TWM537281U - 跌倒偵測系統 - Google Patents
跌倒偵測系統 Download PDFInfo
- Publication number
- TWM537281U TWM537281U TW105215795U TW105215795U TWM537281U TW M537281 U TWM537281 U TW M537281U TW 105215795 U TW105215795 U TW 105215795U TW 105215795 U TW105215795 U TW 105215795U TW M537281 U TWM537281 U TW M537281U
- Authority
- TW
- Taiwan
- Prior art keywords
- difference degree
- processing module
- user
- difference
- skeleton
- Prior art date
Links
Landscapes
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Description
本新型是有關於一種跌倒偵測系統,特別是指一種利用影像處理的跌倒偵測系統。
在日常生活中,發生意外事件的種類其中跌倒占了相當大的比例,然而跌倒意外的發生是不可完全避免的,意外的跌倒事件對於老年人來說,是危害健康的主要來源之一,對於獨居老年人而言,更是如此。及時的跌倒偵測可以使因跌倒而受傷的老年人及時接受醫療照護。
目前的跌倒偵測主要分為兩大類:第一,利用影像辨識技術來辨識一使用者是否處於一跌倒狀態。第二,藉由一配戴在該使用者身上並包含一加速度計及一角速度計的動作感測器,並根據該動作感測器所感測到的加速度訊號及角加速度訊號來判定該使用者是否處於一跌倒狀態。惟,如何發展出一套方便使用且準確率高的跌倒偵測系統是當今的重要課題。
因此,本新型之目的,即在提供一種方便使用且準確率高的跌倒偵測系統。
於是,本新型跌倒偵測系統適用於對一使用者進行跌倒偵測,並包含一影像拍攝模組,及一電連接該影像拍攝模組的處理模組。
該影像拍攝模組用於在每一預定時間期間內拍攝該使用者的多幅深度影像。
該處理模組用於接收來自該影像拍攝模組的該等深度影像,且辨識出每一深度影像中之相關於該使用者的一骨架,並計算出每一組相鄰的兩幅影像中之該等骨架的一骨架差異度集合,且根據每一骨架差異度集合產生一相關於該使用者是否處於一跌倒狀態的評估結果。
本新型之功效在於:藉由該處理模組根據該影像拍攝模組所拍攝的該等深度影像,產生一包含相關於該使用者是否處於一跌倒狀態的評估結果,以達成偵測該使用者是否跌倒的效果。由於該處理模組係根據該等深度影像來判定,故該使用者不必穿戴任何裝置,使用上較為方便。此外,根據每一骨架差異度集合所產生的評估結果之準確率亦較高。
參閱圖1,本新型跌倒偵測系統1的實施例,適用於對一使用者4進行跌倒偵測,並包含一影像拍攝模組11、一連接一網路3的通訊模組12、一儲存模組13,及一電連接該影像拍攝模組11、該通訊模組12與該儲存模組13的處理模組14。
該影像拍攝模組11包含一紅外線影像拍攝單元111。該紅外線影像拍攝單元111用於在每一預定時間期間內拍攝該使用者4的多幅深度影像。在本實施例中,該紅外線影像拍攝單元111係在每一預定時間期間的起始點及結束點分別拍攝該使用者4的兩幅深度影像。此外在實施上,該影像拍攝模組11可包含微軟的Kinect,並利用Kinect來拍攝該等深度影像。
該通訊模組12經由該網路3連接至一由一醫護人員5所持有且如,智慧型手機、平板電腦或電腦的電子裝置2。
該儲存模組13用於儲存多個相關於不同動作如,坐下、彎腰、躺下、前趴下跌倒、前跪下跌倒及後坐下跌倒的動作案例及每一動作案例對應的多個骨架差異度屬性。該等骨架差異度屬性包含一頭部差異屬性、一左肩差異屬性、一右肩差異屬性、一左手差異屬性、一右手差異屬性、一髖關節差異屬性、一左膝差異屬性及一右膝差異屬性。
該處理模組14接收來自該影像拍攝模組11的該等深度影像,且利用如,Kinect所提供的應用程式介面(Application Programming Interface, API)來辨識出每一深度影像中之相關於該使用者4的一骨架,並計算出每一組相鄰的兩幅影像中之該等骨架的一骨架差異度集合。在本實施例中,由於該紅外線影像拍攝單元111在每一預定時間期間僅拍攝到該使用者4的兩幅深度影像,故該處理模組14僅計算出一組骨架差異度集合,此外,該骨架差異度集合例如包含一頭部差異度、一左肩差異度、一右肩差異度、一左手差異度、一右手差異度、一髖關節差異度、一左膝差異度及一右膝差異度。再者,該通訊模組12、該儲存模組13與該處理模組14之實施態樣例如為一智慧型手機、一平板電腦或一電腦。
該處理模組14還根據該骨架差異度集合、儲存於儲存模組13的該等動作案例及其對應之骨架差異度屬性,利用一案例式推理(Case-Based Reasoning,簡稱CBR),獲得一目標動作案例。值得一提的是,對於每一動作案例,案例式推理係藉由將該骨架差異度集合中的該頭部差異度、該左肩差異度、該右肩差異度、該左手差異度、該右手差異度、該髖關節差異度、該左膝差異度及該右膝差異度分別與該動作案例中的該頭部差異屬性、該左肩差異屬性、該右肩差異屬性、該左手差異屬性、該右手差異屬性、該髖關節差異屬性、該左膝差異屬性及該右膝差異屬性加以比較,並加入該等骨架差異度屬性的權重,以計算出該骨架差異度集合
與該動作案例
間的相似性總權重值
,如公式(1)所示。接著,擷取出相似性總權重值最高的動作案例,以作為該目標動作案例。
....................................... (1)
其中,n代表該等骨架差異度屬性之數目,i代表從1到n的各個骨架差異度屬性,W
i代表各個骨架差異度屬性的權重,
代表針對第i個骨架差異度屬性,該骨架差異度集合
與該動作案例
間之相似值。在本實施例中,該等骨架差異度屬性之數目為8。
該處理模組14還根據該骨架差異度集合,利用一決策樹演算法產生一相關於該使用者4是否處於一跌倒狀態的評估結果,及一相關於該使用者4之動作姿勢的動作判定結果。該處理模組14係根據該骨架差異度集合中的該頭部差異度、該左肩差異度、該右肩差異度、一第一預定值及一第二預定值,判定該頭部差異度是否大於該第一預定值,且該左肩差異度與該右肩差異度是否皆大於一第二預定值。當該處理模組14判定出該頭部差異度大於該第一預定值,且該左肩差異度與該右肩差異度皆大於該第二預定值時,該處理模組14產生指示出該使用者4處於該跌倒狀態的該評估結果;當該處理模組14判定出該頭部差異度不大於該第一預定值、該左肩差異度不大於該第二預定值、或該右肩差異度不大於該第二預定值時,該處理模組14產生指示出該使用者4不處於該跌倒狀態的該評估結果。值得一提的是,在本新型之其他實施例中,該處理模組14亦可僅根據該骨架差異度集合中的該頭部差異度及該第一預定值,判定該頭部差異度是否大於該第一預定值。當該處理模組14判定出該頭部差異度大於該第一預定值時,即產生指示出該使用者4處於該跌倒狀態的該評估結果,並不以此為限。
當該評估結果指示出該使用者4處於該跌倒狀態,該處理模組14還根據該骨架差異度集合中的該左手差異度、該右手差異度及一第三預定值,判定該左手差異度與該右手差異度是否皆大於該第三預定值,當該處理模組14判定出該左手差異度與該右手差異度皆大於該第三預定值時,該處理模組14產生指示出該使用者4之動作姿勢為前趴下跌倒的一動作判定結果,並經由該通訊模組12傳送一包含該目標動作案例、該評估結果及該動作判定結果的警示輸出至該電子裝置2,值得一提的是,在本新型之其他實施例中,該處理模組14亦可在產生指示出該使用者4處於該跌倒狀態的該評估結果後,立即經由該通訊模組12傳送一包含該評估結果的警示輸出至該電子裝置2,並不以此為限。當該評估結果指示出該使用者4不處於該跌倒狀態,該處理模組14還根據該骨架差異度集合中的該左手差異度、該右手差異度及該第三預定值,判定該左手差異度與該右手差異度是否皆大於該第三預定值,當該處理模組14判定出該左手差異度與該右手差異度皆大於該第三預定值時,該處理模組14產生指示出該使用者4之動作姿勢為撿東西的一動作判定結果。
當該評估結果指示出該使用者4處於該跌倒狀態,該處理模組14還根據該骨架差異度集合中的該左膝差異度、該右膝差異度及一第四預定值,判定該左膝差異度與該右膝差異度是否皆大於該第四預定值,當該處理模組14判定出該左膝差異度與該右膝差異度皆大於該第四預定值時,該處理模組14產生指示出該使用者4之動作姿勢為前跪下跌倒的一動作判定結果,並經由該通訊模組12傳送一包含該目標動作案例、該評估結果及該動作判定結果的警示輸出至該電子裝置2。當該評估結果指示出該使用者4不處於該跌倒狀態,該處理模組14還根據該骨架差異度集合中的該左膝差異度、該右膝差異度及該第四預定值,判定該左膝差異度與該右膝差異度是否皆大於該第四預定值,當該處理模組14判定出該左膝差異度與該右膝差異度皆大於該第四預定值時,該處理模組14產生指示出該使用者4之動作姿勢為綁鞋帶的一動作判定結果。
當該評估結果指示出該使用者4處於該跌倒狀態,該處理模組14還根據該骨架差異度集合中的該髖關節差異度及一第五預定值,判定該髖關節差異度是否大於該第五預定值,當該處理模組14判定出該髖關節差異度大於該第五預定值時,該處理模組14產生指示出該使用者4之動作姿勢為後坐下跌倒的一動作判定結果,並經由該通訊模組12傳送一包含該目標動作案例、該評估結果及該動作判定結果的警示輸出至該電子裝置2。當該評估結果指示出該使用者4不處於該跌倒狀態,該處理模組14還根據該骨架差異度集合中的該髖關節差異度及該第五預定值,判定該髖關節差異度是否大於該第五預定值,當該處理模組14判定出該髖關節差異度大於該第五預定值時,該處理模組14產生指示出該使用者4之動作姿勢為坐下的一動作判定結果。
值得特別說明的是,為了使案例式推理的推理結果更加精準,案例式推理通常還包含一案例再使用(Reuse)程序、一案例校正(Revise)程序及一案例保留(Retain)程序。於案例再使用(Reuse)程序中,該處理模組14還將指示出該使用者4處於該跌倒狀態的該評估結果與指示出該使用者4之動作姿勢的該動作判定結果及其對應的骨架差異度集合儲存於該儲存模組13,其中該動作判定結果可作為一動作案例,該評估結果與該動作判定結果所對應的該等骨架差異度集合可分別作為該動作案例對應的多個骨架差異度屬性。於案例校正(Revise)程序中,當一醫護人員5根據其電子裝置2所接收到的該警示輸出前往該使用者4的跌倒現場後,該醫護人員5會對該警示輸出的動作判定結果進行確認,當該醫護人員5判斷出該警示輸出的動作判定結果不正確時,該醫護人員5即會利用其電子裝置2傳送一相關於該動作判定結果且指示出該使用者4之實際姿勢的校正請求至該通訊模組12。當該處理模組14經由該通訊模組12接收到相關於該動作判定結果且指示出該使用者4之實際姿勢的該校正請求時,該處理模組14執行案例保留(Retain)程序,於案例保留(Retain)程序中,該處理模組14根據該使用者4之實際姿勢更新對應儲存於該儲存模組13中之該動作判定結果。
值得一提的是,在本實施例中,該處理模組14會根據該骨架差異度集合、儲存於儲存模組13的該等動作案例及其對應之骨架差異度屬性,利用該案例式推理來獲得該目標動作案例。然而,在本新型的其他實施例中,該處理模組14可僅利用該決策樹演算法產生該評估結果及該動作判定結果,而無須產生利用該案例式推理來獲得該目標動作案例。
綜上所述,本新型跌倒偵測系統1藉由結合該案例式推理與該決策樹演算法來產生該目標動作案例、該評估結果及該動作判定結果,確實可獲得準確率較高之跌倒偵測結果。此外,該處理模組14還執行該案例再使用程序與該案例保留程序,且該電子裝置2還執行該案例校正程序,藉此可提升經案例式推理所獲得之目標動作案例準確率。此外,藉由該處理模組14在判定出該使用者4處於該跌倒狀態時輸出該警示輸出至該電子裝置2,以達成即時通報效果,藉此,降低該使用者4因跌倒所造成的傷害程度。再者,由於該處理模組14係根據該等深度影像來判定,故該使用者4不必穿戴任何裝置,使用上較為方便。因此,確實能達成本新型之目的。
惟以上所述者,僅為本新型之實施例而已,當不能以此限定本新型實施之範圍,凡是依本新型申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾,皆仍屬本新型專利涵蓋之範圍內。
1‧‧‧跌倒偵測系統
11‧‧‧影像拍攝模組
111‧‧‧紅外線影像拍攝單元
12‧‧‧通訊模組
13‧‧‧儲存模組
14‧‧‧處理模組
2‧‧‧電子裝置
3‧‧‧網路
4‧‧‧使用者
5‧‧‧醫護人員
11‧‧‧影像拍攝模組
111‧‧‧紅外線影像拍攝單元
12‧‧‧通訊模組
13‧‧‧儲存模組
14‧‧‧處理模組
2‧‧‧電子裝置
3‧‧‧網路
4‧‧‧使用者
5‧‧‧醫護人員
本新型之其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中: 圖1是一方塊圖,說明本新型跌倒偵測系統之實施例經由一網路與一電子裝置連接; 圖2是本新型跌倒偵測系統之實施例的一示意圖。
1‧‧‧跌倒偵測系統
11‧‧‧影像拍攝模組
111‧‧‧紅外線影像拍攝單元
12‧‧‧通訊模組
13‧‧‧儲存模組
14‧‧‧處理模組
2‧‧‧電子裝置
3‧‧‧網路
Claims (10)
- 一種跌倒偵測系統,適用於對一使用者進行跌倒偵測,並包含: 一影像拍攝模組,用於在每一預定時間期間內拍攝該使用者的多幅深度影像;及 一處理模組,電連接該影像拍攝模組以便接收來自該影像拍攝模組的該等深度影像,且用於辨識出每一深度影像中之相關於該使用者的一骨架,並計算出每一組相鄰的兩幅影像中之該等骨架的一骨架差異度集合,且根據每一骨架差異度集合產生一相關於該使用者是否處於一跌倒狀態的評估結果。
- 如請求項1所述的跌倒偵測系統,還包含一電連接該處理模組,並用於經由一網路連接至一電子裝置的通訊模組,當該評估結果指示出該使用者處於該跌倒狀態時,該處理模組還經由該通訊模組傳送一警示輸出至該電子裝置。
- 如請求項1所述的跌倒偵測系統,其中,每一骨架差異度集合包含一頭部差異度,當該處理模組判定出該頭部差異度大於一第一預定值時,該處理模組產生指示出該使用者處於該跌倒狀態的該評估結果。
- 如請求項3所述的跌倒偵測系統,其中,每一骨架差異度集合還包含一左肩差異度及一右肩差異度,當該處理模組判定出該頭部差異度大於該第一預定值,且該左肩差異度與該右肩差異度皆大於一第二預定值時,該處理模組產生指示出該使用者處於該跌倒狀態的該評估結果。
- 如請求項4所述的跌倒偵測系統,其中,該處理模組還根據每一骨架差異度集合,產生一相關於該使用者之動作姿勢的動作判定結果。
- 如請求項5所述的跌倒偵測系統,其中,每一骨架差異度集合還包含一左手差異度、一右手差異度、一髖關節差異度、一左膝差異度、一右膝差異度,當該評估結果指示出該使用者處於該跌倒狀態,且該處理模組判定出該左手差異度與該右手差異度皆大於一第三預定值時,該處理模組產生指示出該使用者之動作姿勢為前趴下跌倒的該動作判定結果,當該評估結果指示出該使用者處於該跌倒狀態,且該處理模組判定出該左膝差異度與該右膝差異度皆大於一第四預定值時,該處理模組產生指示出該使用者之動作姿勢為前跪下跌倒的該動作判定結果,當該評估結果指示出該使用者處於該跌倒狀態,且該處理模組判定出該髖關節差異度大於一第五預定值時,該處理模組產生指示出該使用者之動作姿勢為後座下跌倒的該動作判定結果。
- 如請求項6所述的跌倒偵測系統,還包含一電連接該處理模組的儲存模組,該處理模組還用於將指示出該使用者處於該跌倒狀態的該評估結果與指示出該使用者之動作姿勢的該動作判定結果及其對應的骨架差異度集合儲存於該儲存模組。
- 如請求項7所述的跌倒偵測系統,還包含一電連接該處理模組,並用於經由一網路連接至一電子裝置的通訊模組,當該處理模組經由該通訊模組接收到一相關於該動作判定結果且指示出該使用者之實際姿勢的校正請求時,該處理模組根據該使用者之實際姿勢更新對應儲存於該儲存模組中之該動作判定結果。
- 如請求項1所述的跌倒偵測系統,還包含一電連接該處理模組,且用於儲存多個動作案例及每一動作案例對應的多個骨架差異度屬性的儲存模組,其中,每一骨架差異度集合包含一頭部差異度、一左肩差異度、一右肩差異度、一左手差異度、一右手差異度、一髖關節差異度、一左膝差異度及一右膝差異度,該處理模組還根據每一骨架差異度集合、該等動作案例及其對應之骨架差異度屬性,利用一案例式推理,獲得一目標動作案例。
- 如請求項1所述的跌倒偵測系統,其中,該影像拍攝模組包含一紅外線影像拍攝單元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105215795U TWM537281U (zh) | 2016-10-18 | 2016-10-18 | 跌倒偵測系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105215795U TWM537281U (zh) | 2016-10-18 | 2016-10-18 | 跌倒偵測系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWM537281U true TWM537281U (zh) | 2017-02-21 |
Family
ID=58607134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105215795U TWM537281U (zh) | 2016-10-18 | 2016-10-18 | 跌倒偵測系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWM537281U (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI662514B (zh) * | 2018-09-13 | 2019-06-11 | 緯創資通股份有限公司 | 跌倒偵測方法以及使用此方法的電子系統 |
TWI718331B (zh) * | 2017-06-16 | 2021-02-11 | 中興保全科技股份有限公司 | 休閒裝置 |
TWI778494B (zh) * | 2021-01-13 | 2022-09-21 | 財團法人工業技術研究院 | 具影像隱私性之衰弱檢測的方法及裝置 |
TWI807969B (zh) * | 2022-08-18 | 2023-07-01 | 大陸商業成科技(成都)有限公司 | 跌倒偵測系統及其偵測方法 |
-
2016
- 2016-10-18 TW TW105215795U patent/TWM537281U/zh not_active IP Right Cessation
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI718331B (zh) * | 2017-06-16 | 2021-02-11 | 中興保全科技股份有限公司 | 休閒裝置 |
TWI662514B (zh) * | 2018-09-13 | 2019-06-11 | 緯創資通股份有限公司 | 跌倒偵測方法以及使用此方法的電子系統 |
US10783765B2 (en) | 2018-09-13 | 2020-09-22 | Wistron Corporation | Falling detection method and electronic system using the same |
TWI778494B (zh) * | 2021-01-13 | 2022-09-21 | 財團法人工業技術研究院 | 具影像隱私性之衰弱檢測的方法及裝置 |
TWI807969B (zh) * | 2022-08-18 | 2023-07-01 | 大陸商業成科技(成都)有限公司 | 跌倒偵測系統及其偵測方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9700242B2 (en) | Motion information processing apparatus and method | |
US20180153445A1 (en) | Measurement device and measurement method | |
TWM537281U (zh) | 跌倒偵測系統 | |
JP2020046928A (ja) | 情報処理装置、情報処理システム、情報処理方法及びプログラム | |
JP6369811B2 (ja) | 歩行解析システムおよび歩行解析プログラム | |
JPWO2016143641A1 (ja) | 姿勢検知装置および姿勢検知方法 | |
CN110123257A (zh) | 一种视力检测方法、装置、视力检测仪及计算机存储介质 | |
US20160091359A1 (en) | System and method for measuring segment parameters of a human body for recording a body mass index | |
KR20200084567A (ko) | 보행패턴을 이용한 건강이상감지 시스템 및 방법 | |
US20200013180A1 (en) | Height calculation system, information processing apparatus, and non-transitory computer readable medium storing program | |
US9218794B2 (en) | Image processing apparatus, image processing method, and non-transitory computer readable medium | |
WO2022174594A1 (zh) | 基于多相机的裸手追踪显示方法、装置及系统 | |
US20210279452A1 (en) | Action-estimating device | |
TWI541769B (zh) | 跌倒偵測系統及方法 | |
JP2017038777A (ja) | 動作認識装置 | |
US20230005161A1 (en) | Information processing apparatus and determination result output method | |
JP2015150150A (ja) | 情報提供装置及びプログラム | |
KR101636171B1 (ko) | 스켈레톤 트래킹 방법 및 이를 이용한 스켈레톤 트래킹 시스템 | |
CN113544738B (zh) | 人体测量数据便携式获取设备和收集人体测量数据的方法 | |
US11482046B2 (en) | Action-estimating device | |
JP2014164374A (ja) | 情報表示システム、情報端末、サーバ装置、情報端末の制御方法、サーバ装置の制御方法、及びプログラム | |
CN109754419B (zh) | 位置推测系统 | |
WO2020261404A1 (ja) | 人物状態検出装置、人物状態検出方法及びプログラムが格納された非一時的なコンピュータ可読媒体 | |
JP2018169720A (ja) | 動き検出システム | |
KR102310964B1 (ko) | 근골격계 증상을 진단하기 위한 전자 장치, 방법, 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4K | Annulment or lapse of a utility model due to non-payment of fees |