CN106473265B - 一种智能跌倒监护t恤及其跌倒检测算法 - Google Patents
一种智能跌倒监护t恤及其跌倒检测算法 Download PDFInfo
- Publication number
- CN106473265B CN106473265B CN201611097535.0A CN201611097535A CN106473265B CN 106473265 B CN106473265 B CN 106473265B CN 201611097535 A CN201611097535 A CN 201611097535A CN 106473265 B CN106473265 B CN 106473265B
- Authority
- CN
- China
- Prior art keywords
- mrow
- fall
- shirt
- air bag
- fallen
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 36
- 230000008859 change Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 11
- 210000001217 buttock Anatomy 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000000205 computational method Methods 0.000 claims description 6
- 208000027418 Wounds and injury Diseases 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 230000006378 damage Effects 0.000 claims description 4
- 208000014674 injury Diseases 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000005273 aeration Methods 0.000 abstract description 4
- 230000036541 health Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 206010017577 Gait disturbance Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 210000002318 cardia Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
- A41D13/00—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches
- A41D13/015—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches with shock-absorbing means
- A41D13/0155—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches with shock-absorbing means having inflatable structure, e.g. non automatic
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
- A41D13/00—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches
- A41D13/0002—Details of protective garments not provided for in groups A41D13/0007 - A41D13/1281
-
- 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
- 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
-
- 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
- G08B21/0453—Sensor means for detecting worn on the body to detect health condition by physiological monitoring, e.g. electrocardiogram, temperature, breathing
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Gerontology & Geriatric Medicine (AREA)
- General Physics & Mathematics (AREA)
- Physical Education & Sports Medicine (AREA)
- Physics & Mathematics (AREA)
- Emergency Management (AREA)
- Textile Engineering (AREA)
- Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pulmonology (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种智能跌倒监护T恤及其跌倒检测算法,其属于智能可穿戴设备领域,智能跌倒监护T恤包括T恤本体、设置在T恤本体上的气囊、用于给气囊充气的充气泵、设置在T恤本体上的倾倒监测传感器、微处理器和驱动单元;充气泵的充气口接入气囊,倾倒监测传感器的输出端接入微处理器的输入端,微处理器的输出端接入驱动单元的输入端,驱动单元的输出端接充气泵的电源控制端;本智能跌倒监护T恤穿戴方便轻便、监测及时准确、能提供全面应急保护;跌倒检测算法能准确判断出用户的倾斜程度是否达到跌倒状态,利用倾倒监测传感器实现对倾斜时加速度数据和转动角度数据的采集,通过计算和对比,能够有效排除正常倾斜和移动的情况,避免误操作。
Description
技术领域
本发明涉及一种智能跌倒监护T恤及其跌倒检测算法,属于智能可穿戴设备领域。
背景技术
目前市场上流行的主要是摔倒检测设备及摔倒报警***,只是用于摔倒后的报警及紧急救助功能,远远不能预防或阻止摔倒带来的严重伤害。
现有的智能手环、手表等穿戴设备主要用于健康管理,如监测睡眠、运动和心率变化等,也不能用于摔倒监测及防护。
因此,对于行走困难的病人或老年人,急需一种可预见跌倒的可能性并及时提供有效保护的装置。
发明内容
本发明所要解决的技术问题是提供了一种穿戴方便、穿着轻便、监测及时准确、能提供全面应急保护的智能跌倒监护T恤及其跌倒检测算法。
本发明采用如下技术方案:
一种智能跌倒监护T恤,其包括T恤本体、设置在T恤本体上的气囊、设置在T恤本体上用于给气囊充气的充气泵、设置在T恤本体上的倾倒监测传感器、微处理器和驱动单元;所述充气泵的充气口接入气囊,所述倾倒监测传感器的输出端接入微处理器的输入端,所述微处理器的输出端接入驱动单元的输入端,所述驱动单元的输出端接充气泵的电源控制端。
进一步的,所述充气泵设置在T恤本体的腹部或腰两侧,以便穿着者坐卧休息时不被硌到,确保穿着者的舒适和充气泵的安全。
进一步的,所述充气泵通过导气管接入所述气囊,所述导气管设置在穿着者身体两侧,避免坐卧时被压迫影响充气。
进一步的,所述气囊包括头部气囊、颈部气囊、肩部气囊、臂部气囊、腰部气囊和臀部气囊中的一种或多种。
所述头部气囊、颈部气囊、肩部气囊、臂部气囊、腰部气囊和臀部气囊之间相互独立或任意几种之间相互连通。
进一步的,所述倾倒监测传感器包括三轴加速度传感器和陀螺仪传感器,所述三轴加速度传感器和陀螺仪传感器的输出端接入所述微处理器的输入端,所述三轴加速度传感器和陀螺仪传感器均设置在T恤本体上。
进一步的,本智能跌倒监护T恤还包括设置在T恤本体上的心率传感器,所述心率传感器的输出端接入所述微处理器的输入端;所述心率传感器设置在T恤本体的前胸处心脏部位。
进一步的,本智能跌倒监护T恤还包括设置在T恤本体上的摄像头,所述摄像头的输出端接入所述驱动单元的视频接口,所述摄像头设置在T恤本体的前胸处。进一步的,本智能跌倒监护T恤还包括设置在T恤本体上的通话装置,所述通话装置和所述驱动单元的音频接口双向连接,所述通话装置设置在T恤本体的衣领处。
进一步的,本智能跌倒监护T恤还包括设置在T恤本体上的GPS定位和GSM通信模块,所述GPS定位和GSM通信模块和所述微处理器的信号端双向连接,所述GPS定位和GSM通信模块可以设置在T恤本体的前面或后面,优选将GPS定位和GSM通信模块放置在T恤本体的前面。
进一步的,所述GPS定位和GSM通信模块的型号为SIM908。
进一步的,所述心率传感器为蓝牙心率传感器,其型号为HKX-08L。
进一步的,所述通话装置包括耳机与话筒。
进一步的,所述三轴加速度传感器的型号为ADXL345,所述陀螺仪传感器的型号为ENC-03RD。
进一步的,所述驱动单元包括用于充气泵的驱动芯片、用于通话装置的音频驱动芯片和用于摄像头的驱动芯片;所述用于充气泵的驱动芯片的型号为LV8731,所述用于通话装置的音频驱动芯片的型号为CS42L52,所述用于摄像头的驱动芯片的型号为ANX7150ANX7150L/F。
一种用于所述智能跌倒监护T恤的跌倒检测算法,其包括如下步骤:
步骤一:采集三轴加速度传感器数据(t,Ax,Ay,Az)和陀螺仪传感器的数据(t,θx,θy,θz);其中t是从微处理器中读取的当前日期和时间;Ax、Ay、Az分别是加速度传感器测量的沿三轴X、Y、Z方向的加速度值;θx、θy、θz分别是陀螺仪传感器测量的沿三轴X、Y、Z方向的转动角度;
步骤二:提取步骤一中的特征值,即(t、△A、△θ);其中△A是三维加速度值的改变量,计算方法如公式(1)所示;所述△θ是三维倾斜角度的改变量,计算方法如公式(2)所示:
步骤三:利用预先训练好的加速度改变摔倒模型Ma和角速度改变摔倒模型Mθ实时预测当前观察样本的特征值△A和△θ是否有摔倒的倾向;
其中,所述加速度改变摔倒模型Ma包括向前跌倒△aF、向后跌倒△aB、向左跌倒△aL和向右跌倒△aR的学习样本,其公式(3)如下:
公式(3)中,ωi是一组加权系数;
k是一个反应每一时刻的加速度变化△aF(i),△aB(i),△aL(i),△aR(i)与身体姿势posture(i)之间关系的函数;
所述角速度改变摔倒模型Mθ包括向前跌倒△θF、向后跌倒△θB、向左跌倒△θL和向右跌倒△θR的学习样本,其公式(4)如下:
公式(4)中,ωi是一组加权系数;
k是一个反应每一时刻的角速度变化△θF(i),△θB(i),△θL(i),△θR(i)与身体姿势posture(i)之间关系的函数;
其中,加权系数ωi和函数k需要在模型训练阶段用机器学习算法自动学习出相应的确定值;训练好的所述加速度改变摔倒模型Ma和角速度改变摔倒模型Mθ,分别预测与当前时刻的特征值△A(t)和△θ(t)对应的身体姿势,如公式(5)和公式(6)所示:所述身体姿势包括前跌、后跌、左跌、右跌、站立、坐姿、走和跑;
步骤四:若当前观察样本的特征值△A(t)和△θ(t)被加速度改变摔倒模型Ma或角速度改变摔倒模型Mθ预测的身体姿势为前跌、后跌、左跌或右跌当中的任意一个姿势,则此时所述气囊瞬间充气防止摔倒或防止摔伤;若当前观察样本的特征值△A(t)和△θ(t)被加速度改变摔倒模型Ma或角速度改变摔倒模型Mθ预测的身体姿势为站立、坐姿、走或跑,则此时所述气囊不打开。
进一步的,还有步骤五:经过步骤三~步骤四的判断,若用户身体姿势没有前跌、后跌、左跌、或右跌状态,通过所述心率传感器判断用户的心率是否正常,若不正常说明用户身体状况不好,通过该T恤本体上的通话装置立即求助或通过T恤本体上的GPS定位和GSM通信模块发送心率不正常的求助信息,GSM通信模块能发送报警地址及类别的短信息。
本发明的有益效果如下:
本发明通过设置在T恤本体上的气囊可以自由充气或排气,且气囊包括头部气囊、颈部气囊、肩部气囊、臂部气囊、腰部气囊和/或臀部气囊中的一种或多种,能够为用户全方位的安全保护;各个气囊可自由排气,排出空气后可以折叠,方便携带且重量轻;各个气囊之间相互独立的设计,可以将空气泄漏造成的影响限制在最小限度;通过倾倒监测传感器及时发现倾斜状态并判断,及时触发充气泵使气囊充气保护用户不受损伤,并能激发相应的配套救护装置,例如通话装置、摄像头、定位模块辅助救助;
本发明中的跌倒检测算法能准确判断出用户的倾斜程度是否达到跌倒状态,利用三轴加速度传感器和陀螺仪传感器分别实现对倾斜时加速度数据和转动角度数据的采集,通过计算和对比,能够有效排除正常倾斜和移动的情况,避免误操作。
附图说明
图1为本发明中智能跌倒监护T恤在充气时正面结构示意图。
图2为本发明中智能跌倒监护T恤在充气时背面结构示意图。
图3为本发明中智能跌倒监护T恤的控制原理图。
图4为本发明中跌倒检测算法的工作流程图。
图5为本发明中智能跌倒监护T恤在未充气时正面结构示意图。
其中,1气囊、1-1头部气囊、1-2颈部气囊、1-3肩部气囊、1-4臂部气囊、1-5腰部气囊、1-6臀部气囊、2T恤本体、3心率传感器、4三轴加速度传感器、5摄像头、6陀螺仪传感器、7定位模块、8通话装置、9充气泵、10导气管。
具体实施方式
下面将结合附图1~图5和具体实施例对本发明进行进一步详细的说明。
如图1~图5所示,一种智能跌倒监护T恤,其包括T恤本体2、设置在T恤本体2上的气囊1、设置在T恤本体2上的用于给气囊1充气的充气泵9、设置在T恤本体2上的倾倒监测传感器、微处理器和驱动单元;所述充气泵9的充气口接入气囊1,所述倾倒监测传感器的输出端接入微处理器的输入端,所述微处理器的输出端接入驱动单元的输入端,所述驱动单元的输出端接充气泵9的电源控制端。
进一步的,所述充气泵9设置在T恤本体2的腹部或腰两侧,以便穿着者坐卧休息时不被硌到,确保穿着者的舒适和充气泵9的安全。
进一步的,所述充气泵9通过导气管10接入所述气囊9,所述导气管10设置在穿着者身体两侧,避免坐卧时被压迫影响充气。
进一步的,所述气囊1包括头部气囊1-1、颈部气囊1-2、肩部气囊1-3、臂部气囊1-4、腰部气囊1-5和臀部气囊1-6中的一种或多种。
所述头部气囊1-1、颈部气囊1-2、肩部气囊1-3、臂部气囊1-4、腰部气囊1-5和臀部气囊1-6之间相互独立或任意几种之间相互连通。
进一步的,所述倾倒监测传感器包括三轴加速度传感器4和陀螺仪传感器6,所述三轴加速度传感器4和陀螺仪传感器6的输出端接入所述微处理器的输入端。进一步的,本智能跌倒监护T恤还包括设置在T恤本体2上的心率传感器3,所述心率传感器3的输出端接入所述微处理器的输入端,所述心率传感器3设置在T恤本体2的前胸处心脏部位。
进一步的,本智能跌倒监护T恤还包括设置在T恤本体2上的摄像头5,所述摄像头5的输出端接入所述驱动单元的视频接口,所述摄像头5设置在T恤本体2的前胸处。
进一步的,本智能跌倒监护T恤还包括设置在T恤本体2上的通话装置8,所述通话装置8和所述驱动单元的音频接口双向连接,所述通话装置8设置在T恤本体2的衣领处。
进一步的,本智能跌倒监护T恤还包括设置在T恤本体2上的GPS定位和GSM通信模块7,所述GPS定位和GSM通信模块7和所述微处理器的信号端双向连接,所述GPS定位和GSM通信模块7设置在T恤本体2的正面或背面。
进一步的,所述GPS定位和GSM通信模块7的型号为SIM908。
进一步的,所述心率传感器3为蓝牙心率传感器,其型号为HKX-08L。
进一步的,所述通话装置8包括耳机与话筒。
进一步的,所述三轴加速度传感器4的型号为ADXL345,所述陀螺仪传感器6的型号为ENC-03RD。
进一步的,所述驱动单元包括用于充气泵9的驱动芯片、用于通话装置8的音频驱动芯片和用于摄像头5的驱动芯片;所述用于充气泵9的驱动芯片的型号为LV8731,所述用于通话装置8的音频驱动芯片的型号为CS42L52,所述用于摄像头5的驱动芯片的型号为ANX7150ANX7150L/F。
一种用于所述智能跌倒监护T恤的跌倒检测算法,其包括如下步骤:
步骤一:采集三轴加速度传感器4数据(t,Ax,Ay,Az)和陀螺仪传感器6的数据(t,θx,θy,θz);其中t是从微处理器中读取的当前日期和时间;Ax、Ay、Az分别是加速度传感器4测量的沿三轴X、Y、Z方向的加速度值,θx、θy、θz分别是陀螺仪传感器6测量的沿三轴X、Y、Z方向的转动角度;
步骤二:提取步骤一中的特征值,即(t、△A、△θ);其中△A是三维加速度值的改变量,计算方法如公式(1)所示;所述△θ是三维倾斜角度的改变量,计算方法如公式(2)所示:
步骤三:利用预先训练好的加速度改变摔倒模型Ma和角速度改变摔倒模型Mθ实时预测当前观察样本的特征值△A和△θ是否有摔倒的倾向;其中,所述加速度改变摔倒模型Ma包括向前跌倒△aF、向后跌倒△aB、向左跌倒△aL和向右跌倒△aR的学习样本,如公式(3)所示;所述角速度改变模型Mθ包括向前跌倒△θF、向后跌倒△θB、向左跌倒△θL和向右跌倒△θR的学习样本,如公式(4)所示:
公式(3)中,ωi是一组加权系数;
k是一个反应每一时刻的加速度变化△aF(i),△aB(i),△aL(i),△aR(i)与身体姿势posture(i)之间关系的函数。
公式(4)中,ωi是一组加权系数;
k是一个反应每一时刻的角速度变化△θF(i),△θB(i),△θL(i),△θR(i)与身体姿势posture(i)之间关系的函数;
其中,加权系数ωi和函数k需要在模型训练阶段用机器学习算法自动学习出相应的确定值,机器学习算法例如SVM等。这两个训练好的模型Ma和Mθ可分别预测与当前时刻的特征值△A(t)和△θ(t)对应的身体姿势,含前跌、后跌、左跌、右跌、站立、坐姿、走、跑等,如公式(5)和公式(6)所示:
步骤四:若当前观察样本的特征值△A(t)和△θ(t)被Ma或Mθ预测的身体姿势为前跌、后跌、左跌或右跌当中的任意一个姿势,则此时所述气囊1瞬间充气防止摔倒或防止摔伤,并自动启动通话装置8询问的协助功能;若当前观察样本的特征值△A(t)和△θ(t)被Ma或Mθ预测的身体姿势为站立、坐姿、走或跑等,则此时所述气囊1不打开。
进一步的,执行步骤五:经过步骤三~步骤四的判断,若用户身体姿势没有前跌、后跌、左跌、或右跌状态,通过所述心率传感器3判断用户的心率是否正常,若不正常说明用户身体状况不好,需要立即通过GPS定位和GSM通信模块7发送心率不正常的求助信息。
在判断发生倾斜至欲跌倒状态的同时,还可启动T恤本体2上的摄像头5捕捉状态画面。
本发明设计一款智能跌倒监护T恤,不仅可用于危险状况的监测及危险信息报警的服务,更重要的是用于防护摔倒带来的伤害。所述智能跌倒监护T恤的结构如图1、图2和图5所示。其工作原理如下:
一旦内置的三轴加速度传感器4和陀螺仪传感器6监测到用户的身体重心不稳突然向一侧大幅度倾斜时,所述智能跌倒监护T恤就会驱动充气泵9自动向气囊1充气,并在不足十分之一秒内完成充气过程,保护用户关键部位,例如头部、肩膀、腰部和臀部等,不与地面直接接触,同时缓冲了整个身体的摔倒过程,从而起到摔倒监测与防护的作用。
另外,当监测到用户身体重心不稳的同时,通过内置蓝牙的心率传感器3与摄像头5同时启动工作,这时监测到的用户心率、周围环境或室内用户的具***置,将作为***决策模块对用户健康状况及摔倒严重程度的主要判定依据,***将自动分析是否将摔倒报警信息发送到用户家属及急救中心。
如需要,摔倒报警信息中将包含用户的心率、周围环境视频及通过定位模块7获得的GPS定位的具***置等信息,同时发送给用户家属、小区门卫及社区医院等,并且用户可利用嵌入的无线话筒及耳机与家属或医生对话。
如图4所示,本跌倒检测算法中首先将危险报警信息发送分为两大类:可能性摔倒触发的T恤气囊充气防护和异常情况报警;及心率异常触发的报警。其中,摔倒检测算法又分为两种情况:基于所述加速度改变摔倒模型Ma进行判定,或基于前、后、左、右四个方向倾斜的角速度改变摔倒模型Mθ进行判定。加速度瞬间突变可能发生在用户由于某种原因,身体由直立突然跪坐地上、后坐地上、微微左斜坐地上或微微右斜坐地上。此种情况,用户的上身还基本保持直立或微斜,所以不能用身体倾斜的角度作为判定可能摔倒的依据,而是用加速度改变摔倒模型Ma对当前加速度的瞬间变化值△A进行摔倒预测。而另一种情况是当用户身体发生倾斜时,将用角速度改变摔倒模型Mθ对当前身体相对垂直方向的倾斜角的变化值△θ进行摔倒预测。
所述加速度改变摔倒模型Ma和角速度改变摔倒模型Mθ均是事先利用机器学习算法和采集的各种情况的训练数据离线学习获得的。然后用加速度改变摔倒模型Ma和角速度改变摔倒模型Mθ可以对测试数据快速地进行实时判定。
上述详细说明是针对本发明可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明的等效实施或变更,均应包含于本案的专利保护范围中。
Claims (2)
1.一种基于智能跌倒监护T恤的跌倒检测算法,其特征在于:其中所述智能跌倒监护T恤包括T恤本体(2)、设置在T恤本体(2)上的气囊(1)、设置在T恤本体(2)上用于给气囊(1)充气的充气泵(9)、设置在T恤本体(2)上的倾倒监测传感器、微处理器和驱动单元;所述充气泵(9)的充气口接入气囊(1),所述倾倒监测传感器的输出端接入微处理器的输入端,所述微处理器的输出端接入驱动单元的输入端,所述驱动单元的输出端接充气泵(9)的电源控制端;所述气囊(1)包括头部气囊(1-1)、颈部气囊(1-2)、肩部气囊(1-3)、臂部气囊(1-4)、腰部气囊(1-5)和臀部气囊(1-6)中的一种或多种;所述头部气囊(1-1)、颈部气囊(1-2)、肩部气囊(1-3)、臂部气囊(1-4)、腰部气囊(1-5)和臀部气囊(1-6)之间相互独立或任意几种之间相互连通;所述倾倒监测传感器包括三轴加速度传感器(4)和陀螺仪传感器(6),所述三轴加速度传感器(4)和陀螺仪传感器(6)的输出端接入所述微处理器的输入端;
所述跌倒检测算法包括如下步骤:
步骤一:采集三轴加速度传感器(4)数据(t,Ax,Ay,Az)和陀螺仪传感器(6)的数据(t,θx,θy,θz);其中t是从微处理器中读取的当前日期和时间;Ax、Ay、Az分别是加速度传感器(4)测量的沿三轴X、Y、Z方向的加速度值;θx、θy、θz分别是陀螺仪传感器(6)测量的沿三轴X、Y、Z方向的转动角度;
步骤二:提取步骤一中的特征值,即(t、△A、△θ);其中△A是三维加速度值的改变量,计算方法如公式(1)所示;所述△θ是三维倾斜角度的改变量,计算方法如公式(2)所示:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>A</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msubsup>
<mi>A</mi>
<mi>x</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>A</mi>
<mi>y</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>A</mi>
<mi>z</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&Delta;</mi>
<mi>A</mi>
<mo>=</mo>
<mo>|</mo>
<mi>A</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>A</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<msqrt>
<mrow>
<msubsup>
<mi>&theta;</mi>
<mi>x</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>&theta;</mi>
<mi>y</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>&theta;</mi>
<mi>z</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&Delta;</mi>
<mi>&theta;</mi>
<mo>=</mo>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤三:利用预先训练好的加速度改变摔倒模型Ma和角速度改变摔倒模型Mθ实时预测当前观察样本的特征值△A和△θ是否有摔倒的倾向;
其中,所述加速度改变摔倒模型Ma包括向前跌倒△aF、向后跌倒△aB、向左跌倒△aL和向右跌倒△aR的学习样本,其公式(3)如下:
<mrow>
<mi>M</mi>
<mi>a</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>&Delta;</mi>
<mi>A</mi>
<mo>,</mo>
<mi>f</mi>
<mi>a</mi>
<mi>l</mi>
<mi>l</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mi>k</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>&Delta;</mi>
<mi>a</mi>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>&Delta;</mi>
<mi>a</mi>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>&Delta;</mi>
<mi>a</mi>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>&Delta;</mi>
<mi>a</mi>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>p</mi>
<mi>o</mi>
<mi>s</mi>
<mi>t</mi>
<mi>u</mi>
<mi>r</mi>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
公式(3)中,ωi是一组加权系数;
k是一个反应每一时刻的加速度变化△aF(i),△aB(i),△aL(i),
△aR(i)与身体姿势posture(i)之间关系的函数;
所述角速度改变摔倒模型Mθ包括向前跌倒△θF、向后跌倒△θB、向左跌倒△θL和向右跌倒△θR的学习样本,其公式(4)如下:
<mrow>
<mi>M</mi>
<mi>&theta;</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>&Delta;</mi>
<mi>&theta;</mi>
<mo>,</mo>
<mi>f</mi>
<mi>a</mi>
<mi>l</mi>
<mi>l</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mi>k</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>&Delta;</mi>
<mi>&theta;</mi>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>&Delta;</mi>
<mi>&theta;</mi>
<mi>B</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>&Delta;</mi>
<mi>&theta;</mi>
<mi>L</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>&Delta;</mi>
<mi>&theta;</mi>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>p</mi>
<mi>o</mi>
<mi>s</mi>
<mi>t</mi>
<mi>u</mi>
<mi>r</mi>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
公式(4)中,ωi是一组加权系数;
k是一个反应每一时刻的角速度变化ΔθF(i),ΔθB(i),ΔθL(i),ΔθR(i)与身体姿势posture(i)之间关系的函数;
其中,加权系数ωi和函数k需要在模型训练阶段用机器学习算法自动学习出相应的确定值;训练好的所述加速度改变摔倒模型Ma和角速度改变摔倒模型Mθ,分别预测与当前时刻的特征值△A(t)和△θ(t)对应的身体姿势,如公式(5)和公式(6)所示:所述身体姿势包括前跌、后跌、左跌、右跌、站立、坐姿、走和跑;
步骤四:若当前观察样本的特征值△A(t)和△θ(t)被加速度改变摔倒模型Ma或角速度改变摔倒模型Mθ预测的身体姿势为前跌、后跌、左跌或右跌当中的任意一个姿势,则此时所述气囊(1)瞬间充气防止摔倒或防止摔伤;若当前观察样本的特征值△A(t)和△θ(t)被加速度改变摔倒模型Ma或角速度改变摔倒模型Mθ预测的身体姿势为站立、坐姿、走或跑,则此时所述气囊(1)不打开。
2.根据权利要求1所述的基于智能跌倒监护T恤的跌倒检测算法,其特征在于:所述智能跌倒监护T恤还包括设置在T恤本体(2)上的心率传感器(3),所述心率传感器(3)的输出端接入所述微处理器的输入端,所述心率传感器(3)设置在T恤本体(2)的前胸处;其还包括设置在T恤本体(2)上的摄像头(5),所述摄像头(5)的输出端接入所述驱动单元的视频接口;其还包括设置在T恤本体(2)上的通话装置(8),所述通话装置(8)和所述驱动单元的音频接口双向连接;其还包括设置在T恤本体(2)上的GPS定位和GSM通信模块(7),所述GPS定位和GSM通信模块(7)和所述微处理器的信号端双向连接;
所述跌倒检测算法在步骤四之后增加步骤五如下:
步骤五:经过步骤三~步骤四的判断,若用户身体姿势没有前跌、后跌、左跌、或右跌状态,通过所述心率传感器(3)判断用户的心率是否正常,若不正常说明用户身体状况不好,需要立即发送心率不正常的求助信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611097535.0A CN106473265B (zh) | 2016-12-03 | 2016-12-03 | 一种智能跌倒监护t恤及其跌倒检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611097535.0A CN106473265B (zh) | 2016-12-03 | 2016-12-03 | 一种智能跌倒监护t恤及其跌倒检测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106473265A CN106473265A (zh) | 2017-03-08 |
CN106473265B true CN106473265B (zh) | 2018-01-12 |
Family
ID=58274753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611097535.0A Expired - Fee Related CN106473265B (zh) | 2016-12-03 | 2016-12-03 | 一种智能跌倒监护t恤及其跌倒检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106473265B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106982361A (zh) * | 2017-05-11 | 2017-07-25 | 赵淑良 | 执法行为监测马甲、执法行为监测方法和*** |
CN107432739A (zh) * | 2017-09-20 | 2017-12-05 | 武汉纺织大学 | 一种用于健康监控的智能服装*** |
CN108497574A (zh) * | 2018-05-11 | 2018-09-07 | 西安医学院 | 一种自动识别肢体损伤并给予早期医疗干预的服装 |
CN108648417A (zh) * | 2018-06-12 | 2018-10-12 | 广西科技师范学院 | 基于深度学习的树莓派老人摔倒检测*** |
CN108652637B (zh) * | 2018-06-30 | 2024-04-12 | 源珈力医疗器材国际贸易(上海)有限公司 | 一种穿戴式跌倒预测防护***及其预测方法 |
CN110742615A (zh) * | 2018-07-23 | 2020-02-04 | 浙江清华柔性电子技术研究院 | 一种智能可穿戴设备 |
CN108765874A (zh) * | 2018-07-30 | 2018-11-06 | 安徽辅孝电子科技有限公司 | 跌摔自动呼救*** |
CN109035702A (zh) * | 2018-09-30 | 2018-12-18 | 胡青青 | 跌倒检测方法、装置及可穿戴设备 |
CN109315866A (zh) * | 2018-10-25 | 2019-02-12 | 中国水产科学研究院东海水产研究所 | 一种船员用头部临时保护装置 |
CN109645971A (zh) * | 2018-12-29 | 2019-04-19 | 福建叮叮管家电子科技有限公司 | 一种基于智能家居的婴儿监护***及方法 |
CN109846107A (zh) * | 2019-03-28 | 2019-06-07 | 广州市信安智囊科技有限公司 | 一种智能防护服 |
CN110101139A (zh) * | 2019-05-09 | 2019-08-09 | 北京众安智能科技有限公司 | 一种基于陀螺仪传感器的充气式安全背心 |
CN110443315B (zh) * | 2019-08-08 | 2022-12-02 | 吉林大学 | 室内环境下基于加权融合的老人跌倒检测方法 |
CN110517450A (zh) * | 2019-08-20 | 2019-11-29 | 江西师范大学 | 基于窄带物联网的可穿戴设备及跌倒检测方法 |
CN110597117A (zh) * | 2019-09-09 | 2019-12-20 | 武汉元生创新科技有限公司 | 一种基于imu的智能防摔衣帽***及其使用方法 |
CN111127839A (zh) * | 2019-12-17 | 2020-05-08 | 河南水滴智能技术有限公司 | 一种跌倒防伤害方法 |
CN111166340B (zh) * | 2019-12-31 | 2022-11-18 | 石家庄学院 | 基于自适应加速度信号分割的人体姿势实时识别方法 |
CN112754473A (zh) * | 2021-01-08 | 2021-05-07 | 华中科技大学鄂州工业技术研究院 | 一种融合迁移学习算法的跌倒检测的自发热下装及方法 |
CN113160520B (zh) * | 2021-05-11 | 2022-07-08 | Tcl通讯(宁波)有限公司 | 数据处理方法、装置、存储介质及智能眼镜 |
CN113345203A (zh) * | 2021-06-07 | 2021-09-03 | 成都大学 | 一种可穿戴式防跌倒环境危险识别报警装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105632101A (zh) * | 2015-12-31 | 2016-06-01 | 深圳先进技术研究院 | 一种人体防跌倒预警方法及*** |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9107615B2 (en) * | 2002-12-18 | 2015-08-18 | Active Protective Technologies, Inc. | Method and apparatus for body impact protection |
KR101093780B1 (ko) * | 2011-02-23 | 2011-12-19 | 한국과학기술연구원 | 신체충격 완화장치 |
CN102302226B (zh) * | 2011-06-27 | 2014-07-09 | 哈尔滨工业大学深圳研究生院 | 溜冰安全气囊保护装置、方法及保护服 |
CN102626312B (zh) * | 2012-04-01 | 2013-11-13 | 浙江大学城市学院 | 一种跌倒检测方法、跌倒检测装置和穿戴式设备 |
CN102920117B (zh) * | 2012-10-26 | 2015-04-08 | 中北大学 | 一种具有跌倒自动报警功能的智能拐杖 |
CN103211599A (zh) * | 2013-05-13 | 2013-07-24 | 桂林电子科技大学 | 一种监测跌倒的方法及装置 |
CN104172628A (zh) * | 2014-08-13 | 2014-12-03 | 桂林航天工业学院 | 一种跌倒报警皮带及运作方法 |
CN204032409U (zh) * | 2014-08-14 | 2014-12-24 | 绍兴县中国轻纺城纽妃诗服装服饰有限公司 | 一种老年人健康监测服装 |
CN104287116B (zh) * | 2014-09-16 | 2016-01-13 | 浙江航天长峰科技发展有限公司 | 一种多功能安全防护背心 |
CN205597149U (zh) * | 2016-05-05 | 2016-09-28 | 徐州工业职业技术学院 | 一种用于老年人监护的衣服 |
-
2016
- 2016-12-03 CN CN201611097535.0A patent/CN106473265B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105632101A (zh) * | 2015-12-31 | 2016-06-01 | 深圳先进技术研究院 | 一种人体防跌倒预警方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN106473265A (zh) | 2017-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106473265B (zh) | 一种智能跌倒监护t恤及其跌倒检测算法 | |
CN105632101B (zh) | 一种人体防跌倒预警方法及*** | |
CN105336102B (zh) | 摔倒检测定位方法和装置 | |
US10670621B2 (en) | Fall prevention | |
CN106510719A (zh) | 一种用户姿态监测方法和可穿戴设备 | |
CN104000596B (zh) | 一种基于移动终端的跌倒检测方法 | |
EP3246887A1 (en) | Intelligent waistband and intelligent falling emergency early warning system | |
US20160157756A1 (en) | Bluetooth falling-over alarm insole | |
CN202777511U (zh) | 一种人体防护背包气囊装置 | |
BR102020023550A2 (pt) | Roupa de proteção | |
CN211048465U (zh) | 安全带以及安全用具 | |
CN206473327U (zh) | 一种可穿戴设备 | |
KR102114732B1 (ko) | 웨어러블 스마트 안전의류 시스템 | |
KR101990032B1 (ko) | 위험상황에 대처하기 위한 웨어러블 스마트 장치 및 이를 이용한 위험 상황 판단 방법 | |
CN113160520B (zh) | 数据处理方法、装置、存储介质及智能眼镜 | |
CN106953982A (zh) | 一种低头族步行安全警报方法 | |
CN105361277A (zh) | 一种防止人摔伤的衣服及方法 | |
CN206453322U (zh) | 跌倒预防与报警一体化的老人智能拖鞋 | |
CN207817930U (zh) | 基于多传感器分析的跌倒预警智能鞋垫和跌倒监控*** | |
CN209609908U (zh) | 一种老年人摔倒防护服装 | |
CN102302226A (zh) | 溜冰安全气囊保护装置、方法及保护服 | |
CN108898795A (zh) | 一种基于移动设备的行人状态实时分析方法及*** | |
CN211241980U (zh) | 一种智能登山杖装置 | |
CN210471087U (zh) | 一种智能防护服 | |
CN114495426A (zh) | 一种防摔倒检测与防护***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180112 |