CN108652637B - 一种穿戴式跌倒预测防护***及其预测方法 - Google Patents
一种穿戴式跌倒预测防护***及其预测方法 Download PDFInfo
- Publication number
- CN108652637B CN108652637B CN201810703932.0A CN201810703932A CN108652637B CN 108652637 B CN108652637 B CN 108652637B CN 201810703932 A CN201810703932 A CN 201810703932A CN 108652637 B CN108652637 B CN 108652637B
- Authority
- CN
- China
- Prior art keywords
- waist
- sensor
- head
- protective clothing
- prediction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000001681 protective effect Effects 0.000 claims description 34
- 230000001133 acceleration Effects 0.000 claims description 15
- 230000009471 action Effects 0.000 claims description 15
- 239000004677 Nylon Substances 0.000 claims description 13
- 229920001778 nylon Polymers 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 229910052744 lithium Inorganic materials 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 210000001624 hip Anatomy 0.000 description 60
- 230000033001 locomotion Effects 0.000 description 16
- 238000001514 detection method Methods 0.000 description 7
- 238000005452 bending Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 210000002414 leg Anatomy 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 210000000689 upper leg Anatomy 0.000 description 2
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 206010048744 Fear of falling Diseases 0.000 description 1
- 206010017076 Fracture Diseases 0.000 description 1
- 208000026137 Soft tissue injury Diseases 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 210000001699 lower leg Anatomy 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
- A41D27/00—Details of garments or of their making
- A41D27/02—Linings
-
- 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
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6804—Garments; Clothes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
- A41D2200/00—Components of garments
- A41D2200/20—Hoods
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Textile Engineering (AREA)
- Dentistry (AREA)
- Geometry (AREA)
- Physical Education & Sports Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Professional, Industrial, Or Sporting Protective Garments (AREA)
Abstract
本发明公开了一种穿戴式跌倒预测防护***及其预测方法。它包括连帽防护衣本体,连帽防护衣本体由内衬和外套组成,内衬和外套之间装有折叠气囊,连帽防护衣本体的上端衣帽内装有头部传感器,连帽防护衣本体的下端腰部处设有控制模块、气体发生器和电源模块,控制模块包括中央处理器和腰部传感器,头部传感器、腰部传感器、气体发生器和电源模块通过导线均与中央处理器连接,气体发生器与折叠气囊连接。本发明的有益效果是:使用六轴惯性传感器对人体腰部和头部进行角度数据采集和联合分析,实现较早预测跌倒;采用基于头腰部角度相关系数阈值、腰部角度阈值以及腰部角速度阈值的跌倒预测算法,提高了预测的准确性,同时能够较早的预测跌倒发生。
Description
技术领域
本发明涉及生物医学工程相关技术领域,尤其是指一种穿戴式跌倒预测防护***及其预测方法。
背景技术
根据***最新标准,老龄化社会是指一个地区65岁及以上人口占总人口数达7%及以上,则视该地区进入老龄化社会。根据2003中国统计年鉴中,对2002年1%人口进行抽样调查,发现65岁及以上老年人口已占调查人口总数的8.16%,表明中国已进入老龄化社会。随着老年人口的增多,社会的养老问题以及老年人的身心健康问题受到越来越多的重视,而跌倒是造成老年人发病和死亡的常见起因,超过1/3的65岁以上老人每年至少摔倒一次。世界卫生组织认为跌倒是老年人慢性致残的第三大原因,65岁以上老人跌倒频率高且伴随有骨折、软组织损伤和脑部伤害等问题。这不仅对老年人的身体健康造成影响,而且会使老年人害怕摔倒,造成心理负担。
目前对于跌倒预测的研究不多,市面上的跌倒预测防护装置也较为少见。王国杰等使用跌倒冲击地面前的合加速度阈值以及合角速度阈值来进行预测,但是达到该阈值时意味着即将撞击地面,留给保护装置的反应时间较为短暂,其次某些动作也会产生相似的加速度值,因而预测效果不好。佟丽娜等采用基于加速度时间序列的隐马尔科夫模型来预测跌倒,但是该算法复杂,不易在穿戴式设备上实现。
由于在运动中人体各部分的活动剧烈程度不同,导致各部分运动数据也有所不同,但同时人体作为一个整体,各部位间的运动又有一定的联系,因而可将人体分为头、胸部、腰部、上臂、下臂、大腿、小腿及足部几段研究。由于腰部最接近重心位置,最能反映人体的运动趋势,因而对腰部的检测必不可少,同时为了避免单一部位对整体运动检测的局限性,有必要再引入其他的观测部位。人体头部对于运动的变化最为敏感,同时头部在日常运动中不可能太剧烈,因为头部剧烈活动会造成头晕等不适现象,因而不会产生太多噪声,但是头部不易携带穿戴式设备。这意味着头部是一个观测运动的理想位置。与之相似的是,手臂虽然也对运动的变化十分敏感,但是手臂参与的日常活动十分复杂,导致干扰较多,不利于观测。胸部与腰部类似,能近似反映人体运动中重心的变化,而且灵活度较低不易产生噪声,但是对于重心变化不大的运动却无法准确反映。腿部在运动中一般活动比较剧烈,因而会产生大量噪声,这对运动的观测不利。从中可以看出单一的观测位置不能全面反映人体的运动,对于人体多部位的联合研究很有必要,理论上,观测部位越多,对运动的检测就越准确,但是观测部位的增多也会影响穿戴的舒适性。AT在对跌倒检测的研究中,将九轴传感器置于人的头部、胸部、腰部、右腕、大腿、右踝六个节点,进行大量模拟实验,发现观测节点越多,对跌倒的检测越准确,但是观测节点超过三个时,准确度只会有微弱的提高,舒适度却有所降低。综合考虑穿戴的舒适性与检测的准确性,将观测节点定为三个以内具有相当高的研究价值。M.N.nyan使用腰腿的角度阈值及角度相关性阈值来预测跌倒,获得了较高的准确度以及700ms的前置时间,但是该算法漏报了有屈腿时的摔倒,这是因为下肢段在跌倒动作中变化较为多样。
发明内容
本发明是为了克服现有技术中存在上述的不足,提供了一种检测准确度高且预测时间早的穿戴式跌倒预测防护***及其预测方法。
为了实现上述目的,本发明采用以下技术方案:
一种穿戴式跌倒预测防护***,包括连帽防护衣本体,所述的连帽防护衣本体由内衬和外套组成,所述的内衬和外套之间装有折叠气囊,所述连帽防护衣本体的上端衣帽内装有头部传感器,所述连帽防护衣本体的下端腰部处设有控制模块、气体发生器和电源模块,所述的控制模块包括中央处理器和腰部传感器,所述的头部传感器、腰部传感器、气体发生器和电源模块通过导线均与中央处理器连接,所述的气体发生器与折叠气囊连接。
其中:内衬和外套以缝合和尼龙搭扣组合的方式连接,其中安装有折叠气囊的位置采用的是尼龙搭扣的方式连接,其余的地方采用的是缝合方式连接,这是为了固定头部传感器、控制模块、气体发生器和电源模块以及便于折叠气囊充分展开。使用头部传感器和腰部传感器对人体多部位(腰部和头部)进行角度数据采集和联合分析,实现较早预测跌倒,也可用于高空坠落的防护。采用基于头腰部角度相关系数阈值、腰部角度阈值以及腰部角速度阈值的跌倒预测算法,提高了预测的准确性,同时能够较早的预测跌倒发生。
作为优选,所述的折叠气囊有两个,两个折叠气囊分别置于连帽防护衣本体的前侧和后侧,所述折叠气囊的形状呈I形,所述的折叠气囊缝合在内衬上,其中置于连帽防护衣本体后侧的折叠气囊上端延伸至连帽防护衣本体的上端衣帽内。通过折叠气囊的形状设计,能够有效的保护头部、上半身和腰部。
作为优选,所述连帽防护衣本体的上端衣帽内设有头箍尼龙搭扣,所述的头箍尼龙搭扣置于内衬和外套之间且缝合在外套上,所述的头部传感器固定在头箍尼龙搭扣的中部。通过头箍尼龙搭扣的设计,一方面能够使得衣帽能够更好的定位在头部,而且便于穿戴。
作为优选,所述连帽防护衣本体的下端腰部处设有腰带,所述的外套上设有若干腰带扣,所述的腰带穿过腰带扣置于外套上,所述的气体发生器有两个且均置于腰带上,两个气体发生器分别置于连帽防护衣本体的左右两侧,两个气体发生器分别与两个折叠气囊一一对应连接,所述的控制模块和电源模块均固定安装在腰带上。通过腰带的设计,能够有效的调节腰部的松紧度。
作为优选,所述的电源模块采用的是可充电式锂电池。通过充电的方式实现了电源的可持续性供电。
作为优选,所述的头部传感器和腰部传感器均为六轴惯性传感器,所述的六轴惯性传感器包含了三轴加速度计以及三轴陀螺仪。采集的数据为头部和腰部的俯仰角角速度数据和加速度数据,其中加速度数据用来修正计算的角度值。
作为优选,所述连帽防护衣本体的胸部处设有胸部传感器,所述的胸部传感器通过导线与控制模块连接,所述的胸部传感器为六轴惯性传感器,所述的六轴惯性传感器包含了三轴加速度计以及三轴陀螺仪。
本发明提供了一种穿戴式跌倒预测方法,具体包括如下步骤:
(1)角度阈值判断:控制模块的中央处理器通过头部传感器和腰部传感器将头部和腰部采集到的原始加速度与角速度数据进行处理,得到修正后的俯仰角角度数据,再与中央处理器内部设定的腰部角度阈值16°进行比较,若超过,则进行步骤(2);若未超过,则继续进行步骤(1)的操作;
(2)相关系数阈值判断:在跌倒过程中,人体头部与躯干段的角度变化具有相关性,设定相关系数阈值为0.9,若相关系数达到0.9,则进行步骤(3);若相关系数未达到0.9,则返回到步骤(1)中;
(3)角速度阈值判断:人体弯腰时腰部的角速度不超过50°/s,设定腰部的角速度阈值为50°/s,若超过,则判断为跌倒,中央处理器发送信号到气体发生器,气体发生器给折叠气囊供气以达到防护的效果;若未超过,判断为弯腰,则返回到步骤(1)中。
该方法应用于老年人跌倒防护,首先采集人体头部和腰部的角速度数据,再通过公式计算两个部位的角度相关系数,最后与设定的相关系数阈值以及腰部的角度阈值和角速度阈值比较,以预测是否发生跌倒,若预测发生跌倒则触发气体发生器。采用基于头腰部角度相关系数阈值、腰部角度阈值以及腰部角速度阈值的跌倒预测算法,提高了预测的准确性,同时能够较早的预测跌倒发生。本发明相较于使用单一部位来预测跌倒具有更高的准确度,同时使用本方法能实现较早预测,且更容易在穿戴式设备上实现。
作为优选,在步骤(1)中,若腰部角度值达到设定的角度阈值16°,则求出腰部角度值16°之前100ms内的头部和腰部两者角度的相关系数,计算公式为:
式中:N为100ms内采集的数据个数,θ1i与θ2i分别代表两个部位在同一动作时采集到的第i个角度,和/>分别为同一动作时头部腰部两组俯仰角数据的平均值,Sθ1,Sθ2分别为同一动作时头部腰部俯仰角数据组的标准差。
本发明的有益效果是:使用六轴惯性传感器对人体多部位(腰部和头部)进行角度数据采集和联合分析,实现较早预测跌倒;采用基于头腰部角度相关系数阈值、腰部角度阈值以及腰部角速度阈值的跌倒预测算法,提高了预测的准确性,同时能够较早的预测跌倒发生,也可用于高空坠落的防护。
附图说明
图1是本发明的展开结构示意图;
图2是图1的整体结构示意图;
图3是折叠气囊的展开结构示意图;
图4是发生跌倒的运动状态示意图。
图中:1.头部传感器,2.头箍尼龙搭扣,3.导线,4.腰带,5.气体发生器,6.控制模块,7.电源模块,8.内衬,9.外套。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1、图2所述的实施例中,一种穿戴式跌倒预测防护***,包括连帽防护衣本体,连帽防护衣本体由内衬8和外套9组成,内衬8和外套9之间装有折叠气囊,连帽防护衣本体的上端衣帽内装有头部传感器1,连帽防护衣本体的下端腰部处设有控制模块6、气体发生器5和电源模块7,所述的控制模块6包括中央处理器和腰部传感器,头部传感器1、腰部传感器、气体发生器5和电源模块7通过导线3均与中央处理器连接,气体发生器5与折叠气囊连接。折叠气囊有两个,两个折叠气囊分别置于连帽防护衣本体的前侧和后侧,如图3所示,折叠气囊的形状呈I形,折叠气囊缝合在内衬8上,其中置于连帽防护衣本体后侧的折叠气囊上端延伸至连帽防护衣本体的上端衣帽内。连帽防护衣本体的上端衣帽内设有头箍尼龙搭扣2,头箍尼龙搭扣2置于内衬8和外套9之间且缝合在外套9上,头部传感器1固定在头箍尼龙搭扣2的中部。连帽防护衣本体的下端腰部处设有腰带4,外套9上设有若干腰带4扣,腰带4穿过腰带4扣置于外套9上,气体发生器5有两个且均置于腰带4上,两个气体发生器5分别置于连帽防护衣本体的左右两侧,两个气体发生器5分别与两个折叠气囊一一对应连接,控制模块6和电源模块7均固定安装在腰带4上。电源模块7采用的是可充电式锂电池。头部传感器1和腰部传感器均为六轴惯性传感器,六轴惯性传感器包含了三轴加速度计以及三轴陀螺仪。连帽防护衣本体的胸部处设有胸部传感器,胸部传感器通过导线3与控制模块6连接,胸部传感器为六轴惯性传感器,六轴惯性传感器包含了三轴加速度计以及三轴陀螺仪。
其中:六轴惯性传感器采用的是mpu6050,中央处理器MCU是型号为stm32f103系列等嵌入式单片机。六轴惯性传感器集合了三轴加速度计以及三轴陀螺仪,可以采集三轴加速度数据,以及三轴角速度数据,对角速度积分可得到角度数据,但是由于漂移以及积分误差,会导致角度数据不准确,与此同时对加速度求解三角函数也能得到角度数据,但实时性较差,因而结合加速度修正陀螺仪得到的角度可以更为准确。中央处理器处理头部传感器和腰部传感器传输过来的头部及腰部原始数据,得到俯仰角度数据。
本发明还提供了一种穿戴式跌倒预测方法,具体包括如下步骤:
(1)角度阈值判断:控制模块的中央处理器通过头部传感器和腰部传感器将头部和腰部采集到的原始加速度与角速度数据进行处理,得到修正后的俯仰角角度数据,再与中央处理器内部设定的腰部角度阈值16°进行比较,若超过,则进行步骤(2);若未超过,则继续进行步骤(1)的操作;若腰部角度值达到设定的角度阈值16°,则求出腰部角度值16°之前100ms内的头部和腰部两者角度的相关系数,计算公式为:
式中:N为100ms内采集的数据个数,θ1i与θ2i分别代表两个部位在同一动作时采集到的第i个角度,和/>分别为同一动作时头部腰部两组俯仰角数据的平均值,Sθ1,Sθ2分别为同一动作时头部腰部俯仰角数据组的标准差;
(2)相关系数阈值判断:在跌倒过程中,人体头部与躯干段的角度变化具有相关性,设定相关系数阈值为0.9,若相关系数达到0.9,则进行步骤(3);若相关系数未达到0.9,则返回到步骤(1)中;
(3)角速度阈值判断:人体弯腰时腰部的角速度不超过50°/s,设定腰部的角速度阈值为50°/s,若超过,则判断为跌倒,中央处理器发送信号到气体发生器,气体发生器给折叠气囊供气以达到防护的效果;若未超过,判断为弯腰,则返回到步骤(1)中。
请参阅图4所示的发生跌倒的运动状态示意图。本方法设定的相关系数阈值为0.9,腰部角度阈值为16°,腰部角速度阈值为50°/s。设定的角度阈值是由青年志愿者模拟跌倒及日常动作的实验得出,根据文献资料人体失去平衡的倾角临界值为青年人32.5°,老年人23.9°,同时在实验中发现人体腰部的俯仰角在ADL(日常活动)中大多都不超过16°,弯腰类动作除外。所以将设定的角度阈值设为16°,可以较早预测跌倒发生。实验中发现,在跌倒过程中,人体头部与躯干段的角度变化具有较高的相关性,相关系数超过0.9,而在日常活动的多数动作中(弯腰类动作除外),头部相较与躯干,灵活度更高,因而躯干与头部活动的角度相关性较低。若相关系数达到0.9,则还需进一步判断是跌倒还是弯腰类动作。由于弯腰相较与跌倒,动作较为缓慢,因而采用角速度进一步区分。实验中发现人体弯腰时腰部的角速度不超过50°/s,而跌倒时腰部角速度都超过这一阈值。
使用六轴惯性传感器对人体多部位(腰部和头部)进行角度数据采集和联合分析,采用较低的腰部角度阈值16°并结合头腰相关系数实现了提前400-600ms预测跌倒,再与腰部角速度阈值比较,提高了准确度。相较于现有的基于合加速度阈值方法只能提前100-300ms预测具有较大进步。采用体积小的集成惯性传感器以及基于阈值的预测方法,更容易在穿戴式设备上实现。采用连衣帽的结构,在前后都放置折叠气囊,有效的保护了跌倒易受伤的头部和髋关节,特别是帽子内也装有折叠气囊,改变了现有装置不能很好保护头部的缺点。
综上所述,基于本方法及气体发生器的跌倒预测防护衣,相较于基于单一部位加速度阈值算法的其他跌倒防护装置具有准确度高,预测时间早,充气迅速的优点,能更好的避免跌倒的危害。
Claims (2)
1.一种穿戴式跌倒预测防护***,其特征是,包括连帽防护衣本体,所述连帽防护衣本体由内衬(8)和外套(9)组成,所述内衬(8)和外套(9)之间装有折叠气囊,所述连帽防护衣本体的上端衣帽内装有头部传感器(1),所述连帽防护衣本体的下端腰部处设有控制模块(6)、气体发生器(5)和电源模块(7),所述控制模块(6)包括中央处理器和腰部传感器,所述头部传感器(1)、腰部传感器、气体发生器(5)和电源模块(7)通过导线(3)均与中央处理器连接,所述气体发生器(5)与折叠气囊连接,所述折叠气囊有两个,两个折叠气囊分别置于连帽防护衣本体的前侧和后侧,所述折叠气囊的形状呈I形,所述折叠气囊缝合在内衬(8)上,其中置于连帽防护衣本体后侧的折叠气囊上端延伸至连帽防护衣本体的上端衣帽内,所述连帽防护衣本体的上端衣帽内设有头箍尼龙搭扣(2),所述头箍尼龙搭扣(2)置于内衬(8)和外套(9)之间且缝合在外套(9)上,所述头部传感器(1)固定在头箍尼龙搭扣(2)的中部,所述连帽防护衣本体的胸部处设有胸部传感器,所述胸部传感器通过导线(3)与控制模块(6)连接,所述头部传感器(1)和腰部传感器均为六轴惯性传感器,所述六轴惯性传感器包含了三轴加速度计以及三轴陀螺仪,采集的数据为头部和腰部的俯仰角角速度数据和加速度数据,其中加速度数据用来修正计算的角度值;所述胸部传感器为六轴惯性传感器,所述六轴惯性传感器包含了三轴加速度计以及三轴陀螺仪,所述连帽防护衣本体的下端腰部处设有腰带(4),所述外套(9)上设有若干腰带扣,所述腰带(4)穿过腰带扣置于外套(9)上,所述气体发生器(5)有两个且均置于腰带(4)上,两个气体发生器(5)分别置于连帽防护衣本体的左右两侧,两个气体发生器(5)分别与两个折叠气囊一一对应连接,所述控制模块(6)和电源模块(7)均固定安装在腰带(4)上,该穿戴式跌倒预测防护***的预测方法具体包括如下步骤:
(1)角度阈值判断:控制模块的中央处理器通过头部传感器和腰部传感器将头部和腰部采集到的原始加速度与角速度数据进行处理,得到修正后的俯仰角角度数据,再与中央处理器内部设定的腰部角度阈值16°进行比较,若超过,则进行步骤(2);若未超过,则继续进行步骤(1)的操作;若腰部角度值达到设定的角度阈值16°,则求出腰部角度值16°之前100ms内的头部和腰部两者角度的相关系数,计算公式为:
式中:N为100ms内采集的数据个数,θ1i与θ2i分别代表两个部位在同一动作时采集到的第i个角度,/>和/>分别为同一动作时头部腰部两组俯仰角数据的平均值,Sθ1,Sθ2分别为同一动作时头部腰部俯仰角数据组的标准差;
(2)相关系数阈值判断:在跌倒过程中,人体头部与躯干段的角度变化具有相关性,设定相关系数阈值为0.9,若相关系数达到0.9,则进行步骤(3);若相关系数未达到0.9,则返回到步骤(1)中;
(3)角速度阈值判断:人体弯腰时腰部的角速度不超过50°/s,设定腰部的角速度阈值为50°/s,若超过,则判断为跌倒,中央处理器发送信号到气体发生器,气体发生器给折叠气囊供气以达到防护的效果;若为超过,判断为弯腰,则返回到步骤(1)中。
2.根据权利要求1所述一种穿戴式跌倒预测防护***,其特征是,所述电源模块(7)采用的是可充电式锂电池。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810703932.0A CN108652637B (zh) | 2018-06-30 | 2018-06-30 | 一种穿戴式跌倒预测防护***及其预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810703932.0A CN108652637B (zh) | 2018-06-30 | 2018-06-30 | 一种穿戴式跌倒预测防护***及其预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108652637A CN108652637A (zh) | 2018-10-16 |
CN108652637B true CN108652637B (zh) | 2024-04-12 |
Family
ID=63772511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810703932.0A Active CN108652637B (zh) | 2018-06-30 | 2018-06-30 | 一种穿戴式跌倒预测防护***及其预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108652637B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109432755A (zh) * | 2019-01-08 | 2019-03-08 | 张志波 | 一种滑冰姿态检测件及检测方法 |
CN109745053A (zh) * | 2019-03-05 | 2019-05-14 | 珠海市鼎芯科技有限公司 | 一种人体状态检测装置及方法 |
CN110420028B (zh) * | 2019-07-29 | 2021-02-09 | 浙江大学 | 一种基于多级姿态识别分类模型的心电图防误判方法 |
TW202120019A (zh) * | 2019-11-18 | 2021-06-01 | 展尤 鄧 | 摔倒檢測與防護的方法、裝置、存儲介質及終端設備 |
TWI736286B (zh) * | 2020-05-26 | 2021-08-11 | 國立清華大學 | 基於步態分析的不平衡預警方法及穿戴裝置 |
CN111931733B (zh) * | 2020-09-25 | 2021-02-26 | 西南交通大学 | 基于深度相机的人体姿态检测方法 |
CN113378692B (zh) * | 2021-06-08 | 2023-09-15 | 杭州萤石软件有限公司 | 一种降低跌倒行为误检的方法、检测*** |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004056609A2 (en) * | 2002-12-18 | 2004-07-08 | Lenker Jay A | Inflation control system for inflatable garment |
JP2008022943A (ja) * | 2006-07-19 | 2008-02-07 | Prop:Kk | 人体用エアバッグ装置 |
WO2010026513A1 (en) * | 2008-09-04 | 2010-03-11 | Koninklijke Philips Electronics N.V. | Fall prevention system |
JP2012239490A (ja) * | 2011-05-16 | 2012-12-10 | Prop:Kk | 人体用エアバッグ装置 |
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 |
CN105662401A (zh) * | 2016-03-31 | 2016-06-15 | 杭州优体科技有限公司 | 一种生理参数测量t恤衫 |
WO2016112700A1 (zh) * | 2015-01-13 | 2016-07-21 | 广东乐源数字技术有限公司 | 一种智能腰带及智能跌倒应急预警*** |
CN105832328A (zh) * | 2016-03-15 | 2016-08-10 | 安徽华米信息科技有限公司 | 心电数据的处理方法、装置及衣服 |
CN106037678A (zh) * | 2016-06-29 | 2016-10-26 | 合肥云都棉花有限公司 | 一种体表微气候智能自感服装 |
WO2016189202A1 (en) * | 2015-05-26 | 2016-12-01 | Seniortek Oy | Monitoring system and monitoring method |
CN106473265A (zh) * | 2016-12-03 | 2017-03-08 | 石家庄学院 | 一种智能跌倒监护t恤及其跌倒检测算法 |
WO2017049957A1 (zh) * | 2015-09-25 | 2017-03-30 | 广东乐源数字技术有限公司 | 智能跌倒监护装置及其处理方法 |
CN106580285A (zh) * | 2016-11-30 | 2017-04-26 | 南通市肿瘤医院 | 带监测功能的智能防跌倒损伤背心 |
WO2017118610A1 (de) * | 2016-01-07 | 2017-07-13 | WOLFGANG, Müller-Adam | Verfahren und vorrichtung zur sturzerkennung |
CN106981174A (zh) * | 2017-04-27 | 2017-07-25 | 南京邮电大学 | 一种基于智能手机的老人跌倒检测方法 |
GB201802904D0 (en) * | 2018-02-22 | 2018-04-11 | Rideq Ab | Wearable position training system |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008091227A1 (en) * | 2007-01-22 | 2008-07-31 | National University Of Singapore | Method and system for fall-onset detection |
JP2014075964A (ja) * | 2012-09-11 | 2014-04-24 | Ricoh Co Ltd | 種類判定装置、種類判定方法およびプログラム |
-
2018
- 2018-06-30 CN CN201810703932.0A patent/CN108652637B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004056609A2 (en) * | 2002-12-18 | 2004-07-08 | Lenker Jay A | Inflation control system for inflatable garment |
JP2008022943A (ja) * | 2006-07-19 | 2008-02-07 | Prop:Kk | 人体用エアバッグ装置 |
WO2010026513A1 (en) * | 2008-09-04 | 2010-03-11 | Koninklijke Philips Electronics N.V. | Fall prevention system |
JP2012239490A (ja) * | 2011-05-16 | 2012-12-10 | Prop:Kk | 人体用エアバッグ装置 |
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 |
WO2016112700A1 (zh) * | 2015-01-13 | 2016-07-21 | 广东乐源数字技术有限公司 | 一种智能腰带及智能跌倒应急预警*** |
WO2016189202A1 (en) * | 2015-05-26 | 2016-12-01 | Seniortek Oy | Monitoring system and monitoring method |
WO2017049957A1 (zh) * | 2015-09-25 | 2017-03-30 | 广东乐源数字技术有限公司 | 智能跌倒监护装置及其处理方法 |
WO2017118610A1 (de) * | 2016-01-07 | 2017-07-13 | WOLFGANG, Müller-Adam | Verfahren und vorrichtung zur sturzerkennung |
CN105832328A (zh) * | 2016-03-15 | 2016-08-10 | 安徽华米信息科技有限公司 | 心电数据的处理方法、装置及衣服 |
CN105662401A (zh) * | 2016-03-31 | 2016-06-15 | 杭州优体科技有限公司 | 一种生理参数测量t恤衫 |
CN106037678A (zh) * | 2016-06-29 | 2016-10-26 | 合肥云都棉花有限公司 | 一种体表微气候智能自感服装 |
CN106580285A (zh) * | 2016-11-30 | 2017-04-26 | 南通市肿瘤医院 | 带监测功能的智能防跌倒损伤背心 |
CN106473265A (zh) * | 2016-12-03 | 2017-03-08 | 石家庄学院 | 一种智能跌倒监护t恤及其跌倒检测算法 |
CN106981174A (zh) * | 2017-04-27 | 2017-07-25 | 南京邮电大学 | 一种基于智能手机的老人跌倒检测方法 |
GB201802904D0 (en) * | 2018-02-22 | 2018-04-11 | Rideq Ab | Wearable position training system |
Non-Patent Citations (3)
Title |
---|
向琦 ; 任万春 ; 陈旭 ; 陈芳 ; 周涵 ; 何艳 ; .基于物联网与多传感器技术的智能看护***设计.传感器与微***.(02),第84-86页. * |
基于加速度传感器的无线跌倒检测***;秦昉;孙子文;白勇;;控制工程;20160120(01);第146-150页 * |
基于支持向量机的跌倒检测算法研究;裴利然;姜萍萍;颜国正;;光学精密工程;20170115(01);第187-192页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108652637A (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108652637B (zh) | 一种穿戴式跌倒预测防护***及其预测方法 | |
US10363453B2 (en) | Systems and methods for monitoring athletic and physiological performance | |
US7150048B2 (en) | Method and apparatus for body impact protection | |
US10149638B2 (en) | Method and apparatus for body impact protection | |
US7017195B2 (en) | Air bag inflation device | |
EP3065628B1 (en) | Biomechanical activity monitoring | |
CN105361277B (zh) | 一种防止人摔伤的衣服及方法 | |
US20090030350A1 (en) | Gait analysis | |
CN106419929B (zh) | 帕金森病患者姿态平衡稳定性的定量检测装置 | |
US20200410893A1 (en) | Wearable position training system | |
WO2002019956A2 (en) | System for protection from falls | |
WO2004056609A9 (en) | Inflation control system for inflatable garment | |
GB2533430A (en) | Biomechanical analysis | |
US20220193522A1 (en) | Exercise analysis system using sensor worn on user's head | |
KR20180031610A (ko) | 밴드형 운동 및 생체정보 측정 장치 | |
Zhang et al. | Design and realization of a wearable hip-airbag system for fall protection | |
CN109314818B (zh) | 用于活动监测的可穿戴装置 | |
CN209315877U (zh) | 一种穿戴式跌倒预测防护*** | |
CN112586820A (zh) | 一种具有跌倒预警功能的穿戴式护髋安全气囊装置 | |
CN107184214B (zh) | 一种老年人用跌倒预先识别装置 | |
Karasawa et al. | A trial of making reference gait data for simple gait evaluation system with wireless inertial sensors | |
CN110335443B (zh) | 一种人体智能防护方法 | |
Wang et al. | Fall prevention system based on airbag protection and mechanical exoskeleton support | |
CN106924941B (zh) | 一种搏击运动的数据采集与分析*** | |
Carey et al. | Development of a wearable motion analysis system for evaluation and rehabilitation of mild traumatic brain injury (mTBI) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |