TW202409904A - 跌倒偵測系統及其偵測方法 - Google Patents
跌倒偵測系統及其偵測方法 Download PDFInfo
- Publication number
- TW202409904A TW202409904A TW111131625A TW111131625A TW202409904A TW 202409904 A TW202409904 A TW 202409904A TW 111131625 A TW111131625 A TW 111131625A TW 111131625 A TW111131625 A TW 111131625A TW 202409904 A TW202409904 A TW 202409904A
- Authority
- TW
- Taiwan
- Prior art keywords
- depth
- fall
- value
- image data
- sign
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 208000037805 labour Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Psychology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Emergency Alarm Devices (AREA)
- Geophysics And Detection Of Objects (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Alarm Systems (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
一種跌倒偵測系統及其偵測方法，一深度感測裝置感測一待測對象並產生待測對象之複數深度影像資料，再利用一跌倒判斷裝置產生每一深度影像資料之深度值，並依據深度變化值判定待測對象發生一跌跡象。再依據待測對象之一跌落面積資料判定待測對象發生一倒跡象。跌倒判斷裝置利用發生倒跡象之深度影像資料之深度均值及每一像素之深度值產生一平均深度分佈差異值，將其與一預設閥值進行比對，當平均深度分佈差異值小於一預設閥值時，則跌倒判斷裝置判定待測對象正在一跌倒狀態。藉由比對平均值深度分佈差異值，可更精確判斷待測對象是否跌倒。
Description
本發明係有關一種跌倒偵測系統，特別是指一種利用每一像素的深度值及其深度均值的標準差以分辨是否跌倒之跌倒偵測系統及其偵測方法。
在高齡少子化社會中，老年人缺乏晚輩的照顧，獨居老人或是年輕人忙於工作而迫使老人一個人在家的情況愈來愈多，當老人在家中發生跌倒意外時，極可能造成重大傷病。除了請居服員照顧老人之外，為了能及時發現老人跌倒的情況，亦可讓老人配戴穿戴式裝置（如智慧手錶），利用內建的加速度計和陀螺儀偵測使用者的動作軌跡，以判斷使用者是否有跌倒跡象，並在偵測到使用者跌倒時發出警示訊息給預設的緊急聯絡人。
但穿戴式裝置需要穿戴在身上才能偵測跌倒，若使用者忘記穿戴便無法發揮偵測跌倒的作用。另有一種家用監視系統，在家中安裝攝影機、相機等裝置擷取使用者影像、再分析影像的方式判斷使用者是否跌倒。然而此方法會拍攝到人的臉部，對於重視隱私的人而言可能無法接受。還有一種方法是使用深度相機，利用飛行時間（Time of flight）測距法抓取深度的灰階影像，透過影像資料設計演算法判斷各行為，例如當深度變化時代表有跌跤，若跌落面積極大時代表人已倒在地上。然而，若以物體面積、高度變化等做為衡量標準時，只要行為相似時就會觸發跌倒，例如當人走得很快時，移動面積便會滿足跌落面積的閥值，且同時滿足像素深度的巨變，因而錯誤地觸發跌倒警示。
有鑑於此，本發明針對上述習知技術之缺失及未來之需求，提出一種跌倒偵測系統及其偵測方法，以解決上述該等缺失，具體架構及其實施方式將詳述於下：
本發明之主要目的在提供一種跌倒偵測系統及其偵測方法，其利用深度影像資料中每一像素之深度值及深度均值所計算出之一平均深度分佈差異值，判斷跌倒行為的深度值分佈是集中還是分散，以更精確分辨待測對象是否真的跌倒。
為達上述目的，本發明提供一種跌倒偵測系統，適於偵測一待測對象是否跌倒，跌倒偵測系統包括：一深度感測裝置，感測待測對象，並產生待測對象之複數深度影像資料；以及一跌倒判斷裝置，連接深度感測裝置並接收深度影像資料，每一時間點的深度影像資料分別具有一深度值，依據連續至少二時間點之深度值產生一深度變化值，若深度變化值大於等於一跌落值時，跌倒判斷裝置判定待測對象發生一跌跡象，再利用發生跌跡象之深度影像資料判斷待測對象之一跌落面積資料，若跌落面積資料大於等於預設之一倒下值，則跌倒判斷裝置判定待測對象發生一倒跡象，跌倒判斷裝置再分析發生倒跡象之深度影像資料中每一像素之一深度值及深度影像資料之一深度均值，利用深度值及深度均值產生一平均深度分佈差異值，將平均深度分佈差異值與一預設閥值進行比對，當平均深度分佈差異值小於一預設閥值時，跌倒判斷裝置判定待測對象正在一跌倒狀態。
依據本發明之實施例，跌落面積資料為從發生跌跡象之深度影像資料中，以深度變化值的周圍設定一估算範圍，並計算估算範圍內待測對象之一輪廓面積最大值。
依據本發明之實施例，深度均值為深度影像資料中每一像素之深度值加總後，除以像素之數量。
依據本發明之實施例，平均深度分佈差異值為深度影像資料中每一像素之深度值分別與深度均值相減後取絕對值，再將絕對值加總後，除以像素之數量。
本發明更提供一種跌倒偵測方法，包括下列步驟：利用一深度感測裝置感測一待測對象，並產生待測對象之複數深度影像資料；利用一跌倒判斷裝置接收深度影像資料，每一時間點的深度影像資料分別具有一深度值，依據連續至少二時間點之深度值產生一深度變化值；跌倒判斷裝置依據深度變化值判定待測對象發生一跌跡象；跌倒判斷裝置利用待測對象之一跌落面積資料判定待測對象發生一倒跡象；跌倒判斷裝置分析發生倒跡象之深度影像資料中每一像素之一深度值及深度影像資料之一深度均值，利用深度值及深度均值產生一平均深度分佈差異值；以及跌倒判斷裝置將平均深度分佈差異值與一預設閥值進行比對，當平均深度分佈差異值小於預設閥值時，跌倒判斷裝置判定待測對象正在一跌倒狀態。
依據本發明之實施例，跌倒判斷裝置判定待測對象發生一跌跡象之步驟更包括：判斷深度變化值是否大於等於一跌落值；以及當深度變化值大於等於跌落值時，判定待測對象發生一跌跡象。
依據本發明之實施例，跌倒判斷裝置判定待測對象發生一倒跡象之步驟更包括：跌倒判斷裝置利用發生跌跡象之深度影像資料判斷待測對象之跌落面積資料；判斷跌落面積資料是否大於等於預設之一倒下值；以及當跌落面積資料大於等於倒下值時，判定待測對象發生一跌跡象。
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，熟悉本技術領域者在沒有做出進步性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
應當理解，當在本說明書和所附申請專利範圍中使用時，術語「包括」和「包含」指示所描述特徵、整體、步驟、操作、元素和/或元件的存在，但並不排除一個或多個其它特徵、整體、步驟、操作、元素、元件和/或其集合的存在或添加。
還應當理解，在此本發明說明書中所使用的術語僅僅是出於描述特定實施例的目的而並不意在限制本發明。如在本發明說明書和所附申請專利範圍中所使用的那樣，除非上下文清楚地指明其它情況，否則單數形式的「一」、「一個」及「該」意在包括複數形式。
還應當進一步理解，在本發明說明書和所附申請專利範圍中使用的術語「及/或」是指相關聯列出的項中的一個或多個的任何組合以及所有可能組合，並且包括這些組合。
本發明提供一種跌倒偵測系統及其偵測方法，請參考第1圖，其為本發明跌倒偵測系統之架構圖。跌倒偵測系統10包括一深度感測裝置12及一跌倒判斷裝置14。深度感測裝置12為一深度相機，設於一待測對象18的活動空間中，例如臥房、客廳、餐廳等，感測擷取待測對象並產生複數深度影像資料。此深度影像資料為利用飛行時間測距演算法產生的灰階影像，因此不會有明顯的臉部表情，適用於重視隱私的人。深度感測裝置12感測的深度影像資料也會顯示在一顯示螢幕16中，例如電腦、智慧型手機等，讓照護者可隨時監控待測對象18的狀態。
跌倒判斷裝置14利用傳輸線連接深度感測裝置12，接收深度感測裝置12所感測到的深度影像資料，並據以判斷待測對象18的狀態是跌跡象、倒跡象或跌倒狀態。每一時間點的深度影像資料分別具有一深度值，跌倒判斷裝置14會將深度轉換成人的身高，接著依據連續至少二時間點之深度值產生一深度變化值。例如時間點t
1的深度值和時間點t
2的深度值一樣，代表待測對象18沒有高度變化。跌倒判斷裝置14還會分辨待測對象18是「跌」還是「倒」，跌跡象20如第2圖所示，但還沒有倒下，而第3圖所示為待測對象18發生倒跡象22。第2圖及第3圖皆為深度影像資料。
請同時參考第4圖，其為本發明跌倒偵測之偵測方法之流程圖。步驟S10中，利用深度感測裝置12感測待測對象18，並產生待測對象18之複數深度影像資料。接著步驟S12中，利用跌倒判斷裝置14接收深度感測裝置12所感測到的深度影像資料，依據連續至少二時間點之深度值產生一深度變化值。步驟S14中，跌倒判斷裝置14依據深度變化值判定待測對象18發生一跌跡象。接著步驟S16中，跌倒判斷裝置14進一步利用待測對象18之一跌落面積資料判定待測對象18發生一倒跡象。當判定待測對象18發生倒跡象後，還要再繼續判斷是否有誤判的可能，因此步驟S18中，跌倒判斷裝置14分析發生倒跡象之深度影像資料中每一像素之一深度值及深度影像資料之一深度均值，利用深度值及深度均值產生一平均深度分佈差異值。深度均值為深度影像資料中每一像素之深度值加總後，除以像素之數量。平均深度分佈差異值為深度影像資料中每一像素之深度值分別與深度均值相減後取絕對值，再將絕對值加總後，除以像素之數量。接著，步驟S20中跌倒判斷裝置14將平均深度分佈差異值與一預設閥值進行比對，若平均深度分佈差異值小於一預設閥值時，跌倒判斷裝置14判定待測對象18正在一跌倒狀態，需要發出一跌倒警示。
在步驟S14中，跌倒判斷裝置14預設代表跌跡象的一跌落值。當t
n和t
n+1的深度變化值大於等於跌落值時，跌倒判斷裝置14判定待測對象18發生跌跡象。
在步驟S16中，跌倒判斷裝置14另預設代表倒跡象的一倒下值。利用發生跌跡象之深度影像資料（時間點t
n+1）判斷待測對象18之一跌落面積資料，若跌落面積資料大於等於倒下值，則跌倒判斷裝置14判定待測對象18發生一倒跡象。跌落面積資料為從發生跌跡象之深度影像資料中，以深度變化值的周圍設定一估算範圍，並計算估算範圍內待測對象18之一輪廓面積最大值。在先前技術中，到此已完成待測對象18跌倒的判定，然而若人走得很快時，移動面積便會滿足跌落面積的閥值，也就是倒下值，且同時滿足像素深度的巨變，也就是跌落值，因而會錯誤觸發跌倒警示。
因此，本發明中跌倒判斷裝置14還需要再透過步驟S18~S22利用評斷函數分析跌倒行為的深度值分佈，評斷函數為深度均值、標準差波動及平均深度分佈差異值，詳述於後。經過實驗數據比對，可觀察到跌倒行為的深度值分佈較為集中，而非跌倒則較離散，如第5圖~第8圖之實施例，其中，第5圖為跌倒狀態的深度影像資料，而第6圖為第5圖的深度影像資料的深度分佈圖，第7圖為非跌倒狀態的深度影像資料，而第8圖為第7圖的深度影像資料的深度分佈圖。從第5圖之深度分佈圖中可明顯看出深度值分佈集中，而第7圖的深度值分佈較為離散。此外，第9圖為第5圖深度影像資料中每一像素的深度值之標準差波動圖，第10圖為第6圖深度影像資料中每一像素的深度值之標準差波動圖，從圖中亦可明顯看出跌倒時的波動較低，而非跌倒狀態則呈現較高的波動。因此，將發生倒跡象之深度影像資料中每一像素
(i, j)之一深度值
dep (i, j)及深度影像資料之一深度均值δ產生一平均深度分佈差異值μ，如下式(1)、(2)：
(1)
(2)
接著將平均深度分佈差異值與一預設閥值進行比對。此預設閥值為經過實驗後所得到的經驗值，閥值範圍為15~25之間，最佳閥值為20。當平均深度分佈差異值小於預設閥值時，跌倒判斷裝置14判定待測對象18正在跌倒狀態。在第5圖及第6圖之實施例中，其平均深度分佈差異值μ為9，而第7圖及第8圖之實施例中，其平均深度分佈差異值μ為39。顯然，藉由深度影像資料的深度值及深度均值所計算出的平均深度分佈差異值，可快速分辨出待測對象18是否真的跌倒。
需注意的是，待測對象18的體型不會影響閥值範圍，舉例而言，假設待測對象A(較瘦)的深度影像資料包含4個像素，深度分佈為100、100、120、120，其深度均值δ為110，標準差為10、10、10、10，平均深度分佈差異值μ=10，而與待測對象B(較胖)的深度影像資料包含6個像素，深度分佈為90、90、90、110、110、110， 深度均值δ為100，標準差為10、10、10、10、10、10，平均深度分佈差異值μ=10。
利用本發明之跌倒偵測系統及其偵測方法實驗後，在實際上43次跌倒中，假設僅進行到第4圖之步驟S16，會偵測到50次跌倒。而經過評斷函數的計算步驟，確認平均深度分佈差異值後，可修正為43次跌倒及7次非跌倒。因此本發明確實可提升跌倒偵測系統的準確度，避免誤判而錯誤觸發跌倒警報。
綜上所述，本發明提供一種跌倒偵測系統及其偵測方法，其利用深度感測裝置擷取待測對象之深度影像資料後，跌倒判斷裝置利用深度影像資料中每一像素之深度值變化是否巨大，以判斷待測對象是否為跌跡象。再利用待測對象之一跌落面積資料是否足夠大，以判斷待測對象是否為倒跡象。由於倒跡象是透過跌落面積進行判斷，為了避免待測對象的某些行為（例如移動太快而使面積較大）造成跌倒判斷裝置誤判待測對象為倒跡象，因此本發明更進一步提出一評斷函數，利用倒跡象的深度影像資料中每一像素的深度值及深度影像資料的深度均值計算出一平均深度分佈差異值，藉以判斷跌倒行為的深度值分佈是集中還是分散，以更精確分辨待測對象是否真的跌倒，有效提升跌倒偵測的準確度。
唯以上所述者，僅為本發明之較佳實施例而已，並非用來限定本發明實施之範圍。故即凡依本發明申請範圍所述之特徵及精神所為之均等變化或修飾，均應包括於本發明之申請專利範圍內。
10:跌倒偵測系統
12:深度感測裝置
14:跌倒判斷裝置
16:顯示螢幕
18:待測對象
20:跌跡象
22:倒跡象
S10~S22:流程步驟
第1圖為本發明跌倒偵測系統之架構圖。
第2圖為偵測到待測對象為跌跡象之示意圖。
第3圖為偵測到待測對象為倒跡象之示意圖。
第4圖為本發明跌倒偵測之偵測方法之流程圖。
第5圖為跌倒狀態的深度影像資料之示意圖。
第6圖為第5圖的深度影像資料的深度分佈圖。
第7圖為非跌倒狀態的深度影像資料之示意圖。
第8圖為第7圖的深度影像資料的深度分佈圖。
第9圖為第5圖深度影像資料中每一像素的深度值之標準差波動圖。
第10圖為第6圖深度影像資料中每一像素的深度值之標準差波動圖。
S10~S22:流程步驟
Claims (10)
- 一種跌倒偵測系統，適於偵測一待測對象是否跌倒，該跌倒偵測系統包括： 一深度感測裝置，感測該待測對象，並產生該待測對象之複數深度影像資料；以及 一跌倒判斷裝置，連接該深度感測裝置並接收該等深度影像資料，每一時間點產生的該等深度影像資料分別具有一深度值，依據連續至少二時間點之深度值產生一深度變化值，若該深度變化值大於等於一跌落值時，該跌倒判斷裝置判定該待測對象發生一跌跡象，再利用發生該跌跡象之該深度影像資料判斷該待測對象之一跌落面積資料，若該跌落面積資料大於等於預設之一倒下值，則該跌倒判斷裝置判定該待測對象發生一倒跡象，該跌倒判斷裝置再分析發生該倒跡象之該深度影像資料中每一像素之一深度值及該深度影像資料之一深度均值，利用該等深度值及該深度均值產生一平均深度分佈差異值， 其中，若該平均深度分佈差異值小於一預設閥值時，該跌倒判斷裝置判定該待測對象正在一跌倒狀態。
- 如請求項1所述之跌倒偵測系統，其中該跌落面積資料為從發生該跌跡象之該深度影像資料中，以該深度變化值的周圍設定一估算範圍，並計算該估算範圍內該待測對象之一輪廓面積最大值。
- 如請求項1所述之跌倒偵測系統，其中該深度均值為該深度影像資料中每一像素之該等深度值加總後，除以該等像素之數量。
- 如請求項1所述之跌倒偵測系統，其中該平均深度分佈差異值為該深度影像資料中每一像素之該深度值分別與該深度均值相減後取絕對值，再將該等絕對值加總後，除以該等像素之數量。
- 一種跌倒偵測方法，包括下列步驟： 利用一深度感測裝置感測一待測對象，並產生該待測對象之複數深度影像資料； 利用一跌倒判斷裝置接收該等深度影像資料，每一時間點產生的該等深度影像資料分別具有一深度值，依據連續至少二時間點之深度值產生一深度變化值； 該跌倒判斷裝置依據該深度變化值判定該待測對象發生一跌跡象； 該跌倒判斷裝置利用該待測對象之一跌落面積資料判定該待測對象發生一倒跡象； 該跌倒判斷裝置分析發生該倒跡象之該深度影像資料中每一像素之一深度值及該深度影像資料之一深度均值，利用該等深度值及該深度均值產生一平均深度分佈差異值；以及 該跌倒判斷裝置將該平均深度分佈差異值與一預設閥值進行比對，當該平均深度分佈差異值小於該預設閥值時，該跌倒判斷裝置判定該待測對象正在一跌倒狀態。
- 如請求項5所述之跌倒偵測方法，其中該跌倒判斷裝置判定該待測對象發生一跌跡象之步驟更包括： 判斷該深度變化值是否大於等於一跌落值；以及 當該深度變化值大於等於該跌落值時，判定該待測對象發生一跌跡象。
- 如請求項5所述之跌倒偵測方法，其中該跌倒判斷裝置判定該待測對象發生一倒跡象之步驟更包括： 該跌倒判斷裝置利用發生該跌跡象之該深度影像資料判斷該待測對象之該跌落面積資料； 判斷該跌落面積資料是否大於等於預設之一倒下值；以及 當該跌落面積資料大於等於該倒下值時，判定該待測對象發生一跌跡象。
- 如請求項5所述之跌倒偵測方法，其中該跌落面積資料為從發生該跌跡象之該深度影像資料中，以該深度變化值的周圍設定一估算範圍，並計算該估算範圍內該待測對象之一輪廓面積最大值。
- 如請求項5所述之跌倒偵測方法，其中該深度均值為該深度影像資料中每一像素之該等深度值加總後，除以該等像素之數量。
- 如請求項5所述之跌倒偵測方法，其中該平均深度分佈差異值為該深度影像資料中每一像素之該深度值分別與該深度均值相減後取絕對值，再將該等絕對值加總後，除以該等像素之數量。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210993682.5A CN115457731B (zh) | 2022-08-18 | 2022-08-18 | 跌倒侦测系统及其侦测方法 |
| CN202210993682.5 | 2022-08-18 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI807969B TWI807969B (zh) | 2023-07-01 |
| TW202409904A true TW202409904A (zh) | 2024-03-01 |
Family
ID=84298140
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW111131625A TWI807969B (zh) | 2022-08-18 | 2022-08-23 | 跌倒偵測系統及其偵測方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN115457731B (zh) |
| TW (1) | TWI807969B (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5386537B2 (ja) * | 2011-05-12 | 2014-01-15 | 富士重工業株式会社 | 環境認識装置 |
| EP2536160B1 (en) * | 2011-06-14 | 2018-09-26 | Samsung Electronics Co., Ltd. | Display system with image conversion mechanism and method of operation thereof |
| TWM537281U (zh) * | 2016-10-18 | 2017-02-21 | Hungkuang Univ | 跌倒偵測系統 |
| US20180177436A1 (en) * | 2016-12-22 | 2018-06-28 | Lumo BodyTech, Inc | System and method for remote monitoring for elderly fall prediction, detection, and prevention |
| CN107452183A (zh) * | 2017-08-03 | 2017-12-08 | 陈洪国 | 用于老人监护跌倒报警的经编地毯 |
| CN112535476B (zh) * | 2020-12-01 | 2022-11-22 | 业成科技（成都）有限公司 | 跌倒侦测系统及其方法 |
-
2022
- 2022-08-18 CN CN202210993682.5A patent/CN115457731B/zh active Active
- 2022-08-23 TW TW111131625A patent/TWI807969B/zh active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115457731A (zh) | 2022-12-09 |
| TWI807969B (zh) | 2023-07-01 |
| CN115457731B (zh) | 2023-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6137425B2 (ja) | 画像処理システム、画像処理装置、画像処理方法、および画像処理プログラム | |
| US10786183B2 (en) | Monitoring assistance system, control method thereof, and program | |
| KR101070389B1 (ko) | 환자 상태 모니터링 시스템 | |
| JPWO2016147770A1 (ja) | 監視システム及び監視方法 | |
| KR101309366B1 (ko) | 영상 기반 이상 동작 감시 시스템 및 방법 | |
| CN103903281A (zh) | 一种基于多特征分析和场景学习的老人摔倒检测方法 | |
| KR102205964B1 (ko) | 듀얼 카메라와 적외선 카메라를 이용한 낙상 예방 시스템 및 낙상 예방 방법 | |
| JP6822328B2 (ja) | 見守り支援システム及びその制御方法 | |
| JPWO2016151966A1 (ja) | 乳幼児監視装置、乳幼児監視方法、及び、乳幼児監視プログラム | |
| Shi et al. | Fall Detection Algorithm Based on Triaxial Accelerometer and Magnetometer. | |
| JP6708980B2 (ja) | 画像処理システム、画像処理装置、画像処理方法、および画像処理プログラム | |
| Kepski et al. | Event‐driven system for fall detection using body‐worn accelerometer and depth sensor | |
| CN111241913A (zh) | 一种检测人员摔倒的方法、装置及系统 | |
| JPWO2015118953A1 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
| KR20140110484A (ko) | 영상정보를 이용한 위험 행동 검지방법 | |
| CN115984967A (zh) | 基于深度学习的人体跌倒检测方法、装置及系统 | |
| Ren et al. | Chameleon: personalised and adaptive fall detection of elderly people in home-based environments | |
| JP4111660B2 (ja) | 火災検出装置 | |
| Merrouche et al. | Fall detection using head tracking and centroid movement based on a depth camera | |
| JP2008541650A (ja) | モニタリング方法および装置 | |
| KR102544147B1 (ko) | 영상분석 기반 1인 낙상 감지 시스템 및 방법 | |
| KR20130094488A (ko) | 영상 기반 이상 동작 감시 시스템 및 방법 | |
| Oumaima et al. | Vision-based fall detection and prevention for the elderly people: A review & ongoing research | |
| TW202409904A (zh) | 跌倒偵測系統及其偵測方法 | |
| JP3238765U (ja) | 姿勢・動作識別システム |