CN102132331A - 跌倒检测和/或预防系统 - Google Patents
跌倒检测和/或预防系统 Download PDFInfo
- Publication number
- CN102132331A CN102132331A CN2009801332497A CN200980133249A CN102132331A CN 102132331 A CN102132331 A CN 102132331A CN 2009801332497 A CN2009801332497 A CN 2009801332497A CN 200980133249 A CN200980133249 A CN 200980133249A CN 102132331 A CN102132331 A CN 102132331A
- Authority
- CN
- China
- Prior art keywords
- fall detection
- fall
- detection algorithm
- prevention system
- signal
- 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.)
- Granted
Links
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
- G08B21/0438—Sensor means for detecting
- G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
- A61B5/1117—Fall detection
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/20—Calibration, including self-calibrating arrangements
- G08B29/22—Provisions facilitating manual calibration, e.g. input or output provisions for testing; Holding of intermittent values to permit measurement
Abstract
提供了一种跌倒检测和/或预防系统,所述系统包括:一个或多个传感器,用于检测所述跌倒检测和/或预防系统的用户的移动特性并用于生成对应的信号;处理装置,用于使用跌倒检测算法分析来自所述一个或多个传感器的所述信号,以确定是否发生了跌倒或将可能发生跌倒;其中,所述处理装置还适于基于对所述信号的分析的结果和来自所述用户或第三方的关于是否确实发生了跌倒的指示来更新所述跌倒检测算法。
Description
技术领域
本发明涉及跌倒检测和/或预防系统,并且尤其涉及具有跌倒检测算法的跌倒检测和/或预防系统,该跌倒检测算法能够适应于特定用户的特性。
背景技术
跌倒在中老年人的护理中是个值得关注的问题,其能够导致病态和死亡。从身体角度来说,跌倒引起损伤,而从精神角度来说,跌倒引起跌倒恐惧,这反过来导致社会隔离和抑郁。
就介入来说,存在电子设备能够有帮助的两个方面。一个是提供自动化和可靠的跌倒检测系统,而另一个是提供跌倒预防系统,该跌倒预防系统在一个(多个)危险状况时向用户或用户护理提供者(如果用户雇佣的话)提供早期反馈。第一确保在发生跌倒事故的情况下将采取足够的措施,这也向用户提供了放心水平,第二有助于用户保持健康,这提供了进一步的放心水平。跌倒检测系统正在变得广泛可用,并且预期跌倒预防系统不久将出现。
通常,自动化跌倒检测系统的核心是要联结至用户身体的加速计。检测器跟踪来自加速计的信号并在识别到特征模式时确定发生了跌倒。典型模式是其中加速信号超过了预配置的阈值的高冲击值的组合,随后紧接相对恒定的加速时段,例如仅重力,因为用户躺在地上不动。在用户再次站立时,通过偏离相对恒定的时段的有启迪作用的行为,该模式可以继续。
此简单系统存在数个改进的地方和扩展。例如,能够使用陀螺仪和/或磁力计测量身体的取向以在估计是否发生跌倒时检查维持的非竖直位置。
当前自动化跌倒检测系统典型地装备有“警报重置”按钮,在用户到达护理提供者之前,用户能够按压该按钮以抑制错误警报(假阳性-FP),使得中断护理提供者的进一步的介入。经常,警报重置按钮,或替代地“警报”按钮用于使得用户能够请求帮助,这在某种程度上指示错过的警报(即假阴性-FN)。这两个功能能够作为两个独立的按钮出现,给用户按压。它们也能够集成在一个物理按钮中,在该情况下,功能以检测算法的当前状态切换(检测到无跌倒(no-fall)相比检测到跌倒)。然而,应当注意,按钮不必是联结至用户的设备的部分。它们也能够是位于用户家中的基站的部分,传感器与该基站通信并且该基站还向护理提供者呼叫中心发送警报。在基站上安装用于重置功能的按钮并使得传感器具有警报功能是最有意义的。
自动化跌倒检测系统的一个问题是对跌倒和非跌倒(non-fall)的分类,其特征是通过灵敏性和特异性。清楚地,对于可靠的分类,应尽可能的抑制假阳性和假阴性。仅当信号特征集的特性能够完全区别为两个独立的集时,完全的可靠性(即无FP或FN)才是可实现的,两个独立的集的一个的特征在于跌倒事故,另一个的特征在于非跌倒事故。明显地,在跌倒预防中,系统不能利用信号中的高加速事件,因为它们将(仍然)不存在,并且增加的危险状况的校正识别的问题甚至更难。
许多实现校正分类的技术是已知的。它们共同称作机器学习[T.M.Mitchell,Machine Learning,McGraw-Hill,1997]。在这些方法中,设计算法,该算法根据传感器信号将特征的值组合分类为跌倒特性和非跌倒特性。使用已知的对应于跌倒和非跌倒的特征集,算法的参数调整为提供对此训练数据的校正响应。通常从算法的统计分析量推导调整量,使得更新过程会聚到匹配最佳标准的状况。当然,为了优选地成功,要求信号,即它们的观察的特征,在理想即无噪声状况是可区别的。如果不是这种情况,则基本上保持误差(FP和FN),并且任务是找出折衷这些FP和FN的最佳设定。为有效地训练算法,需要充足的数据采样量,使得能够针对特征集中的变量优化分类边界。
剩下的问题涉及参考数据的获取,使得其具有足够的大小,并足够表示待区别的分类。因为人们以不同方式移动,并且因此生成不同信号和模式,所以难以提供“通用(one-size-fits-all)”的参考数据集。
因此,本发明的目的是提供跌倒检测和/或预防系统,该系统能够适应于特定用户的跌倒或活动特性,以提高跌倒检测算法的可靠性,而无需用户花费专门的时期来训练检测器。本发明的另一目的是提供跌倒检测和/或预防系统,该系统能够适应于用户活动特性的改变(例如归因于变老)。
发明内容
根据本发明的第一方面,提供了一种跌倒检测和/或预防系统,包括:一个或多个传感器,用于检测所述跌倒检测和/或预防系统的用户的移动特性并用于生成对应的信号;处理装置,用于使用跌倒检测算法分析来自所述一个或多个传感器的所述信号,以确定是否发生了跌倒或将可能发生跌倒;其中,所述处理装置还适于基于对所述信号的分析的结果和来自所述用户或第三方的关于是否确实发生了跌倒的指示来更新所述跌倒检测算法。
因此,随着将跌倒是否确实发生了的指示与跌倒检测算法的结果进行比较,能够更新跌倒检测算法以减少假阳性和假阴性的发生。
优选地,所述处理装置适于在发生了跌倒或将可能发生跌倒的情况下生成警报信号。
在优选实施例中,所述系统还包括存储器,所述存储器用于存储所述信号、来自所述跌倒检测算法的关于所述跌倒检测算法是否已确定发生了跌倒或将可能发生跌倒的指示、以及关于是否确实发生了跌倒的所述指示。
在另一实施例中,所述系统还包括用于生成来自所述一个或多个传感器的多个信号的轨迹的装置,并且所述存储器适于存储所述信号的所述轨迹。
优选地,关于是否确实发生了跌倒的所述指示包括重置信号。
优选地,在所述跌倒检测算法检测到发生了跌倒且存在所述重置信号的情况下,所述处理装置确定所述跌倒检测算法提供了假阳性,并且所述处理装置适于相应地更新所述跌倒检测算法。
优选地,在所述跌倒检测算法检测到发生了跌倒且不存在所述重置信号的情况下,所述处理装置确定所述跌倒检测算法提供了真阳性,并且所述处理装置适于相应地更新所述跌倒检测算法。
在另一实施例中,所述系统还包括用于接收来自第三方的所述重置信号的装置。
在另一实施例中,所述系统还包括第一用户可操作部件,用于容许用户选择性地生成所述重置信号。
在另一优选实施例中,所述系统还包括第二用户可操作部件,用于生成警报信号。
优选地,在所述跌倒检测算法未检测到发生跌倒且存在所述警报信号的情况下,所述处理装置确定所述跌倒检测算法提供了假阴性,并且所述处理装置适于相应地更新所述跌倒检测算法。
优选地,在所述跌倒检测算法检测到发生了跌倒且存在所述警报信号的情况下,所述处理装置确定所述跌倒检测算法提供了真阳性,并且所述处理装置适于相应地更新所述跌倒检测算法。
优选地,所述跌倒检测算法包括表示来自所述一个或多个传感器的信号的一个或多个特征集。
优选地,所述处理装置适于监测用以更新所述跌倒检测算法的频率,并且如果所述频率超过阈值,则所述处理装置适于从所述跌倒检测算法去除一个或多个特征集。
优选地,通过将所述一个或多个特征集与所述一个或多个传感器生成的所述对应的信号进行比较,所述处理装置确定是否发生了跌倒或将可能发生跌倒。
优选地,为了在所述算法错误地检测到跌倒时选择性地优化假阳性,在所述算法错误地检测到未发生跌倒时选择性地优化假阴性,或为了获得假阳性和假阴性之间的稳定的比率,所述处理装置适于更新所述跌倒检测算法。
本发明的第二方面提供了一种训练用于跌倒检测和/或预防系统中的跌倒检测和/或预防算法的方法,所述方法包括:获得所述跌倒检测和/或预防系统的用户的移动特性的测量结果;使用跌倒检测算法分析所述测量结果,以确定是否发生了跌倒或将可能发生跌倒;以及基于分析步骤的结果和来自所述用户或第三方的关于是否确实发生了跌倒的指示,更新所述跌倒检测算法。
本发明的第三方面提供了一种计算机程序产品,所述计算机程序产品包括可执行代码,当被在合适的计算机或处理器上执行时,所述可执行代码执行以下步骤:接收指示跌倒检测和/或预防系统的用户的移动特性的信号;使用跌倒检测算法分析所述信号,以确定是否发生了跌倒或将可能发生跌倒;以及基于对所述信号的分析的结果和自所述用户或第三方接收的关于是否确实发生了跌倒的指示,更新所述跌倒检测算法。
附图说明
现在将参照以下附图通过仅示例的方式描述本发明,其中:
图1示出了联结至用户的跌倒检测系统;
图2是跌倒检测系统的框图;
图3是示例根据本发明的第一方法的流程图;
图4是示例根据本发明的第二方法的流程图;以及
图5是示例根据本发明的训练跌倒检测算法的方法的流程图。
具体实施方式
图1示出了经由带或其它联结装置6联结至用户4的跌倒检测系统2。跌倒检测系统2优选地联结在用户身体4的较上部分,诸如围绕腰、在手腕处、或作为围绕脖子的悬挂物。
在此实施例中,跌倒检测系统2包括警报重置按钮8,用户4能够操作该重置按钮以预防或阻止警报信号发送到呼叫中心或其它辅助单元。从而,如果跌倒检测系统2检测到用户4的跌倒,将向呼叫中心或其它辅助单元发送警报信号,除非用户4通过按压警报重置按钮8指示没有发生跌倒。这视为假阳性(FP)。
在此情况下,系统2中执行的跌倒检测算法视为根据从传感器接收的信号未正确地识别跌倒。这可能是因为用于根据接收的信号识别跌倒的标准或参数没有设定在用于系统2的特定用户4的合适水平,所以期望将跌倒检测算法训练或调整至用户4的特定特性(例如,步态或平衡)。另外,期望跌倒检测算法学会用户需要帮助或不需要帮助的状况或跌倒的类型。用户4不需要呼叫中心介入的接近跌倒能够用于训练算法来将它们分类为非跌倒。
另外,如果用户4确实跌倒了,但是再次站立了,则用户4可能想自己决定是否需要帮助,且跌倒检测系统2不应当自发报警。例如,在用户4跌倒后躺下并站立之前,系统2可以观察相对恒定的加速度的时间段的持续时间。如果此时间段超过阈值,则作出跌倒的最终决定并向呼叫中心发送警报。
可能地,甚至在达到阈值之前的时段,抑制此警报指示应当对用户4延长此超时时段。还有,以相反方式,呼叫帮助,即在时段达到阈值之前按压警报按钮(如果存在的话),指示需要缩短超时时段的阈值。
图2是根据本发明的跌倒检测系统2的框图。
系统2包括一个或多个传感器10,传感器10检测用户4的移动特性并生成对应的信号。该一个或多个传感器10能够包括加速计、磁力计、陀螺仪和/或其它传感器。
来自传感器10的信号形成特征集,可能是在一些处理之后。示例性特征包括幅度、谱成分、方向分布、平均值、方差等,但是替代地,信号本身,即采样值的时间系列,能够用作特征集。特征提供给执行跌倒检测算法的决定逻辑14。特别是,决定逻辑14通过将特征集与用于分类是否发生了跌倒的参数集相比较来确定是否发生了跌倒。这些参数能够包括或基于根据已知跌倒或危险状况的特征集。
将来自传感器10的信号的至少一个子集或提取的特征也提供给FIFO缓冲器16,缓冲器16临时存储它们达预定时间段。此时间段的持续时间对于存储的信号和特征的不同部分能够不同。例如,在经过第一时间段后,可以施加子采样。从FIFO缓冲器16将存储的信号和特征提供给轨迹生成单元18,轨迹生成单元18生成信号的轨迹,该轨迹能够选择性地存储在存储器20中。在由决定逻辑14检测到跌倒的情况下或在按压了警报重置按钮8的情况下,生成轨迹。对轨迹标注决定逻辑14(跌倒/无跌倒)以及按钮8(被按压/未被按压)的状态。
如果决定逻辑14确定发生了跌倒,则生成警报信号并将警报信号发送至超时单元22。超时单元22连接至警报重置按钮8,并且如果超时单元8在预定超时时段(其可以为零)内接收到来自按钮8的警报重置信号,则停止警报信号。否则,如果在预定超时时段内未接收到警报重置信号,则将警报信号传输至呼叫中心或其它帮助点。替代地,可以立刻向呼叫中心发出警报,且重置信号向呼叫中心发送撤销。
应当注意,在替代实施例中,跌倒检测系统2能够包括用于联结至用户的传感器单元和接收来自传感器单元的信号并主持检测跌倒并生成警报信号所需的处理的独立的基站。在另一替代实施例中,处理能够位于呼叫中心或位于系统2和呼叫中心之间的中间位置处。
完整的轨迹,即来自FIFO 16的信号和/或特征以及决定逻辑14和按钮8的状态提供给存储器20。
在一些实施例中,如以上所建议的,警报重置按钮8也能够由用户4使用以在跌倒未被系统2检测到的情况下指示已经发生了跌倒。在此情况下,如果决定逻辑14未从特征集检测到跌倒,但是按压了警报重置按钮8,则能够传输警报信号。另外,来自决定逻辑14的指示未检测到跌倒的信号与来自警报重置按钮8的信号一起提供给存储器20,在存储器20中,这些信号与相关信号轨迹一起存储。
如果没有由决定逻辑14生成报警且警报重置按钮8没有被按压,则能够从FIFO缓冲器16废弃导致此决定的相关特征集。在这些情况下,决定逻辑14从特征集正确地识别了没有发生跌倒,或没有跌倒可能发生。
在替代实施例中,除警报重置按钮8外,可以提供警报按钮,以容许用户4清楚地指示跌倒已经发生(不管算法是否检测到跌倒),或指示需要帮助。在此实施例中,如果决定逻辑14没有从特征集检测到跌倒,但是按压了警报按钮,则能够传输警报信号。来自警报按钮的信号提供给存储器20,在此,该信号与来自传感器10的信号的轨迹一起存储。
从而,能够包括单个加速计的跌倒检测系统2扩展有专用于存储来自加速计的信号的特征集的存储系统16、18、20。也能够存储来自加速计的原始传感器信号,如果这更有效的话,例如在决定逻辑14基于直接信号特性时,诸如幅度的阈值或信号的频率。除该信号和/或其特征集外,能够存储其它数据,诸如时间戳数据。应当理解,虽然在示例的实施例中未示出,但是存储系统能够物理上远离加速计(即远离联结至用户4的设备)。定时数据能够是相关的,指示随后的特征集的一个轨迹内的进展。
在操作期间,特征集存储在存储器20中,并且由决定逻辑14分析,用于在跌倒检测的情况下对跌倒进行特性化,或用于在跌倒预防的情况下对跌倒的增加的风险进行特性化。清楚地,算法能够用于跌倒检测和跌倒预防二者。算法能够直接使用存储的数据,即将当前信号/特征与存储器20中的那些进行比较。它也能够间接使用存储的数据,在该情况下,算法保持内部设定和阈值,内部设定和阈值被在更新过程中基于存储在存储器20中的(新)数据规则地调整。能够在存储器20中的每个改变时(轨迹增加或轨迹去除)触发更新,或在一定数量的改变后触发更新,可能地与超时组合。如果存储器20更新的速率改变了,则也能够触发(附加)更新。
如上所述,如果按压了警报重置按钮8,则缓冲器中的特征集的轨迹复制到存储器20中,在此其将保持可能无限长的时间。在轨迹数据之后,存储决定值。从而,在决定逻辑14引起报警的情况下,按压警报重置按钮8,轨迹数据标注为表示FP。在没有报警,但是存在来自用户4的表示存在跌倒的指示的情况下,轨迹数据标注为表示FN。引起报警并且没有对其接收按钮按压的轨迹数据能够作为TP存储(真阳性)。可选地,也能够存储不由决定逻辑14引起跌倒检测并且也没有标注有(警报)按钮按压的信号和特征集,标注为TN(真阴性)。这可以有助于训练适应性算法。
为适应于用户特性中的可能改变,例如关于变老,存储器20中的轨迹可以过期。能够通过与决定算法14的更新类似的机构触发过期。过期本身能够触发这样的更新。
首次使用跌倒检测系统2时,存储器20和算法14能够装载有表示一般而言的人们的特性的值。这些值或其部分能够标注为在任何情况下过期,或在较短的时间段中过期,例如在一收集到足够的用户特定数据的量后就过期。
在替代实施例中,其中可以存在独立的按钮用于执行警报重置并用于激活警报,能够基于明确的报警按压(与生成的报警一起)选择表示TP的轨迹。
根据本发明,存储的信息用于调整或训练在决定逻辑14中使用的算法,以减小假阳性和假阴性的比率。从而,使用轨迹数据和关联的按钮按压状况(即重置按钮8被按压了?)或轨迹数据和关联的状况,FP、FN或TP,来训练决定逻辑14。
能够在每次按压按钮8时更新决定逻辑14中使用的算法,或能够在比如每五次按钮按压时更新该算法。替代地,能够在经过给定的时间段后更新算法,或以上任何组合。
这样,决定逻辑14中使用的算法将变得个性化为用户4的移动模式。另外,在跌倒预防的情况下,算法将学习用户4将什么状况视为危险的。在优选实施例中,通过从多个传感器10和传感器类型获得数据,将扩大这些风险状况的可测量空间。
特别是,在跌倒预防的情况下,生理数据是有益的,诸如指示眩晕的特性,并包括如血压、氧水平(SPO2)、心率(ECG)、肌肉活动和疲劳(EMG和MMG)、温度、肺音等的参量。
如果跌倒检测系统正确地分类了非危险状况(即就利用其参考数据和用户反馈的训练的算法来说正确),但是紧接着发生了跌倒,则系统2能够重访其危险和非危险种类并参照较早数据(来自其它人,或来自初始或工厂设定)分类其中的轨迹。以此方式,识别训练集中标注为非危险但是在较早参考数据中分类为危险的那些轨迹。能够从个性化训练集撤销这些轨迹,其后,能够再次训练决定算法。
对更新算法的改进之处是检查更新率,即随后的按钮按压之间的时间间隔。如果间隔小,则这能够指示算法具有非最理想的适应性状态(即算法在频繁地生成假阳性或假阴性),而长的间隔,或变得更长时的饱和,指示达到了最佳。特别是,如果更新率提高(即间隔变得更短),则这可以指示算法正变得“拟合过度(over fitted)”,或太具体/窄。为预防这个,能够从训练集去除采样(即轨迹)。然而,此处理也应当考虑在用户的移动模式(步态&平衡)中可以存在改变。例如,用户的保持平衡的能力能够随时间下降。能够例如基于用户的通常从业者的常规检查输入此较后的信息。
用于确定更新之间的时间间隔的计算也能够更新至用户活动。例如,如果用户停止(take off)或关断跌倒检测系统2,则此时间不应计数到更新间隔。类似地,如果用户打算长时间段地稳定地坐着或呆在床上,则更新时间间隔计算能够考虑这个。在一些实施例中,能够关于时刻之间的平均持续时间计算时间间隔,时刻比如说是测得加速度超过一个或一些参考阈值时。
在一些实施例中,能够用于估计算法的最佳性的另一措施是FP率和FN率之间的比率,或TP率和FP率之间的比率。这指示在不增加附加的或其它类型的传感器信号时,进一步改善算法(就减小FP和FN来说)是不可能的。在一些实施例中,能够向用户4通知该比率。提供有设定比率的能力的用户4被视为最佳也是可能的。例如,“无FN”能够是设定,并且比率能够相应地用于训练并调节算法。
在本发明的另外的实施例中,代替仅基于被按压的警报重置按钮8(或警报按钮)标注轨迹,其它介入也能够触发描述的存储和训练过程。例如护理提供者可以观察接近跌倒(near-fall)或危险的状况并触发系统2使用数据用于训练。此触发可以包括护理提供者按压系统2上的按钮8,或护理提供者远程发送信号至系统2。
存储的模式或轨迹能够设定为分开的,用于护理提供者或通常从业者检查。特别是,如果它们被用户4标注为假阳性,则护理提供者能够使用数据作为报告以形成关于用户4的康乐(以及其中的趋势)的专家意见。可能地,护理提供者能够决定不顾用户的标注,将事故视为假阳性。
除用户4在警报重置/警报按钮被按压时启动算法的训练外,护理提供者或护理中心也能够启动训练更新。例如,如果报警到达呼叫中心且用户没有发出报警重置,且护理中心找出其是否为假警报,则护理中心能够向系统2发送训练指令。
现在参照图3,描绘了操作具有警报重置按钮8的跌倒检测系统2的方法。在步骤101中,从传感器10接收特征集,并使用决定逻辑14中的跌倒检测算法对其进行分析。如果未检测到跌倒(步骤103),则过程返回步骤101,在此,分析随后的特征集。
如果检测到跌倒(步骤103),则过程移动至步骤105,在此,跌倒检测系统2等待预定时段用于按压警报重置按钮8。
如果按压了重置按钮8(步骤107),则特征集或特征集的轨迹存储在存储器20中(步骤109)。此特征集或轨迹与警报重置指示一起存储,这意味着此特征集或轨迹存储为假阳性(步骤111)。过程然后返回步骤101。
如果没有按压重置按钮8(步骤107),则发送警报信号(步骤113)。在替代实施例中,步骤113还能够由步骤103的“是”直接触发,在该情况下,步骤107的“是”能够引起撤销。
可选地(由虚箭头和框指示),特征集或特征集的轨迹与警报重置按钮8没有被按压的指示一起存储在存储器20中(步骤115),这意指其作为真阳性存储(步骤117)。在任一情况下,过程然后返回步骤101。
图4中示出了操作具有警报重置按钮8和警报按钮的跌倒检测系统2的方法。在步骤131中,从传感器10接收特征集并在决定逻辑14中使用跌倒检测算法分析该特征集。
如果检测到跌倒(步骤133),则过程移动至步骤135,在此,跌倒检测系统2等待预定时段用于按压警报重置按钮8。
如果按压了重置按钮8(步骤137),则特征集或特征集的轨迹存储在存储器20中(步骤139)。此特征集或轨迹与警报重置指示一起存储,这意味着此特征集或轨迹存储为假阳性(步骤141)。过程返回步骤131,在此分析随后的特征集。
如果没有按压重置按钮8(步骤137),则发送警报信号(步骤143)。步骤143还能够由步骤133的“是”直接触发,在该情况下,步骤137的“是”能够引起撤销。
可选地(由虚箭头和框指示),特征集或特征集的轨迹与警报重置按钮8没有被按压的指示一起存储在存储器20中(步骤145),这意指其作为真阳性存储(步骤147)。替代地,或附加地,如果按压了警报按钮,则特征集能够与警报按钮被按压了的指示一起存储在存储器20中,过程然后返回步骤101。
如果在步骤133没有检测到跌倒,则确定是否已经按压了警报按钮(步骤149)。如果没有按压警报按钮,则没有跌倒发生,且过程返回步骤131。
如果按压了警报按钮,则发送警报信号(步骤151),且特征集或特征集的轨迹与警报按钮被按压了的指示一起存储在存储器20中(步骤153)。从而,这存储为假阴性(步骤155)。
过程然后返回步骤131。
图5是示例根据本发明的训练或更新跌倒检测算法的方法的步骤的流程图。在步骤161中,获取合适的训练数据。此训练数据包括特征集或特征集的轨迹,能够如上参照图3和4描述的一起获取此训练数和特征集是否为假阳性、假阴性和/或真阳性的指示。
然后,在步骤163中,此训练数据用于更新跌倒检测算法。特别是,如果跌倒检测算法包括指示跌倒或非跌倒的特征集或轨迹的单个种类或多个种类,则新获取的训练数据能够用于进一步增加那些种类和/或用于去除存在的特征集或轨迹,如果现在已经发现那些存在的特征集或轨迹对于该种类不合适。
从而,提供了跌倒检测系统,其能够适应于特定用户的跌倒或活动特性,以提高跌倒检测算法的可靠性。特别是,根据传感器测量结果和关于警报重置按钮是否被用户或护理提供者按压了来生成用于算法的训练数据。以此方式,能够在检测系统2处于使用时,训练用于检测跌倒或接近跌倒的算法,从而能够获得逼真的数据并将其用于训练中,而不是像常规系统中通过用户模仿具体训练阶段中的跌倒或非跌倒来人工产生数据。另外,通过针对特定用户训练算法,算法将适应于该用户的特定身体特性,诸如步态和姿势,该用户的移动模式和该用户的关于需要来自呼叫中心的帮助的跌倒的严重性的意见。
虽然在附图和前述描述中详细示例并描述了本发明,但是该示例和描述视为示例性或示范性的,而不是限制性的,本发明不限于公开的实施例。
本领域技术人员根据对附图、说明书以及所附权利要求的研究,能够在实践所声明的发明时理解并实施公开的实施例的变形。在权利要求中,词语“包括”不排除其它元件或步骤,且不定冠词“一”或“一个”不排除多个。单个处理器或其它单元可以履行权利要求中记载的数个物品的功能。某些措施记载在相互不同的从属权利要求中的简单事实不指示不能有利地使用这些措施的组合。计算机程序可以存储/分配在合适的介质上,诸如与其它硬件或作为其它硬件的部分一起提供的光存储介质或固态介质,但是也可以以其它形式分配,诸如经由英特网或其它有线或无线通信系统。权利要求中的任何参考符号不应视为限制该范围。
Claims (18)
1.一种跌倒检测和/或预防系统(2),包括:
一个或多个传感器(10),用于检测所述跌倒检测和/或预防系统(2)的用户(4)的移动特性并用于生成对应的信号;
处理装置(14),用于使用跌倒检测算法分析来自所述一个或多个传感器(10)的所述信号,以确定是否发生了跌倒或将可能发生跌倒;
其中,所述处理装置(14)还适于基于对所述信号的分析的结果和来自所述用户(4)或第三方的关于是否确实发生了跌倒的指示来更新所述跌倒检测算法。
2.如权利要求1所述的跌倒检测和/或预防系统(2),其中,所述处理装置(14)适于在发生了跌倒或将可能发生跌倒的情况下生成警报信号。
3.如权利要求1或2所述的跌倒检测和/或预防系统(2),还包括存储器(20),所述存储器(20)用于存储所述信号、来自所述跌倒检测算法的关于所述跌倒检测算法是否已确定发生了跌倒或将可能发生跌倒的指示、以及关于是否确实发生了跌倒的所述指示。
4.如权利要求3所述的跌倒检测和/或预防系统(2),还包括用于生成来自所述一个或多个传感器(10)的多个信号的轨迹的装置(18),并且所述存储器(20)适于存储所述信号的所述轨迹。
5.如权利要求1至4中的任一项所述的跌倒检测和/或预防系统(2),其中,关于是否确实发生了跌倒的所述指示包括重置信号。
6.如权利要求5所述的跌倒检测和/或预防系统(2),其中,在所述跌倒检测算法检测到发生了跌倒且存在所述重置信号的情况下,所述处理装置(14)确定所述跌倒检测算法提供了假阳性,并且所述处理装置(14)适于相应地更新所述跌倒检测算法。
7.如权利要求5或6所述的跌倒检测和/或预防系统(2),其中,在所述跌倒检测算法检测到发生了跌倒且不存在所述重置信号的情况下,所述处理装置(14)确定所述跌倒检测算法提供了真阳性,并且所述处理装置(14)适于相应地更新所述跌倒检测算法。
8.如权利要求5至7中的任一项所述的跌倒检测和/或预防系统(2),还包括用于接收来自第三方的所述重置信号的装置。
9.如权利要求5至8中的任一项所述的跌倒检测和/或预防系统(2),还包括第一用户可操作部件(8),用于容许用户(4)选择性地生成所述重置信号。
10.如权利要求9所述的跌倒检测和/或预防系统(2),还包括第二用户可操作部件,用于生成警报信号。
11.如权利要求10所述的跌倒检测和/或预防系统(2),其中,在所述跌倒检测算法未检测到发生跌倒且存在所述警报信号的情况下,所述处理装置(14)确定所述跌倒检测算法提供了假阴性,并且所述处理装置(14)适于相应地更新所述跌倒检测算法。
12.如权利要求10或11所述的跌倒检测和/或预防系统(2),其中,在所述跌倒检测算法检测到发生了跌倒且存在所述警报信号的情况下,所述处理装置(14)确定所述跌倒检测算法提供了真阳性,并且所述处理装置(14)适于相应地更新所述跌倒检测算法。
13.如任一前述权利要求所述的跌倒检测和/或预防系统(2),其中,所述跌倒检测算法包括表示来自所述一个或多个传感器(10)的信号的一个或多个特征集。
14.如权利要求13所述的跌倒检测和/或预防系统(2),其中,所述处理装置(14)适于监测用以更新所述跌倒检测算法的频率,并且如果所述频率超过阈值,则所述处理装置(14)适于从所述跌倒检测算法去除一个或多个特征集。
15.如权利要求13或14所述的跌倒检测和/或预防系统(2),其中,通过将所述一个或多个特征集与所述一个或多个传感器(10)生成的所述对应的信号进行比较,所述处理装置(14)确定是否发生了跌倒或将可能发生跌倒。
16.如任一前述权利要求所述的跌倒检测和/或预防系统(2),其中,为了在所述算法错误地检测到跌倒时选择性地优化假阳性,在所述算法错误地检测到未发生跌倒时选择性地优化假阴性,或为了获得假阳性和假阴性之间的稳定的比率,所述处理装置(14)适于更新所述跌倒检测算法。
17.一种训练用于跌倒检测和/或预防系统中的跌倒检测和/或预防算法的方法,所述方法包括:
获得所述跌倒检测和/或预防系统的用户的移动特性的测量结果;
使用跌倒检测算法分析所述测量结果,以确定是否发生了跌倒或将可能发生跌倒(101、103;131、133);以及
基于分析步骤的结果和来自所述用户或第三方的关于是否确实发生了跌倒的指示,更新所述跌倒检测算法(109、115;139、145、153)。
18.一种计算机程序产品,包括可执行代码,当被在合适的计算机或处理器上执行时,所述可执行代码执行以下步骤:
接收指示跌倒检测和/或预防系统的用户的移动特性的信号;
使用跌倒检测算法分析所述信号,以确定是否发生了跌倒或将可能发生跌倒;以及
基于对所述信号的分析的结果和自所述用户或第三方接收的关于是否确实发生了跌倒的指示,更新所述跌倒检测算法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP08163139 | 2008-08-28 | ||
EP08163139.2 | 2008-08-28 | ||
PCT/IB2009/053677 WO2010023604A1 (en) | 2008-08-28 | 2009-08-20 | Fall detection and/or prevention systems |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102132331A true CN102132331A (zh) | 2011-07-20 |
CN102132331B CN102132331B (zh) | 2014-09-24 |
Family
ID=41170066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980133249.7A Active CN102132331B (zh) | 2008-08-28 | 2009-08-20 | 跌倒检测和/或预防系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9011352B2 (zh) |
EP (1) | EP2329470B1 (zh) |
JP (1) | JP5529872B2 (zh) |
CN (1) | CN102132331B (zh) |
AU (1) | AU2009286390B2 (zh) |
BR (1) | BRPI0912961B1 (zh) |
WO (1) | WO2010023604A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102657533A (zh) * | 2012-04-28 | 2012-09-12 | 浙江大学城市学院 | 一种跌倒检测方法、跌倒检测装置和手腕式设备 |
CN104771177A (zh) * | 2015-05-08 | 2015-07-15 | 重庆软汇科技股份有限公司 | 一种基于机器学习的跌倒检测系统及方法 |
CN105530865A (zh) * | 2013-09-11 | 2016-04-27 | 皇家飞利浦有限公司 | 跌倒检测系统和方法 |
CN107180511A (zh) * | 2017-05-11 | 2017-09-19 | 南京理工大学 | 一种老人跌倒的检测和预警装置及方法 |
CN110575647A (zh) * | 2019-09-12 | 2019-12-17 | 常州市第一人民医院 | 一种医疗防跌倒预警装置 |
CN112043281A (zh) * | 2015-06-30 | 2020-12-08 | 兹布里奥有限公司 | 使用机器学习算法识别跌倒风险 |
Families Citing this family (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5515875B2 (ja) * | 2010-03-08 | 2014-06-11 | セイコーエプソン株式会社 | 転倒検出装置、転倒検出方法 |
US10292445B2 (en) | 2011-02-24 | 2019-05-21 | Rochester Institute Of Technology | Event monitoring dosimetry apparatuses and methods thereof |
US9138172B2 (en) | 2011-02-24 | 2015-09-22 | Rochester Institute Of Technology | Method for monitoring exposure to an event and device thereof |
US9339224B2 (en) | 2011-02-24 | 2016-05-17 | Rochester Institute Of Technology | Event dosimeter devices and methods thereof |
GB2491376B (en) * | 2011-06-01 | 2014-01-08 | Fall Safe Assist Ltd | Hip impact protector |
US9128521B2 (en) | 2011-07-13 | 2015-09-08 | Lumo Bodytech, Inc. | System and method of biomechanical posture detection and feedback including sensor normalization |
US8928484B2 (en) | 2011-07-13 | 2015-01-06 | Lumo Bodytech, Inc. | System and method of biomechanical posture detection and feedback |
US9367770B2 (en) | 2011-08-30 | 2016-06-14 | Digimarc Corporation | Methods and arrangements for identifying objects |
CN102722715A (zh) * | 2012-05-21 | 2012-10-10 | 华南理工大学 | 一种基于人体姿势状态判决的跌倒检测方法 |
EP2873064A4 (en) * | 2012-07-13 | 2016-05-25 | iRezQ AB | EMERGENCY INDICATOR WITHIN AN ALARM COMMUNITY |
WO2014032181A1 (en) | 2012-08-27 | 2014-03-06 | Université Du Québec À Chicoutimi | Method to determine physical properties of the ground, foot-worn sensor therefore, and method to advise a user of a risk of falling based thereon |
CN105210067B (zh) * | 2013-03-04 | 2021-04-30 | 博能电子公司 | 计算用户的与体育锻炼有关的生理状态 |
US20140276238A1 (en) * | 2013-03-15 | 2014-09-18 | Ivan Osorio | Method, system and apparatus for fall detection |
EP2976756A1 (en) * | 2013-03-22 | 2016-01-27 | Koninklijke Philips N.V. | Method for detecting falls and a fall detector. |
US9591996B2 (en) | 2013-06-07 | 2017-03-14 | Lumo BodyTech, Inc | System and method for detecting transitions between sitting and standing states |
US9589442B2 (en) * | 2013-09-03 | 2017-03-07 | Verizon Telematics Inc. | Adaptive classification of fall detection for personal emergency response systems |
US10515309B1 (en) * | 2013-09-20 | 2019-12-24 | Amazon Technologies, Inc. | Weight based assistance determination |
US10664795B1 (en) | 2013-09-20 | 2020-05-26 | Amazon Technologies, Inc. | Weight based item tracking |
US10743811B2 (en) | 2013-10-18 | 2020-08-18 | Carepredict, Inc. | Fall prediction assessment |
US10799173B2 (en) | 2013-10-18 | 2020-10-13 | Carepredict, Inc. | Fall prediction assessment |
US9974344B2 (en) * | 2013-10-25 | 2018-05-22 | GraceFall, Inc. | Injury mitigation system and method using adaptive fall and collision detection |
US9801568B2 (en) * | 2014-01-07 | 2017-10-31 | Purdue Research Foundation | Gait pattern analysis for predicting falls |
US10657411B1 (en) | 2014-03-25 | 2020-05-19 | Amazon Technologies, Inc. | Item identification |
US10713614B1 (en) | 2014-03-25 | 2020-07-14 | Amazon Technologies, Inc. | Weight and vision based item tracking |
CN104125337B (zh) * | 2014-07-22 | 2016-08-31 | 厦门美图移动科技有限公司 | 一种智能手机的跌倒检测和报警方法 |
US10736518B2 (en) * | 2015-08-31 | 2020-08-11 | Masimo Corporation | Systems and methods to monitor repositioning of a patient |
US10314520B2 (en) | 2015-10-02 | 2019-06-11 | Seismic Holdings, Inc. | System and method for characterizing biomechanical activity |
US10463909B2 (en) | 2015-12-27 | 2019-11-05 | Seismic Holdings, Inc. | System and method for using performance signatures |
US10959647B2 (en) | 2015-12-30 | 2021-03-30 | Seismic Holdings, Inc. | System and method for sensing and responding to fatigue during a physical activity |
US10692011B2 (en) | 2016-01-21 | 2020-06-23 | Verily Life Sciences Llc | Adaptive model-based system to automatically quantify fall risk |
TWI592832B (zh) * | 2016-01-21 | 2017-07-21 | 拓連科技股份有限公司 | 電子裝置之訊號產生方法及系統,及相關電腦 程式產品 |
EP3222207A1 (en) * | 2016-03-23 | 2017-09-27 | Thomson Licensing | System and method for non-intrusive detection and monitoring of parkinson's disease symptoms |
CN105869354B (zh) * | 2016-04-29 | 2017-12-01 | 华南理工大学 | 一种基于吸引子传播算法的老人跌倒检测方法 |
DE102016208617A1 (de) * | 2016-05-19 | 2017-11-23 | Robert Bosch Gmbh | Verfahren und Steuergerät zum Reagieren auf einen Sturz einer Person und Assistenzvorrichtung zum Unterstützen einer Person bei einem Sturz |
GB2561328B (en) * | 2016-06-28 | 2019-04-10 | Skyguard Ltd | Safety device with fall detection |
EP3346402A1 (en) | 2017-01-04 | 2018-07-11 | Fraunhofer Portugal Research | Apparatus and method for triggering a fall risk alert to a person |
AU2018256288A1 (en) | 2017-04-19 | 2019-12-05 | National Science And Technology Development Agency | System for recording, analyzing risk(s) of accident(s) or need of assistance and providing real-time warning(s) based on continuous sensor signals |
US10037668B1 (en) | 2017-05-09 | 2018-07-31 | Microsoft Technology Licensing, Llc | Emergency alerting system and method |
WO2019018371A1 (en) * | 2017-07-17 | 2019-01-24 | The University Of North Carolina At Chapel Hill Office Of Technology Commercialization | METHODS, SYSTEMS, AND COMPUTER-READABLE NON-TEMPORARY ENVIRONMENT FOR ASSESSING THE QUALITY OF LOWER LIMBS MOVEMENTS |
KR102449905B1 (ko) * | 2018-05-11 | 2022-10-04 | 삼성전자주식회사 | 전자 장치 및 이의 제어 방법 |
US10878683B2 (en) * | 2018-11-01 | 2020-12-29 | Apple Inc. | Fall detection-audio looping |
EP3657456A1 (en) | 2018-11-26 | 2020-05-27 | Koninklijke Philips N.V. | A method and system for monitoring a user |
WO2020236091A2 (en) | 2019-05-17 | 2020-11-26 | National Science And Technology Development Agency | Method for detecting falls by using relative barometric pressure signals |
EP3757958A1 (en) * | 2019-06-25 | 2020-12-30 | Koninklijke Philips N.V. | Evaluating movement of a subject |
EP3757959A1 (en) | 2019-06-26 | 2020-12-30 | Koninklijke Philips N.V. | Monitoring a subject |
WO2021074295A1 (de) * | 2019-10-18 | 2021-04-22 | Dietmar Basta | Individualisierte sturzprävention |
EP3828854A1 (en) * | 2019-11-29 | 2021-06-02 | Koninklijke Philips N.V. | Fall detection method and system |
USD974193S1 (en) | 2020-07-27 | 2023-01-03 | Masimo Corporation | Wearable temperature measurement device |
USD1000975S1 (en) | 2021-09-22 | 2023-10-10 | Masimo Corporation | Wearable temperature measurement device |
JP7274016B1 (ja) | 2022-02-22 | 2023-05-15 | 洸我 中井 | 歩行解析による疾患タイプ予測モデルを用いた歩行者転倒予防システム |
CN114983447B (zh) * | 2022-08-01 | 2023-06-20 | 广东海洋大学 | 一种基于ai技术的人体动作识别、分析与储存的可穿戴装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050110648A1 (en) * | 1999-09-15 | 2005-05-26 | Ilife Systems, Inc. | System and method for detecting motion of a body |
US20070132597A1 (en) * | 2005-12-09 | 2007-06-14 | Valence Broadband, Inc. | Methods and systems for monitoring patient support exiting and initiating response |
Family Cites Families (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4829285A (en) * | 1987-06-11 | 1989-05-09 | Marc I. Brand | In-home emergency assist device |
US8280682B2 (en) * | 2000-12-15 | 2012-10-02 | Tvipr, Llc | Device for monitoring movement of shipped goods |
JPH0928681A (ja) | 1995-07-14 | 1997-02-04 | Matsushita Electric Ind Co Ltd | 安否確認システム |
FR2757981B1 (fr) * | 1996-12-31 | 1999-02-19 | Cadet Pierre Henri | Systeme de surveillance et d'assistance pour personnes a domicile et dispositif pour la mise en oeuvre de ce systeme |
GB2323196B (en) | 1997-03-11 | 2001-02-14 | Keith Henderson Cameron | Automatic fall alarm |
JP3986643B2 (ja) * | 1998-01-13 | 2007-10-03 | 三菱電機株式会社 | 監視用画像処理装置 |
JPH11212637A (ja) * | 1998-01-22 | 1999-08-06 | Hitachi Ltd | 予防保全方法及び装置 |
GB2352815A (en) | 1999-05-01 | 2001-02-07 | Keith Henderson Cameron | Automatic health or care risk assessment |
DE60016842T2 (de) | 1999-07-23 | 2005-05-25 | Matsushita Electric Industrial Co., Ltd., Kadoma | Hausgebundenes Überwachungssystem für den Gesundheitszustand |
US20020068857A1 (en) * | 2000-02-14 | 2002-06-06 | Iliff Edwin C. | Automated diagnostic system and method including reuse of diagnostic objects |
US6561992B1 (en) * | 2000-09-05 | 2003-05-13 | Advanced Research And Technology Institute, Inc. | Method and apparatus utilizing computational intelligence to diagnose neurological disorders |
JP3758534B2 (ja) * | 2000-10-13 | 2006-03-22 | 住友電気工業株式会社 | 交通流の異常検知装置及び方法 |
EP1199027A3 (en) * | 2000-10-18 | 2002-05-15 | Matsushita Electric Industrial Co., Ltd. | System, apparatus, and method for acquiring state information, and attachable terminal apparatus |
JP2002175581A (ja) * | 2000-12-07 | 2002-06-21 | Mitsubishi Electric Corp | 生活見守りシステム |
US6445299B1 (en) * | 2001-01-29 | 2002-09-03 | Antonio Rojas, Jr. | Retrofit for patient call system and method therefor |
DE10117083C2 (de) * | 2001-04-06 | 2003-04-10 | Bosch Gmbh Robert | Vorrichtung zum Schutz eines Fußgängers |
US20100268125A9 (en) * | 2002-07-03 | 2010-10-21 | Epley Research, L.L.C. | Head-stabilized medical apparatus, system and methodology |
GB0307406D0 (en) * | 2003-03-31 | 2003-05-07 | British Telecomm | Data analysis system and method |
IL155955A0 (en) * | 2003-05-15 | 2003-12-23 | Widemed Ltd | Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal |
US7639145B2 (en) * | 2003-05-19 | 2009-12-29 | Ge Medical Systems Information Technologies, Inc. | Method and apparatus for communicating an alarm while monitoring |
AU2003904336A0 (en) * | 2003-08-15 | 2003-08-28 | Medcare Systems Pty Ltd | An automated personal alarm monitor |
WO2005027488A1 (en) | 2003-09-18 | 2005-03-24 | Sauro Bianchelli | Multi-function device for elderly or ill subjects living alone, acting as a life-saving, theft-alarm and carer-monitoring device |
US7127376B2 (en) * | 2003-09-23 | 2006-10-24 | Neurocom International, Inc. | Method and apparatus for reducing errors in screening-test administration |
JP2005173668A (ja) | 2003-12-08 | 2005-06-30 | Hitachi Ltd | 生活行動パターンの異常判定システム及びそのための装置 |
US20050195079A1 (en) * | 2004-03-08 | 2005-09-08 | David Cohen | Emergency situation detector |
US7981058B2 (en) * | 2004-03-12 | 2011-07-19 | The Trustees Of Dartmouth College | Intelligent wearable monitor systems and methods |
ES2249143B1 (es) | 2004-06-21 | 2007-05-01 | Fundacion Fatronik | Metodo y dispositivo para el analisis de la actividad de una persona y deteccion automatica de caidas. |
US20060049950A1 (en) * | 2004-08-13 | 2006-03-09 | Lockhart Thurman E | Fall-sensing systems, hip protector systems, and other protective systems |
JP4716723B2 (ja) * | 2004-12-08 | 2011-07-06 | 立山科学工業株式会社 | 安否確認システム |
JP4637165B2 (ja) * | 2005-01-31 | 2011-02-23 | トレックス・セミコンダクター株式会社 | 落下検知方法および落下検知装置 |
JP4116004B2 (ja) * | 2005-02-15 | 2008-07-09 | 関西電力株式会社 | 転倒判定方法および転倒判定装置 |
US20060252999A1 (en) * | 2005-05-03 | 2006-11-09 | Devaul Richard W | Method and system for wearable vital signs and physiology, activity, and environmental monitoring |
JP2006277464A (ja) * | 2005-03-30 | 2006-10-12 | Yamaha Corp | 緊急連絡装置、緊急事態監視装置および監視方法、ならびに判定方法 |
US20060282021A1 (en) * | 2005-05-03 | 2006-12-14 | Devaul Richard W | Method and system for fall detection and motion analysis |
US20060001545A1 (en) * | 2005-05-04 | 2006-01-05 | Mr. Brian Wolf | Non-Intrusive Fall Protection Device, System and Method |
JP4668684B2 (ja) * | 2005-05-20 | 2011-04-13 | 住友大阪セメント株式会社 | 監視装置及びソフトウエアプログラム |
WO2007012068A2 (en) * | 2005-07-20 | 2007-01-25 | New York Society For The Ruptured And Crippled Maintaining The Hospital For Special Surgery | Device for movement detection, movement correction and training |
EP1969554A4 (en) | 2005-12-09 | 2011-05-04 | Bee Cave Llc | METHOD AND SYSTEMS FOR MONITORING QUALITY AND PERFORMANCE IN A CARE DEVICE |
JP2008032521A (ja) * | 2006-07-28 | 2008-02-14 | Icom Inc | 転倒検出装置、転倒検出方法及びコンピュータプログラム |
WO2008052166A2 (en) * | 2006-10-26 | 2008-05-02 | Wicab, Inc. | Systems and methods for altering brain and body functions an treating conditions and diseases |
US20080108913A1 (en) * | 2006-11-06 | 2008-05-08 | Colorado Seminary, Which Owns And Operates The University Of Denver | Smart apparatus for gait monitoring and fall prevention |
US8217795B2 (en) * | 2006-12-05 | 2012-07-10 | John Carlton-Foss | Method and system for fall detection |
US20080161651A1 (en) * | 2006-12-27 | 2008-07-03 | Cardiac Pacemakers, Inc. | Surrogate measure of patient compliance |
US7612681B2 (en) * | 2007-02-06 | 2009-11-03 | General Electric Company | System and method for predicting fall risk for a resident |
US20080272918A1 (en) * | 2007-05-04 | 2008-11-06 | Sally Ingersoll | Medical device and method for preventing falls |
US8750971B2 (en) * | 2007-05-24 | 2014-06-10 | Bao Tran | Wireless stroke monitoring |
DE102007038392B8 (de) * | 2007-07-11 | 2015-08-27 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung und Verfahren zur Vorhersage eines Kontrollverlustes über einen Muskel |
US8152745B2 (en) * | 2008-02-25 | 2012-04-10 | Shriners Hospitals For Children | Activity monitoring |
US20090326339A1 (en) * | 2008-06-26 | 2009-12-31 | Microsoft Corporation | Connected healthcare devices with real-time and proactive capture and relay of contextual information |
US20100100004A1 (en) * | 2008-10-16 | 2010-04-22 | Koninklijke Nederlandse Akademie Van Wetenschappen | Skin Temperature Measurement in Monitoring and Control of Sleep and Alertness |
-
2009
- 2009-08-20 EP EP09786988A patent/EP2329470B1/en active Active
- 2009-08-20 JP JP2011524493A patent/JP5529872B2/ja active Active
- 2009-08-20 US US13/059,484 patent/US9011352B2/en active Active
- 2009-08-20 BR BRPI0912961 patent/BRPI0912961B1/pt not_active IP Right Cessation
- 2009-08-20 AU AU2009286390A patent/AU2009286390B2/en not_active Ceased
- 2009-08-20 WO PCT/IB2009/053677 patent/WO2010023604A1/en active Application Filing
- 2009-08-20 CN CN200980133249.7A patent/CN102132331B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050110648A1 (en) * | 1999-09-15 | 2005-05-26 | Ilife Systems, Inc. | System and method for detecting motion of a body |
US20070132597A1 (en) * | 2005-12-09 | 2007-06-14 | Valence Broadband, Inc. | Methods and systems for monitoring patient support exiting and initiating response |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102657533A (zh) * | 2012-04-28 | 2012-09-12 | 浙江大学城市学院 | 一种跌倒检测方法、跌倒检测装置和手腕式设备 |
CN105530865A (zh) * | 2013-09-11 | 2016-04-27 | 皇家飞利浦有限公司 | 跌倒检测系统和方法 |
CN104771177A (zh) * | 2015-05-08 | 2015-07-15 | 重庆软汇科技股份有限公司 | 一种基于机器学习的跌倒检测系统及方法 |
CN112043281A (zh) * | 2015-06-30 | 2020-12-08 | 兹布里奥有限公司 | 使用机器学习算法识别跌倒风险 |
CN107180511A (zh) * | 2017-05-11 | 2017-09-19 | 南京理工大学 | 一种老人跌倒的检测和预警装置及方法 |
CN110575647A (zh) * | 2019-09-12 | 2019-12-17 | 常州市第一人民医院 | 一种医疗防跌倒预警装置 |
CN110575647B (zh) * | 2019-09-12 | 2020-09-29 | 常州市第一人民医院 | 一种医疗防跌倒预警装置 |
Also Published As
Publication number | Publication date |
---|---|
US9011352B2 (en) | 2015-04-21 |
AU2009286390B2 (en) | 2015-08-06 |
WO2010023604A1 (en) | 2010-03-04 |
JP5529872B2 (ja) | 2014-06-25 |
EP2329470A1 (en) | 2011-06-08 |
US20110230791A1 (en) | 2011-09-22 |
BRPI0912961B1 (pt) | 2019-11-26 |
EP2329470B1 (en) | 2013-04-03 |
BRPI0912961A2 (pt) | 2015-10-13 |
AU2009286390A1 (en) | 2010-03-04 |
CN102132331B (zh) | 2014-09-24 |
JP2012501033A (ja) | 2012-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102132331B (zh) | 跌倒检测和/或预防系统 | |
US10485452B2 (en) | Fall detection systems and methods | |
AU2009305056B2 (en) | Fall detection system | |
US20090315719A1 (en) | Fall accident detection apparatus and method | |
US20140313036A1 (en) | Fall Detection System and Method | |
US20150061863A1 (en) | Adaptive classification of fall detection for personal emergency response systems | |
US20140191863A1 (en) | Apparatus for use in a fall detector or fall detection system, and a method of operating the same | |
US11445986B2 (en) | Health monitor wearable device | |
CN205050303U (zh) | 一种智能人体瘫倒监测装置 | |
US11013430B2 (en) | Methods and apparatus for identifying food chewed and/or beverage drank | |
US11832945B2 (en) | Systems and methods for impairment baseline learning | |
JP2000245713A (ja) | 行動認識装置 | |
US20210186368A1 (en) | Method and apparatus for determining potential onset of an acute medical condition | |
JP2019512347A5 (zh) | ||
US11282364B2 (en) | Wrist-worn medical alert device for conveying an emergency message to a caregiver | |
EP3991157B1 (en) | Evaluating movement of a subject | |
KR102243373B1 (ko) | 졸음 상태 감지 방법 및 그 장치 | |
US20230394876A1 (en) | Systems and Methods for Detecting Impairment Based Upon Facial Image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |