方向が優勢な転倒」を示す。図５に示すように、これらの点５０４ａ及び５０４ｂのそれぞれは、加速度信号の第３のゼロ交差に対して相対的により低い時間と組み合わされて、相対的に高い大きさの加速度に対応する領域内に位置する。従って、ユーザの転倒を示し得る衝撃は、加速度信号の第３のゼロ交差までの十分に低い（例えば、特定の閾値時間値より小さい）時間と組み合わせて、十分に高い大きさの（例えば、特定の閾値加速度値よりも大きい）加速度を有する動きデータを特定することによって、少なくとも部分的に特定することができる。実際には、閾値加速度値及び／又は閾値時間値は、（例えば、経験的に収集されたサンプルデータに基づいて）変化し得る。
本明細書に記載されるように、モバイルデバイス１０２は、動きデータを収集し、動きデータを使用してユーザが衝撃を経験した時点を特定することができる。衝撃時間を特定すると、モバイルデバイス１０２は、衝撃中、衝撃前、及び／又は衝撃後に取得された動きデータを分析して、ユーザが転倒したかどうか、及び、もしそうであればユーザが支援を必要とし得るかどうかを判定することができる。いくつかの場合では、モバイルデバイス１０２は、動きデータを連続的に収集及びバッファリングすることによって、この分析を容易にすることができる。動きデータは、モバイルデバイス１０２が経験した加速度を記述する加速度信号（例えば、加速度信号３００）、及び／又はモバイルデバイス１０２の向きを記述する向き信号（例えば、ジャイロスコープ又はコンパスを使用するなど、動きセンサ２５１０を使用して得られる向き測定値を表す信号）を含み得る。一例として、モバイルデバイス１０２は、それぞれが時間ｔのスライドウィンドウに対応する、加速度信号の一部及び向き信号の一部を、実行ベースで保持することができる。（例えば、上述の加速度信号を使用して）衝撃を特定すると、モバイルデバイス１０２は、衝撃中、衝撃前、及び／又は衝撃後に取得された測定値に対応するバッファされた動きデータの一部を取得し、それらの部分を分析してユーザの状態に関する判定を行うことができる。
例えば、モバイルデバイス１０２は、特定された衝撃前に取得された測定値（「衝撃前」情報）に対応する、加速度信号の一部及び向き信号の一部を分析することができる。モバイルデバイス１０２は、分析に基づいて、衝撃がユーザの転倒に対応する可能性が高いかどうかを判定することができる。いくつかの場合では、この判定は、統計的又は確率的モデルを使用して行うことができる。
一例として、ユーザによる特定の種類の活動（例えば、歩くこと、走ること、階段の昇降、又は他のそのような活動）は、転倒をトリガする可能性がより高くなり得る。従って、活動分類器を使用して、ユーザが、衝撃の前にこれらの種類の活動のうちの１つを実行したかどうかを特定することができる。もしそうであれば、ユーザが転倒した可能性はより高くなり得る。そうでなければ、ユーザが転倒した可能性はより低くなり得る。
活動分類器は、例えば、サンプル集団から動きデータ（例えば、サンプル集団の各個人による動きを記述する加速度信号及び／又は向き信号）を収集することによって、実装することができる。更に、サンプル集団によって実行されている物理的活動に関する情報（例えば、歩くこと、走ること、サイクリング、ゴルフ、ボクシング、スキー、バスケットボールのプレー、又は任意の他の活動などの動きデータが測定された時点で、それぞれの個人によって実行されている物理的活動のインジケーション）を収集することができる。この情報は、例えば、サーバコンピュータシステム１０４（例えば、複数の異なるモバイルデバイスからデータを収集及び集約するためのサーバコンピュータシステム）から取得することができる。この情報に基づいて、異なる種類の各身体的活動に対して、特定の特徴又はパターンを判定することができる。従って、動きデータが追加のユーザから収集されると、動きデータは、以前に収集された動きデータと比較されて、そのユーザの活動を分類することができる。
更に、活動分類器は、様々な技術を使用して実装することができる。例えば、いくつかの場合では、活動分類器は、特に、決定木学習、関連付けルール学習、人工ニューラルネットワーク、深層学習、誘導論理プログラミング、サポートベクトル機械クラスタリング、ベイズネットワーク、強化学習、表現学習、類似性及びメトリック学習、スパース辞書学習、遺伝的アルゴリズム、ル－ルベース機械学習、学習分類器システムなどの、「機械学習」技術を使用して実装することができる。
別の例として、ユーザの活動レベルは、ユーザが転倒している可能性がより高く、及びユーザが支援を必要としているかどうかを示すことができる。例えば、高度にアクティブである（例えば、履歴的に頻繁で激しい動作を呈する）運動ユーザは、支援を必要とする方法で転倒するリスクがより低くなり得る。しかしながら、アクティブではない（例えば、履歴的に頻繁でないわずかな動きを呈する）かよわいユーザは、支援を必要とする方法で転倒するリスクがより高くなり得る。従って、ユーザの活動レベルを特定するために活動レベル分類器を使用することができ、分類に基づいて、ユーザが転倒して、支援を必要としている可能性を調整することができる。
活動レベル分類器はまた、例えば、サンプル集団から動きデータ（例えば、サンプル集団の各個人による動きを記述する加速度信号及び／又は向き信号）を収集することによって、実装することができる。更に、サンプル集団の活動レベルに関して、情報（例えば、動きデータが測定された時点で各個人がどれだけ運動でき、身体的に健康で、及び／又は歩行できたかのインジケーション）を収集することができる。この情報は、例えば、サーバコンピュータシステム１０４（例えば、複数の異なるモバイルデバイスからデータを収集及び集約するためのサーバコンピュータシステム）から取得することができる。この情報に基づいて、異なる種類の各活動レベルに対して、特定の特徴又はパターンを判定することができる。従って、動きデータが追加のユーザから収集されると、動きデータは、以前に収集された動きデータと比較されて、そのユーザの活動レベルを分類することができる。
更に、活動レベル分類器はまた、様々な技術を使用して実装することができる。例えば、いくつかの場合では、活動レベル分類器は、特に、決定木学習、関連付けルール学習、人工ニューラルネットワーク、深層学習、誘導論理プログラミング、サポートベクトル機械クラスタリング、ベイズネットワーク、強化学習、表現学習、類似性及びメトリック学習、スパース辞書学習、遺伝的アルゴリズム、ル－ルベース機械学習、学習分類器システムなどの、「機械学習」技術を使用して実装することができる。
いくつかの場合では、統計的又は確率的モデルは、ユーザの年齢、ユーザの歩行速度、ユーザの１日当たりの歩数、ユーザが１日当たり費やしたカロリー数、ユーザの１日中の最大運動量、又はユーザの他の特性などの、ユーザに関する追加情報を考慮することができる。ユーザが転倒した可能性は、これらの特性のそれぞれに基づいて、増大又は減少し得る。例えば、より年長のユーザは、支援を必要とする方法で転倒するリスクがより高くなり得る一方で、より若いユーザは、支援を必要とする方法で転倒するリスクがより低くなり得る。更に、最大歩行速度がより低いユーザは、支援を必要とする方法で転倒するリスクが高くなり得る一方で、最大歩行速度がより高いユーザは、支援を必要とする方法で転倒するリスクがより低くなり得る。更に、ユーザの転倒リスクを判定するために、複数の異なる特性を併せて使用することができる。例として、統計的又は確率的モデルは、多次元リスク評価モデル（例えば、多次元リスクマトリックス）を含むことができ、各次元は、ユーザの異なる特性、及びユーザの全体的なリスクへのその寄与に対応する。サーバコンピュータシステム１０４（例えば、複数の異なるモバイルデバイスからデータを収集及び集約するためのサーバコンピュータシステム）及び／又はユーザ入力から、各ユーザに関する情報を収集することができる。
いくつかの場合では、モバイルデバイス１０２は、特定された衝撃の前にユーザが行った他の種類の動作を考慮することができる。別の実施例として、ユーザが転倒しているとき、ユーザは、多くの場合、地面から自分自身を支えようと試みる。従って、モバイルデバイス１０２は、特定された衝撃前に、ユーザが自身の腕で支持動作を実行したかどうかを判定することができる。もしそうであれば、ユーザが転倒した可能性はより高くなり得る。そうでなければ、ユーザが転倒した可能性はより低くなり得る。
支持動作を実行すると、ユーザの手、及びそれに対応してモバイルデバイス１０２は、ある期間、地面に向かって加速し得る。従って、モバイルデバイス１０２は、慣性ｚ方向（例えば、地面に垂直な方向、又は重力方向）に正の加速度を観察し得る。内部ｚ方向の加速度を測定することによって、モバイルデバイス１０２は、転倒の持続時間を判定することができる。例えば、慣性ｚ方向に沿った加速度信号が特定の閾値を上回る期間として、転倒の持続時間を推定することができる。
ユーザが転倒しているときの別の例として、ユーザは、多くの場合、自身の腕を振り回し得る。例えば、ユーザが歩行中にスリップし、つまずき、又は転んだ場合、ユーザは、自身のバランスを取ろうと、地面に衝突する前に不規則に又は無秩序に自身の腕を動かし得る。従って、モバイルデバイス１０２は、特定された衝撃の前に、ユーザが腕を振り回していたかどうかを判定することができる。もしそうであれば、ユーザが転倒した可能性はより高くなり得る。そうでなければ、ユーザが転倒した可能性はより低くなり得る。
動揺動きは、部分的には、モバイルデバイスの「姿勢角」、又は慣性フレーム（例えば、地球フレーム）に対する向きを推定することによって検出することができる。これは、例えば、（例えば、重力方向、又は慣性ｚ方向を特定するために）加速度信号と、（例えば、重力方向に対するデバイスの向きを判定するために）向き信号との両方を使用して、判定することができる。この情報を使用して、モバイルデバイス１０２の経時的な姿勢角の変化（例えば、ｎwindowなどのサンプルウィンドウにわたる姿勢角の最大差）もまた、判定することができる。ある期間にわたる姿勢角の相対的により大きな変化（例えば、モバイルデバイス１０２の向きの大きな変化、並びにそれに応じた、ユーザの手首及び腕の向き）は、ユーザが動揺動作を実行する可能性がより高いことを示し得る。
いくつかの場合では、ユーザの動きにおける「カオス」の量は、ある期間中にユーザの動きに対応する加速度信号を取得し、加速度信号の経路長を判定することによって、判定することができる。ユーザが不規則に動いている（例えば、動揺動作を実行している）場合、加速度信号は、その期間中により高い変動度を呈する。従って、加速度信号の経路長はより長くなる。対照的に、ユーザの不規則な動きがより少ない場合、加速度信号は、その期間中により低い変動度を呈する。従って、加速度信号の経路長はより短くなる。
いくつかの場合では、加速度信号の経路長は、以下の式を使用して計算することができる。
Figure 0007261284000002
 式中、ａnは、加速度信号中のｎ番目のサンプルである。経路長は、スライドウィンドウ（例えば、転倒又は衝撃の周りの１．４秒のウィンドウ）にわたって取得されたサンプルの合算を実行することによって判定することができる。いくつかの場合では、他の技術を使用して（例えば、加速度信号のエントロピーを測定することによって）、カオスを判定することができる。
この「衝撃前」情報を併用して、ユーザが転倒している可能性があるかどうかを判定することができる。例えば、図６は、日々の活動（例えば、「アクティブな日常生活」）を行ったときのユーザのサンプル集団から収集された動きデータのヒートマップ６００を示す。この動きデータは、ユーザが転倒することによって生じる任意の動きデータを含まない。ヒートマップ６００は、（ｉ）モバイルデバイス（ｘ軸）の姿勢角の変化と、（ｉｉ）サンプル集団のモバイルデバイス（ｙ軸）の転倒持続時間とを比較する。更に、各軸に対するヒートマップ６００内の動きデータの分布は、それぞれの累積データ関数６０２ａ又は６０２ｂによって示される。図６に示すように、動きデータは、相対的に低い姿勢角の変化に対応する領域内に主に集中し、相対的に低い転倒持続時間と組み合わされる。
図６はまた、転倒したユーザのサンプル集団から収集された動きデータを表すいくつかの点６０４を示しており、この動きデータは、ユーザが転倒する直前に収集されたものである。図６に示すように、これらの点６０４のそれぞれは、相対的により高い姿勢角の変化に対応する領域内に位置し、相対的により高い転倒持続時間と組み合わされる。従って、ユーザの転倒は、十分に長い（例えば、特定の閾値時間量よりも大きい）転倒持続時間と組み合わせて、少なくとも部分的に、姿勢角の変化が十分に大きい（例えば、特定の閾値角度よりも大きい）、特定された衝撃の直前に収集された動きデータを特定することによって、特定することができる。実際には、閾値角度及び／又は閾値時間量は、（例えば、経験的に収集されたサンプルデータに基づいて）変化し得る。
モバイルデバイス１０２はまた、加速度信号の一部、及び特定された衝撃後に取得された測定値（「衝撃後」情報）に対応する向き信号の一部を分析することができる。分析に基づいて、モバイルデバイス１０２は、ユーザが支援を必要とし得るかどうかを判定することができる。いくつかの場合では、この判定は、統計的又は確率的モデルを使用して行うことができる。
一例として、ユーザが転倒し、転倒により負傷し又は救難状態にある場合、ユーザは外傷の兆候及び／又は動作障害を呈し得る。外傷の兆候及び／又は動作障害は、加速度信号及び／又は向き信号に基づいて特定することができる。例えば、モバイルデバイス１０２は、特定された衝撃後に取得された測定値に対応する、加速度信号の一部及び向き信号の一部を分析することができる。分析に基づいて、モバイルデバイス１０２は、衝撃が外傷の兆候及び／又は動作障害に対応する可能性が高いかどうかを判定することができる。
この分析は、例えば、活動分類器を使用して実行することができる。活動分類器は、例えば、転倒した後のサンプル集団から動きデータ（例えば、転倒した後のサンプル集団の各個人による動きを記述する加速度信号及び／又は向き信号）を収集することによって、実装することができる。更に、転倒後の個人のそれぞれの状態に関して、情報（例えば、特定の個人が転倒後に外傷の兆候を呈したことのインジケーション、特定の個人が転倒後に動作障害を呈したことのインジケーションなど）を収集することができる。この情報は、例えば、サーバコンピュータシステム１０４（例えば、複数の異なるモバイルデバイスからデータを収集及び集約するためのサーバコンピュータシステム）から取得することができる。この情報に基づいて、特定の特性又はパターンを、異なる種類の状態（例えば、外傷の兆候、外傷の兆候なし、動作障害、動作障害なし、など）ごとに判定することができる。従って、動きデータが追加のユーザから収集されると、動きデータは、以前に収集された動きデータと比較されて、そのユーザが転倒した後の状態を分類することができる。
上述したのと同様の方法で、活動分類器は、様々な技術（例えば、特に、決定木学習、関連付けルール学習、人工ニューラルネットワーク、深層学習、誘導論理プログラミング、サポートベクトル機械クラスタリング、ベイズネットワーク、強化学習、表現学習、類似性及びメトリック学習、スパース辞書学習、遺伝的アルゴリズム、ルプルベース機械学習、学習分類器システム）を使用して、実装することができる。
モバイルデバイス１０２はまた、１つ以上の動きベースのメトリックを特定することによって、ユーザが転倒した後のユーザの状態を判定することができる。例えば、加速度信号及び／又は向き信号に基づいて、モバイルデバイス１０２は、ユーザが転倒した後に何らかのステップを取ったかどうかを（例えば、ユーザがステップを取ったことを表す信号における傾向又はパターンを特定することによって、及び／又は歩数計などのセンサを使用して）判定することができる。もしそうであれば、ユーザが支援を必要とする可能性はより低い。そうでなければ、ユーザが支援を必要とする可能性はより高い。
別の例として、加速度信号及び／又は向き信号に基づいて、モバイルデバイス１０２は、（例えば、ユーザが地面から起き上がっている又は立っていることを表す信号における傾向又はパターンを特定することによって）、ユーザが転倒後にユーザが立ち上がったかどうかを判定することができる。もしそうであれば、ユーザが支援を必要とする可能性はより低い。そうでなければ、ユーザが支援を必要とする可能性はより高い。
別の例として、モバイルデバイス１０２は、加速度ベクトルの標準偏差及び大きさが閾値を下回った間の持続時間を判定することができる。加速度ベクトルの大きさが一定期間に対して閾値を下回った場合、これは、ユーザが静止している（例えば、身体を動かしていない）ことを示すことができる。更に、ユーザが転倒した後に静止している場合、これは、ユーザが呆然としているか、又は負傷していることを示し得る。従って、ユーザが支援を必要としている可能性はより高い。しかしながら、加速度ベクトルの標準偏差及び大きさがその期間の閾値を超えた場合、これは、ユーザが転倒した後に身体を動かしていることを示し得る（例えば、ユーザは静止していない）。従って、ユーザが支援を必要としている可能性はより低い。
例えば、図７に示すように、モバイルデバイス１０２は、（例えば、加速度信号３００に関して上述したのと同様の方法で）「生の」加速度信号７００を取得することができる。図７に示す例では、加速度信号７００は、それぞれがモバイルデバイス１０２に対して異なる方向（例えば、ｘチャネル、ｙチャネル、及びｚチャネル）に従って測定された加速度を参照する、３つのチャネルを含む。更に、加速度信号７００は、衝撃を示す急激な増大７０２を示す。
更に、モバイルデバイス１０２は、加速度信号７００のベクトルの大きさ（ＶＭ）を計算して、ベクトル振幅信号７０４を取得することができる。実際には、モバイルデバイス１０２が静的である（例えば、動いていない）とき、ベクトル振幅信号７０４は、１（又は約１）になる。モバイルデバイス１０２が動いているとき、ベクトル振幅信号７０４は、１から逸脱する。従って、関係│ＶＭ－１│を、静止のメトリックとして使用できる。同様に、加速度信号の標準偏差もまた、静止のメトリックとして使用できる。
更に、モバイルデバイス１０２は、正規化された加速度信号７０４の大きさが（暗色化された矩形によって示される）特定の閾値よりも小さい、衝撃後の期間７０６を特定することができる。いくつかの場合では、閾値は０．０２５ｇとすることができる。しかしながら、実際には、この閾値は、実施形態に応じて変化し得る。
更に、モバイルデバイス１０２は、正規化された加速度信号７０４の大きさが閾値を下回った間の累積持続時間７０８を判定するために、時間７０６の期間のそれぞれを合計することができる。累積持続時間７０８が相対的により長い場合、ユーザが支援を必要とする可能性は、より高くなる。しかしながら、累積持続時間７０８が相対的により小さい場合、ユーザが支援を必要とする可能性は、より低くなる。
別の例として、加速度信号及び／又は向き信号に基づいて、モバイルデバイス１０２は、モバイルデバイス１０２の姿勢角を判定することができる。この姿勢角は、例えば、加速度信号（例えば、フィルタリングされた加速度信号）、及び／又はモバイルデバイス１０２の動きの向き（例えば、加速度データとジャイロスコープデータとの統合から導出される情報）に基づいて、判定することができる。フィルタリングされた加速度信号は、例えば、１つ以上のチャネル（例えば、ｘチャネル、ｙチャネル、及び／又はｚ－チャネル）を有する加速度信号であり得、高周波成分は除去される（例えば、特定の閾値周波数よりも大きい）。いくつかの場合では、除去された高周波コンテンツは、機械に起因する動き（例えば、バス、列車など）に対応することができる。これらの情報源に基づいて、モバイルデバイス１０２は、装着者の前腕がどの方向を指しているか（例えば、ｘ方向におけるモバイルデバイス１０２のおおよその姿勢角）を判定することができる。
装着者の前腕が、より長い（例えば、閾値時間量よりも大きい）期間、水平線を下回る又は上回る動きがなく、水平線に向いている場合、ユーザは負傷した可能性が、より高い場合がある。例えば、これは、ユーザが床に横たわっていて、腕を上下に動かしていないことを示し得る。しかしながら、ユーザの前腕が、相対的に大きな動き（例えば、４５°）で、水平線を上回って及び下回って繰り返し動いている場合、これは、特に、ユーザが階段を昇っていた又は降りていたと判定された場合に、ユーザが障害を負った可能性が、より少ないことを示し得る。
別の例として、加速度信号及び／又は向き信号に基づいて、モバイルデバイス１０２は、加速度信号（例えば、フィルタリングされた加速度信号）が所与の閾値Ｔと交差する回数を判定することができる。このメトリックは、閾値交差回数と呼ばれ得る。上記のように、フィルタリングされた加速度信号は、例えば、１つ以上が高周波成分を除去された加速度信号であり得る。対称的な交差は、加速度信号がＴを上回って及び下回って（－Ｔ）（又はその逆）の両方となる必要があるが、非対称な交差は、それが次いで±Ｔと交差したかどうかに関係なく、信号が±Ｔを超えた回数をカウントする。
これらの閾値交差は、人の動作を示す。例えば、ユーザのステップは、典型的には対称的な閾値交差を生成するが、手首の何らかの動作又は回転に達するユーザは、典型的には非対称な交差などを引き起こすことになる。閾値交差回数をカウントすることにより、モバイルデバイス１０２は、個人が障害を受けた可能性があるかどうかを判定することができる。例えば、閾値交差の数が多いほど、ユーザが障害を受けた可能性が低くなる。
いくつかの場合では、この「衝撃後」情報を併せて使用して、ユーザが支援を必要とし得るかどうかを判定することができる。一例として、モバイルデバイス１０２は、サンプル集団から収集されたサンプルデータに基づいて、転倒した後のユーザの状態に関する判定を行うことができる。例えば、モバイルデバイスは、サンプル集団（例えば、加速度信号及び／又は向き信号）から動きデータを収集することができる。更に、個人のそれぞれの状態に関して、情報（例えば、動きデータが測定されたときに特定の個人が外傷の兆候を呈したことのインジケーション、動きデータが測定されたときに特定の個人が動作障害を呈したことのインジケーションなど）を収集することができる。この情報は、例えば、サーバコンピュータシステム１０４（例えば、複数の異なるモバイルデバイスからデータを収集及び集約するためのサーバコンピュータシステム）から取得することができる。
この情報を使用して、ユーザの動作の特性とユーザの状態との間の１つ以上の相関関係を判定することができる。例えば、サンプル集団から収集されたサンプルデータに基づいて、外傷の兆候を呈するユーザに対応するユーザの動作の１つ以上の特定の特性間で、相関関係を判定することができる。従って、モバイルデバイス１０２がユーザの動きが類似の特性を呈すると判定した場合、モバイルデバイス１０２は、ユーザが同様に外傷の徴候を呈すると判定することができる。別の例として、サンプル集団から収集されたサンプルデータに基づいて、動作障害を呈するユーザに対応するユーザの動作の１つ以上の特定の特性間で、相関関係を判定することができる。従って、モバイルデバイス１０２がユーザの動きが類似の特性を呈すると判定した場合、モバイルデバイス１０２は、ユーザが同様に動作障害を呈すると判定することができる。
これらの相関関係は、様々な技術を使用して判定することができる。例えば、いくつかの場合では、これらの相関関係は、決定木学習、関連性ルール学習、人工ニューラルネットワーク、深学習、誘導論理プログラミングなどの「機械学習」技術の使用によって判定することができ、特に、サポートベクトル機械クラスタリング、ベイエトネットワーク、強化学習、表現学習、類似性及びメトリック学習、スパース辞書学習、遺伝的アルゴリズム、ルプルベースの機械学習、学習分類器システムなどが挙げられる。
一例として、図８は、サンプル集団から収集されたサンプルデータを使用して生成された（例えば、サンプルデータを使用して「訓練された」）決定木８００を示す。この例では、サンプルデータは、睡眠していたユーザから収集された（例えば、外傷の兆候又は動作障害を呈する個人の挙動をシミュレートする）「ポジティブコントロール」情報を含む。サンプルデータは、日々の身体活動を行っていた障害のないユーザから収集した「ネガティブコントロール」情報を含む。
図８に示すように、特定の特性の組み合わせは、外傷の兆候及び／又は動作障害を呈するユーザを示す。例えば、（ｉ）加速度信号の大きさが低い間の持続時間（パラメータ「ｄｕｒａｔｉｏｎ＿ｌｏｗ＿ｖｍ」）が４８．１秒～５１．２秒であり、（ｉｉ）ユーザが０．５ステップ（パラメータ「ｓｔｅｐｓ」）未満を要した場合、ユーザが外傷の徴候及び／又は動作障害を呈していると判定することができる。
別の例として、（ｉ）加速度信号の大きさが低い間の持続時間（パラメータ「ｄｕｒａｔｉｏｎ＿ｌｏｗ＿ｖｍ」）が５１．２秒～５８．９秒であり、（ｉｉ）ユーザが０．５ステップ（パラメータ「ｓｔｅｐｓ」）未満を要し、及び（ｉｉｉ）ユーザが３４．７秒未満（パラメータ「ｓｔａｎｄｉｎｇ」）立っていた場合、ユーザが外傷の徴候及び／又は動作障害を呈していると判定することができる。図８に示される例では、転倒後期間中にユーザが立っていた持続時間（パラメータ「ｓｔａｎｄｉｎｇ」）が０～６００の整数によって示され、６０秒の合計サンプルウィンドウから１０分の１秒の持続時間を指す。例えば、「ｓｔａｎｄｉｎｇ」値が３４７である場合、これは、ユーザが６０秒のサンプルウィンドウからの転倒後３４．７秒間立っていたことを示す。この実施例では、この特定の分岐は、ユーザが０～３４．７秒立っていた場合、「ｓｌｅｅｐ」（ポジティブコントロール）であった可能性が高い（例えば、ユーザが転倒後期間の約半分以下の間立っていた）ことを示す。実際には、これは、転倒後にユーザが立っていないであろうことの予想を反映する。
別の例として、（ｉ）加速度信号の大きさが低い間の持続時間（「ｄｕｒａｔｉｏｎ＿ｌｏｗ＿ｖｍ」）が５１．２秒～５８．９秒であり、（ｉｉ）ユーザが０．５ステップ（「ｓｔｅｐｓ」）超を要した場合、ユーザが外傷の兆候及び／又は動作障害を呈していないと判定することができる。例示的な決定分岐及びパラメータ値が図８に示されているが、これらは単に例示的な例である。実際には、決定木の決定分岐及び／又はパラメータ値は、実施形態に応じて変化し得る。
上述の例では、モバイルデバイス１０２は、加速度信号及び向き信号に基づいて、ユーザが支援を必要とし得るかどうかを判定する。しかしながら、モバイルデバイス１０２は、これらの種類の情報のみを使用することに限定されない。例えば、いくつかの場合では、モバイルデバイス１０２は、ユーザの心拍数を記述する信号などの追加情報を考慮することができる。一例として、ユーザの心拍数が特定の範囲（例えば、「正常な」又は「健康な」範囲）から逸脱していると、モバイルデバイス１０２は、ユーザが支援を必要としている可能性がより高いと判定することができる。
いくつかの場合では、「衝撃前」情報、衝撃情報、及び「衝撃後」情報を併用して、ユーザが転倒したかどうか、及びユーザが支援を必要とし得るかどうかを判定することができる。いくつかの場合では、この判定は、決定木を使用して行うことができる。
一例として、図９は、（ｉ）ユーザが転倒していて支援を必要とし得る（決定木９００で「転倒」として示されている）、又は（ｉｉ）ユーザが、転倒していないか、転倒したが支援を必要としていないかのいずれかである（決定木９００で「転倒していない」として示されている）のいずれかであるかを判定するための決定木９００を示す。図９に示すように、特性の特定の組み合わせは、それぞれの結果を示す。
例えば、ユーザが高い（例えば、第１の閾値よりも大きい）衝撃を経験し、衝撃後に外傷の兆候及び／又は動作障害を呈する場合、ユーザが転倒していて支援を必要とし得ると判定することができる。別の例として、ユーザが中程度の（例えば、第１の閾値未満であるが、第１の閾値よりも小さい第２の閾値よりも大きい）衝撃を経験し、衝撃前に特定のアクティビティ（歩行、登山など）を実行していた、衝撃前に動揺動作又は支持動作を実行していた、並びに衝撃後に外傷の兆候及び／又は動作障害を呈した場合、ユーザが転倒していて支援を必要とし得ると判定することができる。そうでなければ、ユーザが転倒していないか、又は転倒しているが支援を必要としない、のいずれかの判定を行うことができる。例示的な決定分岐が図９に示されているが、これらは単なる例示的な実施例に過ぎない。実際には、決定木の決定分岐は、実施形態に応じて変化し得る。
いくつかの場合では、転倒検知器はベイズ分類器であり得る。一例として、転倒の事後確率は、特徴のセットを考慮して計算できる。
ｐ（ｆａｌｌ│ｆ１，ｆ２，ｆ３，．．．）＝ｐ（ｆ１│ｆａｌｌ）ｐ（ｆ２│ｆａｌｌ）ｐ（ｆ３│ｆａｌｌ）．．．ｐ（ｆａｌｌ）／ｐ（ｆ１，ｆ２，ｆ３，．．．）、
式中、ｆ１，ｆ２，ｆ３，．．．は、加速度及び向き信号（例えば、衝撃の大きさ、ジャーク、第３のゼロ交差までの時間、衝撃前の活動、支持動作又は動揺動作の存在、及び／又はサンプル集団から判定された衝撃後特徴）から計算される特徴であり、ｐ（ｆａｌｌ）は、サンプル集団からの年齢、性別、及び／又は他の生体情報に基づいて判定できる、転倒の事前確率である。同様に、転倒していない衝撃の事後確率は、以下のように計算することができる。
（ＡＤＬ│ｆ１，ｆ２，ｆ３，．．．）＝ｐ（ｆ１│ＡＤＬ）ｐ（ｆ２│ＡＤＬ）ｐ（ｆ３│ＡＤＬ）．．．ｐ（ＡＤＬ）／ｐ（ｆ１，ｆ２，ｆ３，．．．）、
式中、ＡＤＬは日々の生活の活動を表し、これは、ユーザ転倒の任意のインスタンスを含まない。モバイルデバイス１０２は、比率ｐ（ｆａｌｌ│ｆ１，ｆ２，ｆ３，．．．）／ｐ（ＡＤＬ│ｆ１，ｆ２，ｆ３，．．．）が閾値よりも大きいときに、転倒が生じたと判定することができる。実際には、閾値は、実施形態に応じて変化し得る。
他の種類の情報を使用して、ユーザが転倒したかどうかを判定することもできる。一例として、上述したように、ある期間にわたる不規則な動きが、転倒をより示し得る（例えば、ユーザは転倒中に腕を振り回す場合がある）。しかしながら、ある期間にわたる周期的動きは、ユーザによる意図的な動き（例えば、握手したり、食べ物を刻んだりしている間の腕の周期的な動き）をより示し得る。従って、ユーザの動きの周期性を使用して、ユーザが転倒したかどうかを判定することができる。
いくつかの場合では、ユーザの動きの周期性は、検出された衝撃後の時間ウィンドウ（例えば、１０秒）にわたる加速度信号のコヒーレントエネルギーの高速フーリエ変換（ＦＦＴ）に対応する第１の周期性メトリックに基づいて、判定することができる。コヒーレントエネルギーは、品質が特定の閾値よりも大きいスペクトルにおけるピークの合計である。より大きい第１の周期性メトリックは、より大きい周期性の動作を示すことができ、これは、ユーザが転倒した可能性がより低いことに対応し得る。より低い第１の周期性メトリックは、より小さい周期性の動作を示すことができ、これは、ユーザが転倒した可能性がより高いことに対応し得る。
いくつかの場合では、ユーザの動きの周期性は、検出された衝撃後の時間ウィンドウ（例えば、１０秒）にわたる加速度信号のピーク間間隔の四分位範囲（ＩＱＲ）に対応する第２の周期性メトリックに基づいて、判定することができる。これは、特定の閾値よりも大きい検出された衝撃の周囲のピークの全てを特定し、次いで隣接するピーク間の間隔のＩＱＲを計算することによって、算出することができる。繰り返しピークが均等に（又は実質的に均等に）離間している場合、ＩＱＲは小さくなり、周期的な動きを示す。従って、より低い第２の周期性メトリックは、より大きい周期性の動作を示すことができ、これは、ユーザが転倒した可能性がより低いことに対応し得る。対照的に、より大きい第２の周期性メトリックは、より小さい周期性の動作を示すことができ、これは、ユーザが転倒した可能性がより高いことに対応し得る。
いくつかの場合では、モバイルデバイス１０２を使用して、異なる種類間の転倒を区別することができる。例えば、モバイルデバイス１０２は、つまずき転倒（例えば、自身の足が妨害物に引っ掛かったときなどの、ユーザが前方によろめく転倒）、スリップ転倒（例えば、滑りやすい表面上で自身のバランスを失ったときなどの、ユーザが後方に倒れる転倒）、転がり転倒（例えば、ユーザが丘や一連の階段を転がり落ちるときなどの、ユーザが回転軸を中心に回転する又は転がる転倒）、及び／又は他の種類の転倒を、区別することができる。これは、例えば、異なる種類の転倒が、ユーザに対して異なる影響を有する場合がある（例えば、ユーザにとってより負傷しやすいものもあれば、それ程でないものもあり得る）ため、有益であり得る。このように、モバイルデバイス１０２は、ユーザの転倒の特定の性質に応じて、より具体的なアクションを取ることができる。
本明細書に記載されるように、モバイルデバイスは、少なくとも部分的に、モバイルデバイス上の「姿勢角」、又は慣性フレーム（例えば、地球フレーム）に対する向きに基づいて、ユーザが転倒したかどうかを判定することができる。いくつかの場合では、これは、加速度計によって取得された（例えば、加速度計によって生成された加速度信号を使用して、重力方向又は慣性ｚ方向を特定するために判定することによる）情報、及び／又はジャイロスコープなどの向きセンサからの（例えば、ジャイロスコープによって生成された向き信号を使用して、重力方向に対するデバイスの向きを判定することによる）情報を使用して判定することができる。
いくつかの場合では、モバイルデバイスは、衝撃前及び／又は衝撃後のモバイルデバイスの姿勢角の変化に基づいて、つまずき転倒とスリップ転倒とを区別することができ、測定された姿勢角の変化がつまずき又は転倒を示すかどうかを判定することができる。一例として、ユーザがつまずくと、多くの場合、衝撃に対して支えるために自身の腕を下方に動かす。従って、モバイルデバイスがユーザの手首に取り付けられている場合、それは、衝撃前に姿勢角の負の変化を経験し得る。更に、転倒時に、姿勢角が地面の方に向いている場合がある。別の例として、ユーザがスリップすると、多くの場合、自身のバランスを再獲得しようとして、自身の腕を振り上げる。従って、モバイルデバイスがユーザの手首に取り付けられている場合、それは、衝撃前に姿勢角の正の変化を経験し得る。
これらの特性を使用して、つまずき転倒をスリップ転倒から区別することができる。例えば、図１０は、各ユーザの手首に取り付けられたモバイルデバイスを使用して異なる種類の転倒を経験したユーザのサンプル集団から収集された姿勢角データの散乱図１０００を示す。各点１００２は、特定の種類の転倒（例えば、つまずき転倒、スリップ転倒、又は他の種類の転倒）、（ｘ軸に示される）衝撃前のモバイルデバイスの（例えば、度での）対応する姿勢角変化、及び（ｙ軸に示される）衝撃後のモバイルデバイスの対応する姿勢角変化を示す。姿勢角変化の兆候は、動きの方向を示すことができる。例えば、正の姿勢角度変化は、モバイルデバイスの最終姿勢角が、考慮する時間ウィンドウ中の初期姿勢角よりも高いことを示し得る。同様に、姿勢角変化の負の値は、モバイルデバイスの最終姿勢角が、初期姿勢角よりも低いことを示し得る。図１０に示すように、ユーザがつまずき転倒を経験すると、モバイルデバイスは、ユーザが支えようと準備すると衝撃前に下方に動き、次いで表面に当たった後に上方に動く。従って、つまずき転倒は、多くの場合、衝撃前に負の姿勢角変化を有し、衝撃後に正の姿勢角変化を有する。対照的に、ユーザがスリップ転倒を経験すると、モバイルデバイスは、ユーザが衝撃前に腕を振り回すと上方に動き、次いで衝撃後に下方に動く。従って、スリップ転倒は、多くの場合、衝撃前に正の姿勢角変化を有し、衝撃後に負の姿勢角変化を有する。このように、モバイルデバイスは、衝撃前及び／又は衝撃後のモバイルデバイスの姿勢角の変化に基づいて、つまずき転倒とスリップ転倒とを区別することができ、測定された姿勢角の変化がつまずき又は転倒を示すかどうかを判定することができる。更に、いずれかの方向における姿勢角変化の大きさが、つまずき又はスリップのような転倒挙動を確信的に示唆するのに十分な大きさではない場合、転倒は、「他」の転倒のホールドオールカテゴリに分類され得る。例えば、これは、ユーザが意識を失ったので、衝撃前に顕著な動揺又は支持動作がない場合がある、脱水症によりユーザが気絶した転倒の場合に起こりがちであり得る。
いくつかの場合では、システムは、ユーザが転んだか（例えば、ユーザが回転軸を中心に回転又は転がるように転倒した）かどうかを判定することができる。これは、例えば、転がり転倒がユーザを特に負傷させ得、ユーザが支援を必要とする可能性がより高いことに対応することができるため、有益であり得る。例示的な転がり転倒には、ユーザが一連の階段又は丘を転倒して転がり落ちること、ユーザが頭から先に転倒する（例えば、部分的に又は完全にでんぐり返しする）こと、ユーザが「ログローリング」すること、又はある程度の転がり又は回転を伴う別の転倒が含まれる。
一例として、上述のように、ユーザ１１０は、モバイルデバイス１０２を身体上に身に付けて、自身の日常生活を送る（例えば、歩く、走る、座る、横たわる、スポーツ若しくは運動活動又は任意の他の身体活動に参加する）ことができる。この間、モバイルデバイス１０２は、ユーザ１１０の動きに関するセンサデータを収集する。例えば、図２５に示す動きセンサ２５１０（例えば、１つ以上の加速度計）を使用して、モバイルデバイス１０２は、動きセンサ２５１０によって経験された加速度、及びそれに対応して、モバイルデバイス１０２によって経験された加速度を測定することができる。更に、動きセンサ２５１０（例えば、１つ以上のコンパス又はジャイロスコープ）を使用して、モバイルデバイス１０２は、モバイルデバイス１０２の向きを測定することができる。いくつかの場合では、動きセンサ２５１０は、ある期間にわたって、又はトリガイベントに応じて、連続的又は周期的にデータを収集することができる。更に、モバイルデバイス１０２は、モバイルデバイス１０２に固定された基準フレーム（例えば、身体フレーム）に対して、及び／又は慣性フレーム（例えば、地球フレーム）に対して、加速度及び／又は向きを判定することができる。
モバイルデバイス１０２は、（例えば、連続的なサンプルバッファを生成するために）スライドサンプルウィンドウを介して、モバイルデバイスの加速度及び向きを連続的に測定することができる。加速度信号は、重力方向（又は慣性ｚ方向）を特定するために使用することができ、向き信号は、重力方向に対するモバイルデバイス１０２の向きを判定するために使用することができる。この情報を使用して、モバイルデバイス１０２は、（ユーザ１１０の向きを近似する）モバイルデバイス１０２の姿勢角を判定することができる。更に、この情報を使用して、モバイルデバイス１０２の回転速度を、（本体フレーム及び慣性フレームに対するユーザ１１０の回転速度を近似する）本体フレーム及び慣性フレームの両方に対して判定することができる。
例として、図１１Ａのプロット１１００は、約２．５秒～７．５秒にわたるスライドサンプルウィンドウ上で取得された加速度信号１１０２を示し、図１１Ｂのプロット１１０４は、同じスライドサンプルウィンドウの上の慣性フレームに対する対応する回転速度信号１１０６を示す。この例では、ユーザは、約３秒のマークで一連の階段上に転倒し、約３秒～６．５秒のマーク間で階段及び／又は手すりに接触し、６．５秒のマークで階段を転がり始めた。プロット１１００は、それぞれが異なる方向（例えば、モバイルデバイス１０２又は本体フレームに固定された基準フレーム内のデカルト座標系におけるｘ方向、ｙ方向、及びｚ方向）に対応する、３つの異なる加速度信号１１０２を含む。同様に、プロット１１０４は、それぞれが異なる方向（例えば、慣性フレームに固定されたデカルト座標系におけるｘ方向、ｙ方向、及びｚ方向）に対応する、３つの異なる回転速度信号１１０６を含む。例示的な長さを有するスライドサンプルウィンドウが示されているが、実際には、スライドサンプルウィンドウは、任意の長さ（例えば、１秒、２秒、３秒、４秒、又は任意の他の時間長）を有し得る。更に、デカルト座標系以外の異なる基準フレームを使用することができる。例えば、いくつかの場合では、四元数座標系を使用することができる。
更に、この情報を使用して、モバイルデバイス１０２は、スライドサンプルウィンドウの上のモバイルデバイス１０２の１つ以上の瞬間的な回転軸、スライドサンプルウィンドウの上のモバイルデバイスの平均回転軸、及び平均回転軸に関連する不確実性の程度（例えば、分散値、標準偏差値、又は他の不確実性メトリック）を、判定することができる。一例として、図１１Ｃのプロット１１０８は、スライドサンプルウィンドウ内の任意の所与の時点の慣性フレームに対するモバイルデバイス１０２の瞬間的な回転軸を示す回転軸信号１１１０を示す。０°の角度は、モバイルデバイス１０２が特定の時点で重力方向に平行な軸に沿って回転していることを示し、一方、９０°の角度は、モバイルデバイスが特定の時点で重力方向に垂直な軸に沿って回転していることを示す。この信号を使用して（例えば、信号の値を平均化し、信号の値に基づいて分散、標準偏差、又は他の不確実性メトリックを判定することによって）、スライドサンプルウィンドウ上のモバイルデバイスの平均回転軸、及び平均回転軸に関連する不確実性の程度を、判定することができる。
更に、モバイルデバイス１０２は、モバイルデバイス１０２がスライドサンプルウィンドウ上で一貫した回転軸に対して回転しているかどうかを判定することができる。一例として、モバイルデバイス１０２の１つ以上の瞬間的な回転軸と、スライドサンプルウィンドウの間の平均回転軸との間の変動又は偏差がより低い場合、モバイルデバイス１０２は、モバイルデバイス１０２が特定の回転軸を中心により一貫して回転していると判定することができる。しかしながら、モバイルデバイス１０２の１つ以上の瞬間的な回転軸と、スライドサンプルウィンドウの間の平均回転軸との間の変動又は偏差がより高い場合、モバイルデバイス１０２は、モバイルデバイス１０２が特定の回転軸を中心にあまり一貫して回転していないと判定することができる。いくつかの場合では、モバイルデバイス１０２は、モバイルデバイス１０２の１つ以上の瞬間的な回転軸とスライドサンプルウィンドウ中の平均回転軸との間の変動又は偏差が特定の閾値よりも低い場合に、スライディングサンプルウィンドウにわたって一貫した回転軸に対して回転していると判定することができる。
モバイルデバイス１０２がスライドサンプルウィンドウの上で一貫した回転軸に対して回転していると、モバイルデバイス１０２が判定した場合、モバイルデバイス１０２は、スライドサンプルウィンドウに対するモバイルデバイス１０２の角変位を判定することができる。これは、例えば、スライドサンプルウィンドウの上の慣性フレームに対する回転速度信号の角度積分を実行することによって、実行することができる。一例として、図１１Ｄのプロット１１１２は、スライド期間にわたる慣性フレームに対するモバイルデバイス１０２の全角変位に対応する全角変位信号１０１４を示す。全角変位信号１０１４は、例えば、図１１Ｂに示す回転速度信号１００６の速度のうちの１つ以上をスライドベースで積分することによって、取得することができる。
モバイルデバイス１０２は、全角変位、及びモバイルデバイス１０２の瞬間的な回転軸に基づいて、ユーザが転んだかどうかを判定することができる。例えば、図１１Ｃに示されるように、モバイルデバイス１０２の瞬間的な回転軸は、（ユーザが階段を転がり落ち始めた時間に対応する）６．５秒マーク前あたりから相対的に安定している。更に、この時間中、回転軸は一貫して約９０°であり、重力方向に対してほぼ垂直な回転軸に沿ってユーザが転がっていたことを示す。更に、図１１Ｄに示すように、モバイルデバイス１０２は、ほぼ同じ期間に相対的に大きな角変位を経験した。これらの特性の組み合わせは、転がり転倒を示し得る。
いくつかの場合では、モバイルデバイス１０２は、１つ以上の瞬間的な回転軸が閾値角度値よりも大きい場合、及び／又は角変位が閾値変位値よりも大きい場合に、ユーザが転んだと判定することができる。いくつかの場合では、モバイルデバイス１０２は、１つ以上の瞬間的な回転軸が相対的に大きい（例えば、閾値角度値よりも大きい）、及び／又は閾値時間にわたって一貫している（例えば、１秒、２秒、３秒、又はある期間にわたって約９０°である）場合に、ユーザが転んだと判定することができる。
いくつかの場合では、モバイルデバイス１０２はまた、異なる種類の転がり転倒を特定することができる。例えば、１つ以上の瞬間的な回転軸が重力方向に対して約９０°である場合、これは、ユーザが頭から先に又は横向きに回転する（例えば、でんぐり返し又はログロール）転がりを意味し得る。別の例として、１つ以上の瞬間的な回転軸が重力方向に対して０°～９０°である場合、これは、ユーザが転倒中に身をよじる転がりを意味し得る。
上述したのと同様の方法で、ユーザが転んでいて支援を必要とし得ることを特定すると、モバイルデバイス１０２は、それに応じて適切なアクションを自動的に取ることができる。例えば、モバイルデバイス１０２は、状況に関するユーザ又は他者（例えば、緊急応答システム、緊急連絡先、又は他者）に自動的に通知することができる。同様に、いくつかの場合では、ユーザが転んでいて支援を必要とし得ると判定すると、モバイルデバイス１０２は、他者にメッセージに送信する前に（例えば、緊急応答システム、緊急連絡先、又は他者に通知を送信する前に）、ユーザに最初に通知することができる。
本明細書に記載される実施形態は、ユーザによる転がり転倒の検出のみに限定されるものではない。いくつかの場合では、１つ以上の実施形態を使用して、ユーザによる意図的な転がり又は回転を判定することができる。一例として、デバイスは、回転データを使用して、（例えば、体操などの運動活動の一部として）ユーザがでんぐり返し又はログロールを行ったかどうかを判定することができる。別の例として、デバイスは、回転データを使用して、（例えば、ユーザが水泳プールで実行したラップ数をカウントするために）ユーザが水泳中にクイックターンを実行したかどうかを判定することができる。実際には、実施形態に応じて、他の用途もまた可能である。
ユーザが転倒していて支援を必要とし得ることを特定すると、モバイルデバイス１０２は、それに応じて適切なアクションを自動的に取ることができる。例えば、モバイルデバイス１０２は、ユーザが転倒したこと及び支援を必要し得ることを判定することができ、及びそれに応じて、状況に関してユーザ又は他者に自動的に通知することができる。一例として、モバイルデバイス１０２は、ユーザが転倒していて支援を必要とし得ることを知らせる通知をユーザに表示することがでる。更に、モバイルデバイス１０２は、遠隔デバイス（例えば、サーバコンピュータシステム１０４及び／又は通信デバイス１０６のうちの１つ以上）に通知を送信して、ユーザの状態を他者に通知することができる。これには、例えば、緊急応答システム、医療関係者に関連付けられたコンピュータシステム、ユーザの介護者に関連付けられたコンピュータシステム、傍観者などへの通知を含み得る。通知には、例えば、聴覚情報（例えば、音）、テキスト情報、グラフィカル情報（例えば、画像、色、パターンなど）、及び／又は触覚情報（例えば、振動）を含み得る。いくつかの場合では、通知は、電子メール、インスタントチャットメッセージ、テキストメッセージ（例えば、ショートメッセージサービス［ＳＭＳ］メッセージ）、電話メッセージ、ファックスメッセージ、ラジオメッセージ、音声メッセージ、ビデオメッセージ、触覚メッセージ（例えば、１つ以上のバンプ若しくは振動）、又は情報を伝達するための別のメッセージの形態で送信することができる。
いくつかの場合では、モバイルデバイス１０２は、予め定義された連絡先情報を使用して、メッセージを別のシステムに送信することができる。例えば、モバイルデバイス１０２のユーザは、電話番号、電子メールアドレス、インスタントチャットサービスのユーザ名、又は何らかの他の連絡先情報など、緊急連絡先に関する連絡先情報を提供することができる。モバイルデバイス１０２は、互換性のあるデータフォーマット（例えば、音声電話メッセージ、ビデオ電話メッセージ、テキストメッセージ、電子メールメッセージ、チャットメッセージ、又は何らかの他のメッセージ）を有するメッセージを生成し、提供された連絡先情報を使用して（例えば、サーバコンピュータシステム１０４及び／又は通信デバイス１０６のうちの１つ以上を使用して）緊急連絡先にメッセージを送信することができる。
いくつかの場合では、ユーザが転倒していて支援を必要とし得ると判定すると、モバイルデバイス１０２は、他者にメッセージに送信する前に（例えば、緊急応答システム、緊急連絡先、又は他者に通知を送信する前に）、ユーザに最初に通知することができる。それに応じて、ユーザは、（例えば、ユーザが支援を必要としない場合）モバイルデバイス１０２に他者に通知しないように指示することができる。あるいは、ユーザは、（例えば、ユーザが支援を必要としている場合）モバイルデバイス１０２に他者に通知するように明示的に指示することができる。いくつかの場合では、ユーザが通知に応答しない場合、モバイルデバイス１０２は、（例えば、ユーザが動けずに、応答できない場合）他者に自動的に通知することができる。いくつかの場合では、モバイルデバイス１０２は、複数の異なる時間にユーザに通知することができ、ある期間（例えば、２５秒、又は何らかの他の期間）後にユーザから応答が受信されない場合に、支援を他者に自動的に通知することができる。
いくつかの場合では、モバイルデバイス１０２は、ステートマシンを使用して他者へ通知するかどうかを判定することができる。ステートマシンは、モバイルデバイスが、転倒後にしばしば生じる挙動である短期間の静止を観測した場合に、モバイルデバイスが転倒アラートを送信することを指定することができる。次いで、モバイルデバイスは、ユーザによる「長い横たわり」の期間（例えば、ユーザが動かない又は起き上がらない期間）をチェックすることによって、能力欠如を検出する。能力欠如が検出された場合、モバイルデバイスは、第三者に救難連絡を自動的に送信することができ、及び／又は別のデバイスに救難連絡を送信するように指示することができる。ユーザはまた、（例えば、ユーザが支援を必要としないと信じている場合）救難連絡をキャンセルすることもできる。
例示的なステートマシン１２００を、図１２に示す。この例では、モバイルデバイスは、「ノミナル」状態１２０２（例えば、モバイルデバイスの低アラート状態）、「転倒可能性あり」状態１２０４（例えば、ユーザによる転倒可能性の検出時のモバイルデバイスの高いアラート状態）、「待機」状態１２０６ａ及び１２０６ｂ（例えば、モバイルデバイスが、ユーザによる潜在的入力又はユーザによる動きなどの追加情報を待機する状態）、「アラート」状態１２０８ａ及び１２０８ｂ（例えば、モバイルデバイスが、転倒可能性及び第三者への救難連絡の送信可能性に関してモバイルデバイスのユーザにアラートする状態）、「キャンセル」状態１２１０（例えば、差し迫った救難連絡がキャンセルされた状態）、及び「ＳＯＳ」状態１２１２（例えば、救難連絡が行われた状態）、で開始する。モバイルデバイスは、（例えば、本明細書に記載されるように）転倒の特定のシグネチャの検出、検出された静止期間（例えば、ユーザによる動きの欠如）、及び／又はユーザによる入力に基づいて、各状態間を遷移することができる。
一例として、モバイルデバイスは、「ノミナル」状態１２０２において開始する。転倒シグネチャ（例えば、転倒を示すセンサ測定値と他の情報との組み合わせ）を検出すると、モバイルデバイスは、「転倒可能性あり」状態１２０４に遷移する。転倒後に静止期間ＴQを検出すると、モバイルデバイスは、「アラート」状態１２０８ｂに遷移して、検出された転倒をユーザにアラートし、ユーザに、第三者（例えば、緊急応答者）に救難連絡を送信する可能性を知らせる。モバイルデバイスは、「待機」状態１２０６ｂに遷移し、ユーザによる可能な動きを待つ。転倒アラートの送信が経過した後の「タイムアウト」期間（例えば、３０秒）中にユーザ動作が検出されず、この時間中に連続的な静止期間（例えば、ＴLL＝１０秒）が検出された場合、モバイルデバイスは、「ＳＯＳ」状態１２１２に移行し、救難連絡を送信する。次いで、モバイルデバイスは、「ノミナル」状態１２０２に戻る。これは、例えば、ユーザが転倒して、長い時間動けなくなった場合に有用であり得る。モバイルデバイスは、たとえユーザの入力がなくても、ユーザに対するヘルプを自動的に呼び出すことができる。
別の例として、モバイルデバイスは、「ノミナル」状態１２０２において開始する。転倒シグネチャを検出すると、モバイルデバイスは、「転倒可能性あり」状態１２０４に遷移する。転倒後に静止期間ＴQを検出すると、モバイルデバイスは、「アラート」状態１２０８ｂに遷移して、検出された転倒をユーザにアラートし、ユーザに、第三者に救難連絡を送信する可能性を知らせる。モバイルデバイスは、「待機」状態１２０６ｂに遷移し、ユーザによる可能な動きを待つ。転倒アラートの送信が経過した後の「タイムアウト」期間（例えば、３０秒）の前にユーザの動作が検出された場合、モバイルデバイスは、「キャンセル」状態１２１０に遷移し、救難連絡をキャンセルする。次いで、モバイルデバイスは、「ノミナル」状態１２０２に戻る。これは、例えば、ユーザが転倒した場合に有用であり得るが、ユーザが支援を必要としないことを肯定的に示す。モバイルデバイスは、この状況下では、ユーザに対するヘルプを自動的に呼び出すことを控える。
別の例として、モバイルデバイスは、「ノミナル」状態１２０２において開始する。転倒シグネチャを検出すると、モバイルデバイスは、「転倒可能性あり」状態１２０４に遷移する。転倒後の特定の種類の動作（例えば、ユーザによる回復を示すステップ動作、立ち上がり動作、高ダイナミック動作、又は任意の他の動作）を検出すると、モバイルデバイスは、「待機」状態１２０６ａに遷移する。ユーザによる動きの休止後に、静止期間ＴQを検出すると、モバイルデバイスは、「アラート」状態１２０８ａに遷移し、検出された転倒をユーザにアラートする。モバイルデバイスは「キャンセル」状態１２１０に遷移し、遭難呼び出しを送信しない。次いで、モバイルデバイスは、「ノミナル」状態１２０２に戻る。これは、例えば、ユーザが転倒したが、回復の兆候を呈する場合に有用であり得る。モバイルデバイスは、転倒に関してユーザにアラートできるが、この状況下ではユーザに対するヘルプを自動的に呼び出さない。
別の例として、モバイルデバイスは、「ノミナル」状態１２０２において開始する。転倒シグネチャを検出すると、モバイルデバイスは、「転倒可能性あり」状態１２０４に遷移する。転倒後の特定の種類の動作（例えば、ユーザによる回復を示すステップ動作、立ち上がり動作、高ダイナミック動作、又は任意の他の動作）を検出すると、モバイルデバイスは、「待機」状態１２０６ａに遷移する。静止期間ＴQを検出することなく２５秒経過すると、モバイルデバイスは、「ノミナル」状態１２０２に戻る。次いで、モバイルデバイスは、「ノミナル」状態１２０２に戻る。これは、例えば、ユーザが転倒したが、転倒後に、回復の兆候を呈し、長時間にわたって動き続ける場合に、有用であり得る。モバイルデバイスは、この状況下では、ユーザにアラートするか、ユーザに対するヘルプを自動的に呼び出すことを控えることができる。
時間値が図１２に示されているが、これは単に例示的な例に過ぎない。実際には、１つ以上の時間値は、実施形態に応じて変化し得る。いくつかの場合では、時間値のうちの１つ以上は、調整可能なパラメータ（例えば、異なる種類間又はイベント間若しくは状態間を区別するために経験的に選択されるパラメータ）であり得る。
いくつかの場合では、モバイルデバイス１０２の応答感度は、ユーザの特性に応じて変化し得る。例えば、モバイルデバイス１０２は、ユーザが転倒していて支援を必要とし得ることの可能性を判定することができる。確率が閾値レベルよりも大きい場合、モバイルデバイスは、ユーザ及び／又は他者に、ユーザの転倒の自動的に通知することができる。閾値レベルは、各特定のユーザに基づいて変化し得る。例えば、ユーザの転倒リスクがより高い場合、閾値レベルは、（例えば、モバイルデバイス１０２がユーザ及び／又は他者に転倒について通知する可能性がより高くなるように）より低くなり得る。しかしながら、ユーザの転倒リスクがより低い場合、閾値レベルは、（例えば、モバイルデバイス１０２がユーザ及び／又は他者に転倒について通知する可能性がより低くなるように）より高くなり得る。各ユーザの閾値レベルは、ユーザの年齢、活動レベル、歩行速度（例えば、ある期間にわたって観察された最大歩行速度）、又は他の要因などの、ユーザの１つ以上の挙動及び／又は人口統計的特性に基づいて変化し得る。
一例として、図１３は、ユーザ固有の感度に基づく転倒検知技術の概略図１３００を示す。モバイルデバイスは、動きデータ１３０２を受信し、ユーザの動きの挙動特徴（例えば、本明細書に記載されるような、動揺動作、支持動作、カオス動作、周期的動作、又は他の特徴）を計算する（１３０４）。更に、モバイルデバイスは、ユーザの挙動及び／又は人口統計特性に基づいて、感度閾値を判定する（１３０６）。モバイルデバイスは、（例えば、本明細書に記載される技術のうちの１つ以上を実行する転倒検知器１３０８を使用して）判定された特徴及び閾値に基づいて、ユーザが転倒したかどうか、及び／又は救難連絡を送信するかどうかを判定する。
本明細書に記載されるように、モバイルデバイスは、少なくとも部分的に、モバイルデバイス上の「姿勢角」、又は慣性フレームに対する向きに基づいて、ユーザが転倒したかどうかを判定することができる。いくつかの場合では、これは、加速度計によって取得された情報、及び／又はジャイロスコープなどの向きセンサからの情報を使用して、判定することができる。
実際には、加速度計のダイナミックレンジは、実施形態に応じて変化し得る。例えば、加速度計は、１６ｇのダイナミックレンジを有することができる。別の実施例では、加速度計は、（例えば、加速度のより大きな範囲を検出するために）３２ｇのダイナミックレンジを有することができる。
いくつかの場合では、加速度計及びジャイロスコープはそれぞれ、同じサンプルレート（例えば、２００Ｈｚ、４００Ｈｚ、８００Ｈｚ、又は何らかの他の周波数）に従って測定値を取得することができる。いくつかの場合では、加速度計及びジャイロスコープはそれぞれ、異なるサンプルレートに従って測定値を取得することができる。一例として、加速度計は、より高いサンプルレート（例えば、８００Ｈｚ）に従って測定値を取得することができ、ジャイロスコープは、より低いサンプルレート（例えば、２００Ｈｚ）に従って測定値を取得することができる。これは、例えば、モバイルデバイスの電力効率を改善するために、一方のセンサ（例えば、動作中により多くの電力を消費するセンサ）の電力消費を、他方に対して選択的に低減するのに有用であり得る。いくつかの場合では、加速度計及び／又はジャイロスコープのサンプルレートは、動作中に動的に調整することができる。例えば、加速度計及び／又はジャイロスコープのサンプル速度は、特定の期間中に、及び／又は特定の条件（例えば、より大きなユーザの動き）に応じて、選択的に増加させることができ、特定の他の期間中に、及び／又は特定の他の条件（例えば、より少ないユーザの動き）に応じて、減少させることができる。
いくつかの場合では、加速度計又はジャイロスコープのうちの１つを使用して測定値を取得することができ、一方、他のセンサは（例えば、測定値を収集しないように）無効化される。無効化されたセンサは、アクティブなセンサから取得された測定値に基づいて、選択的にアクティブ化させることができる。これは、例えば、（例えば、特定の期間中に加速度計又はジャイロスコープの一方のみを動作させ、特定の条件に応じて加速度計又はジャイロスコープの両方を選択的に動作させることによって）モバイルデバイスの電力消費を低減する際に、有用であり得る。
一例として、モバイルデバイスは、ジャイロスコープを無効化し、加速度計を使用してある期間にわたって加速度測定値を取得することができる。測定された加速度が特定の閾値レベルよりも大きい（例えば、加速度計の加速度信号の二乗平均平方根［ＲＭＳ］エネルギーが閾値エネルギーレベルよりも大きい）場合、モバイルデバイスは、ジャイロスコープをアクティブ化し、向き情報を収集することができる。従って、ジャイロスコープは、加速度計による「有意な」動きの検出に応じて、選択的にアクティブ化される。
いくつかの場合では、ジャイロスコープは、有意な動きがもはや検出されない場合に無効化することができる。例えば、加速度計の加速度信号のＲＭＳエネルギーが特定の期間（例えば、予め定義された時間間隔）の閾値エネルギーレベル未満である場合、モバイルデバイスは、ジャイロスコープを無効化し、加速度計を動作させ続けることができる。いくつかの場合では、ジャイロスコープは、ジャイロスコープがアクティブ化された後（例えば、ジャイロスコープがオンに切り替えられてから予め定義された時間間隔が経過した後）の特定の期間、無効化することができる。いくつかの場合では、ジャイロスコープは、加速度計の加速度信号のＲＭＳエネルギーが第１の時間間隔の閾値エネルギーレベル未満である場合、又はジャイロスコープがアクティブ化されてから第２の時間間隔が経過した場合、どちらが最初に生じても、無効化することができる。実際には、時間間隔は、実施形態に応じて変化し得る。
いくつかの場合では、ジャイロスコープは、ステートマシンに従って選択的に有効化及び無効化することができる。図１４は、例示的なステートマシンが、「ジャイロオフ」状態１４０２（ジャイロスコープの無効化状態に対応する）、「ジャイロオン」状態１４０４（ジャイロスコープの有効化状態に対応する）、及び「待機」状態１４０６（モバイルデバイスがジャイロスコープの動作を調整する前に更なる情報を待機している状態に対応する）、を含むことを示す。
モバイルデバイスは、ジャイロスコープが無効化された「ジャイロオフ」状態１４０２において開始する。モバイルデバイスは、「ジャイロオン」状態１４０４に遷移し、加速度計から取得された加速度信号に基づいて、非静止期間を検出すると、ジャイロスコープを有効化する。ジャイロスコープからの加速度信号及び向き信号に基づいて、静止及び低回転を検出すると、モバイルデバイスは、「待機」状態１４０６に遷移する。静止及び低回転が続く場合、モバイルデバイスは、時間経過とともにカウンタを定期的にインクリメントする。カウンタが閾値を超える場合、モバイルデバイスは、「ジャイロオフ」状態１４０２に戻り、ジャイロスコープを無効化し、カウンタをリセットする。しかしながら、非静止及び／又は十分に高い回転度が検出された場合、モバイルデバイスは、代わりに「ジャイロオン」状態１４０４に戻り、ジャイロスコープを有効に保ち、カウンタをリセットする。このようにして、モバイルデバイスは、動きの検出に応じてジャイロスコープを選択的に有効化し、静止及び低回転の期間後にジャイロスコープを無効化する。
いくつかの場合では、図１４に示される「静止」状態は、以下の式が満たされるときに真であるブール値とすることができる。
ｔｈｒ１≦ｋ１＊ＶＭ＋ｋ２＊ｄＶＭ＜ｔｈｒ２
式中、ＶＭは加速度信号の大きさであり、ｄＶＭは加速度信号の大きさの変化率であり、ｔｈｒ１及びｔｈｒ２は調整可能な閾値である。
いくつかの場合では、図１４に示される「静止＆＆低回転」状態は、以下の式が満たされるときに真であるブール値とすることができる。
（ｔｈｒ１＋δ≦ｋ１＊ＶＭ＋ｋ２＊ｄＶＭ＜ｔｈｒ２－δ）及び（ｒｏｔ＜ｔｈｒ３）
式中、ＶＭは加速度信号の大きさであり、ｄＶＭは加速度信号の大きさの変化率であり、ｒｏｔは（例えば、ジャイロスコープに基づいて判定される）回転速度であり、δは調整可能なオフセット値であり、ｔｈｒ１、ｔｈｒ２、及びｔｈｒ３は調整可能な閾値である。
いくつかの場合では、複数の異なる種類のセンサ測定値の組み合わせ又は「統合」に基づいて、転倒を検出することができる。例えば、転倒は、（例えば、加速度計によって取得された）加速度測定値、（例えば、ジャイロスコープによって取得された）向き測定値、（例えば、圧力センサ又は気圧計によって取得された）気圧測定値、（例えば、高度計、圧力センサ、加速度計、又は他のセンサによって取得された）高度測定値、（例えば、心拍数センサによって取得された）心拍数測定値、及び／又は他の種類の測定値に基づいて、検出され得る。
一例として、図１５は、複数の種類のセンサ測定値に基づく転倒検知技術の概略図１５００を示す。加速度計を使用して、強度の衝撃を検出する（ステップ１５０２）。例えば、加速度ａmagの大きさ、及びスライディングウィンドウにわたって加速度計によって測定されたジャークｊmagの大きさに基づいて、強度の衝撃を検出することができる。スライドウィンドウ上の加速度の大きさは、以下の式を使用して計算することができる。
ａmag＝ｓｑｒｔ（ｍａｘ（│ｘ│）2＋ｍａｘ（│ｙ│）2＋ｍａｘ（│ｚ│）2）
式中、ｘ、ｙ、及びｚはそれぞれ、加速度信号のｘ、ｙ、及びｚ成分であり、ｍａｘは、０．２秒のウィンドウで取られる。
スライドウィンドウ上のジャークの大きさは、以下の式を使用して計算することができる。
ｊmag＝ｍａｘ（ｓｑｒｔ（ｄｘ2＋ｄｙ2＋ｄｚ2））
式中、ｄｘ、ｄｙ、及びｄｚはそれぞれ、加速度信号のｘ、ｙ、及びｚ成分の派生物であり、ｍａｘは、０．２秒のウィンドウで取られる。
ａmagが閾値ｔｈｒ１よりも大きく、ｊmagが閾値ｔｈｒ２よりも大きい場合、モバイルデバイスは、ジャイロスコープ測定値（ステップ１５０４）、高さ又は高度測定値（ステップ１５０６）、及び心拍数情報（ステップ１５０８）を取得し、測定値に基づいて転倒が生じたかどうかを判定する（ステップ１５１０）。
一例として、加速度計及びジャイロスコープ測定値を使用して、（例えば、本明細書に記載されるように）衝撃前、衝撃中、及び／又は衝撃後のモバイルデバイスの衝撃方向及び姿勢角を判定することができる。いくつかの場合では、（例えば、モバイルデバイスが静的である場合に）加速度計の測定値を使用して、モバイルデバイスの高さ又は高度を近似することができる。いくつかの場合では、（例えば、モバイルデバイスが動的である場合に）加速度計とジャイロスコープとの測定値を併せて使用して、モバイルデバイスの高さ又は高度を近似することができる。
別の例として、圧力センサを使用して、（例えば、ユーザが梯子から転落する）マルチレベル転倒を検出することができる。別の例として、心拍数センサを使用して、（例えば、攻撃逃避応答による）心拍数の上昇、又は心拍数減衰曲線（例えば、転倒後の個人の心拍数減衰は、身体的トレーニング終了後の心拍数減衰と比較して、より小さい時定数などの独特な特性を有し得る）などの心拍数の変化を検出することができる。別の例として、加速度計を使用して、評価又は高度（例えば、デバイスが静的である場合）を検出することができる。別の例として、加速度計を使用して、評価又は高度（例えば、デバイスが静的である場合）を検出することができる。
図１６は、ユーザの動きに関する情報（例えば、図１５に示すステップ１５０４の一部として）を判定するために併用される加速度計及びジャイロスコープの例示的な使用法を示す。加速度計及びジャイロスコープは、加速度計及びジャイロスコープ測定値を生成する（ステップ１６０２）。この情報に基づいて、ジャイロスコープコントローラは、特定の期間中に（例えば、図１４に関して説明されるように）ジャイロスコープを選択的にオフにすることができる（ステップ１６０４）。加速度計及びジャイロスコープの測定値は、デバイスの高度又は高さなどのデバイスに関する情報を取得するために、併せて（例えば「統合して」）使用される（ステップ１６０６）。更に、この情報を使用して、モバイルデバイスが経験した衝撃からの姿勢角及び方向などの、デバイスに関する他の情報を判定することができる（ステップ１６０８）。モバイルデバイスは、測定値に基づいて転倒が生じたかどうかを判定する（ステップ１６１０）。
例示的な転倒分類器１７００を、図１７に示す。転倒分類器１７００は、ユーザが転倒したかどうか、及び、もしそうであれば転倒の種類又は性質を判定するために使用することができる。転倒分類器１７００は、例えば、図１に示すモバイルデバイス１０２及び／又はシステム１００を使用して、実装することができる。
転倒分類器１７００は、ユーザの測定された動きを示す入力を受信し、ユーザが転倒したかどうか、及び、もしそうであれば転倒の種類又は性質を示す情報を出力する。例えば、図１７に示すように、転倒分類器は、ユーザによって装着されたモバイルデバイスが経験した加速度を示す（例えば、加速度計を使用して測定された）加速度データ１７０２、及びモバイルデバイスの向きを示す（例えば、ジャイロスコープを使用して測定された）ジャイロスコープデータ１７０４を受信する。
加速度データ１７０２及びジャイロスコープデータ１７０４は、センサ統合モジュール１７０６と一緒に（例えば、本明細書に記載される技術のうちの１つ以上を使用して）組み合わされ又は「統合」され、転倒分類器１７００によって併せて考慮される。いくつかの場合では、加速度データ１７０２及びジャイロスコープデータ１７０４は、１つ以上（例えば、６つ）の空間軸に対して組み合わせることができる。
加速度データ１７０２とジャイロスコープデータ１７０４とを併用して、ユーザの動作特性に関する情報を判定することができる。一例として、このデータを使用して、モバイルデバイスの高度１７０８を判定することができる。
更に、加速度データ１７０２及びジャイロスコープデータ１７０４データを、加速度データ１７０２及びジャイロスコープデータ１７０４のうちの１つ以上の特徴又は特性を特定する特徴抽出モジュール１７１０に入力することができる。特徴抽出モジュール１７１０は、本明細書に記載される技術のうちの１つ以上を実行することができる。一例として、特徴抽出部１７１０は、ユーザの手首角度１７２８を（例えば、ユーザが自身の手首に装着するときのモバイルデバイスの姿勢角を判定することによって）判定することができる。
更に、ユーザの挙動を、挙動モデリングモジュール１７１２を使用して判定することができる。ユーザの挙動は、本明細書に記載される技術のうちの１つ以上をモデリングすることができる。一例として、モバイルデバイス１０２の姿勢角のｎ変化に基づいて、挙動モデリングモジュール１７１２は、ユーザが支持動作（例えば、自身の腕を押し出して前方への勢いを止めている）、バランス動作（例えば、バランスを取り戻すために自身の腕を投げ出している）、動揺動作（例えば、衝撃中及び衝撃後に腕をばたつかせている）、又は別の他の動作、を実行しているかどうかなどの、挙動情報１７１４を判定することができる。いくつかの場合では、支持動作は、衝撃前に手首が負の弧長を横断し、衝撃の瞬間に手首が地面に向いて指しているなどの特徴に基づいて、検出することができる。いくつかの場合では、バランス動作は、ユーザがバランスを取り戻そうとするときに手首が正の弧長を横断するなどの特徴に基づいて、検出することができる。いくつかの場合では、転倒動作は、把持反曲の一部として、又は地面との二次的な衝撃の繰り返しによるもののいずれかとして、手首が動作中に１つ以上の急速な反転を生成するなどの特徴に基づいて、検出することができる。挙動情報１７１４は、分類モジュール１７１６に入力されて、転倒の検出及び分類を支援することができる。
転倒分類器１７００はまた、ジャイロスコープデータ１７０４とは別に、加速度データ１７０２の態様を分析することができる。例えば、加速度データ１７０２を、加速度データ１７０２の１つ以上の特徴又は特性を特定する特徴抽出モジュール１７１８に入力することができる。特徴抽出モジュール１７１８は、本明細書に記載される技術のうちの１つ以上を実行することができる。一例として、特徴抽出部１７１８は、ユーザが経験した衝撃の大きさ、衝撃前にユーザが行った動き、及び衝撃後にユーザが行った動きなどの衝撃情報１７２０を判定することができる。別の例として、特徴抽出部１７１８は、ある期間にわたってユーザの動きにおけるカオスの程度を判定することができる。
衝撃情報１７２０は、衝撃検出器１７２２に入力され得、衝撃検出器１７２２は、ユーザが実際に衝撃を経験したかどうか、及び、もしそうであれば衝撃の種類又は性質を判定することができる。衝撃検出器１７２２は、本明細書に記載される技術のうちの１つ以上を実行することができる。一例として、衝撃検出器１７２２は、ユーザが衝撃を経験したかどうかに関するインジケーション１７２４を出力することができる。
衝撃検出器１７２２及び挙動モデリングモジュール１７１２を使用して、ユーザが転倒したかどうか、及び、もしそうであれば転倒の種類又は性質を判定することができる。一例として、衝撃検出器１７２２及び挙動モデリングモジュール１７１２からの入力に基づいて、分類モジュール１７１６は、ユーザが、スリップした、つまずいた、転がった、又は何らかの他の種類の転倒を経験したと判定することができる。別の例として、衝撃検出器１７２２及び挙動モデリングモジュール１７１２からの入力に基づいて、分類モジュール１７１６は、ユーザが衝撃を経験したが、転倒しなかったと判定することができる。別の例として、衝撃検出器１７２２及び挙動モデリングモジュール１７１２からの入力に基づいて、分類モジュール１７１６は、ユーザが転倒したが、回復したと判定することができる。分類モジュール１７１６は、ユーザが転倒したかどうか、及び、もしそうであれば転倒の種類又は性質を示す転倒情報１７２６を出力する。
上述したように、複数種類のセンサ測定値を併用して、ユーザの動作特性を判定することができる。一例として、図１８は、ユーザが転倒したかどうか、及び、もしそうであれば転倒の種類又は性質を判定するために使用される転倒センサ統合モジュール１８００を示す。センサ統合モジュール１８００は、例えば、図１に示すモバイルデバイス１０２及び／又はシステム１００を使用して、実装することができる。
転倒センサ統合モジュール１８００は、いくつかの異なるセンサからの入力を受信する。例えば、転倒センサ統合モジュール１８００は、ユーザが装着しているモバイルデバイスが経験した加速度を示す（例えば、加速度計を使用して測定された）加速度データ１８０２ａ、及びモバイルデバイスの向きを示す（例えば、ジャイロスコープを使用して測定された）ジャイロスコープデータ１８０２ｂを受信する。別の例として、センサ統合モジュール１８００は、（例えば、全地球測位システム受信機などの全地球航法衛星システム受信機、及び／又はＷｉ－Ｆｉ無線機などの無線送受信機を使用して測定された）モバイルデバイスの位置を示す位置データ１８０２ｃを受信する。別の例として、センサ統合モジュール１８００は、（例えば、高度計、気圧計、又は他の高度センサを使用して測定された）デバイスの高度又は高さを示す高度データ１８０２ｄを受信する。別の例として、センサ統合モジュール１８００は、（例えば、心拍数センサを使用して測定された）モバイルデバイスを装着しているユーザの心拍数を示す心拍数データ１８０２ｄを受信する。
本明細書に記載されるように、加速度データ１８０２ａ及びジャイロスコープデータ１８０２ｂを使用して、ユーザが転倒したかどうかを判定することができる。例えば、加速度データ１８０２ａ及びジャイロスコープデータ１８０２ｂは、転倒分類器１８０４に入力され得る。一般に、転倒分類器１８０４は、図１７に関して説明したものと同様の方法で機能することができる。例えば、転倒分類器１８０４は、加速度データ１８０２ａに基づいて１つ以上の特徴を判定し、それらの特徴に基づいてユーザが衝撃を経験したかどうかを判定することができる。更に、転倒分類器１８０４は、加速度データ１８０２ａ及びジャイロスコープデータ１８０２ｂの両方に基づいて１つ以上の特徴を判定し、特徴に基づいてユーザの挙動をモデル化することができる。更に、転倒分類器１８０４は、検出された衝撃及び／又はモデル化された挙動に基づいて、ユーザが転倒したかどうかを判定することができる。
更に、転倒分類器１８０４は、位置データ１８０２ｃに少なくとも部分的に基づいて、ユーザが転倒したかどうかを判定することができる。例えば、位置データ１８０２ｃは、閾値モジュール１８０６に入力され得る。閾値モジュール１８０６は、モバイルデバイス１８０６の位置に関する情報を判定する。例えば、閾値モジュール１８０６は、モバイルデバイスが、ユーザの自宅、ユーザの職場、公共エリア（例えば、店舗、ジム、スイミングプールなど）、又は何らかの他の位置にあるかどうかを判定することができる。別の例として、閾値モジュール１８０６は、ユーザが運転、サイクリング、スケート、スケートボード、又は何らかの他の交通手段を使用して旅行をしている間に、モバイルデバイスがユーザに装着されているかどうかを判定する。この情報は、転倒検知を改善するために、転倒分類器１８０４に入力することができる。例えば、ユーザは、車で旅行している間よりも自宅にいる間に転倒する可能性がより高くなり得る。従って、転倒分類器１８０４は、ユーザが自動車を運転しているときに対して、ユーザが自宅にいると判定すると、転倒を検出する感度を高めることができる。別の例として、ユーザは、雪又は雨が降っていないときよりも雪又は雨が降っているときに外にいる間に、転倒する可能性がより高くなり得る。従って、転倒分類器１８０４は、ユーザが外にいると判定し、（例えば、気象サービスから取得した情報に基づいて）その位置で雨又は雪が発生していると判定すると、ユーザの位置で雨又は雪が降っていないときに対して、転倒を検出する感度を高めることができる。
転倒分類器１８０４は、ユーザが転倒を経験したかどうか、及び、もしそうであれば転倒の種類又は性質を示す転倒データ１８０８を出力する。転倒データ１８０８は、転倒分類器１８０４によって偽陽性を拒絶する統合モジュール１８１０に入力され得る。例えば、統合モジュール１８１０は、転倒が生じたことを示す転倒データ１８０８を受信することができる。しかしながら、統合モジュール１８１０によって受信された追加情報に基づいて、統合モジュール１８１０は、転倒データ１８０８を覆し、転倒が生じなかったと判定することができる。統合モジュール１８１０は、ユーザが転倒を経験したかどうか、及び、もしそうであれば転倒の種類又は性質を確認する確認データ１８１２を出力する。
いくつかの場合では、統合モジュール１８１０は、高度データ１８０２ｄに基づいて転倒データ１８０８が偽陽性であるかどうかを判定することができる。例えば、高度データ１８０２ｄは、フィルタモジュール１８１４に入力され得る。フィルタモジュール１８１４を使用して、高度データ１８０２ｄの特定の成分（例えば、特定の周波数又は周波数範囲）を分離することができる。フィルタリングされた高度データ１８０２ｄは、特徴抽出モジュール１８１６に入力され、特徴抽出モジュール１８１６が、モバイルデバイスの高度の１つ以上の特徴を示す特徴データ１８１６を判定する。一例として、機能抽出モジュール１８１６は、ある期間にわたるモバイルの高度又は高さの変化を判定することができる。特徴データ１８１８は、統合モジュール１８１０に入力され、潜在的な偽陽性を特定するために使用することができる。例えば、モバイルデバイスが有意な高さの変化（例えば、数フィート、又は数レベル若しくは数階）を経験した場合、統合モジュール１８１０は、偽陽性の可能性がより低いと判定することができる。別の例として、モバイルデバイスがいかなる高度の変化も経験しなかった場合、統合モジュール１８１０は、偽陽性の可能性がより高いと判定し得る。
いくつかの場合では、統合モジュール１８１０は、心拍数データ１８０２ｅに基づいて転倒データ１８０８が偽陽性であるかどうかを判定することができる。例えば、心拍数データ１８０２ｅは、フィルタモジュール１８２０に入力され得る。フィルタモジュール１８２０を使用して、心拍数データ１８０２ｅの特定の成分（例えば、特定の周波数又は周波数範囲）を分離することができる。フィルタリングされた心拍数データ１８０２ｅは、特徴抽出モジュール１８２２に入力され、特徴抽出モジュール１８２２は、モバイルデバイスを装着しているユーザの心拍数の１つ以上の特徴を示す特徴データ１８２４を判定する。別の例として、特徴抽出モジュール１８２２は、転倒後のユーザの心拍数の上昇又は増大を判定することができる。別の例として、特徴抽出モジュール１８２２は、（例えば、心拍数が正常に戻ると）後続の心拍数の減衰又は回復を判定することができる。別の例として、特徴抽出モジュール１８２２は、心拍数の減衰又は回復に関連する減衰時間制約（例えば、上昇後の減衰率を示す時定数）を判定することができる。特徴データ１８２４は、統合モジュール１８１０に入力され、潜在的な偽陽性を特定するために使用することができる。例えば、ユーザの心拍数が増加した場合（例えば、攻撃逃避応答に起因して）、統合モジュール１８１０は、偽陽性が可能性がより低いと判定することができる。別の例として、ユーザの心拍数は、多くの場合、ある期間の運動後よりも、転倒後の方が速く減衰する。従って、モバイルデバイスは、ユーザの減衰時定数を、ユーザが運動した後にサンプリングされた減衰時定数と比較することができる。ユーザの減衰時定数が運動関連減衰時定数よりも小さい場合、統合モジュール１８１０は、偽陽性の可能性がより低いと判定することができる。
上述のように、モバイルデバイスは、転倒を検出し、ユーザが支援を必要とし得ると判定したことに応じて、救難連絡を第三者（例えば、緊急応答者）に自動的に送信することができる。（例えば、図１２に関して）上述したのと同様の方法で、モバイルデバイスは、（例えば、転倒後に）救難連絡の送信の可能性に関してユーザに最初にアラートし、ユーザが連絡を続行するかどうかを確認することを可能にすることができる。ユーザは、アラートに応じて、救難連絡を手動で開始することができる（例えば、モバイルデバイスにコマンドを入力することができる）。しかしながら、ユーザがアラートに応答しない場合、モバイルデバイスは、連絡後のユーザの挙動に基づいて、連絡を続行すべきかどうかを判定することができる。例えば、ユーザが転倒後に動かない（例えば、ユーザが負傷した又は無応答であることを示す）場合、モバイルデバイスは連絡を続行することができる。しかしながら、ユーザが活動を呈する（例えば、ユーザが回復したことを示す）場合、モバイルデバイスは連絡をキャンセルすることができる。この段階的なエスカレーションは、例えば、転倒に関する偽陽性の数を減らし、第三者が不必要に呼び出される可能性を減少させるのに有益であり得る。
いくつかの場合では、モバイルデバイスは、いくつかの異なるセンサによって取得された測定値に基づいて、救難連絡を送信するかどうかを判定することができる。一例として、図１９は、第三者に救難連絡を送信するかどうかを判定するために使用される、救難連絡モジュール１９００を示す。救難連絡モジュール１９００は、例えば、図１に示すモバイルデバイス１０２及び／又はシステム１００を使用して、実装することができる。
救難連絡モジュール１９００は、ユーザが転倒したかどうか、及び、もしそうであれば転倒の種類又は性質を判定するための統合モジュール１９０２を含む。統合モジュール１９０２は、図１８に関して説明したのと同様の方法で動作することができる。例えば、統合モジュール１９０２は、加速度データ、ジャイロスコープデータ、位置データ、高度データ、及び／又は心拍数データなどの様々な種類のセンサデータ１８０４を受信することができる。この情報に基づいて、統合モジュール１９０２は、モバイルデバイスを装着しているユーザが転倒したかどうかを判定し、潜在的な偽陽性を特定することができる。統合モジュール１９０２は、ユーザが転倒を経験したかどうか、及び、もしそうであれば転倒の種類又は性質を確認する確認データ１８０４を出力する。
更に、救難連絡モジュール１９００は、モバイルデバイスを装着しているユーザの動きに関する情報を判定する。例えば、加速度データ及びジャイロスコープデータは、特徴抽出モジュール１８０６に入力され得る。特徴抽出モジュール１８０６は、転倒後のある期間にユーザが動いたかどうか、転倒後に何らかのステップをユーザが取り得るかどうか、転倒後にユーザが立ち上がったかどうか、又は他の特徴など、ユーザの動きに関する１つ以上の特徴を判定する。抽出モジュール１８０６は、抽出された特徴のそれぞれを示す特徴データ１８０８を出力する。
確認データ１８０４及び特徴データ１８０６は、転倒ステートマシン１８１０に入力され得る。転倒ステートマシン１８１０は、入力に基づいて、第三者に救難連絡を送信するかどうかを判定する。例示的な転倒ステートマシン１８１０を、図２０に示す。
この例では、モバイルデバイスは、「ノミナル」状態２００２（例えば、低アラート状態）「転倒確認」状態２００４（例えば、統合モジュール１８０２による転倒の検出時の高いアラート状態）、「アラート」状態２００６（例えば、モバイルデバイスが、転倒及び第三者への救難連絡の送信可能性に関してモバイルデバイスのユーザにアラートする状態）、「待機」状態２００８（例えば、モバイルデバイスが、ユーザによる潜在的な入力などの追加情報を待機する状態）、「キャンセル」状態２０１０（例えば、差し迫った救難連絡がキャンセルされた状態）、及び「ＳＯＳ」状態２０１２（例えば、救難連絡が行われた状態）、で開始する。モバイルデバイスは、（例えば、本明細書に記載されるように）転倒の特定のシグネチャの検出、検出された静止期間（例えば、ユーザによる動きの欠如）、及び／又はユーザによる入力に基づいて、各状態間を遷移することができる。
一例として、モバイルデバイスは、「ノミナル」状態２００２において開始する。（例えば、統合モジュール１８０２によって）転倒確認を検出すると、モバイルデバイスは、「転倒確認」状態２００４に遷移する。転倒後に静止期間ＴQを検出すると、モバイルデバイスは、「アラート」状態２００６に遷移して、検出された転倒をユーザにアラートし、ユーザに、第三者（例えば、緊急応答者）に救難連絡を送信する可能性を知らせる。モバイルデバイスは、「待機」状態２００８に遷移し、アラートに応じたユーザからの入力を待機する。ユーザの動作が、転倒アラートの送信後の長い横たわり時間ＴLL（例えば、３０秒）の間に検出されない場合、モバイルデバイスは、「ＳＯＳ」状態２０１２に送信し、救難連絡を送信する。次いで、モバイルデバイスは、「ノミナル」状態２００２に戻る。これは、例えば、ユーザが転倒して、長い時間、動けなくなった場合に有用であり得る。モバイルデバイスは、たとえユーザの入力がなくても、ユーザに対するヘルプを自動的に呼び出すことができる。
別の例として、モバイルデバイスは、「ノミナル」状態２００２において開始する。転倒確認を検出すると、モバイルデバイスは、「転倒確認」状態２００４に遷移する。静止期間ＴQ内に転倒後の特定の種類の動き（例えば、ユーザによる回復を示すステップ動作、立ち上がり動作、高ダイナミック動作、又は任意の他の動作）を検出すると、モバイルデバイスは、「ノミナル」状態２００２に戻る。これは、例えば、ユーザが転倒したが、転倒後に動作及び回復の兆候を呈する場合に有用であり得る。モバイルデバイスは、この状況下では、ユーザにアラートするか、ユーザに対するヘルプを自動的に呼び出すことを控えることができる。
一例として、モバイルデバイスは、「ノミナル」状態２００２において開始する。（例えば、統合モジュール１８０２によって）転倒確認を検出すると、モバイルデバイスは、「転倒確認」状態２００４に遷移する。転倒後に静止期間ＴQを検出すると、モバイルデバイスは、「アラート」状態２００６に遷移して、検出された転倒をユーザにアラートし、ユーザに、第三者（例えば、緊急応答者）に救難連絡を送信する可能性を知らせる。モバイルデバイスは、「待機」状態２００８に遷移し、アラートに応じたユーザからの入力を待機する。転倒アラートの送信後の長い横たわり期間ＴLL内に特定の種類の動き（例えば、ユーザによる回復を示すステップ動作、立ち上がり動作、高ダイナミック動作、又は任意の他の動作）を検出すると、モバイルデバイスは、「キャンセル」状態２０１０に遷移し、救難連絡を送信しない。次いで、モバイルデバイスは、「ノミナル」状態２００２に戻る。これは、例えば、ユーザが転倒したが、回復の兆候を呈する場合に有用であり得る。モバイルデバイスは、転倒に関してユーザにアラートできるが、この状況下ではユーザに対するヘルプを自動的に呼び出さない。
時間値が図２０に関して説明されているが、これは単に例示的な例に過ぎない。実際には、１つ以上の時間値は、実施形態に応じて変化し得る。いくつかの場合では、時間値のうちの１つ以上は、調整可能なパラメータ（例えば、異なる種類間又はイベント間若しくは状態間を区別するために経験的に選択されるパラメータ）であり得る。
例示的なプロセス
ユーザが転倒したかどうか、及び／又は支援を必要とし得るかどうかをモバイルデバイスを使用して判定するための例示的なプロセス１７００を、図２１に示す。プロセス２１００は、例えば、図１に示すモバイルデバイス１０２及び／又はシステム１００を使用して実行することができる。いくつかの場合では、プロセス２１００の一部又は全てを、モバイルデバイスのコプロセッサによって実行することができる。コプロセッサは、１つ以上のセンサから取得された動きデータを受信し、動きデータを処理し、処理された動きデータをモバイルデバイスの１つ以上のプロセッサに提供するように構成することができる。
プロセス２１００では、モバイルデバイス（例えば、モバイルデバイス１０２及び／又はシステム１００の１つ以上の構成要素）は、ある期間にわたって動きセンサによって測定された動作を示す動きデータを取得する（ステップ２１０２）。センサは、ユーザによって装着される。一例として、図１及び図２Ａに関して説明したように、ユーザは、スマートウォッチなどのモバイルデバイスを自分の腕又は手首に取り付けて、日常生活を送ることができる。これには、例えば、歩くこと、走ること、座ること、横たわること、スポーツ若しくは運動活動、又は任意の他の身体活動に参加すること、が含まれ得る。この間、モバイルデバイスは、モバイルデバイス（例えば、加速度計）内の動きセンサを使用して、ある期間にわたってセンサが経験した加速度を測定する。センサデータは、（例えば、図３に示すように）時変加速度信号の形態で提示することができる。
モバイルデバイスは、動きデータに基づいて、ユーザが経験した、期間の第１の間隔中に生じた衝撃を判定する（ステップ２１０４）。衝撃を判定するための例示的な技術は、（例えば、図３～図５に関して）上述されている。
モバイルデバイスは、動きデータに基づいて、第１の間隔の前に生じる、期間の第２の間隔中にユーザの１つ以上の第１の動作特性を判定する（ステップ２１０６）。第２の間隔は、例えば、「衝撃前」期間であり得る。第１の動作特性を判定することは、例えば、ユーザが第２の間隔中に歩いていたと判定すること、ユーザが第２の間隔中に階段を昇っていた又は降りていたと判定すること、及び／又はユーザが第２の間隔中に動揺動作若しくは支持動作に従って身体部分を動かしていたと判定すること、を含み得る。「衝撃前」期間中に動作特性を判定するための例示的な技術は、（例えば、図６に関して）上述されている。
モバイルデバイスは、動きデータ上で、期間の、第１の間隔後に生じる第３の間隔中のユーザの１つ以上の第２の動作特性を判定する（ステップ２１０８）。第３の間隔は、例えば、「衝撃後」期間であり得る。第２の動作特性を判定することは、例えば、ユーザが第３の間隔中に歩いていたと判定すること、ユーザが第３の間隔中に立っていたと判定すること、及び／又はユーザの身体部分の向きが第３の間隔中にＮ回以上変化したと判定すること、を含み得る。「衝撃前」期間中に動作特性を判定するための例示的な技術は、（例えば、図７及び図８に関して）上述されている。
モバイルデバイスは、衝撃、ユーザの１つ以上の第１の動作特性、及びユーザの１つ以上の第２の動作特性に基づいて、ユーザが転倒したと判定する（ステップ２１１０）。モバイルデバイスはまた、（例えば、転倒の結果として）ユーザが支援を必要とし得るかどうか判定することができる。ユーザが転倒していて支援を必要とし得るかどうかを判定するための例示的な技術は、（例えば、図９に関して）上述されている。
一例として、モバイルデバイスは、動きデータに基づいて、衝撃が第１の閾値よりも大きいと判定し、動きデータに基づいて、ユーザの動きが第３の間隔中に損なわれたと判定することができる。これらの判定に基づいて、モバイルデバイスは、ユーザが転倒していて支援を必要とし得ることを判定することができる。
別の例として、モバイルデバイスは、動きデータに基づいて、衝撃が、第１の閾値よりも小さく、かつ、第２の閾値よりも大きいと判定することができる。更に、モバイルデバイスは、動きデータに基づいて、ユーザが、第２の間隔中に歩いていた、第２の間隔中に階段を上っていた、又は第２の間隔中に階段を降りていた、のうちの少なくとも１つにあったと判定することができる。更に、モバイルデバイスは、動きデータに基づいて、ユーザが第２の間隔中に動揺動作又は支持動作に従って身体部分を動かしていたと判定することができる。更に、モバイルデバイスは、動きデータに基づいて、第３の間隔中にユーザの動きが損なわれたと判定することができる。これらの判定に基づいて、モバイルデバイスは、ユーザが転倒していて支援を必要とし得ることを判定することができる。
いくつかの場合では、モバイルデバイスは、統計モデル（例えば、ベイズ統計モデル）に基づいて、ユーザが転倒したと判定することができる。例えば、統計モデルは、１つ以上のサンプリングされた衝撃、１つ以上のサンプリングされた第１の動作特性、及び１つ以上のサンプリングされた第２の動作特性に基づいて生成することができる。１つ以上のサンプリングされた衝撃、１つ以上のサンプリングされた第１の動作特性、及び１つ以上のサンプリングされた第２の動作特性は、サンプル集団から収集されたサンプル動きデータに基づいて判定することができる。サンプル動きデータは、１つ以上の追加の動きセンサによって、１つ以上の追加の期間にわたって測定された動作を示すことができ、各追加の動きセンサは、サンプル集団のそれぞれのユーザによって装着される。統計モデルを生成及び使用するための例示的な技術が、上述されている。いくつかの実施態様では、１つ以上のサンプリングされた第１の動作特性には、サンプル動きデータに関して特定の追加ユーザによって実行されている活動の種類のインジケーション、サンプル動きデータに関する特定の追加ユーザの活動レベルのインジケーション、及び／又はサンプル動きデータに関する特定の追加ユーザの歩行速度のインジケーション、を含むことができる。
ユーザが転倒したと判定したことに応じて、モバイルデバイスは、ユーザが転倒したことを示す通知を生成する（ステップ２１１２）。一例として、モバイルデバイスは、ユーザが、モバイルデバイスの表示デバイス及び／又は音声デバイス上に転倒したというインジケーションを提示することができる。別の例として、モバイルデバイスは、ユーザが転倒したことを示すデータを、モバイルデバイスから遠隔の通信デバイスに送信することができる。これには、例えば、電子メール、インスタントチャットメッセージ、テキストメッセージ、電話メッセージ、ファックスメッセージ、ラジオメッセージ、音声メッセージ、ビデオメッセージ、触覚メッセージ、又は情報を伝達するための別のメッセージ、を含み得る。通知を生成するための例示的な技術が、上述されている。
ユーザが転倒したかどうか及び／又は支援を必要とし得るかどうかをモバイルデバイスを使用して判定するための別の例示的なプロセス２２００を、図２２に示す。プロセス２２００は、例えば、図１に示すモバイルデバイス１０２及び／又はシステム１００を使用して実行することができる。いくつかの場合では、プロセス２２００の一部又は全てを、モバイルデバイスのコプロセッサによって実行することができる。コプロセッサは、１つ以上のセンサから取得された動きデータを受信し、動きデータを処理し、処理された動きデータをモバイルデバイスの１つ以上のプロセッサに提供するように構成することができる。
プロセス２２００において、モバイルデバイス（例えば、モバイルデバイス１０２、及び／又はシステム１００の１つ以上の構成要素）は、ある期間にわたって加速度計によって測定された加速度を示す第１の信号を取得し（ステップ２２０２）、その期間にわたって向きセンサによって測定された向きを示す第２の信号を取得する（ステップ２２０４）。加速度計及び向きセンサは、ユーザに物理的に結合される。一例として、図１及び図２Ａに関して説明したように、ユーザは、スマートウォッチなどのモバイルデバイスを自分の腕又は手首に取り付けて、日常生活を送ることができる。これには、例えば、歩くこと、走ること、座ること、横たわること、スポーツ若しくは運動活動、又は任意の他の身体活動に参加すること、が含まれ得る。この間、モバイルデバイスは、モバイルデバイス内のセンサ（例えば、ジャイロスコープなどの加速度計及び向きセンサ）を使用して、ある時間にわたってセンサが経験した加速度、及びその期間にわたるセンサの向きを測定する。センサデータは、（例えば、図１１Ａに示すように）時変信号の形態で提示することができる。
モバイルデバイスは、期間中にユーザが経験した回転量に関する回転データを判定する（ステップ２２０６）。回転データは、期間中のユーザによる回転の回転速度に対応する第３の信号、期間中のユーザによる基準座標系における回転の１つ以上の回転軸のインジケーション（例えば、１つ以上の瞬間的な回転軸）、及び／又は期間中のユーザによる回転の平均回転軸のインジケーション、を含み得る。例示的な回転データは、例えば、図１１Ａ～図１１Ｄに示され、説明されている。
モバイルデバイスは、回転データに基づいて、ユーザが転んだと判定する（ステップ２２０８）。いくつかの場合では、これは、期間中のユーザによる回転の１つ以上の回転軸と、期間中のユーザによる回転の平均回転軸との間の変動を判定することによって、実行することができる。更に、モバイルデバイスは、変動が第１の閾値未満であると判定することができる。変動が第１の閾値未満であると判定したことに応じて、モバイルデバイスは、第３の信号に基づいて（例えば、第３の信号を期間に対して積分することによって）、期間中のユーザによる角変位に対応する第４の信号を判定することができる。
更に、モバイルデバイスは、期間中のユーザによる角変位が第２の閾値よりも大きいと判定し、ある期間中のユーザによる回転の１つ以上の回転軸のうちの少なくとも１つが第３の閾値よりも大きいと判定することができる。期間中のユーザによる角変位が第２の閾値よりも大きいと判定し、期間中のユーザによる回転の１つ以上の回転軸のうちの少なくとも１つが第３の閾値よりも大きいと判定したことに応じて、モバイルデバイスは、ユーザが転んだと判定することができる。そうでなければ、モバイルデバイスは、ユーザが転ばなかったと判定することができる。
ユーザが転んだと判定したことに応じて、モバイルデバイスは、ユーザが転んだことを示す通知を生成する（ステップ２２１０）。通知を生成することは、ユーザがモバイルデバイスの表示デバイス若しくは音声デバイスのうちの少なくとも１つの上に転んだこと、及び／又はモバイルデバイスから遠隔の通信デバイスにデータを送信することのインジケーションを提示することを含み得る。これには、例えば、電子メール、インスタントチャットメッセージ、テキストメッセージ、電話メッセージ、ファックスメッセージ、ラジオメッセージ、音声メッセージ、ビデオメッセージ、触覚メッセージ、又は情報を伝達するための別のメッセージ、を含み得る。データには、ユーザが転んだことのインジケーションを含むことができる。通知を生成するための例示的な技術が、上述されている。
ユーザが転倒したかどうか及び／又は支援を必要とし得るかどうかをモバイルデバイスを使用して判定するための別の例示的なプロセス２３００を、図２３に示す。プロセス２２００は、例えば、図１に示すモバイルデバイス１０２及び／又はシステム１００を使用して実行することができる。いくつかの場合では、プロセス２３００の一部又は全てを、モバイルデバイスのコプロセッサによって実行することができる。コプロセッサは、１つ以上のセンサから取得された動きデータを受信し、動きデータを処理し、処理された動きデータをモバイルデバイスの１つ以上のプロセッサに提供するように構成することができる。
プロセス２３００では、モバイルデバイス（例えば、モバイルデバイス１０２及び／又はシステム１００の１つ以上の構成要素）は、第１の期間にわたって１つ以上の動きセンサによって測定された動作を示す動きデータを取得する（ステップ２３０２）。１つ以上の動きセンサは、ユーザによって装着される。１つ以上の動きセンサは、加速度計及び／又はジャイロスコープを含み得る。モバイルデバイスは、ウェアラブルモバイルデバイスであり得る。動きデータを取得するための例示的な技術が、上述されている。
モバイルデバイスは、動きデータに基づいて、ユーザが転倒したと判定する（ステップ２３０４）。いくつかの実施態様では、モバイルデバイスは、ユーザが動きデータに基づいて衝撃を経験したと判定することによって、ユーザが転倒したと判定することができる。いくつかの実施態様では、モバイルデバイスは、第１の期間中のユーザの挙動を判定することによって、ユーザが転倒したことを判定することができる。ユーザが転倒したかどうかを判定するための例示的な技術が、上述されている。
ユーザが転倒したと判定したことに応じて、モバイルデバイスは、ユーザが転倒したことを示す１つ以上の通知を生成する（ステップ２３０６）。いくつかの実施態様では、１つ以上の通知を生成することは、ユーザが転倒したことを示す第１の通知をユーザに提示することを含み得る。第１の通知は、視覚メッセージ、音声メッセージ、又は触覚メッセージのうちの少なくとも１つを含み得る。通知を生成するための例示的な技術が、上述されている。
いくつかの実施態様では、モバイルデバイスは、第１の通知（例えば、ユーザによる支援要求を示す入力）に応じて、ユーザから入力を受信することができる。入力を受信したことに応じて、モバイルデバイスは、モバイルデバイスから遠隔の通信デバイスへ支援要求を示す第２の通知を送信することができる。通信デバイスは、緊急応答システムとすることができる。第２の通知は、モバイルデバイスの位置を示すことができる。
いくつかの実施態様では、モバイルデバイスは、ユーザが転倒した後の第２の期間中に、（例えば、ユーザが負傷した又は動けないことを示す）ユーザによる動きの不在を判定することができる。第２の期間中にユーザによる動きの不在を判定したことに応じて、モバイルデバイスは、モバイルデバイスから遠隔の通信デバイスへの支援要求を示す第２の通知を送信することができる。
いくつかの実施態様では、モバイルデバイスは、ユーザが転倒した後の第２の期間中にユーザが動いた（例えば、歩いた、立ち上がった、又はおそらくは何らかの他の種類の動き）と判定することができる。第２の期間中にユーザが動いたと判定したことに応じて、モバイルデバイスは、モバイルデバイスから遠隔の通信デバイスへ支援要求を示す第２の通知を送信することを控えることができる。
いくつかの実施態様では、１つ以上の通知は、ステートマシンに従って生成され得る。例示的なステートマシンを、図１２及び図２０に示す。
ユーザが転倒したかどうか及び／又は支援を必要とし得るかどうかをモバイルデバイスを使用して判定するための別の例示的なプロセス２４００を、図２４に示す。プロセス２２００は、例えば、図１に示すモバイルデバイス１０２及び／又はシステム１００を使用して実行することができる。いくつかの場合では、プロセス２４００の一部又は全てを、モバイルデバイスのコプロセッサによって実行することができる。コプロセッサは、１つ以上のセンサから取得された動きデータを受信し、動きデータを処理し、処理された動きデータをモバイルデバイスの１つ以上のプロセッサに提供するように構成することができる。
プロセス２４００では、モバイルデバイス（例えば、モバイルデバイス１０２、及び／又はシステム１００の１つ以上の構成要素）は、ある期間にわたって複数のセンサによって生成されたサンプルデータを取得する（ステップ２４０２）。複数のセンサは、ユーザによって装着される。サンプルデータは、複数のセンサのうちの１つ以上の動きセンサから取得された、ユーザの動きを示す動きデータを含む。サンプルデータはまた、複数のセンサのうちの１つ以上の位置センサから取得されたモバイルデバイスの位置を示す位置データ、複数のセンサのうちの１つ以上の高度センサから取得されたモバイルデバイスの高度を示す高度データ、又は複数のセンサのうちの１つ以上の心拍数センサから取得されたユーザの心拍数を示す心拍数データ、のうちの少なくとも１つ、を含む。モバイルデバイスは、ウェアラブルモバイルデバイスであり得る。サンプルデータを取得するための例示的な技術が、上述されている。
いくつかの実施態様では、１つ以上の動きセンサは、加速度計及び／又はジャイロスコープを含み得る。いくつかの実施態様では、加速度計及びジャイロスコープは、動きデータを取得するために独立して動作させることができる。例えば、加速度データは、期間中の第１の時間間隔中に加速度計を使用して取得することができる。ジャイロスコープは、第１の時間間隔中、無効化することができる。更に、第１の時間間隔中に取得された加速度データに基づいて、モバイルデバイスは、第１の時間間隔中にユーザの動作が閾値レベルを超えたと判定することができる。第１の時間間隔中にユーザの動作が閾値レベルを超えたと判定したことに応じて、モバイルデバイスは、第１の時間間隔後の第２の時間間隔中に、加速度計を使用して加速度データを取得し、ジャイロスコープを使用してジャイロスコープデータを取得することができる。いくつかの場合では、加速度計及びジャイロスコープは、ステートマシンに従って動作することができる。例示的なステートマシンを、図１４に示す。
いくつかの実施態様では、１つ以上の高度センサは、高度計又は気圧計のうちの少なくとも１つを含み得る。高度センサを使用して、例えば、転倒を示す高度の特定の変化（例えば、梯子又は構造物からの落下を示す高度の減少）を測定することができる。
いくつかの実施態様では、１つ以上の位置センサは、無線送受信機（例えば、Ｗｉ－Ｆｉ無線機若しくはセルラー無線機）、又はグローバル航法衛星システム受信機（例えば、ＧＰＳ受信機）のうちの少なくとも１つを含み得る。
モバイルデバイスは、サンプルデータに基づいて、ユーザが転倒したと判定する（ステップ２４０４）。ユーザが転倒したかどうかを判定するための例示的な技術が、上述されている。
いくつかの実施態様では、モバイルデバイスは、動きデータに基づいて、期間中のモバイルデバイスの向き（例えば、姿勢角）の変化を判定することによってユーザが転倒したと判定し、向きの変化に基づいて、ユーザが転倒したと判定することができる。
いくつかの実施態様では、モバイルデバイスは、動きデータに基づいて期間中にユーザが経験した衝撃を判定し、衝撃に基づいてユーザが転倒したと判定することによって、ユーザが転倒したと判定することができる。
いくつかの実施態様では、モバイルデバイスは、高度データに基づいて、期間中のモバイルデバイスの高度の変化を判定することによってユーザが転倒したと判定し、高度の変化に基づいて、ユーザが転倒したと判定することができる。
いくつかの実施態様では、モバイルデバイスは、心拍数データに基づいて、期間中のユーザの心拍数の変化を判定することによってユーザが転倒したと判定し、心拍数の変化に基づいて、ユーザが転倒したと判定することができる。期間中のユーザの心拍数の変化を判定することは、期間中のユーザの心拍数の減衰率（例えば、減衰率に関連する時定数）を判定することを含み得る。
いくつかの実施態様では、モバイルデバイスは、位置データに基づいて、モバイルデバイスの位置における環境条件を判定することによってユーザが転倒したと判定し、環境条件に基づいて、ユーザが転倒したと判定することができる。環境条件は、その位置における天候（例えば、雨、雪など）であり得る。
いくつかの実施態様では、モバイルデバイスは、動きデータ、位置データ、高度データ、及び心拍数データに基づいて（例えば、組み合わせて）、ユーザが転倒したと判定することができる。
ユーザが転倒したと判定したことに応じて、モバイルデバイスは、ユーザが転倒したことを示す１つ以上の通知を生成する（ステップ２４０６）。１つ以上の通知を生成することは、モバイルデバイスから遠隔の通信デバイスに通知を送信することを含み得る。通信デバイスは、緊急応答システムとすることができる。通知を生成するための例示的な技術が、上述されている。
例示的なモバイルデバイス
図２５は、図１～図２４を参照して説明される特徴及びプロセスを実装するための例示的なデバイスアーキテクチャ２５００のブロック図である。例えば、アーキテクチャ２５００を使用して、モバイルデバイス１０２、サーバコンピュータシステム１０４、及び／又は通信デバイス１０６のうちの１つ以上を実装することができる。アーキテクチャ２５００は、デスクトップコンピュータ、サーバコンピュータ、ポータブルコンピュータ、スマートフォン、タブレットコンピュータ、ゲームコンソール、ウェアラブルコンピュータ、セットトップボックス、メディアプレーヤ、スマートＴＶなどを含むが、これらに限定されない、図１～図２４を参照して説明される特徴を生成するための任意のデバイス内に実装することができる。
アーキテクチャ２５００は、メモリインタフェース２５０２、１つ以上のデータプロセッサ２５０４、１つ以上のデータコプロセッサ２５７４、及び周辺機器インタフェース２５０６を含み得る。メモリインタフェース２５０２、プロセッサ（単数又は複数）２５０４、コプロセッサ（単数又は複数）２５７４、及び／又は周辺機器インタフェース２５０６を別個の構成要素とすることができ、又は１つ以上の集積回路内に統合することができる。１つ以上の通信バス又は信号線は、様々な構成要素を結合することができる。
プロセッサ（単数又は複数）２５０４及び／又はコプロセッサ（単数又は複数）２５７４は、本明細書に記載される動作を実行するために協働することができる。例えば、プロセッサ（単数又は複数）２５０４は、アーキテクチャ２５００用の一次コンピュータプロセッサとして機能するように構成された１つ以上の中央処理ユニット（ＣＰＵ）を含み得る。一例として、プロセッサ（単数又は複数）２５０４は、アーキテクチャ２５００の一般化されたデータ処理タスクを実行するように構成することができる。更に、データ処理タスクのうちの少なくともいくつかは、コプロセッサ（単数又は複数）２５７４にオフロードされ得る。例えば、動きデータの処理、画像データの処理、データの暗号化、及び／又は特定の種類の算術演算の実行などの特殊なデータ処理タスクを、それらのタスクを取り扱うための１つ以上の特殊なコプロセッサ（単数又は複数）２５７４にオフロードすることができる。いくつかの場合では、プロセッサ（単数又は複数）２５０４は、コプロセッサ（単数又は複数）２５７４よりも相対的に強力であり得、及び／又はコプロセッサ（単数又は複数）２５７４よりも多くの電力を消費することができる。これは、例えば、プロセッサ（単数又は複数）２５０４が一般化されたタスクを迅速に取り扱うことを可能にし、同時に、それらのタスクをより効率的に及び／又はより効果的に実行し得るコプロセッサ（単数又は複数）２５７４に特定の他のタスクをオフロードすることも可能にするため、有用であり得る。いくつかの場合では、コプロセッサ（単数又は複数）は、１つ以上のセンサ又は（例えば、本明細書に記載されるような）他の構成要素を含むことができ、それらのセンサ又は構成要素を使用して取得されたデータを処理し、処理されたデータを更なる分析のためにプロセッサ（単数又は複数）２５０４に提供するように構成することができる。
センサ、デバイス、及びサブシステムを周辺機器インタフェース２５０６に結合することにより、多機能性を促進することができる。例えば、動きセンサ２５１０、光センサ２５１２、及び近接センサ２５１４を周辺機器インタフェース２５０６に結合することによって、向き、照明、及びアーキテクチャ２５００の近接機能を容易にできる。例えば、いくつかの実施態様では、光センサ２５１２を利用して、タッチ面２５４６の輝度の調整を容易にすることができる。いくつかの実施態様では、動きセンサ２５１０を利用して、デバイスの動き及び向きを検出することができる。例えば、動きセンサ２５１０は、（例えば、動きセンサ２５１０及び／若しくはアーキテクチャ２５００が経験した加速度をある期間にわたって測定するための）１つ以上の加速度計、並びに／又は（例えば、動きセンサ２５１０及び／若しくはモバイルデバイスの向きを測定するための）１つ以上のコンパス若しくはジャイロ、を含み得る。いくつかの場合では、動きセンサ２５１０によって取得された測定値情報は、１つ以上の時間変化信号（例えば、ある期間にわたる加速度及び／又は向きの時間変化プロット）の形態であり得る。更に、表示オブジェクト又はメディアを、検出された向きに従って（例えば、「縦方向」の向き又は「横方向」の向きに従って）提示することができる。いくつかの場合では、動きセンサ２５１０は、動きセンサ２５１０によって取得された測定値を処理するように構成されたコプロセッサ２５７４に直接統合することができる。例えば、コプロセッサ２５７４は、１つ以上の加速度計、コンパス、及び／又はジャイロスコープを含むことができ、これらのセンサのそれぞれからセンサデータを取得し、センサデータを処理し、処理されたデータを更なる分析のためにプロセッサ（単数又は複数）２５０４に送信するように構成することができる。
温度センサ、生体測定センサ、又は他の検知デバイスなど、他のセンサもまた、周辺機器インタフェース２５０６に接続して、関連する機能を促進することができる。一例として、図２５に示すように、アーキテクチャ２５００は、ユーザの心臓の拍動を測定する心拍数センサ２５３２を含み得る。同様に、これらの他のセンサはまた、これらのセンサから取得された測定値を処理するように構成された１つ以上のコプロセッサ（単数又は複数）２５７４に直接統合することができる。
位置プロセッサ２５１５（例えば、ＧＮＳＳ受信機チップ）を周辺機器インタフェース２５０６に接続して、ジオリファレンスを提供することができる。電子磁気計２５１６（例えば、集積回路チップ）はまた、周辺機器インタフェース２５０６に接続され、磁北の方向を判定するために使用できるデータを提供することができる。このように、電子磁気計２５１６は、電子コンパスとして使用することができる。
カメラサブシステム２５２０及び光学センサ２５２２（例えば、電荷結合素子［ＣＣＤ］又は相捕型金属酸化膜半導体［ＣＭＯＳ］光学センサ）を利用して、写真及びビデオクリップの記録等のカメラ機能を容易にすることができる。
通信機能は、１つ以上の通信サブシステム２５２４を介して促進され得る。通信サブシステム（単数又は複数）２５２４は、１つ以上の無線及び／又は有線通信サブシステムを含むことができる。例えば、無線通信サブシステムは、無線周波数受信器及び送信機、並びに／又は光（例えば、赤外線）受信機及び送信機を含むことができる。別の例として、有線通信システムには、ポートデバイス、例えば、ユニバーサルシリアルバス（ＵＳＢ）ポート、又は他の通信デバイス、ネットワークアクセスデバイス、パーソナルコンピュータ、プリンタ、表示スクリーン、若しくはデータを送受信することができる他の処理デバイスなどの、他のコンピューティングデバイスへの有線接続を確立するために使用できるいくつかの他の有線ポート接続、が含まれ得る。
通信サブシステム２５２４の具体的な設計及び実装は、アーキテクチャ２５００が動作することを意図する通信ネットワーク（単数又は複数）又は媒体（単数又は複数）に依存し得る。例えば、アーキテクチャ２５００には、モバイル通信（ＧＳＭ（登録商標））ネットワーク、ＧＰＲＳネットワーク、拡張データＧＳＭ環境（ＥＤＧＥ）ネットワーク、８０２．ｘ通信ネットワーク（例えば、Ｗｉ－Ｆｉ、Ｗｉ－Ｍａｘ）、符号分割多元接続（ＣＤＭＡ）ネットワーク、ＮＦＣ、及びＢｌｕｅｔｏｏｔｈ（登録商標）ネットワーク用のグローバルシステムを介して動作するように設計された無線通信サブシステムを含むことができる。無線通信サブシステムはまた、アーキテクチャ２５００を他の無線デバイス用の基地局として構成できるように、ホスティングプロトコルを含むことができる。別の例として、通信サブシステムは、例えば、ＴＣＰ／ＩＰプロトコル、ＨＴＴＰプロトコル、ＵＤＰプロトコル、及び任意の他の既知のプロトコルなどの１つ以上のプロトコルを使用して、アーキテクチャ２５００をホストデバイスと同期させることを可能にし得る。
オーディオサブシステム２５２６をスピーカ２５２８及び１つ以上のマイクロフォン２５３０に結合することにより、音声認識機能、音声複製機能、デジタル録音機能、及び電話機能等の音声対応可能な機能を容易にすることができる。
Ｉ／Ｏサブシステム２５４０は、タッチコントローラ２５４２及び／又は他の入力コントローラ（単数又は複数）２５４４を含むことができる。タッチコントローラ２５４２は、タッチ面２５４６に結合することができる。タッチ面２５４６及びタッチコントローラ２５４２は、例えば、いくつかのタッチ感度技術のうちのいずれかを使用して、接触及び動作を検出することも、又は接触及び動作の中断を検出することもできる。タッチ感度技術としては、静電容量技術、抵抗性技術、赤外線技術、及び表面弾性波技術に加えて、タッチ面２５４６との１つ以上の接触点を判定するための、他の近接センサアレイ又は他の要素が挙げられるが、これらに限定されない。一実装形態では、タッチ面２５４６は、仮想又はソフトボタン、及び仮想キーボードを表示することができ、仮想キーボードは、ユーザによる入力／出力デバイスとして使用することができる。
他の入力コントローラ（単数又は複数）２５４４は、１つ以上のボタン、ロッカースイッチ、サムホイール、赤外線ポート、ＵＳＢポート、及び／又はスタイラス等のポインタデバイスなどの、他の入力／制御デバイス２５４８に結合することができる。１つ以上のボタン（図示せず）には、スピーカ２５２８及び／又はマイクロフォン２５３０のボリューム制御用の上／下ボタンを含むことができる。
いくつかの実装形態では、アーキテクチャ２５００は、ＭＰ３ファイル、ＡＡＣファイル、及びＭＰＥＧビデオファイルなどの、記録されたオーディオファイル及び／又はビデオファイルを提示することができる。いくつかの実施態様では、アーキテクチャ２５００は、ＭＰ３プレーヤの機能性を含むことができ、他のデバイスに係留するためのピンコネクタを含み得る。他の入出力及び制御デバイスを使用できる。
メモリインタフェース２５０２は、メモリ２５５０に結合することができる。メモリ２５５０としては、１つ以上の磁気ディスク記憶デバイス、１つ以上の光学記憶デバイス、若しくはフラッシュメモリ（例えば、ＮＡＮＤ、ＮＯＲ）などの、高速ランダムアクセスメモリ又は不揮発性メモリを挙げることができる。メモリ２５５０には、Ｄａｒｗｉｎ、ＲＴＸＣ、ＬＩＮＵＸ（登録商標）、ＵＮＩＸ（登録商標）、ＯＳ Ｘ、ＷＩＮＤＯＷＳ（登録商標）などのオペレーティングシステム２５５２、又はＶｘＷｏｒｋｓなどの組み込みオペレーティングシステムを格納できる。オペレーティングシステム２５５２は、基本システムサービスを処理するための命令、及びハードウェア依存タスクを遂行するための命令を含むことができる。いくつかの実装形態では、オペレーティングシステム２５５２は、カーネル（例えば、ＵＮＩＸカーネル）を含み得る。
メモリ２５５０はまた、通信命令２５５４を保存して、ピアツーピア通信を含む、１つ以上の追加のデバイス、１つ以上のコンピュータ又はサーバとの通信を容易にすることができる。通信命令２５５４を使用して、（ＧＰＳ／ナビゲーション命令２５６８によって取得された）デバイスの地理的位置に基づいて、デバイスが使用するための動作モード又は通信媒体を選択することもできる。メモリ２５５０は、タッチ入力及びジェスチャを解釈するためのタッチモデルを含む、グラフィックユーザインタフェース処理を容易にするグラフィカルユーザインタフェース命令２５５６と、センサ関連の処理及び機能を容易にするためのセンサ処理命令２５５８と、電話関連の処理及び機能を容易にするための電話命令２５６０と、電子メッセージング関連の処理及び機能を容易にするための電子メッセージング命令２５６２と、ウェブブラウジング関連の処理及び機能を容易にするためのウェブブラウジング命令２５６４と、メディア処理関連の処理及び機能を容易にするためのメディア処理命令２５６６と、ＧＰＳ及びナビゲーション関連プロセスを容易にするためのＧＰＳ／ナビゲーション命令２５６９と、カメラ関連プロセス及び機能を容易にするためのカメラ命令２５７０と、本明細書に記載されるプロセスの一部又は全てを実行するための他の命令２５７２と、を含み得る。
上記の特定された命令及びアプリケーションのそれぞれは、本明細書で説明される１つ以上の機能を実行するための命令セットに対応し得る。これらの命令は、別個のソフトウェアプログラム、手順、又はモジュールとして実装する必要がない。メモリ２５５０に追加の命令を含めてもよいし、又は含まれている命令を減らしてもよい。更にまた、デバイスの様々な機能は、１つ以上の信号処理及び／又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェア及び／又はソフトウェアに実装できる。
説明される特徴は、デジタル電子回路内に、又はコンピュータハードウェア、ファームウェア、ソフトウェア内に、若しくはそれらの組み合わせで実装されてもよい。特徴は、例えば、プログラム可能なプロセッサによる実行のために、情報キャリア内、例えば、マシン可読記憶デバイス内で有形的に具現化されたコンピュータプログラム製品内に実装されてもよく、方法ステップは、入力データ上で動作し、出力を生成することによって、記載された実装の機能を実行するための命令プログラムを実行するプログラム可能プロセッサによって実行されてもよい。
記載された機能は、データ記憶システム、少なくとも１つの入力デバイス、及び少なくとも１つの出力デバイスからのデータ及び命令を受信し、並びにこれらにデータ及び命令を送信するように結合された少なくとも１つのプログラム可能プロセッサを含む、プログラム可能システム上で実行可能な１つ以上のコンピュータプログラム内に有利に実装できる。コンピュータプログラムは、特定の行動を実行するか、又は特定の結果をもたらすために、コンピュータ内で直接的又は間接的に使用することができる命令セットである。コンピュータプログラムは、コンパイル型言語又はインタプリタ型言語を含む、任意の形態のプログラミング言語（例えば、Ｏｂｊｅｃｔｉｖｅ－Ｃ、Ｊａｖａ（登録商標））で書くことができ、スタンドアロンプログラム若しくはモジュール、コンポーネント、サブルーチン、又はコンピューティング環境で使用するのに好適な他のユニットを含む、任意の形態で配布され得る。
命令のプログラムの実行に好適なプロセッサには、例として、汎用マイクロプロセッサ及び専用マイクロプロセッサの両方、並びに任意の種類のコンピュータの、ソールプロセッサ、又は複数のプロセッサ若しくはコアのうちの１つ、が含まれる。プロセッサは一般的に、読み出し専用メモリ若しくはランダムアクセスメモリ、又はその両方から命令及びデータを受信する。コンピュータの必須要素は、命令を実行するプロセッサ、並びに命令及びデータを保存する１つ以上のメモリである。一般に、コンピュータは、データファイルを記憶するための大容量記憶デバイスと通信することができる。これらの大容量記憶デバイスには、内部ハードディスク及び取り外し可能ディスクなどの磁気ディスク、光磁気ディスク、及び光学ディスクが含まれてもよい。コンピュータプログラム命令及びデータを明確に具体化するのに適した記憶デバイスには、例として、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリデバイスなどの半導体メモリデバイス、内蔵ハードディスク及びリムーバブルディスクなどの磁気ディスク、光磁気ディスク、並びにＣＤ－ＲＯＭ及びＤＶＤ－ＲＯＭディスク、を含む、全ての形態の不揮発性メモリが含まれる。プロセッサ及びメモリは、ＡＳＩＣ（特定用途向け集積回路）によって補完されるか、又はその中に組み込まれてもよい。
ユーザとの対話を提供するために、作者に情報を表示するためのＣＲＴ（陰極線管）又はＬＣＤ（液晶表示）モニタなどの表示デバイス、並びにキーボード、及び作者がコンピュータに入力を提供し得るマウス又はトラックボールなどのポインティングデバイスを有するコンピュータ上に、機能を実装できる。
特徴は、データサーバなどのバックエンドコンポーネントを含むコンピュータシステム、又はアプリケーションサーバ若しくはインターネットサーバなどのミドルウェアコンポーネントを含むコンピュータシステム、又はグラフィカルユーザインタフェース若しくはインターネットブラウザを有するクライアントコンピュータなどのフロントエンドコンポーネント、若しくはそれらの任意の組み合わせを含むコンピュータシステム内に実装されてもよい。システムのコンポーネントは、通信ネットワークなどの、デジタルデータ通信の任意の形態又は媒体によって接続されてもよい。通信ネットワークの例には、ＬＡＮ、ＷＡＮ、並びにインターネットを形成するコンピュータ及びネットワークが含まれる。
コンピュータシステムは、クライアント及びサーバを備え得る。一般的に、クライアント及びサーバは、互いに遠隔にあり、典型的には、ネットワークを通じて対話する。クライアント及びサーバの関係は各々のコンピュータ上で実行されていてかつ相互にクライアント／サーバ関係を有するコンピュータプログラムを介して生起される。
開示される実施形態の１つ以上の特徴又はステップは、アプリケーションプログラミングインタフェース（ＡＰＩ）を使用して実装されてもよい。ＡＰＩは、データを提供する、又は動作若しくは計算を実行するサービスを提供する、呼び出しアプリケーションと、他のソフトウェアコード（例えば、オペレーティングシステム、ライブラリルーチン、機能）との間を渡される、１つ以上のパラメータを定義することができる。
ＡＰＩは、ＡＰＩ仕様書で定義される呼び出し規約に基づいて、パラメータリスト又は他の構造を介して１つ以上のパラメータを送信又は受信する、プログラムコード内の１つ以上の呼び出しとして実装されてもよい。パラメータは、定数、キー、データ構造、オブジェクト、オブジェクトクラス、変数、データ型、ポインタ、アレイ、リスト、又は別の呼び出しであってもよい。ＡＰＩ呼び出し及びパラメータは、任意のプログラミング言語で実装されてもよい。プログラミング言語は、プログラマがＡＰＩをサポートする機能にアクセスするために使用する語彙及び呼び出し規約を定義することができる。
いくつかの実施態様では、ＡＰＩ呼び出しは、入力能力、出力能力、処理能力、電力能力、通信能力などのアプリケーションを実行するデバイスの能力を、アプリケーションに報告することができる。
上記のように、本明細書の主題のいくつかの態様は、モバイルデバイスがユーザに提供できるサービスを向上させるために、様々なソースから入手可能なデータを収集及び使用することを含む。本開示は、いくつかの場合では、この収集されたデータは、デバイスの使用に基づいて特定の位置又はアドレスを特定できることを想到する。このようなパーソナル情報データとしては、位置ベースデータ、アドレス、加入者アカウント識別子、又は他の識別情報を挙げることができる。
本開示は、そのような個人情報データの収集、分析、開示、転送、記憶、又は他の使用目的の責任を負うエンティティが、適切に規定されたプライバシーのポリシー及び／又はプライバシーの慣行に準拠すると更に想到する。具体的には、そのようなエンティティは、個人情報データを秘密として厳重に保守するための、業界又は政府の要件を満たしているか又は上回るものとして一般に認識されている、プライバシーのポリシー及び慣行を実施し、一貫して使用するべきである。例えば、ユーザからの個人情報は、そのエンティティの合法的かつ正当な使用のために収集されるべきであり、それらの合法的使用を除いて、共用又は販売されるべきではない。更には、そのような収集は、ユーザに告知して同意を得た後にのみ実施するべきである。加えて、そのようなエンティティは、そのような個人情報データへのアクセスを保護して安全化し、その個人情報データへのアクセス権を有する他者が、それらのプライバシーのポリシー及び手順を遵守することを保証するための、あらゆる必要な措置を講じるであろう。更には、そのようなエンティティは、広く受け入れられているプライバシーのポリシー及び慣行に対する自身の遵守を証明するために、第三者による評価を自らが受けることができる。
公示配信サービスの場合、本開示はまた、パーソナル情報データの使用又はパーソナル情報データへのアクセスを、ユーザが選択的に阻止する実施形態も想到する。すなわち、本開示は、そのような個人情報データへのアクセスを防止又は阻止するように、ハードウェア要素及び／又はソフトウェア要素を提供することができると想到する。例えば、広告配信サービスの場合において、本技術は、ユーザが、サービスの登録の間、個人情報データの収集への参加の「オプトイン」又は「オプトアウト」を選択することを可能とするように構成することができる。
それゆえ、本開示は、１つ以上の様々な開示された実施形態を実施するための、個人情報データの使用を広範に網羅するものではあるが、本開示はまた、そのような個人情報データにアクセスすることを必要とせずに、それらの様々な実施形態を実施することもまた可能であることを想到している。すなわち、本技術の様々な実施形態は、そのような個人情報データの全て又は一部分が欠如することにより、実施不可能となるものではない。例えば、コンテンツは、ユーザに関連付けられたデバイスによりリクエストされたコンテンツ、コンテンツ配信サービスで使用可能な他の非個人情報、若しくは公的に使用可能な情報などの、非個人情報データ又は個人情報の最小限の量のみに基づいて嗜好を推測することにより、選択してユーザに配信することができる。
いくつかの実施形態が説明されてきた。それにもかかわらず、様々な修正が行われ得ることを理解されたい。１つ以上の実施形態の要素は、更なる実施形態を形成するために組み合わされ、削除される、修正され、又は補足されてもよい。更に別の例として、図に描かれる論理フローは、所望の結果を達成するために、示される特定の順序、又は連続的な順序を必要としない。加えて、他のステップが提供されてもよく、又は記載されたフローからステップが排除されてもよく、及び他の構成要素が、記載されたシステムに追加されるか、又はそこから除去されてもよい。従って、他の実施形態は、以下の特許請求の範囲内にある。

Claims (18)

  1. １つ又は複数のプロセッサが、ある期間中のユーザの動作を示す動きデータを取得することと、
    前記１つ又は複数のプロセッサが、前記期間中の前記ユーザの心拍数を示す心拍数データを取得することと、
    前記１つ又は複数のプロセッサが、前記心拍数データに基づいて、前記ユーザの経時的な心拍数を示す減衰曲線を決定することと、
    前記１つ又は複数のプロセッサが、前記動きデータ、前記心拍数データ、及び前記減衰曲線に基づいて、前記ユーザが転倒したことを判定することと、
    前記ユーザが転倒したことの判定の後、前記１つ又は複数のプロセッサが、前記ユーザが転倒したことを示す１つ又は複数の通知を生成することと、を含む方法。
  2. 前記ユーザが転倒したことを判定することは、
    前記心拍数データに基づいて、前記ユーザの心拍数における変化を判定し、
    前記ユーザの心拍数における前記変化に基づいて、前記ユーザが転倒したことを判定することを含む、請求項１に記載の方法。
  3. 前記ユーザが転倒したことを判定することは、
    前記心拍数データに基づいて、前記ユーザの心拍数が増加したことを判定し、
    前記ユーザの心拍数が増加したことの判定に基づいて、前記ユーザが転倒したことを判定することを含む、請求項１に記載の方法。
  4. 前記ユーザが転倒したことを判定することは、
    前記心拍数データに基づいて、前記減衰曲線の第１の時定数を判定し、
    前記第１の時定数が第２の時定数より小さいことを判定し、
    前記時定数が定数値より小さいことの判定に基づいて、前記ユーザが転倒したことを判定することを含む、請求項１に記載の方法。
  5. 前記第２の時定数は、前記ユーザによる運動の終了に対応する、請求項４に記載の方法。
  6. 前記１つ又は複数のプロセッサの少なくともいくつかは、ウェアラブル電子デバイス上に実装されている、請求項１に記載の方法。
  7. １つ又は複数のプロセッサと、
    命令を記憶するコンピュータ読み取り可能な１つ又は複数の記録媒体と、を備え、
    前記１つ又は複数のプロセッサにより前記命令が実行されたときに、前記１つ又は複数のプロセッサが、
    ある期間中のユーザの動作を示す動きデータを取得することと、
    前記期間中の前記ユーザの心拍数を示す心拍数データを取得することと、
    前記心拍数データに基づいて、前記ユーザの経時的な心拍数を示す減衰曲線を決定することと、
    前記動きデータ、前記心拍数データ、及び前記減衰曲線に基づいて、前記ユーザが転倒したことを判定することと、
    前記ユーザが転倒したことの判定の後、前記ユーザが転倒したことを示す１つ又は複数の通知を生成することと、を含む動作を実行するように構成されている、システム。
  8. 前記ユーザが転倒したことを判定することは、
    前記心拍数データに基づいて、前記ユーザの心拍数における変化を判定し、
    前記ユーザの心拍数における前記変化に基づいて、前記ユーザが転倒したことを判定することを含む、請求項７に記載のシステム。
  9. 前記ユーザが転倒したことを判定することは、
    前記心拍数データに基づいて、前記ユーザの心拍数が増加したことを判定し、
    前記ユーザの心拍数が増加したことの判定に基づいて、前記ユーザが転倒したことを判定することを含む、請求項７に記載のシステム。
  10. 前記ユーザが転倒したことを判定することは、
    前記心拍数データに基づいて、前記減衰曲線の第１の時定数を判定し、
    前記第１の時定数が第２の時定数より小さいことを判定し、
    前記時定数が定数値より小さいことの判定に基づいて、前記ユーザが転倒したことを判定することを含む、請求項７に記載のシステム。
  11. 前記第２の時定数は、前記ユーザによる運動の終了に対応する、請求項１０に記載のシステム。
  12. 前記システムは、ウェアラブル電子デバイスを備え、
    前記ウェアラブル電子デバイスは、前記１つ又は複数のプロセッサの少なくともいくつか、及び前記コンピュータ読み取り可能な１つ又は複数の記録媒体の少なくともいくつかを備えている、請求項７に記載のシステム。
  13. 命令を記憶するコンピュータ読み取り可能な１つ又は複数の記録媒体であって、
    １つ又は複数のプロセッサにより前記命令が実行されたときに、前記１つ又は複数のプロセッサが、
    ある期間中のユーザの動作を示す動きデータを取得することと、
    前記期間中の前記ユーザの心拍数を示す心拍数データを取得することと、
    前記心拍数データに基づいて、前記ユーザの経時的な心拍数を示す減衰曲線を決定することと、
    前記動きデータ、前記心拍数データ、及び前記減衰曲線に基づいて、前記ユーザが転倒したことを判定することと、
    前記ユーザが転倒したことの判定の後、前記ユーザが転倒したことを示す１つ又は複数の通知を生成することと、を含む動作を実行するように構成されている、記録媒体。
  14. 前記ユーザが転倒したことを判定することは、
    前記心拍数データに基づいて、前記ユーザの心拍数における変化を判定し、
    前記ユーザの心拍数における前記変化に基づいて、前記ユーザが転倒したことを判定することを含む、請求項１３に記載の記録媒体。
  15. 前記ユーザが転倒したことを判定することは、
    前記心拍数データに基づいて、前記ユーザの心拍数が増加したことを判定し、
    前記ユーザの心拍数が増加したことの判定に基づいて、前記ユーザが転倒したことを判定することを含む、請求項１３に記載の記録媒体。
  16. 前記ユーザが転倒したことを判定することは、
    前記心拍数データに基づいて、前記減衰曲線の第１の時定数を判定し、
    前記第１の時定数が第２の時定数より小さいことを判定し、
    前記時定数が定数値より小さいことの判定に基づいて、前記ユーザが転倒したことを判定することを含む、請求項１３に記載の記録媒体。
  17. 前記第２の時定数は、前記ユーザによる運動の終了に対応する、請求項１６に記載の記録媒体。
  18. 前記１つ又は複数のプロセッサの少なくともいくつかは、ウェアラブル電子デバイス上に実装されている、請求項１３に記載の記録媒体。
JP2021197513A 2017-09-29 2021-12-06 モバイルデバイスを使用する転倒検出 Active JP7261284B2 (ja)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201762565988P 2017-09-29 2017-09-29
US62/565,988 2017-09-29
US16/128,464 2018-09-11
US16/128,464 US10629048B2 (en) 2017-09-29 2018-09-11 Detecting falls using a mobile device
PCT/US2018/052603 WO2019067424A1 (en) 2017-09-29 2018-09-25 DETECTION OF FALLS USING A MOBILE DEVICE
JP2020509022A JP6990763B2 (ja) 2017-09-29 2018-09-25 モバイルデバイスを使用する転倒検出

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2020509022A Division JP6990763B2 (ja) 2017-09-29 2018-09-25 モバイルデバイスを使用する転倒検出

Publications (2)

Publication Number Publication Date
JP2022037048A JP2022037048A (ja) 2022-03-08
JP7261284B2 true JP7261284B2 (ja) 2023-04-19

Family

ID=65896748

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2020509022A Active JP6990763B2 (ja) 2017-09-29 2018-09-25 モバイルデバイスを使用する転倒検出
JP2021197513A Active JP7261284B2 (ja) 2017-09-29 2021-12-06 モバイルデバイスを使用する転倒検出

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2020509022A Active JP6990763B2 (ja) 2017-09-29 2018-09-25 モバイルデバイスを使用する転倒検出

Country Status (6)

Country Link
US (4) US10629048B2 (ja)
EP (4) EP3777663A1 (ja)
JP (2) JP6990763B2 (ja)
KR (2) KR102419586B1 (ja)
CN (2) CN117116003A (ja)
WO (1) WO2019067424A1 (ja)

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10485452B2 (en) * 2015-02-25 2019-11-26 Leonardo Y. Orellano Fall detection systems and methods
CN113367671A (zh) 2015-08-31 2021-09-10 梅西莫股份有限公司 无线式病人监护系统和方法
US11282362B2 (en) 2017-09-29 2022-03-22 Apple Inc. Detecting falls using a mobile device
US11282363B2 (en) 2017-09-29 2022-03-22 Apple Inc. Detecting falls using a mobile device
US11527140B2 (en) 2017-09-29 2022-12-13 Apple Inc. Detecting falls using a mobile device
US11282361B2 (en) 2017-09-29 2022-03-22 Apple Inc. Detecting falls using a mobile device
US10629048B2 (en) 2017-09-29 2020-04-21 Apple Inc. Detecting falls using a mobile device
US11035873B2 (en) * 2018-04-10 2021-06-15 Blackberry Limited Method and system for moving status detection for a sensor apparatus
US11571142B2 (en) * 2018-07-18 2023-02-07 American International Group, Inc. Fall detection and identification by using data from human condition safety tags
US11669770B2 (en) * 2018-11-28 2023-06-06 Stmicroelectronics S.R.L. Activity recognition method with automatic training based on inertial sensors
US11751813B2 (en) 2019-03-11 2023-09-12 Celloscope Ltd. System, method and computer program product for detecting a mobile phone user's risky medical condition
US20200365266A1 (en) * 2019-03-13 2020-11-19 Duke University Systems and methods for providing posture feedback and health data based on motion data, position data, and biometric data of a subject
WO2020206155A1 (en) * 2019-04-03 2020-10-08 Starkey Laboratories, Inc. Monitoring system and method of using same
WO2020236091A2 (en) * 2019-05-17 2020-11-26 National Science And Technology Development Agency Method for detecting falls by using relative barometric pressure signals
CN112235464B (zh) * 2019-06-28 2022-05-31 华为技术有限公司 一种基于跌倒检测的呼救方法及电子设备
WO2021025396A1 (en) 2019-08-02 2021-02-11 Samsung Electronics Co., Ltd. Method and device for detecting fall accident by using sensor in low power state
WO2021032556A1 (en) * 2019-08-20 2021-02-25 Koninklijke Philips N.V. System and method of detecting falls of a subject using a wearable sensor
US11717186B2 (en) 2019-08-27 2023-08-08 Medtronic, Inc. Body stability measurement
CN112447023A (zh) * 2019-08-29 2021-03-05 奇酷互联网络科技（深圳）有限公司 异常状况的提醒方法、装置以及存储装置
KR20210059411A (ko) * 2019-11-15 2021-05-25 한국전자기술연구원 하이브리드 기반 이상 행위 인지 시스템 및 그 방법
JP7406370B2 (ja) 2019-12-27 2023-12-27 セコム株式会社 転倒検知端末及びプログラム
KR20210136722A (ko) * 2020-05-08 2021-11-17 삼성전자주식회사 전자 장치의 낙상 이벤트 타입 판단 방법 및 그 전자 장치
CN113936420B (zh) * 2020-07-14 2023-06-16 苹果公司 使用移动设备检测跌倒
CN113936421A (zh) * 2020-07-14 2022-01-14 苹果公司 使用移动设备检测跌倒
US11602313B2 (en) 2020-07-28 2023-03-14 Medtronic, Inc. Determining a fall risk responsive to detecting body position movements
KR20220016715A (ko) * 2020-08-03 2022-02-10 삼성전자주식회사 위험 정보를 감지하는 전자 장치 및 방법
WO2022053377A1 (en) * 2020-09-08 2022-03-17 Koninklijke Philips N.V. Methods and systems for accurate nocturnal movement classification
CN112233374B (zh) * 2020-09-21 2022-06-21 中国科学院深圳先进技术研究院 一种跌倒检测方法、系统、终端以及存储介质
US11068328B1 (en) * 2020-10-12 2021-07-20 Dell Products L.P. Controlling operation of microservices utilizing association rules determined from microservices runtime call pattern data
US11961419B2 (en) 2021-06-02 2024-04-16 International Business Machines Corporation Event detection and prediction
CN113280814B (zh) * 2021-06-11 2023-04-25 山东京博控股集团有限公司 一种园区作业人员的安全监测方法及设备
GB2608449A (en) * 2021-07-02 2023-01-04 Epowar Ltd Personal safety device and method
WO2023069781A1 (en) * 2021-10-24 2023-04-27 Simmons Chia Lin System and method for fall detection using multiple sensors, including barometric or atmospheric pressure sensors
WO2023129254A1 (en) * 2021-12-30 2023-07-06 Google Llc Fall risk assessment for a user
CN114469076B (zh) * 2022-01-24 2024-04-19 南京邮电大学 一种融合身份特征的独居老人跌倒识别方法及系统
FR3137828A1 (fr) * 2022-07-15 2024-01-19 Commissariat A L'energie Atomique Et Aux Energies Alternatives Procédé et dispositif de détection de chute par capture inertielle
CN115024717B (zh) * 2022-08-09 2022-10-25 广东百年医疗健康科技发展有限公司 一种跌倒检测方法、装置、设备及存储介质
GB2622020A (en) * 2022-08-30 2024-03-06 Carewhere Ltd Body mounted tracker
JP7340297B1 (ja) * 2022-11-29 2023-09-07 ロステーカ株式会社 情報処理端末装置および情報処理システム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007507320A (ja) 2003-10-07 2007-03-29 メドトロニック・インコーポレーテッド 期外収縮刺激（ｅｓｓ）治療に対する反応の最適化及び評価のための方法及び装置
US20140375461A1 (en) 2008-06-27 2014-12-25 Neal T. RICHARDSON Autonomous Fall Monitor
US20160113551A1 (en) 2013-06-06 2016-04-28 Koninklijke Philips N.V. Fall detection system and method
JP2016512777A (ja) 2013-03-22 2016-05-09 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 転倒を検出する方法及び転倒検出器

Family Cites Families (60)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US1014729A (en) 1908-03-02 1912-01-16 John Strother Thurman Vacuum-controller for pneumatic cleaning apparatus.
US1022620A (en) 1910-11-14 1912-04-09 Erick Lundquist Radiator.
US1069201A (en) 1912-04-17 1913-08-05 Edward M Stephens Fusible link.
US7733224B2 (en) * 2006-06-30 2010-06-08 Bao Tran Mesh network personal emergency response appliance
US8217795B2 (en) 2006-12-05 2012-07-10 John Carlton-Foss Method and system for fall detection
US9179864B2 (en) 2007-08-15 2015-11-10 Integrity Tracking, Llc Wearable health monitoring device and methods 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
US9149108B2 (en) * 2011-02-24 2015-10-06 SureTint Technologies, LLC System and method for batch sizing hair dye mixtures
ATE517351T1 (de) * 2008-05-13 2011-08-15 Koninkl Philips Electronics Nv Falldetektionssystem
US8773269B2 (en) 2008-06-27 2014-07-08 Neal T. RICHARDSON Autonomous fall monitor
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
WO2010150260A1 (en) * 2009-06-24 2010-12-29 The Medical Research, Infrastructure, And Health Services Fund Of The Tel Aviv Medical Center Automated near-fall detector
KR101320545B1 (ko) 2009-12-21 2013-10-28 한국전자통신연구원 맥파측정 및 낙상감지 장치 및 방법
US8909497B1 (en) 2010-04-06 2014-12-09 Keynetik, Inc. System and method for fall detection
US20130143519A1 (en) * 2010-07-29 2013-06-06 J&M I.P. Holding Company, Llc Fall-Responsive Emergency Device, System, and Method
CA2773507C (en) 2011-04-04 2020-10-13 Mark Andrew Hanson Fall detection and reporting technology
US9427177B2 (en) 2011-04-11 2016-08-30 Fidelity Investment Corporation Fall detection methods and devices
CN103503041B (zh) 2011-04-29 2016-05-18 皇家飞利浦有限公司 用于跌倒检测器或跌倒检测系统中的装置及其操作方法
US9402568B2 (en) * 2011-08-29 2016-08-02 Verizon Telematics Inc. Method and system for detecting a fall based on comparing data to criteria derived from multiple fall data sets
US9342108B2 (en) 2011-09-16 2016-05-17 Apple Inc. Protecting an electronic device
US8614630B2 (en) * 2011-11-14 2013-12-24 Vital Connect, Inc. Fall detection using sensor fusion
CN103593944B (zh) 2012-08-16 2016-01-27 天行动力科技有限公司 意外监测及报警系统
CN102903207B (zh) 2012-10-31 2014-12-17 陈志平 基于加速度检测的呼叫报警方法、系统及呼叫报警设备
CN105493163B (zh) 2013-08-26 2019-08-06 皇家飞利浦有限公司 用于检测跌倒的方法和跌倒检测系统
JP6923319B2 (ja) * 2013-09-11 2021-08-18 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 転倒検出システム、方法及びコンピュータプログラム
US20180160943A1 (en) 2013-12-10 2018-06-14 4Iiii Innovations Inc. Signature based monitoring systems and methods
US9293023B2 (en) * 2014-03-18 2016-03-22 Jack Ke Zhang Techniques for emergency detection and emergency alert messaging
US9818282B2 (en) * 2014-09-12 2017-11-14 Plantronics, Inc. Wearable sends message on fall when worn
AU2015338967A1 (en) 2014-10-31 2017-05-11 Irhythm Technologies, Inc. Wireless physiological monitoring device and systems
CN104504855B (zh) 2015-01-13 2017-11-24 广东乐源数字技术有限公司 一种智能腰带及智能跌倒应急预警系统
US10485452B2 (en) 2015-02-25 2019-11-26 Leonardo Y. Orellano Fall detection systems and methods
JP2018515863A (ja) * 2015-03-05 2018-06-14 アサノ、シンタロウ 転倒検出器および警報システム
JP6464002B2 (ja) * 2015-03-19 2019-02-06 セコム株式会社 転倒検知端末およびプログラム
JP6563662B2 (ja) 2015-03-19 2019-08-21 セコム株式会社 転倒検知端末およびプログラム
CN113367671A (zh) * 2015-08-31 2021-09-10 梅西莫股份有限公司 无线式病人监护系统和方法
US9959733B2 (en) * 2015-09-01 2018-05-01 Cassia Network Inc. Devices, systems, and methods for detecting falls
US9922524B2 (en) * 2015-10-30 2018-03-20 Blue Willow Systems, Inc. Methods for detecting and handling fall and perimeter breach events for residents of an assisted living facility
US9640057B1 (en) * 2015-11-23 2017-05-02 MedHab, LLC Personal fall detection system and method
CN105448040A (zh) 2015-12-23 2016-03-30 深圳市嘉兰图设计股份有限公司 具有预报警功能的跌倒报警系统
US10147296B2 (en) * 2016-01-12 2018-12-04 Fallcall Solutions, Llc System for detecting falls and discriminating the severity of falls
US10692011B2 (en) 2016-01-21 2020-06-23 Verily Life Sciences Llc Adaptive model-based system to automatically quantify fall risk
CN105769205A (zh) 2016-02-23 2016-07-20 中国科学院深圳先进技术研究院 一种身体信息检测设备及跌倒检测系统
CN106037749A (zh) * 2016-05-18 2016-10-26 武汉大学 一种基于智能手机和可穿戴式设备的老年人跌倒监测方法
US10226204B2 (en) * 2016-06-17 2019-03-12 Philips North America Llc Method for detecting and responding to falls by residents within a facility
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
US10506990B2 (en) * 2016-09-09 2019-12-17 Qualcomm Incorporated Devices and methods for fall detection based on phase segmentation
CN106530611A (zh) 2016-09-28 2017-03-22 北京奇虎科技有限公司 终端及检测人体跌倒的方法和装置
US20180247713A1 (en) 2017-02-28 2018-08-30 Steven I Rothman Intelligent Wearable Sensors for Adaptive Health Score Analytics
CN107123239A (zh) 2017-05-10 2017-09-01 杭州伯仲信息科技有限公司 一种智能鞋跌倒检测系统及方法
US20190099114A1 (en) 2017-09-29 2019-04-04 Sensogram Technologies, Inc. Fall sensing and medical alert systems
US11527140B2 (en) 2017-09-29 2022-12-13 Apple Inc. Detecting falls using a mobile device
US10950112B2 (en) 2017-09-29 2021-03-16 Koninklijke Philips N.V. Wrist fall detector based on arm direction
US11282363B2 (en) 2017-09-29 2022-03-22 Apple Inc. Detecting falls using a mobile device
US11282361B2 (en) 2017-09-29 2022-03-22 Apple Inc. Detecting falls using a mobile device
US11282362B2 (en) 2017-09-29 2022-03-22 Apple Inc. Detecting falls using a mobile device
US10629048B2 (en) 2017-09-29 2020-04-21 Apple Inc. Detecting falls using a mobile device
US10827951B2 (en) 2018-04-19 2020-11-10 Careview Communications, Inc. Fall detection using sensors in a smart monitoring safety system
CN111383420A (zh) 2018-12-29 2020-07-07 深圳市华赢飞沃科技有限公司 一种跌倒检测方法及设备
US11179064B2 (en) 2018-12-30 2021-11-23 Altum View Systems Inc. Method and system for privacy-preserving fall detection
US20230112071A1 (en) 2021-06-04 2023-04-13 Apple Inc. Assessing fall risk of mobile device user

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007507320A (ja) 2003-10-07 2007-03-29 メドトロニック・インコーポレーテッド 期外収縮刺激（ｅｓｓ）治療に対する反応の最適化及び評価のための方法及び装置
US20140375461A1 (en) 2008-06-27 2014-12-25 Neal T. RICHARDSON Autonomous Fall Monitor
JP2016512777A (ja) 2013-03-22 2016-05-09 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 転倒を検出する方法及び転倒検出器
US20160113551A1 (en) 2013-06-06 2016-04-28 Koninklijke Philips N.V. Fall detection system and method

Also Published As

Publication number Publication date
CN111132603B (zh) 2023-10-10
US20220036714A1 (en) 2022-02-03
CN111132603A (zh) 2020-05-08
EP3777662A1 (en) 2021-02-17
KR20220104264A (ko) 2022-07-26
CN117116003A (zh) 2023-11-24
US11276290B2 (en) 2022-03-15
EP3777663A1 (en) 2021-02-17
JP2020531110A (ja) 2020-11-05
JP2022037048A (ja) 2022-03-08
US20190103007A1 (en) 2019-04-04
US11842615B2 (en) 2023-12-12
US10629048B2 (en) 2020-04-21
WO2019067424A1 (en) 2019-04-04
EP3788952A1 (en) 2021-03-10
KR20200033934A (ko) 2020-03-30
US20240127683A1 (en) 2024-04-18
EP3658010A1 (en) 2020-06-03
JP6990763B2 (ja) 2022-01-12
US20200250954A1 (en) 2020-08-06
KR102419586B1 (ko) 2022-07-12

Similar Documents

Publication Publication Date Title
JP7261284B2 (ja) モバイルデバイスを使用する転倒検出
US11527140B2 (en) Detecting falls using a mobile device
US11282362B2 (en) Detecting falls using a mobile device
US11282361B2 (en) Detecting falls using a mobile device
US11282363B2 (en) Detecting falls using a mobile device
Shahzad et al. FallDroid: An automated smart-phone-based fall detection system using multiple kernel learning
US9959732B2 (en) Method and system for fall detection
JP6923319B2 (ja) 転倒検出システム、方法及びコンピュータプログラム
RU2584459C2 (ru) Жестовое управление для отслеживания показателей жизнедеятельности
US9411780B1 (en) Employing device sensor data to determine user characteristics
CN112512411A (zh) 使用电子设备的情境感知呼吸率确定
CN112438721A (zh) 状态判断方法、电子设备以及计算机存储介质
Guiry et al. Orientation independent human mobility monitoring with an android smartphone
CN113936420B (zh) 使用移动设备检测跌倒
Wu et al. Fall detection system design by smart phone
Weng et al. Fall detection based on tilt angle and acceleration variations
CN113936421A (zh) 使用移动设备检测跌倒
CN113936422A (zh) 使用移动设备检测跌倒
US20230084356A1 (en) Context Aware Fall Detection Using a Mobile Device

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211227

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211227

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220914

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221214

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230308

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230407

R150 Certificate of patent or registration of utility model

Ref document number: 7261284

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150