JP7406370B2 - 転倒検知端末及びプログラム - Google Patents
転倒検知端末及びプログラム Download PDFInfo
- Publication number
- JP7406370B2 JP7406370B2 JP2019239550A JP2019239550A JP7406370B2 JP 7406370 B2 JP7406370 B2 JP 7406370B2 JP 2019239550 A JP2019239550 A JP 2019239550A JP 2019239550 A JP2019239550 A JP 2019239550A JP 7406370 B2 JP7406370 B2 JP 7406370B2
- Authority
- JP
- Japan
- Prior art keywords
- fall
- data
- movement
- user
- acceleration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims description 102
- 230000001133 acceleration Effects 0.000 claims description 127
- 230000033001 locomotion Effects 0.000 claims description 126
- 238000012544 monitoring process Methods 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 208000003443 Unconsciousness Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 229910052774 Proactinium Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 229910052745 lead Inorganic materials 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 229910052987 metal hydride Inorganic materials 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 229910052759 nickel Inorganic materials 0.000 description 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 1
- -1 nickel metal hydride Chemical class 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
- Telephone Function (AREA)
Description
上記転倒検知端末の動きを検出する動きセンサから出力された動きデータを基に、上記ユーザの転倒の有無を判定するステップと、
上記動きデータを基に上記ユーザの体動の有無を判定するステップと、
上記転倒が有ったと判定され、かつ、上記体動が無かったと判定された場合、上記ユーザに転倒異常が発生したと判定するステップと、を実行させるプログラムである。
上記転倒の有無を判定するステップは、上記動きデータを入力データとし上記転倒の有無を出力データとする機械学習によって生成された判定モデルに第1の時点に対応する第1の期間の上記動きデータを入力することで上記転倒の有無を判定する。
上記体動の有無を判定するステップは、上記第1の期間以後の第2の期間の上記動きデータの値が所定の条件を満たすか否かにより上記体動の有無を判定する。
図1は、本発明の一実施形態に係る転倒検知端末の構成を示す図である。
次に、以上のように構成された転倒検知端末100の監視動作について説明する。
まず、上記学習手段200による学習処理について説明する。図2は、上記転倒検知端末100が用いる判定モデルの機械学習に用いられる加速度データの波形例を示した図である。また図3は、上記判定モデルの機械学習について説明した図である。
次に、上記転倒検知端末100の制御部18(転倒監視手段181)による転倒監視処理について説明する。転倒監視手段181は、加速度センサ11の出力データに基づいてユーザの転倒の有無を判定する。当該転倒監視処理においては、ユーザの転倒の仕方によって加速度データが大きく変化する範囲については上記学習手段200によって機械学習された判定モデルを用いて判定し、ユーザの転倒の仕方によって加速度データが大きく変化しない範囲については加速度データが所定の条件を満たすか否かを確認するルールベースによって判定することとしている。
まず、ユーザの転倒の有無を判定する転倒判定処理について説明する。転倒は、地面等へのユーザの身体の衝突を伴うため、転倒検知端末100に加わる衝撃によって加速度が大きく変化する。そこで、制御部18はまず、転倒判定処理のトリガとなる閾値以上の加速度ピークを検出したか否か判断する(図4のステップ41)。
次に、上述のように転倒が検出された後に転倒異常を確定するための体動検出処理について説明する。
1)体動判定期間内に一定以上(例えば12m/s2)のピーク値が所定回数検出されたとき
2)体動判定期間内に上記ピーク値の合計が所定値を超えたとき
3)体動判定期間内に加速度の変化量を積算した合計値が一定値を超えたとき
4)体動判定期間内に単位時間当たりの加速度変化量が一定値を超えたとき
以上説明したように、本実施形態によれば、転倒の仕方によって加速度データの大きな変化が起こりやすい転倒判定処理においては機械学習によって訓練された判定モデルを用い、加速度データに大きな変化が起こりにくい体動判定処理においてはルールベース処理を用い、判定基準を適切に使い分けることで、誤報や失報を抑制して、ユーザの転倒(ユーザが意識を失って転倒したこと)を高精度かつ高効率に判定することができる。また、全てに判定モデルを用いる場合に比べて計算処理の負荷を軽減することで、長時間の見守りを実現できる。
本技術は上述の実施形態にのみ限定されるものではなく、本技術の要旨を逸脱しない範囲内において種々変更され得る。
12…装着センサ12
14…無線通信部14
18…制御部
181…転倒監視手段
182…衝撃検出手段
183…転倒判定手段
184…体動判定手段
100…転倒検知端末
200…学習手段
C…監視センタ
Claims (7)
- ユーザにより携帯され、当該ユーザの転倒を検知する転倒検知端末であって、
当該転倒検知端末の動きを検出し、当該動きを示す動きデータを出力する動きセンサと、
前記動きデータを基に前記ユーザの転倒の有無を判定する転倒判定手段と、
前記動きデータを基に前記ユーザの体動の有無を判定する体動判定手段と、
前記転倒が有ったと判定され、かつ、前記体動が無かったと判定された場合、前記ユーザに転倒異常が発生したと判定する転倒監視手段と
を具備し、
前記転倒判定手段は、前記動きデータを入力データとし前記転倒の有無を出力データとする機械学習によって生成された判定モデルに第1の時点に対応する第1の期間の前記動きデータを入力することで前記転倒の有無を判定し、
前記体動判定手段は、前記第1の期間以後の第2の期間の前記動きデータの値が所定の条件を満たすか否かにより前記体動の有無を判定する
転倒検知端末。 - 請求項1に記載の転倒検知端末であって、
前記動きセンサは、3軸の加速度センサであり、
前記転倒判定手段は、前記3軸の各加速度データをそれぞれ入力データとして生成された前記判定モデルに前記第1の期間の前記3軸の各加速度データをそれぞれ入力することで前記転倒の有無を判定し、
前記体動判定手段は、前記3軸の各加速度データから求めたスカラー値に基づいて前記体動の有無を判定する
転倒検知端末。 - 請求項1または2に記載の転倒検知端末であって、
前記動きデータを基に当該転倒検知端末に加わった衝撃を検出する衝撃検出手段をさらに具備し、
前記第1の時点は、前記衝撃の検出時点である
転倒検知端末。 - 請求項3に記載の転倒検知端末であって、
前記第1の期間は、前記衝撃の検出前後の期間であって、
前記第1の期間において、前記衝撃の検出前の期間よりも検出後の期間の方が長い
転倒検知端末。 - 請求項3又は4に記載の転倒検知端末であって、
前記動きセンサは、3軸の加速度センサであり、
前記衝撃検出手段は、前記3軸の各加速度データから求めたスカラー値に基づいて前記衝撃を検出する
転倒検知端末。 - 請求項3乃至5のいずれかに記載の転倒検知端末であって、
前記動きデータを逐次記憶する記憶手段を有し、
前記転倒判定手段は、前記衝撃が検出された場合に、当該衝撃の検出時よりも所定時間前に記憶されていた動きデータから逐次前記判定モデルへの入力を開始する
転倒検知端末。 - ユーザにより携帯され、当該ユーザの転倒を検知する転倒検知端末に、
前記転倒検知端末の動きを検出する動きセンサから出力された動きデータを基に、前記ユーザの転倒の有無を判定するステップと、
前記動きデータを基に前記ユーザの体動の有無を判定するステップと、
前記転倒が有ったと判定され、かつ、前記体動が無かったと判定された場合、前記ユーザに転倒異常が発生したと判定するステップと、
を実行させるプログラムであって、
前記転倒の有無を判定するステップは、前記動きデータを入力データとし前記転倒の有無を出力データとする機械学習によって生成された判定モデルに第1の時点に対応する第1の期間の前記動きデータを入力することで前記転倒の有無を判定し、
前記体動の有無を判定するステップは、前記第1の期間以後の第2の期間の前記動きデータの値が所定の条件を満たすか否かにより前記体動の有無を判定する
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019239550A JP7406370B2 (ja) | 2019-12-27 | 2019-12-27 | 転倒検知端末及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019239550A JP7406370B2 (ja) | 2019-12-27 | 2019-12-27 | 転倒検知端末及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021108047A JP2021108047A (ja) | 2021-07-29 |
JP7406370B2 true JP7406370B2 (ja) | 2023-12-27 |
Family
ID=76967966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019239550A Active JP7406370B2 (ja) | 2019-12-27 | 2019-12-27 | 転倒検知端末及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7406370B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016177459A (ja) | 2015-03-19 | 2016-10-06 | セコム株式会社 | 転倒検知端末およびプログラム |
WO2019067424A1 (en) | 2017-09-29 | 2019-04-04 | Apple Inc. | DETECTION OF FALLS USING A MOBILE DEVICE |
US20190231280A1 (en) | 2018-01-30 | 2019-08-01 | Gaia Connect Inc. | Health monitor wearable device |
-
2019
- 2019-12-27 JP JP2019239550A patent/JP7406370B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016177459A (ja) | 2015-03-19 | 2016-10-06 | セコム株式会社 | 転倒検知端末およびプログラム |
WO2019067424A1 (en) | 2017-09-29 | 2019-04-04 | Apple Inc. | DETECTION OF FALLS USING A MOBILE DEVICE |
US20190231280A1 (en) | 2018-01-30 | 2019-08-01 | Gaia Connect Inc. | Health monitor wearable device |
Also Published As
Publication number | Publication date |
---|---|
JP2021108047A (ja) | 2021-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6464002B2 (ja) | 転倒検知端末およびプログラム | |
Curone et al. | A real-time and self-calibrating algorithm based on triaxial accelerometer signals for the detection of human posture and activity | |
JP4663503B2 (ja) | 転倒判定方法及びその装置 | |
CN104504854B (zh) | 用于检测人体摔倒的报警方法 | |
CN106465459A (zh) | 一种用于可穿戴设备脱落检测的方法及可穿戴设备 | |
US20060241521A1 (en) | System for automatic structured analysis of body activities | |
CN205050303U (zh) | 一种智能人体瘫倒监测装置 | |
CN105726034B (zh) | 基于摔倒报警与跟踪定位功能的腕表式智能养老看护平台 | |
CN107049255A (zh) | 一种穿戴式智能设备及其睡眠算法 | |
JP6442336B2 (ja) | 異常検知端末及びプログラム | |
JP6563220B2 (ja) | 転倒検知端末およびプログラム | |
JP6563662B2 (ja) | 転倒検知端末およびプログラム | |
CN105232000B (zh) | 癫痫检测装置及癫痫检测方法 | |
Shi et al. | Fall detection system based on inertial mems sensors: Analysis design and realization | |
Hou et al. | Triaxial accelerometer-based real time fall event detection | |
JP7542943B2 (ja) | 転倒検知端末及びプログラム | |
CN108028007A (zh) | 个人急救响应系统求助按钮的佩戴依从性 | |
JP7406370B2 (ja) | 転倒検知端末及びプログラム | |
JP6491504B2 (ja) | 転倒検知端末およびプログラム | |
JP6560512B2 (ja) | 異常検出端末及びプログラム | |
CN116269266B (zh) | 基于ai的老年人健康监测方法和系统 | |
AU2021107475A4 (en) | Method and System for Monitoring Body Movements | |
Pereira et al. | Fall detection on ambient assisted living using a wireless sensor network | |
JP6490461B2 (ja) | 異常検出端末及びプログラム | |
JP6461658B2 (ja) | 転倒検知端末およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221118 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20221118 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231122 |
|
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: 20231205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7406370 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |