KR101883008B1 - 낙상 예측 또는 감지 장치 및 그를 위한 방법 - Google Patents

Abstract

낙상을 예측 또는 감지하기 위한 낙상 센싱 시스템으로서, 상기 시스템은 사용자에게 착용되어 상기 사용자 이동 또는 움직임에 따른 가속도 데이터를 검출하고, 그로부터 가속도 특징값 또는 이벤트 관련 데이터를 생성하도록 구성된 낙상 센싱 단말; 및 상기 낙상 센싱 단말로부터 상기 이벤트 관련 데이터를 주기적으로 수신하여 낙상 위험율을 계산하도록 구성된 낙상 센싱 서버를 포함하고, 상기 이벤트 관련 데이터는 상기 가속도 특징값을 크기에 따라 분류한 복수 개의 이벤트와, 상기 각각의 이벤트의 발생 빈도수에 관한 정보를 포함할 수 있다.

Description

낙상 예측 또는 감지 장치 및 그를 위한 방법{APPARATUS AND METHOD FOR PREDICTING OR DETECTING A FALL}

본 발명은 낙상 예측 또는 감지 장치 및 그를 위한 방법에 관한 것으로서, 좀더 상세하게는 낙상 사고를 감지할 뿐만 아니라 낙상 사고의 위험율을 계산하여 낙상 사고를 예측할 수 있는 장치 및 방법에 관한 것이다.

최근 들어 고령화에 따라 노인들의 낙상으로 인한 사고가 많이 발생하고 있다. 낙상 환자 10명 중 약 1명은 대퇴부 골절이나 머리 손상으로 입원이 필요한 심각한 손상이 동반되어 손상에 의한 치료 기간이 길어지고 경우에 따라서 사망까지 발생하므로 본인과 가족의 육체적 정신적 고통이 심하며 경제적 손실 또한 커지고 있다. 따라서, 노인들의 낙상에 대한 예방이 중요해지고 있다.

한편, 낙상은 발생하기 앞서서 미리 조짐 또는 징조가 나타날 가능성이 높다. 다시 말하면, 시간에 따라 균형감각을 잃게 되어 결국 균형감각 상실로 인해 낙상이 발생하므로 낙상 발생 전에 낙상 발생 가능성 또는 낙상 위험율 등을 계산할 수 있다면 낙상 예방에 큰 도움이 될 것이다.

따라서, 노인들의 일상적인 육체 활동을 모니터링하여 물리적 특징값을 획득하여, 이들로부터 낙상 발생 가능성 또는 낙상 위험율 등을 계산하여 낙상 사고를 미리 예방하고, 또한 낙상 발생 여부를 감지할 수 있는 장치 또는 방법에 대한 개발이 필요하다.

본 발명은 낙상 발생 가능성 또는 낙상 위험율 등을 계산하여 낙상 사고를 미리 예방하고, 또한 낙상 발생 여부를 감지할 수 있는 장치 또는 방법에 관한 것이다.

본 발명의 일 실시예에 따라 3축 가속도 센서에 의해 측정된 가속도 데이터를 이용하여 낙상을 예측하거나 감지하기 위한 낙상 센싱 단말이 개시되며, 상기 낙상 센싱 단말은 상기 3축 가속도 센서로부터 상기 가속도 데이터를 미리 결정된 기간 동안 미리 결정된 시간 간격으로 샘플링하여 획득하고, 상기 획득된 가속도 데이터로부터 가속도 특징값을 추출하도록 구성된 가속도 특징값 추출부; 상기 가속도 특징값을 크기에 따라 복수 개의 이벤트로 분류하며, 상기 각각의 이벤트의 발생 빈도수를 누적하여 이벤트 관련 데이터를 생성하도록 구성된 이벤트 분류부; 및 상기 가속도 특징값 또는 상기 이벤트 관련 데이터에 기반하여 낙상 위험율을 계산하거나 낙상 발생 여부를 판단하도록 구성된 제어부를 포함하고, 상기 이벤트 관련 데이터는 상기 가속도 특징값을 크기에 따라 분류한 복수 개의 이벤트와, 상기 각각의 이벤트의 발생 빈도수에 관한 정보를 포함할 수 있다.

상기 가속도 특징값은 가속도 데이터 크기, 가속도 데이터 미분값, 가속도 데이터 표준 편차, 및 최대 가속도 데이터 그리고 상기 최대 가속도 데이터의 해당 축 정보 중 적어도 하나를 포함할 수 있다.

상기 낙상 센싱 단말은 상기 이벤트 관련 데이터를 일정 기간별로 분석하기 위해 주기적으로 낙상 센싱 서버로 전송하도록 구성된 통신부를 더 포함할 수 있다.

상기 제어부는 상기 가속도 특징값 또는 상기 계산된 낙상 위험율이 각각의 임계치를 초과하면 낙상이 발생했다고 판단하며, 상기 낙상 발생이 결정된 경우, 사용자의 입력이 미리 결정된 시간 동안 인가되면 상기 낙상 발생 결정이 잘못된 것임을 인식하고, 상기 각각의 임계치를 일정 크기만큼 증가시키도록 구성될 수 있다.

본 발명의 일 실시예에 따라 낙상을 예측하거나 감지하기 위한 낙상 센싱 서버가 개시되며, 상기 낙상 센싱 서버는 상기 낙상 센싱 단말로부터 상기 이벤트 관련 데이터를 주기적으로 수신하도록 구성된 통신부; 및 상기 수신된 이벤트 관련 데이터를 기반으로 낙상 위험율을 계산하도록 구성된 프로세서부를 포함하고, 상기 이벤트 관련 데이터는 샘플링된 가속도 데이터로부터 추출된 가속도 특징값을 크기에 따라 분류한 복수 개의 이벤트와, 상기 각각의 이벤트에 해당되는 빈도수를 포함할 수 있다.

상기 가속도 특징값은 가속도 데이터 크기, 가속도 데이터 미분값, 가속도 데이터 표준 편차, 및 최대 가속도 데이터 그리고 상기 최대 가속도 데이터의 해당 축 정보 중 적어도 하나를 포함할 수 있다.

상기 프로세서부는 상기 낙상 위험율을 계산하기 위해 상기 복수 개의 레벨에 해당하는 이벤트를 일상 생활 영역(A)과 충격 영역(B)으로 구분하여, 상기 일상 생활 영역(A)과 상기 충격 영역(B)의 발생 비율을 계산하도록 구성될 수 있다.

상기 프로세서부는 상기 낙상 위험율을 계산하기 위해 각 이벤트마다 차등 점수를 부여하여, 전체 이벤트에 대한 점수를 계산하도록 구성될 수 있다.

본 발명의 일 실시예에 따른 낙상을 예측 또는 감지하기 위한 낙상 센싱 시스템이 개시되며, 상기 낙상 센싱 시스템은 사용자에게 착용되어 상기 사용자 이동 또는 움직임에 따른 가속도 데이터를 검출하고, 그로부터 가속도 특징값 또는 이벤트 관련 데이터를 생성하도록 구성된 낙상 센싱 단말; 및 상기 낙상 센싱 단말로부터 상기 이벤트 관련 데이터를 주기적으로 수신하여 낙상 위험율을 계산하도록 구성된 낙상 센싱 서버를 포함하고, 상기 이벤트 관련 데이터는 상기 가속도 특징값을 크기에 따라 분류한 복수 개의 이벤트와, 상기 각각의 이벤트의 발생 빈도수에 관한 정보를 포함할 수 있다.

상기 가속도 특징값은 가속도 데이터 크기, 가속도 데이터 미분값, 가속도 데이터 표준 편차, 및 최대 가속도 데이터 그리고 상기 최대 가속도 데이터의 해당 축 정보 중 적어도 하나를 포함할 수 있다.

상기 낙상 센싱 단말은 상기 가속도 특징값이 임계치를 초과하면 낙상이 발생했다고 판단하며, 상기 낙상 발생이 결정된 경우, 사용자의 입력이 미리 결정된 시간 동안 인가되면 상기 낙상 발생 결정이 잘못된 것임을 인식하고, 상기 임계치를 일정 크기만큼 증가시키도록 구성될 수 있다.

본 발명의 실시예에 따르면 사용자의 낙상 위험율을 계산하여 이를 보호자 또는 관리자에게 전송하여 보호자 또는 관리자에게 상기 사용자의 일상 활동 정보를 제공하며, 상기 사용자에 대한 관리 보호를 강화하도록 유도할 수 있다. 또한, 계산된 낙상 위험율을 통해 낙상 여부 검출을 더욱 효율적으로 그리고 신뢰도 높게 수행할 수 있다.

또한, 낙상 여부 결정 알고리즘을 위한 임계치 적용에 학습 알고리즘을 적용하여 개별 사용자별로 알고리즘을 최적화할 수 있도록 조정이 가능하다.

도 1은 본 발명의 일 실시예에 따른 낙상 센싱 단말과 낙상 센싱 서버의 블록도를 도시한다.
도 2는 본 발명의 일 실시예에 따른 낙상 예측 또는 감지 알고리즘의 순서도를 도시한다.
도 3은 본 발명의 일 실시예에 따른 낙상 예측 또는 감지 알고리즘의 순서도를 도시한다.
도 4는 본 발명의 일 실시예에 따른 낙상 예측 또는 감지 알고리즘의 순서도를 도시한다.
도 5는 본 발명의 일 실시예에 따른 낙상 센서 단말과 그 일부 기능을 도시한다.
도 6은 본 발명의 일 실시예에 따른 낙상 위험율 계산 또는 낙상 여부 결정을 설명하기 위한 그래프이다.
도 7은 본 발명의 일 실시예에 따른 낙상 센싱 단말 측의 낙상 예측 또는 감지에 관한 동작을 설명한다.
도 8은 본 발명의 일 실시예에 따른 낙상 센싱 서버 측의 낙상 예측 또는 감지에 관한 동작을 설명한다.

이하, 본 발명과 관련된 모바일 기기에 대하여 도면을 참조하여 보다 상세하게 설명한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.

또한, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 포괄하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

도 1은 본 발명의 일 실시예에 따른 낙상 센싱 단말(100)과 낙상 센싱 서버(200)의 블록도를 도시한다.

낙상 센싱 단말(100)은 노인 또는 환자 등 낙상으로부터 보호와 관리가 필요한 사용자에게 착용시키는 장치로서, 사용자의 움직임 또는 육체적 활동을 검출할 수 있는 장치이다. 또한, 낙상 센싱 단말(100)은 상기 검출된 움직임 또는 육체적 활동으로부터 낙상 위험율을 계산하거나 낙상 발생 여부를 판단할 수도 있다.

낙상 센싱 서버(200)는 상기 낙상 센싱 단말로부터 상기 사용자의 움직임 또는 육체적 활동을 일정한 기준으로 복수 개의 이벤트로 분류한 이벤트 관련 데이터를 수신하여, 이로부터 낙상 위험율을 계산하거나 낙상 발생 여부를 판단할 수 있다. 또한, 이러한 낙상 위험율 또는 낙상 발생 여부를 내장된 디스플레이부나 스피커부(미도시)를 통해 출력할 수 있다.

또한, 낙상 센싱 단말(100)과 낙상 센싱 서버(200)는 짝을 이루어 하나의 낙상 센싱 시스템으로 구성될 수도 있다.

또한, 본 발명의 명세서에서 낙상 센싱 단말(100)과 낙상 센싱 서버(200)가 모두 낙상 위험율 계산 또는 낙상 발생 여부를 판단할 수 있는 것으로 설명될 것이다. 그러나, 이러한 각 구성요소의 기능 분배는 구체적인 실시예에서 변동될 수도 있는 것으로서 본 발명의 권리 범위를 제한하지 않는다.

낙상 센싱 단말(100)은 가속도 데이터를 검출하도록 구성된 3축 가속도 센서부(110), 상기 검출된 가속도 데이터 처리하기 위한 데이터 처리부(120), 상기 처리된 데이터를 낙상 센싱 서버(200)로 전송하도록 구성된 통신부(124), 데이터 처리와 관련된 결과나 상기 낙상 센싱 단말이 사용자가 제대로 착용하고 있는지 여부등을 표시 또는 알리기 위한 출력부(125), 및 사용자의 제어를 위한 사용자 입력 버튼부(126)를 포함할 수 있다.

낙상 센싱 단말(100)은 센싱 대상인 사용자의 신체에 부착 또는 착용되어야 하는 것으로서, 가볍고 크기가 소형인 것이 적합하다. 상기 낙상 센싱 단말은 손목 또는 암(arm) 밴드 형식일 수도 있다.

낙상 센싱 단말(100)은 상기 사용자의 움직임 또는 육체적 활동을 내장된 3축 가속도 센서를 통해 측정 또는 모니터링하므로, 상기 낙상 센싱 단말이 상기 사용자에게 제대로 착용되어야 한다. 따라서, 낙상 센싱 단말(100)은 상기 낙상 센싱 단말이 상기 사용자에게 제대로 착용되었는지 여부를 검출하기 위한 착용여부판단부(111)를 더 포함할 수 있다.

데이터 처리부(120)는 상기 3축 가속도 센서부로부터 측정된 가속도 데이터를 처리하기 위한 구성으로서, 가속도 특징값 추출부(121), 이벤트 분류부(122) 및 제어부(123)를 포함할 수 있다.

가속도 특징값 추출부(121)는 상기 사용자의 움직임 또는 육체적 활동 등의 특징을 추출하기 위해 상기 3축 가속도 센서부로부터 획득된 가속도 데이터를 이용할 수 있다. 이를 위해, 상기 가속도 특징값 추출부는 상기 3축 가속도 센서부로부터 가속도 데이터를 제 1 기간 동안 미리 정해진 시간 간격으로 샘플링하여 획득할 수 있다. 상기 가속도 특징값 추출부는 상기 획득된 가속도 데이터로부터 가속도 특징값을 추출할 수 있다. 여기서, 상기 가속도 특징값은 가속도 데이터 크기, 가속도 데이터 미분값, 가속도 데이터 표준 편차, 최소 및 최대 가속도 데이터 그리고 상기 최소 및 최대 가속도 데이터의 해당 축 정보 중 적어도 하나를 포함할 수 있다.

이벤트 분류부(122)는 상기 가속도 특징값 추출부에 의해 획득된 가속도 특징값을 복수 개의 이벤트로 분류할 수 있다. 예를 들어, 상기 가속도 특징값은 크기를 갖는 데이터일 수 있으며, 이러한 가속도 특징값은 크기에 따라 복수 개의 이벤트로 분류될 수 있다.

낙상 현상은 갑작스러운 큰 움직임 또는 육체적 활동으로 인식된 이벤트에 해당할 것이고, 따라서 3축 가속도 센서부의 센싱값을 통해 이러한 낙상 현상을 검출한다면 센싱값이 매우 크거나 센싱값의 변동이 매우 큰 이벤트가 낙상 현상에 해당할 것이다. 또한, 상대적으로 큰 값의 센싱값 또는 센싱값 변동을 낙상의 조짐 또는 징조로서 판단할 수 있고, 이러한 경우가 낙상 위험율이 높다고 판단할 수 있을 것이다.

따라서, 상기 가속도 특징값을 크기에 따라 여러 구간(또는 이벤트)으로 분류하고 각각의 구간의 발생 빈도수를 누적해 놓으면, 이러한 정보는 낙상 발생 여부나 낙상 위험율을 계산할 수 있는 기초 자료로서 이용될 수 있다.

제어부(123)는 상기 각 이벤트의 누적된 빈도수에 따라 낙상 위험율을 계산하거나 낙상 발생 여부를 판단할 수 있다.

또한, 상기 낙상 센싱 단말은 상기 이벤트의 누적된 발생 빈도수를 일정 기간별(예컨대, 시간, 일, 주, 월, 그리고 년)로 분석하기 위해 주기적으로 낙상 센싱 서버(200)로 전송하도록 구성된 통신부(124)를 포함할 수 있다. 통신부(124)는 유선 또는 무선 통신을 지원할 수 있으며, 근거리 또는 원거리 통신을 위한 통신 프로토콜을 지원할 수 있다.

상기 출력부(125)는 상기 데이터 처리부(120)의 데이터 처리 결과나 상기 낙상 센싱 단말(100)이 사용자에게 제대로 착용되었는지 여부에 따라 진동, 경고음 등을 출력할 수 있다. 따라서, 출력부(125)는 사용자나 관리자 또는 보호자 등에게 오감 중 어느 하나를 통해 정보를 전달할 수 있으면 되므로 그 종류에는 제한이 없다.

또한, 상기 낙상 센싱 단말은 상기 사용자와의 인터페이스를 위한 사용자 입력 버튼부(126)를 더 포함할 수 있다. 예를 들어, 상기 사용자 입력 버튼부(126)는 후술할 것처럼 데이터 처리부(120) 또는 낙상 센싱 서버(200)에서 판단된 낙상 발생 결정이 잘못된 경우, 상기 사용자에 의해 미리 결정된 시간 동안 상기 버튼부가 눌러지면 상기 낙상 발생 결정이 잘못된 것으로 인식되도록 할 수 있다.

또한, 상기 사용자 입력 버튼부(126)는 상기 출력부(125)의 제어를 위해 사용될 수 있다.

만약 상기 출력부(125)가 디스플레이부라면, 상기 사용자 입력 버튼부가 1회 눌러지면 상기 디스플레이부의 화면을 전환하는 기능을 수행할 수 있다. 예를 들어, 상기 디스플레이부에 사용자의 활동 소모량, 시각 또는 걸음수 등을 표시한다고 하면, 상기 사용자 입력 버튼부가 한번 씩 눌러질 때마다 상기 표시되는 내용이 전환되도록 구성될 수 있다.

낙상 센싱 서버(200)는 상기 낙상 센싱 단말로부터 이벤트 관련 데이터를 주기적으로 수신하도록 구성된 통신부(210) 및 상기 수신된 이벤트 관련 데이터를 기반으로 낙상 위험율을 계산하거나 낙상 발생 여부를 판단하도록 구성된 프로세서부(220)를 포함할 수 있다.

여기서, 상기 이벤트 관련 데이터는 상기 낙상 센싱 단말에 의해 샘플링된 가속도 데이터로부터 추출된 가속도 특징값을 크기에 따라 분류한 복수 개의 이벤트와, 상기 각각의 이벤트의 발생 빈도수에 관한 정보를 포함할 수 있다.

또한, 상기 낙상 센싱 서버는 그 명칭으로 인해 복잡하고 대규모의 서버 시스템으로 오인될 수도 있으나, 상기 낙상 센싱 서버는 가정 내의 PC 또는 모바일 단말 등일 수 있다.

또한, 상기 낙상 센싱 서버는 상기 계산된 낙상 위험율을 표시하기 위한 디스플레이부(230)를 포함할 수 있다. 상기 프로세서부에 의해 계산된 낙상 위험율을 상기 디스플레이부에 표시함으로써, 상기 사용자의 보호자 또는 관리자가 상기 낙상 위험율을 모니터링할 수 있도록 한다.

또한, 상기 낙상 센싱 서버는 스피커부(미도시)를 구비하여, 상기 낙상 위험율이 일정 수준 이상을 초과하여 위험 구간에 속하는 경우 경고음을 출력할 수 있다.

상기 낙상 위험율의 계산은 여러 가지 수학적인 방법을 이용하여 수행될 수 있다. 상기 낙상 위험율을 계산하기 위해 상기 이벤트 관련 데이터의 복수 개의 이벤트와 이 이벤트의 발생 빈도수가 이용될 수 있다.

예를 들어, 상기 이벤트는 가속도 특징값의 크기에 따라 6개의 이벤트로 분류되었다고 가정하면, 상기 크기에 따라 작은 것부터 큰 순으로 E1 부터 E6까지 총 6개의 이벤트 구간이 존재할 수 있다. 여기서, E5와 E6이 낙상 발생의 조짐 또는 징조로 볼 수 있는 가속도 특징값을 갖는다고 볼 수 있고, 이 경우에 전체 이벤트의 발생 빈도수 대비 E5와 E6의 발생 빈도수의 비율을 상기 낙상 위험율로 볼 수 있다.

또한, 상기 낙상 위험율을 계산하기 위해 각 이벤트(E1 내지 E6)의 발생에 차등 점수를 부여하고, 전체 이벤트에 대한 점수를 계산할 수 있다. 예를 들어, E1, E2, E3, E4, E5 및 E6에 각각 0.1, 0.3, 0.5, 0.7, 0.9 및 1.1점을 부여하고, 각 이벤트의 발생 빈도수를 곱하여 총 점수를 계산할 수 있다. 제 1 기간 동안 각 이벤트에 해당하는 가속도 데이터 또는 가속도 특징값을 30번씩 수집한다고 가정하면, 최대 가능 점수는 30*1.1=33점이고, 이 최대 가능 점수 대비 이벤트 발생 점수의 비율로서 상기 낙상 위험율을 계산할 수 있다.

또한, 상기 낙상 위험율을 계산하기 위해 상기 복수 개의 이벤트(E1 내지 E5)를 일상 생활 영역(A)과 충격 영역(B)으로 구분할 수 있다. 상기 일상 생활 영역과 상기 충격 영역으로의 구분은 가속도 데이터 또는 가속도 특징값의 크기에 따라 구분될 수 있다. 예를 들어, 상대적으로 작은 크기의 가속도 데이터 또는 가속도 특징값은 일생 생활에서 발생할 수 있는 충격 또는 가속도 변화로 여길 수 있고, 상대적으로 큰 크기의 가속도 데이터 또는 가속도 특징값은 일생 생활이 아닌 사용자에게 위험이 따를 수 있는 충격 또는 가속도 변화로 여길 수 있다. 이에 따라, 이벤트 E1 내지 E4는 일상 생활 영역으로 분류할 수 있고, 이벤트 E5 내지 E6는 충격 영역으로 분류할 수 있다. 이처럼, 상기 일상 생활 영역(A)과 상기 충격 영역(B)의 발생 빈도수 비율을 계산하여 상기 낙상 위험율을 계산할 수 있다.

또한, 앞서 언급한 낙상 위험율 계산을 위한 값들이 선택적으로 결합되어 낙상 위험율 계산에 이용될 수 있다. 이에 대한 설명은 도 6을 참조하여 후술하도록 한다.

한편, 상기 프로세서부(220)는 일정 기간에 따른 상기 낙상 위험율의 추세를 분석할 수 있다. 예컨대, 상기 프로세서부(220)는 기간별, 즉 시간, 일간, 주간, 월간, 연간별 낙상 위험율을 수집하여 현재까지의 추세로부터 앞으로의 낙상 위험율의 추세를 분석할 수 있다. 좀더 상세하게는, 예를 들어 지난 N(N=1, 2, ..., n) 주간의 낙상 위험율이 점진적으로 증가하고 있는 상태이면, 앞으로의 낙상 위험율이 증가할 것으로 예측하여, 이에 관한 정보를 상기 디스플레이부(230)에 표시하여 보호자 또는 관리자의 주의를 요구할 수 있다.

또는, 상기 프로세서부는 상기 기간별 낙상 위험율 추세 중 적어도 2개를 조합하여 상기 추세를 분석할 수 있다. 예를 들어, 일간 낙상 위험율과 주간 낙상 위험율을 모두 수집하여, 일간 낙상 위험율의 변동 추세와 주간 낙상 위험율의 변동 추세가 모두 낙상 위험율이 증가하고 있는 상황이라면 앞으로의 상기 사용자의 낙상 위험율이 증가할 것으로 예측하여, 이에 관한 정보를 상기 디스플레이부(230)에 표시하여 보호자 또는 관리자의 주의를 요구할 수 있다.

또한, 주간 낙상 위험율은 감소하고 있으나 일간 낙상 위험율은 증가하고 있는 상황이라면, 상기 사용자는 보호 또는 주의가 요구되는 자이므로 일간 낙상 위험율이 더욱 중요하다 판단되므로, 앞으로의 상기 사용자의 낙상 위험율이 증가할 것으로 예측하여, 이에 관한 정보를 상기 디스플레이부(230)에 표시하여 보호자 또는 관리자의 주의를 요구할 수 있다.

도 2는 본 발명의 일 실시예에 따른 낙상 예측 또는 감지 알고리즘의 순서도를 도시한다.

가장 먼저, 제어부(123)는 3축 가속도 센서부(110)로부터 가속도 데이터를 읽어들이기 위한 타이머를 설정하고 상기 타이머를 시작할 수 있다(S210).

그리고 나서, 가속도 특징값 추출부(121)는 일정한 주기 또는 주파수로 가속도 데이터를 샘플링할 수 있다(S220). 가속도 데이터를 어떤 주기로 어느 기간 동안 샘플링할지 여부는 본 발명의 구현예에 따라 달라질 수 있으나, 일 예로 20㎐로 1.5초 동안 가속도 데이터를 읽어올 수 있다.

그 후, 제어부(123)는 상기 설정된 타이머가 종료되었는지 여부를 판단할 수 있다(S230). 다시 말하면, 앞에서 결정된 기간 동안 상기 가속도 데이터를 샘플링했는지 여부를 판단할 수 있다.

상기 타이머가 만료되지 않았다면, 알고리즘은 S220으로 돌아가 가속도 데이터를 샘플링해야 한다. 상기 타이머가 만료되었다면, 알고리즘은 S240으로 진행되어 가속도 데이터를 처리하여 낙상 위험율을 계산하는 일련의 절차를 수행하도록 설계되어있다.

가속도 특징값 추출부(121)는 가속도 데이터로부터 가속도 특징값을 추출할 수 있다(S240). 또한, 이벤트 분류부(122)는 상기 가속도 특징값을 크기에 따라 복수 개의 이벤트로 분류(S250)하며, 각각의 이벤트의 발생 빈도수를 누적 계산할 수 있다(S260).

가속도 특징값은 상기 타이머의 동작 기간 동안에 획득된 가속도 값, 가속도 데이터 미분값, 가속도 데이터 표준 편차, 및 최대 가속도 데이터 및 상기 최대 가속도 데이터의 해당 축 정보 중 적어도 하나를 포함할 수 있다.

이러한 가속도 특징값은 대부분 크기를 갖는 값이므로, 이들을 크기에 따라 복수 개의 이벤트로 분류할 수 있다. 가속도 특징값은 앞에서 열거한 것 중 하나만을 이용할 수도 있고, 복수 개를 이용할 수도 있다.

예를 들어, 가속도 특징값 중 가속도 값만을 이용한다면, 일 예에 따라 20㎐로 1.5초 동안 가속도 데이터를 샘플링했으므로 총 30개의 가속도 값이 획득되었을 것이다. 따라서, 상기 30개의 가속도 값을 그 크기에 따라 N개의 그룹으로 나누어 이들 각각을 이벤트라 지칭할 수 있다. 예를 들어, 6개의 그룹 이벤트로 나누어지면, E1 내지 E6의 총 6개의 이벤트가 발생할 수 있다.

따라서, 상기 30개의 가속도 값이 상기 이벤트 E1 내지 E6 중 어디에 해당되는지를 분류하여, 각 이벤트의 발생 빈도수가 누적되어 기록될 수 있다.

이러한 이벤트의 분류와 각 이벤트의 발생 빈도수에 기초하여 제어부(123) 또는 프로세서부(220)는 낙상 위험율을 계산할 수 있다(S270). 가속도 값을 이용하여 낙상 위험율을 계산하는 방법에는 몇가지가 존재하며, 본 명세서에서 몇몇의 방법을 제안하도록 한다.

1) 제 1 안

이벤트는 가속도 특징값의 크기에 따라 E1 내지 E6으로 분류될 수 있다. 이 중에서, 상대적으로 큰 값의 가속도 특징값은 상기 사용자의 상대적으로 큰 육체적 활동 또는 움직임을 나타내므로, 상대적으로 큰 값의 가속도 특징값에 해당하는 이벤트의 발생 비율을 낙상 위험율로 고려할 수 있다.

도 6을 참조하면, 가속도 특징값의 크기에 따라 L1 내지 L6으로 분류되며 각각의 발생 빈도를 누적해놓은 값을 도시하였다. 도 6에 도시된 L1 내지 L6은 각각 이벤트 E1 내지 E6에 대응할 수 있다. 따라서, 도 6의 (a)에서는 E1이 7회, E2가 9회, E3가 4회, E4가 5회, E5가 3회 그리고 E6가 2회 발생하였고, 도 6의 (b)에서는 E1이 1회, E2가 3회, E3가 4회, E4가 5회, E5가 7회 그리고 E6가 10회 발생하였다. 이들을 각각 아래의 표 1 및 2에 나타내었다.

	E1	E2	E3	E4	E5	E6
누적 빈도	7	9	4	5	3	2

	E1	E2	E3	E4	E5	E6
누적 빈도	1	3	4	5	7	10

본 발명의 실시예에 따른 낙상 센싱 단말 또는 서버를 통해 보호 또는 관리 대상인 사용자는 일반적으로 신체 거동이 느리고 약한 노인들이기 때문에 가속도 특징값의 크기가 높은 E5 내지 E6는 평소엔 모니터링되기 어려운 수준의 고 위험도 이벤트일 수 있다. 물론, 상기 고 위험도 이벤트는 일 예로서 지정한 것일 뿐이고 다른 이벤트, 예컨대 E4 내지 E6가 고 위험도 이벤트일 수 있다.

따라서, 상대적으로 고 위험도 이벤트로 평가된 E5 및 E6의 발생 또는 누적 빈도가 상기 낙상 위험율을 계산하는데 이용될 수 있다. 일 예로서, 전체 빈도수 대비 상기 고 위험도 이벤트의 발생 빈도수의 비율이 상기 낙상 위험율에 해당할 수 있다.

표 1의 데이터에 따른 낙상 위험율은 5/30*100(%), 즉 약 16.7%에 해당한다. 표 2의 데이터에 따른 낙상 위험율은 17/30*100(%), 즉 약 56.7%에 해당한다.

또한, 상기 이벤트(E1 내지 E4)는 일상 생활에서 발생할 수 있는 이벤트에 해당한다 볼 수 있으므로 일상 생활 영역(A) 이벤트로 분류하고, 상기 이벤트(E5 내지 E6)는 일상 생활에선 발생할 수 없는 이벤트로서 사용자가 충격을 받았다고 여겨지는 이벤트에 해당한다 볼 수 있으므로 충격 영역(B) 이벤트로 분류할 수 있다. 따라서, 낙상 위험율을 계산하기 위해 상기 일상 생활 영역(A) 이벤트와 상기 충격 영역(B) 이벤트의 발생 비율을 계산할 수 있다.

즉,

로 판단할 수도 있다. 여기서, α는 스케일링을 위한 계수에 해당한다.

2) 제 2 안

앞서 표 1 및 표 2의 내용은 그대로 이용하기로 한다. 낙상 위험율을 계산하는 또 다른 일 안은 각각의 이벤트의 일 빈도수마다 차등 점수를 할당해놓고, 이들의 총 점수를 계산하는 방법이 있다.

예를 들어, E1은 0.1점, E2는 0.3점, E3는 0.5점, E4는 0.7점, E5는 0.9점, E6는 1.1점을 할당하여, 모든 발생 이벤트의 총 점수를 계산할 수 있다. 이들을 표로서 나타내면 다음과 같다.

	E1	E2	E3	E4	E5	E6	계
누적 빈도	7	9	4	5	3	2	30
차등 점수	0.1	0.3	0.5	0.7	0.9	1.1	-
점수	0.7	2.7	2.0	3.5	2.7	2.2	13.8

	E1	E2	E3	E4	E5	E6	계
누적 빈도	1	3	4	5	7	10	30
차등 점수	0.1	0.3	0.5	0.7	0.9	1.1	-
점수	0.1	0.9	2.0	3.5	6.3	11.0	33.8

표 3 및 4에서 표시된, 각각의 총 점수(13.8 및 33.8)를 그대로 낙상 위험율로 이용할 수도 있다. 또한, 이들을 전체 총점 대비 비율로서 낙상 위험율로 이용할 수도 있다.

3) 제 3 안

낙상 위험율을 계산하기 위해, 가속도 특징값들의 수학적 연결관계를 이용하여 새로운 낙상 위험율 지수를 제안하고자 한다.

Vratio는 사용자가 위험할 정도의 충격이 가해진 이벤트의 발생 비율로서, 예를 들어 전체 빈도수 대비 E5 내지 E6의 발생 빈도수 비율에 해당한다. Vratio 값이 높으면 큰 충격에 해당하는 이벤트가 많다는 의미이므로, 낙상 위험율이 상승할 것이다(낙상 위험율과 Vratio는 비례 관계).

FPnum은 상기 낙상 센싱 단말 또는 상기 낙상 센싱 서버에서 낙상 발생으로 결정하였으나 이를 사용자가 잘못된 결정이라고 입력을 인가한 경우의 발생 횟수에 해당한다. FPnum 값이 높으면 낙상 위험율 수준이 높다는 의미이므로, 낙상 위험율이 상승할 것이다(낙상 위험율과 FPnum은 비례 관계).

L1STD는 상기 타이머의 지속 기간 동안 일정 기간별로 L1(즉, E1)의 발생 빈도의 표준 편차에 해당한다. 다시 말하면, 예를 들어 타이머의 지속 기간(T_s1)이 7일(1주일)이라면, 일정 기간(1일, 하루)별로 L1의 발생 빈도수를 기록하여 총 지속 기간(1주일) 간의 이들의 표준 편차를 의미한다. L1STD 값이 높으면 L1의 발생 빈도수가 불규칙적인 것이므로 낙상 위험율이 높아질 것이다(낙상 위험율과 L1STD는 비례 관계.

ADLratio는 사용자가 위험하지 않을 정도의 충격이 가해진 이벤트의 발생 비율로서, 예를 들어 전치 빈도수 대비 E1 내지 E4의 발생 빈도수 비율에 해당한다. ADLratio 값이 높으면 작은 충격에 해당하는 이벤트가 많다는 의미이므로, 낙상 위험율이 감소할 것이다(낙상 위험율과 ADLratio는 반비례 관계).

따라서, 각 인자의 비례 또는 반비례 관계를 이용하여 위의 수학식을 꾸며 낙상 위험율을 계산할 수 있다. ω1 내지 ω4는 가중치 상수이며, K는 유닛 변환 상수에 해당한다.

낙상 위험율을 계산하고 나서, 제어부(123) 또는 프로세서부(220)는 계산된 낙상 위험율이 제 1 임계치(TH1)를 초과하는지 여부를 판단할 수 있다(S280). 이는 상기 계산된 낙상 위험율이 유효한 의미를 갖는 값인지를 판별하는 단계에 해당한다. 이렇게 계산된 낙상 위험율은 상기 사용자 개인별로 다른 의미를 지닐 수 있다. 다시 말하면, 각 사용자마다 신체 또는 육체의 상태가 다르므로 2명의 서로 다른 사용자의 낙상 위험율이 동일하게 60%라 하더라도, 제 1 사용자에게는 상당히 위험한 수준의 낙상 발생 징조 또는 조짐일 수 있고 제 2 사용자에게는 낮은 수준의 낙상 발생 징조 또는 조짐일 수 있다. 따라서, 계산된 낙상 위험율을 제 1 임계치와 비교함으로써 해당 사용자에게 있어서 문제가 될만한 값인지, 즉 계산된 낙상 위험율이 실제 낙상 발생을 뒷받침할 수 있는 값인지를 판별할 수 있다.

단계 S280에서 상기 계산된 낙상 위험율이 제 1 임계치를 초과하면 알고리즘은 다음 과정으로 진행하고, 상기 계산된 낙상 위험율이 제 1 임계치를 초과하지 않는다면 알고리즘은 단계 S210으로 돌아가 처음부터 다시 시작할 수 있다.

한편, 상기 계산된 낙상 위험율의 각 사용자별 의미가 상이하기 때문에, 본 발명에선 학습 알고리즘을 추가하여 이에 대한 보정을 수행할 수 있다. 이는 후술할 도 4에서 언급하기로 한다.

또한, 도시하지 않았지만 상기 낙상 위험율이 제 1 임계치(TH1)를 초과하면, 상기 낙상 센싱 단말(100)에 내장된 출력부(125)를 통해 낙상 위험율이 높다는 것을 알리는 진동 또는 경고 알람 등을 출력할 수 있다. 이는 낙상 센싱 단말(100)이 낙상 센싱 서버(200)와 독립적으로 이용되는 경우에, 한 가정 내에 상주하는 보호자 또는 관리자(예컨대, 간병인)에게 사용자에게 위험이 발생했음을 알릴 수 있는 장점이 있다.

단계 S280에서 낙상 위험율이 제 1 임계치(TH1)를 초과하면, 알고리즘은 도 3의 단계 S310으로 진행할 수 있다.

제어부(123)는 제 2 타이머를 설정하고 시작할 수 있다(S310). 또다시 새로운 타이머를 설정하여, 새롭게 가속도 데이터를 샘플링하는 것은 단계 S280에서 낙상 위험율이 상대적으로 높은 것으로 판단했으므로 혹시 낙상이 발생했는지 확인하기 위함일 수 있다. 또는, 낙상 위험율이 상대적으로 높았으므로, 그 이후의 사용자의 움직임 또는 육체 활동을 모니터링하여 낙상 사고에 대비하고자 한다.

제어부(123)는 미리 결정된 기간 동안 정해진 간격으로 가속도 데이터를 샘플링할 수 있다(S320). 상기 제 2 타이머가 만료되면(S330), 알고리즘은 단계 S340으로 진행할 수 있다. 가속도 특징값 추출부(121)는 샘플링된 가속도 데이터로부터 가속도 특징값을 추출할 수 있다(S340). 다시 가속도 데이터를 샘플링함으로써, 낙상 위험율이 높은 사용자의 움직임 또는 육체적 활동을 다시 모니터링하는 것이다.

제어부(123)는 이러한 가속도 특징값이 제 2 임계치(TH2)를 초과하는지 여부를 판단할 수 있다(S350). 상기 가속도 특징값이 제 2 임계치를 초과하지 않으면 본 알고리즘은 종료되며, 도 3에 도시하지 않았지만 다시 단계 S210으로 돌아가는 것이 바람직하다.

상기 가속도 특징값이 제 2 임계치를 초과하면, 제어부(123)는 낙상이 발생했음을 결정할 수 있다(S360).

단계 S350 내지 S360을 수행하는 방법에 대한 일 예를 더 상세히 설명하도록 한다. 가속도 특징값 추출부(121)는 상기 가속도 특징값 중 최대 가속도 값(C)과 가속도 값들의 표준 편차(D)를 계산할 수 있다. 이렇게 계산된 최대 가속도 값(C)과 가속도 값들의 표준 편차(D)는 상기 낙상 센싱 서버(200)로 전송될 수도 있다. 제어부(123) 또는 프로세서부(220)는 상기 계산된 최대 가속도 값(C)과 표준 편차(D)가 각각의 임계치를 초과하는지 여부를 판단할 수 있다. 상기 판단의 결과 최대 가속도 값(C)과 표준 편차(D)가 각각의 임계치를 초과하면, 상기 제어부(123) 또는 프로세서부(220)는 낙상이 발생했음을 결정할 수 있다.

또한, 단계 S350 내지 S360을 수행하는 방법에 대한 다른 예를 추가로 설명하도록 한다. 가속도 특징값 추출부(121)는 3축 가속도 센서부에 의해 측정된 각 축의 가속도 데이터를 추출할 수 있다.

3축 가속도 센서부는 중력의 영향을 받기 때문에, 3축의 가속도 데이터를 검출하면 어느 축이 중력축에 해당하는지를 판별할 수 있다. 따라서, 상기 제어부(123)는 가속도 데이터의 샘플링을 반복하면서, 가속도 데이터의 기록을 비교하여 중력축이 다른 축으로 변동했는지를 인식할 수 있다. 이는, 낙상이 발생하고나면 보통 사용자의 자세가 변하므로 상기 중력축 변동을 통해 낙상 발생 여부에 대한 판단이 가능하다. 이러한 중력축 변동이 검출되면, 상기 단계 S360에서 낙상이 발생했음이 결정될 수 있다.

본 알고리즘은 이것으로 종료될 수도 있고, 다시 단계 S210 내지 S360의 동작을 반복할 수도 있다. 한편, 낙상 발생이 결정되면(S360), 알고리즘은 도 4의 단계 S410으로 진행할 수도 있다.

한편, 상기 단계 S350에서 제 2 임계치(TH2)와의 비교 관계는 도 3에 도시된 것과 상이할 수 있다. 예컨대, 단계 S350에서 가속도 특징값이 제 2 임계치(TH2)보다 작은지 여부를 판단할 수도 있다. 이러한 대소 비교 관계는 본 발명의 구체적인 구현예에 따라 변경될 수 있음을 알려둔다.

예를 들면, 낙상이 발생하면 사용자의 움직임이 거의 없을 가능성이 있으므로, 상기 가속도 특징값 중 최대 가속도 데이터가 제 2 임계치보다 작거나 가속도 데이터 표준 편차가 제 2 임계치보다 작은지 여부를 판단해야 상기 낙상 발생 여부를 판단할 수 있다.

도 4의 단계 S410에서, 상기 제어부(123)는 일정 시간 동안 출력부(125)를 통해 진동 또는 알람이 발생하도록 제어할 수 있다. 그리고 나서, 제어부(123)는 미리 결정된 시간 동안 사용자 입력 버튼(126)이 푸쉬되는지 여부를 판단할 수 있다(S420). 상기 사용자 입력 버튼은 사용자와의 인터페이싱을 위한 버튼으로서, 앞서 언급한 것처럼 여러 기능을 수반할 수 있다. 즉, 낙상 발생이 결정되면 상기 낙상 센싱 단말(100)의 출력부(125)를 통해 진동 또는 알람이 발생되게 설계되어있고, 만약 이것이 잘못된 결정이라면 사용자가 상기 사용자 입력 버튼(126)을 미리 결정된 시간 동안 푸쉬하도록 안내되어야 한다.

따라서 낙상 발생이 결정되고나서, 미리 결정된 시간 동안 사용자의 입력이 인가된다면, 이는 낙상 발생에 관한 결정이 잘못된 것이므로, 제어부(123) 또는 프로세서부(220)로 하여금 보고 도 2 또는 도 3에 따른 알고리즘이 잘못 동작했음을 인식하게 할 수 있다.

또한, 이러한 오동작의 원인은 도 3의 S350의 제 2 임계치(TH2)의 설정이 잘못되었기 때문일 수가 있으므로, 사용자 입력 버튼이 미리 결정된 시간 동안 푸쉬되면 상기 제 2 임계치(TH2)를 미리 결정된 크기 만큼 증가 또는 감소시킬 수 있다.

이를 테면, 도 3에 도시된 S350처럼 가속도 특징값이 제 2 임계치를 초과하는지 여부를 판단했을 경우엔, 제 2 임계치를 미리 결정된 크기 만큼 증가시켜주는 것이 바람직하다. 또한, 반대로 가속도 특징값이 제 2 임계치보다 작은지 여부를 판단했을 경우엔, 제 2 임계치를 미리 결정된 크기 만큼 감소시켜주는 것이 바람직하다.

한편, 도 2 또는 도 3에 도시된 순서도의 알고리즘은 각각 개별적으로 동작할 수도 있다. 다시 말하면, 도 2와 도 3이 순차적으로 연결되어 하나의 알고리즘을 이루는 것으로 설명되었으나, 도 2와 도 3이 독립적인 하나의 알고리즘으로서 기능할 수도 있다. 예를 들어, 도 2는 독립적으로 낙상 위험율 계산 알고리즘으로서 이용될 수 있고 도 3은 독립적으로 낙상 발생 여부 판단 알고리즘으로서 이용될 수 있다.

도 5는 본 발명의 일 실시예에 따른 낙상 센서 단말과 그 일부 기능을 도시한다. 낙상 센싱 단말(100)은 크게 클립(510)과 본체(520)로 구성되며, 상기 클립을 사용자 등의 의류에 고정하여 착용할 수 있다.

도 5의 (b) 및 (c)를 참조하면, 상기 낙상 센싱 단말(100)은 버튼(531)과 버튼 눌림 센싱부(532)를 구비하여, 상기 낙상 센싱 단말(100)이 제대로 착용되었는지 여부를 판단할 수 있다. 상기 버튼(531)과 상기 버튼 눌림 센싱부(532)는 도 1의 착용 여부 판단부(111)에 해당하는 것으로서, 도 5에 도시된 것은 그 일 예일뿐 본 발명을 한정하지는 않는다.

도 5의 (c)에 도시된 것처럼, 사용자의 의류(C)가 상기 클립(510)과 상기 본체(520) 사이에 물리면 상기 버튼(531)이 눌러짐으로써 상기 버튼 눌림 센싱부(532)가 이를 감지할 수 있다.

도 6은 본 발명의 일 실시예에 따른 낙상 위험율 계산 또는 낙상 여부 결정을 설명하기 위한 그래프이다. 앞서 낙상 위험율 계산 또는 낙상 여부 결정을 위해 가속도 특징값의 크기에 따라 분류한 6개의 이벤트의 발생 빈도수를 누적하여 기록한 데이터이다.

도 6의 (a) 또는 (b)의 x축(가로축)의 L1 내지 L6는 가속도 특징값의 크기에 따라 구간을 나누어, 작은 값에 해당하는 구간부터 큰 값에 해당하는 구간으로 표시한 것이다.

따라서, L1에서 L6 방향으로의 누적 막대그래프가 높을수록 낙상 위험율이 증가할 것이고, 이를 근거로 낙상 발생 여부도 판단할 수 있다.

도 7은 본 발명의 일 실시예에 따른 낙상 센싱 단말 측의 낙상 예측 또는 감지에 관한 동작을 설명한다.

낙상 센싱 단말(100)의 가속도 특징값 추출부(121)는 3축 가속도 센서부(110)의 각 축의 가속도 데이터를 샘플링 할 수 있다(S710). 샘플링 주파수는 사용 환경에 따라 가변적이며, 샘플링 기간도 사용 환경에 따라 가변적일 수 있다.

낙상 센싱 단말(100)의 가속도 특징값 추출부(121)는 상기 샘플링된 가속도 데이터로부터 가속도 특징값을 추출할 수 있다(S720). 상기 가속도 특징값은 가속도 값, 가속도 데이터 미분값, 가속도 데이터 표준 편차, 최소 및 최대 가속도 데이터 그리고 상기 최소 및 최대 가속도 데이터의 해당 축 정보 중 적어도 하나를 포함할 수 있다.

이벤트 분류부(122)는 이러한 가속도 특징값을 그 크기에 따라 복수 개의 구간, 즉 복수 개의 이벤트로 분류할 수 있다(S730). 또한, 이벤트 분류부(122)는 각각의 이벤트의 발생 빈도수를 누적 계산할 수 있다(S740). 즉, 이벤트 분류부(122)는 이벤트 관련 데이터를 생성할 수 있으며, 상기 이벤트 관련 데이터는 낙상 위험율 계산 또는 낙상 발생 여부를 판단하기 위해 필요하다.

제어부(123)는 통신부(124)가 상기 이벤트 관련 데이터를 낙상 센싱 서버(200)로 전송하도록 제어할 수 있다. 또한, 제어부(123)는 상기 이벤트 관련 데이터를 통해 낙상 위험율을 계산하거나 낙상 발생 여부를 판단할 수 있다(S750). 낙상 위험율 계산이나 낙상 발생 여부 판단에 관한 구체적인 방법은 전술한 도 2 내지 도 4의 내용을 참조하도록 한다.

도 8은 본 발명의 일 실시예에 따른 낙상 센싱 서버 측의 낙상 예측 또는 감지에 관한 동작을 설명한다.

낙상 센싱 서버(200)는 상기 낙상 센싱 단말로부터 상기 이벤트 관련 데이터를 주기적으로 수신할 수 있다(S810). 상기 이벤트 관련 데이터는 분류된 이벤트와 그것의 발생 빈도수에 관한 정보를 포함할 수 있다.

낙상 센싱 서버(200)의 프로세서부(220)는 상기 수신된 이벤트 관련 데이터를 기반으로 낙상 위험율을 계산하거나 낙상 여부를 결정하도록 할 수 있다(S820).

낙상 위험율 계산이나 낙상 발생 여부 판단에 관한 구체적인 방법은 전술한 도 2 내지 도 4의 내용을 참조하도록 한다.

위에서 본 발명의 실시예들이 설명되었으며, 당해 기술 분야에 속한 통상의 지식을 가진 자는 이러한 실시예들은 발명을 한정하기 위한 것이 아니라 단지 예시적인 것임을 인식할 수 있고, 본 발명의 범위 또는 사상을 벗어나지 않고 변형, 수정 등이 가능함을 인식할 것이다.

100: 낙상 센싱 단말 110: 3축 가속도 센서부
121: 가속도 특징값 추출부 122: 이벤트 분류부
123: 제어부 124: 통신부
125: 출력부 126: 사용자 입력 버튼부
200: 낙상 센싱 서버 210: 통신부
220: 프로세서부 230: 디스플레이부

Claims (11)

1. 삭제
2. 삭제
3. 삭제
4. 삭제
5. 낙상을 예측 또는 감지하기 위한 낙상 센싱 서버로서,
   낙상 센싱 단말로부터 이벤트 관련 데이터를 주기적으로 수신하도록 구성된 통신부; 및
   상기 수신된 이벤트 관련 데이터를 기반으로 낙상 위험율을 계산하거나 낙상 여부를 판단하도록 구성된 프로세서부를 포함하고,
   상기 이벤트 관련 데이터는 샘플링된 가속도 데이터로부터 추출된 가속도 특징값을 크기에 따라 분류한 복수 개의 이벤트와, 상기 각각의 이벤트의 발생 빈도수에 관한 정보를 포함하며,
   상기 프로세서부는 상기 낙상 위험율을 계산하기 위해:
   상기 복수 개의 이벤트를 일상 생활 영역(A)과 충격 영역(B)으로 구분하여, 상기 일상 생활 영역(A)과 상기 충격 영역(B)의 발생 비율을 계산하도록 구성된, 낙상 센싱 서버.
   
6. 제5항에 있어서, 상기 가속도 특징값은 가속도 데이터 크기, 가속도 데이터 미분값, 가속도 데이터 표준 편차, 및 최대 가속도 데이터 그리고 상기 최대 가속도 데이터의 해당 축 정보 중 적어도 하나를 포함하는, 낙상 센싱 서버.
   
7. 삭제
8. 제5항에 있어서, 상기 프로세서부는 상기 낙상 위험율을 계산하기 위해:
   각 이벤트의 발생마다 차등 점수를 부여하여, 전체 이벤트에 대한 점수를 계산하도록 구성된, 낙상 센싱 서버.
   
9. 낙상을 예측 또는 감지하기 위한 낙상 센싱 시스템으로서,
   사용자에게 착용되어 상기 사용자 이동 또는 움직임에 따른 가속도 데이터를 검출하고, 그로부터 가속도 특징값 또는 이벤트 관련 데이터를 생성하도록 구성된 낙상 센싱 단말; 및
   상기 낙상 센싱 단말로부터 상기 이벤트 관련 데이터를 주기적으로 수신하여 낙상 위험율을 계산하도록 구성된 낙상 센싱 서버를 포함하고,
   상기 이벤트 관련 데이터는 상기 가속도 특징값을 크기에 따라 분류한 복수 개의 이벤트와, 상기 각각의 이벤트의 발생 빈도수에 관한 정보를 포함하며,
   상기 낙상 센싱 서버는 상기 낙상 위험율을 계산하기 위해:
   상기 복수 개의 이벤트를 일상 생활 영역(A)과 충격 영역(B)으로 구분하여, 상기 일상 생활 영역(A)과 상기 충격 영역(B)의 발생 비율을 계산하도록 구성된, 낙상 센싱 시스템.
   
10. 제9항에 있어서, 상기 가속도 특징값은 가속도 데이터 크기, 가속도 데이터 미분값, 가속도 데이터 표준 편차, 및 최대 가속도 데이터 그리고 상기 최대 가속도 데이터의 해당 축 정보 중 적어도 하나를 포함하는, 낙상 센싱 시스템.
    
11. 제9항에 있어서, 상기 낙상 센싱 단말은:
    상기 가속도 특징값이 임계치를 초과하면 낙상이 발생했다고 판단하며,
    상기 낙상 발생이 결정된 경우, 사용자의 입력이 미리 결정된 시간 동안 인가되면 상기 낙상 발생 결정이 잘못된 것임을 인식하고, 상기 임계치를 일정 크기만큼 증가시키도록 구성된, 낙상 센싱 시스템.
    

Images