TWI494568B - Motion detection method and device - Google Patents
Motion detection method and device Download PDFInfo
- Publication number
- TWI494568B TWI494568B TW103120745A TW103120745A TWI494568B TW I494568 B TWI494568 B TW I494568B TW 103120745 A TW103120745 A TW 103120745A TW 103120745 A TW103120745 A TW 103120745A TW I494568 B TWI494568 B TW I494568B
- Authority
- TW
- Taiwan
- Prior art keywords
- acceleration
- axis
- intensity value
- motion
- signal intensity
- Prior art date
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
本發明係與動作偵測技術有關，特別係指一種可用於偵測人體跌倒動作或物品掉落之動作偵測方法與裝置。
現行的跌倒或跌落(Fall)偵測系統主要分為固定式、攜帶式，以及綜合兩者的混合式。固定式跌倒偵測系統之感應裝置主要是以固定或嵌入的方式置於偵測的環境中，優點有結構簡單、對使用者來說無負擔，缺點則有侵犯隱私問題、死角問題，也因使用者不可能固定待在同一地點，需多點建置，建置成本高。而攜帶式跌倒偵測系統需配戴於使用者身上或物品上，將偵測範圍限於使用者本身，優點有體積小、方便使用者配戴、成本相對較低，缺點因需隨身攜帶，所以會有使用者忘記配戴、或是在某些地點無法配戴(如：廁所、浴室)的問題。混合式系統主要是結合固定式和攜帶式跌倒偵測系統，優點能有效偵測跌倒，而缺點也結合固定式及非固定的缺點(如：偵測範圍有限、成本最高、需隨身攜帶等等)。
在攜帶式跌倒偵測系統，大多使用加速感測器(accelerometer)、陀螺儀(gyroscope)、水平感應器(horizon)等動態感測器來做偵測。其中最有名的便是Mathie團隊，提出計算訊號強度向量(signal vector magnitude,SVM)，其中，當SVM>1.8g，便可能是跌倒的情形發生，因其提出了一套簡單、準確性高、不受方向性影響的估算法，最為人所知，但對於日常生活中大動作如快速坐下與後坐下跌倒、快速躺臥與後躺下跌倒、跑、跳等動作，無法準確分辨。
在陀螺儀的方面，有Nyan Tay使用雙軸陀螺儀研究，將陀螺儀分別貼於前胸、前腰與右下臂，針對後向、側向跌倒與一般生活的動作，如坐著站起、行走、彎腰撿東西、躺下、躺著坐起，最後找到前胸、
前腰與右下臂的角速度閥值，其實驗結果之敏感度(Sensitivity)為100%，準確度(Specificity)為84%，另外此感應方法從感測器辨識跌倒發生，到受測者與地面接觸時間約為200毫秒，於2008年其團隊藉由判斷軀幹與大腿，角速度一致性來判別跌倒的發生與否，最後得到敏感度(Sensitivity)與準確度(Specificity)皆為100%，同時改進辨識跌倒到受測者與地面接觸時間約為700毫秒。
綜觀加速度計與陀螺儀偵測系統，雖然都有不錯的實驗成果，但對於日常動作並無針對一些特別容易誤判成跌倒動作如快速坐下、快速躺下，或者是一些複雜難判的跌倒行為如後坐下跌倒後昏厥於牆邊做測試。
在2005年後因應智慧型手機的普及與動態感測器穿戴方式的問題，如穿戴不便、忘記穿衣服等，開始有論文如Tong Zhang將手機連上網路，使用分群演算法，第一階段用1-Class SVM法(Support Vector Machine)，第二階段用KFD法(Kernel Fisher Discriminant)與K-NN法(Nearest Neighbor)作為跌倒偵測辨識，最後得到敏感度(Sensitivity)為93.3%。最新Jiangpeng Dai使用之方法更簡單，藉由(其中Ax、Ay、Az代表X、Y、Z軸軸向的加速度)與|A V
|=|A x
sin θ z
+A y
sin θ y
-A y
cos θ y
cos θ z
|(其中θ x、θ y、θ z分別代表對X、Y、Z軸的旋轉的角度)去做閥值量測，達到一普遍的跌倒偵測系統，但對於老人而言並不習慣於將手機隨時放置於身邊，另外也有可能發生在講手機時跌倒，或跌倒時手機甩出身邊的問題
另外一個趨勢則是使用三個以上的多感測器，如交通大學王致中先生利用光學式動作擷取系統來量取慣性加速度，將攝影機建置於前、後方的中、左、右各一台，共六台攝影機，將反光式標籤貼於頸椎等數處，主要以頸椎得到總合加速值0.85g為跌倒門檻值，另外配合肌電訊號(EMG)量測系統，將肌電訊號貼片貼於左右上肢的三角肌、斜方肌，左右下肢的脛前肌、腓腸肌等八處，量測一般日常生活行為肌力的平均最大峰值與標準差，設平均峰值加上2倍標準差為跌倒閥值，若200毫秒內有三處肌肉達到此閥值就判定為跌倒，結果敏感度(Sensitivity)為95.92%，準確度
(Specificity)為95.42%。成功大學整合三軸加速計和三軸陀螺儀得到六軸資訊，將感測器貼於腰部、左右膝蓋...等處，以腰部投影為原點，取得腳部投影點與腰部投影點的相對角度θ，與相對距離d，去取得運動軌跡(Dwf,Awf)，其中Dwf為腰部投影點與腳步投影點的相對距離，Awf為腰部投影點與腳部投影點的相對角度，取樣三秒運動軌跡資料透過類神經演算法中的減法類聚法(Subtractive Clustering Method)，其中潛力值的上下限制倍率設定為0.5~0.15，如此便可以判定是否持續同一運動及平衡資訊，搭配加速度SVM
，加速度變化率，當有非常大的Asum、Av，且身體不能保持平衡時，就判定為跌倒，結果敏感度(Sensitivity)為97%。使用多動態感測器的好處，除了可以更精準的偵測跌倒之外，還可以得到更多姿態與運動的訊息，可以做為其他異常行為的偵測，但越多的感測器也同時代表成本的增加，而對使用者來說，則是穿戴更加不便。
基於上述論述，可知感測器種類與配戴位置是最關鍵的因素，配戴感測器種類、位置不同，偵測數據、分析方式、效能結果都大不同，但對使用者來說，越便利、舒適的配戴方式及越少量的配戴點，越能得到使用者的青睞，而對開發廠商而言，減少使用感測器的種類與數目，意味著生產成本的降低。
鑒於傳統技術之缺點，本發明係提供一種動作偵測方法與裝置，係偵測一待測目標之三軸向加速度，再根據訊號強度值演算法與平均力場演算法判斷該待測目標是否處於跌倒或跌落(Fall)狀態。
本發明係提供一種動作偵測方法，其步驟包括：待測物在第一時間點發生一動作時，偵測該待測物於X軸、Y軸與Z軸之加速度ax
、ay
、az
；分別取ax
、ay
、az
之絕對值|ax
|、|ay
|、|az
|後，將其依大小順序排列為a
1、a
2、a
3；以a
1、a
2、a
3之數值代入第一訊號強度值之演算法與第二訊號強度值之演算法，計算出第一訊號強度值與第二訊號強度值；當第一訊號強度值與第二訊號強度值均不小於2.5g時，則判定該動作為一跌落(Fall)動作，其中g係為重力加速度；該第一訊號強度值之演算法為：a
1*；該第二訊號強度值之演算法為：a
1+(-1)*a
2。
本發明之動作偵測方法係可進一步包括下列步驟：偵測在第一時間點前0.5秒至第一時間點後0.5秒之平均Z軸加速度，令其為x；偵測在第一時間點後0.5秒至第一時間點後1.5秒之平均Z軸加速度，令其為y；當|x
-y
|>0.6時，則判定該動作為一跌落動作。
本發明係提供一種動作偵測裝置，其包括：一加速度感測單元，係用於偵測該裝置之三軸向加速度；一計算單元，係連接該加速度感測單元，係根據該三軸向加速度之數值，判斷該裝置是否產生一跌落動作；以及一傳輸單元，係連接該計算單元，係可對外發送該裝置產生跌落動作之訊息。
本發明係提供一種動作偵測裝置，其中該計算單元判斷是否產生一跌落動作之方法步驟為：該裝置在第一時間點發生一動作時，偵測該裝置於X軸、Y軸與Z軸之加速度ax
、ay
、az
；分別取ax
、ay
、az
之絕對值|ax
|、|ay
|、|az
|後，將其依大小順序排列為a
1、a
2、a
3；以a
1、a
2、a
3之數值代入第一訊號強度值之演算法與第二訊號強度值之演算法，計算出第一訊號強度值與第二訊號強度值；當第一訊號強度值與第二訊號強度值均不小於2.5g時，則判定該動作為一跌落(Fall)動作，其中g係為重力加速度；該第一訊號強度值之演算法為：a
1*；該第二訊號強度值之演算法為：a
1+(-1)*a
2。
本發明係提供一種動作偵測裝置，其中該計算單元判斷是否產生一跌落動作之方法係可進一步包括下列步驟：偵測在第一時間點前0.5秒至第一時間點後0.5秒之平均Z軸加速度，令其為x；偵測在第一時間點後0.5秒至第一時間點後1.5秒之平均Z軸加速度，令其為y；當|x
-y
|>0.6時，則判定該動作為一跌落動作。
本發明係提供一種動作偵測裝置，其中該傳輸單元係為一藍芽單元，當跌落或跌倒動作發生時，藉由應用程式(APP)對手機進行資料傳輸，並發簡訊告知發生跌落或跌倒之地點。
本發明之動作偵測方法與裝置可用於醫療、居家照護等人體跌倒防治需求，相較於傳統技術，本發明使用之方法較簡易、裝置元件數量亦較少，故可降低建置維護成本。本發明亦可用於貴重物品或機具之防
掉落、跌落用途，在地質觀測如山區路段落石警告等方面亦可作為長期監控使用，節省人力成本與保障使用者安全。
以上之概述與接下來的詳細說明及附圖，皆是為了能進一步說明本發明達到預定目的所採取的方式、手段及功效。而有關本發明的其他目的及優點，將在後續的說明及圖示中加以闡述。
S01~S06‧‧‧動作偵測方法之步驟
11‧‧‧加速度感測單元
12‧‧‧計算單元
13‧‧‧傳輸單元
圖1係為本發明之動作偵測方法之流程方塊圖。
圖2係為本發明之動作偵測裝置架構圖。
以下係藉由特定的具體實例說明本發明之實施方式，熟悉此技藝之人士可由本說明書所揭示之內容輕易地瞭解本發明之其他優點與功效。
本發明之基本運作流程為：當待測物發生疑似跌倒或跌落之動作時，以訊號強度向量(Simi-SVM)演算法針對該待測物之三軸向瞬時加速度進行演算與判斷，接著針對Z軸進行平均力場演算以排除非跌落之動作，最後再發送跌落訊息。
訊號強度向量(Simi-SVM)演算法係根據人體跌倒時產生的瞬時加速度做為判定的依據，此概念最早由Mathie團隊所提出：計算訊號強度向量(signal vector magnitude,SVM)，公式為：(ax,ay,az為x,y,z軸之加速度)，當SVM≧2.8g，便可能是跌倒的情形發生，但對於日常生活中大動作如快速坐下與後坐下跌倒、快速躺臥與後躺下跌倒、跑、跳等動作無法準確分辨；因此本發明為提高準確度而採用數學近似的概念，由於摔倒或跌落動作發生時，Z軸產生的瞬時加速度往往大於X軸和Y軸，故盡可能的忽略X軸和Y軸之加速度，使因X軸和Y軸而導致SVM≧2.8g的行為忽略，如此一來可更準確的判定該動作是否為跌倒或跌落。本發明改良之訊號強度值演算法實施方式為：偵測該待測物於X軸、Y軸與Z軸之加速度ax
、ay
、az
；分別取ax
、ay
、az
之絕對值|ax
|、|ay
|、|az
|後，將其依大小順序排列為a
1、a
2、a
3；令第一訊號強度值SVMA
=a
1*、第二訊號強度值SVMB
=a
1+(-1)*a
2，當SVMA≧2.5g和SVMB≧2.5g皆成立時，則判定有疑似跌倒或跌落(Fall)行為。
平均力場的理論依據為：物體在以等速運動時所受力場稱為基態力場，假設在除了基態力場的作用下，所產生的力場震盪均會有回饋發生，以致於在一段時間下對力場平均會得到相近基態力場的值。本發明僅對Z軸使用平均力場演算之原因在日常生活中，Z軸最不容易接觸到長時間的加速，X及Y軸反而會碰到許多極端情形，例如搭車時只要轉彎或煞車就容易造成誤判，因此反而不考慮x及y軸會更準確。本發明使用之平均力場演算法實施方式為：令偵測到發生疑似跌落動作的時間點為A，在A-0.5s~A+0.5s這一秒內的平均Z軸加速度稱之為x，在A+0.5s~A+1.5s這一秒內的平均Z軸加速度稱之為y，若|x-y|>0.6則判定有疑似跌倒或跌落(Fall)行為。
圖1係為本發明之動作偵測方法之流程方塊圖，如圖所示，該步驟包括：待測物在第一時間點發生一動作時，偵測該待測物於X軸、Y軸與Z軸之加速度ax
、ay
、az
S01；分別取ax
、ay
、az
之絕對值|ax
|、|ay
|、|az
|後，將其依大小順序排列為a
1、a
2、a
3 S02；以a
1、a
2、a
3之數值代入第一訊號強度值之演算法與第二訊號強度值之演算法，計算出第一訊號強度值SVMA與第二訊號強度值SVMB S03；判斷第一訊號強度值與第二訊號強度值是否均不小於2.5g，若否則排除該動作為跌落動作S04；偵測在第一時間點前0.5秒至第一時間點後0.5秒之平均Z軸加速度，令其為x，偵測在第一時間點後0.5秒至第一時間點後1.5秒之平均Z軸加速度，令其為y S05；計算平均力場，若|x-y|>0.6則判定該動作為跌落(Fall)動作S06。其中g為重力加速度。
圖2係為本發明之動作偵測裝置架構圖，其包括：一加速度感測單元11，係用於偵測三軸向加速度；一計算單元12，係連接該加速度感測單元，係根據該三軸向加速度之數值，判斷該裝置是否產生一跌落動作；以及一傳輸單元13，係連接該計算單元，係產生跌落動作之訊息。
本發明之動作偵測裝置可配戴在人體上，如腰、手、肩等部位，作為醫護之防跌倒用途；本發明之動作偵測裝置亦可設置於貴重物品、
機具或擺設等需要即時偵測掉落、跌落動作發生者，作為一掉落警告裝置使用。
上述之實施例僅為例示性說明本發明之特點及其功效，而非用於限制本發明之實質技術內容的範圍。任何熟習此技藝之人士均可在不違背本發明之精神及範疇下，對上述實施例進行修飾與變化。因此，本發明之權利保護範圍，應如後述之申請專利範圍所列。
S01~S06‧‧‧動作偵測方法之步驟
Claims (4)
- 一種動作偵測方法，其步驟包括：待測物在第一時間點發生一動作時，偵測該待測物於X軸、Y軸與Z軸之加速度ax 、ay 、az ；分別取ax 、ay 、az 之絕對值|ax |、|ay |、|az |後，將其依大小順序排列為a 1、a 2、a 3；以a 1、a 2、a 3之數值代入第一訊號強度值之演算法與第二訊號強度值之演算法，計算出第一訊號強度值與第二訊號強度值，其中該第一訊號強度值之演算法為：a 1*，該第二訊號強度值之演算法為：a 1+(-1)*a 2；當第一訊號強度值與第二訊號強度值均不小於2.5g時，則判定該動作為一跌落動作，其中g係為重力加速度。
- 如申請專利範圍第1項所述之動作偵測方法，更進一步包括以下步驟：偵測在第一時間點前0.5秒至第一時間點後0.5秒之平均Z軸加速度，令其為x；偵測在第一時間點後0.5秒至第一時間點後1.5秒之平均Z軸加速度，令其為y；當|x -y |>0.6時，則判定該動作為一跌落動作。
- 一種動作偵測裝置，其包括：一加速度感測單元，係用於偵測三軸向加速度；一計算單元，係連接該加速度感測單元，係根據該三軸向加速度之數值，以申請專利範圍第1項或第2項之一種動作偵測方法判斷是否產生一跌落動作；以及一傳輸單元，係連接該計算單元，係產生一跌落動作之訊息。
- 如申請專利範圍第3項所述之動作偵測裝置，其中該傳輸單元係為一藍芽單元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW103120745A TWI494568B (zh) | 2014-06-16 | 2014-06-16 | Motion detection method and device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW103120745A TWI494568B (zh) | 2014-06-16 | 2014-06-16 | Motion detection method and device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TWI494568B true TWI494568B (zh) | 2015-08-01 |
| TW201600859A TW201600859A (zh) | 2016-01-01 |
Family
ID=54343295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW103120745A TWI494568B (zh) | 2014-06-16 | 2014-06-16 | Motion detection method and device |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI494568B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201711002A (zh) * | 2015-09-14 | 2017-03-16 | Chaoyang Univ Of Tech | 應用三軸加速計與時間序列判斷之跌倒偵測方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6433690B2 (en) * | 1998-10-27 | 2002-08-13 | Sarcos, L.C. | Elderly fall monitoring method and device |
| TWI374408B (en) * | 2009-06-30 | 2012-10-11 | Univ Nat Pingtung Sci & Tech | A falling down detection method implemented by tri-axis accelerometer |
| TWI419085B (zh) * | 2010-12-06 | 2013-12-11 | Ind Tech Res Inst | 跌倒偵測方法及其裝置 |
| TW201407164A (zh) * | 2012-08-10 | 2014-02-16 | Univ Chang Gung | 座標轉換方法、獨立座標的計算方法及加速度感測系統 |
| TWI438726B (zh) * | 2012-03-29 | 2014-05-21 | Univ Southern Taiwan | 評估跌倒風險之系統及其方法 |
-
2014
- 2014-06-16 TW TW103120745A patent/TWI494568B/zh active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6433690B2 (en) * | 1998-10-27 | 2002-08-13 | Sarcos, L.C. | Elderly fall monitoring method and device |
| TWI374408B (en) * | 2009-06-30 | 2012-10-11 | Univ Nat Pingtung Sci & Tech | A falling down detection method implemented by tri-axis accelerometer |
| TWI419085B (zh) * | 2010-12-06 | 2013-12-11 | Ind Tech Res Inst | 跌倒偵測方法及其裝置 |
| TWI438726B (zh) * | 2012-03-29 | 2014-05-21 | Univ Southern Taiwan | 評估跌倒風險之系統及其方法 |
| TW201407164A (zh) * | 2012-08-10 | 2014-02-16 | Univ Chang Gung | 座標轉換方法、獨立座標的計算方法及加速度感測系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201600859A (zh) | 2016-01-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9159213B1 (en) | Motion detection method and device | |
| JP4592360B2 (ja) | 身体状態監視装置 | |
| TWI610084B (zh) | 用於判定基於來自複數個與人共定位之行動裝置之感測器量測之移動之技術 | |
| AU2010269846B2 (en) | Fall prevention | |
| Buke et al. | Healthcare algorithms by wearable inertial sensors: a survey | |
| JP5437549B2 (ja) | 活動パターンの監視方法及びその装置 | |
| US9804189B2 (en) | Upper body motion measurement system and upper body motion measurement method | |
| Zhang et al. | Rider trunk and bicycle pose estimation with fusion of force/inertial sensors | |
| Lin et al. | Fall monitoring for the elderly using wearable inertial measurement sensors on eyeglasses | |
| Leu et al. | Fall detection and motion classification by using decision tree on mobile phone | |
| Mezghani et al. | Context aware adaptable approach for fall detection bases on smart textile | |
| Hsieh et al. | A wrist-worn fall detection system using accelerometers and gyroscopes | |
| Shi et al. | Fall Detection Algorithm Based on Triaxial Accelerometer and Magnetometer. | |
| TWM537280U (zh) | 分析跌倒嚴重程度的跌倒偵測系統及其穿戴式裝置 | |
| JP6928939B2 (ja) | 姿勢特定システム、姿勢特定方法、及び、姿勢特定プログラム | |
| CN106327799A (zh) | 一种在行走状态下的摔倒监测方法及系统 | |
| CN106650300B (zh) | 一种基于极限学习机的老人监护系统及方法 | |
| Ge et al. | Detecting Falls Using Accelerometers by Adaptive Thresholds in Mobile Devices. | |
| Madansingh et al. | Smartphone based fall detection system | |
| Gietzelt et al. | A method to align the coordinate system of accelerometers to the axes of a human body: The depitch algorithm | |
| Brusey et al. | Postural activity monitoring for increasing safety in bomb disposal missions | |
| TWI494568B (zh) | Motion detection method and device | |
| Zhang et al. | Pose estimation in physical human-machine interactions with application to bicycle riding | |
| JP2020120807A (ja) | 転倒リスク評価装置、転倒リスク評価方法及び転倒リスク評価プログラム | |
| Gong et al. | Design of remote elderly health monitoring system based on MEMS sensors |