KR20220067268A - 사용자 자세 기반 낙상 방지 장치 - Google Patents
사용자 자세 기반 낙상 방지 장치 Download PDFInfo
- Publication number
- KR20220067268A KR20220067268A KR1020200153791A KR20200153791A KR20220067268A KR 20220067268 A KR20220067268 A KR 20220067268A KR 1020200153791 A KR1020200153791 A KR 1020200153791A KR 20200153791 A KR20200153791 A KR 20200153791A KR 20220067268 A KR20220067268 A KR 20220067268A
- Authority
- KR
- South Korea
- Prior art keywords
- signal
- input
- user
- posture
- present
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G7/00—Beds specially adapted for nursing; Devices for lifting patients or disabled persons
- A61G7/05—Parts, details or accessories of beds
- A61G7/0507—Side-rails
- A61G7/052—Side-rails characterised by safety means, e.g. to avoid injuries to patient or caregiver
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47C—CHAIRS; SOFAS; BEDS
- A47C21/00—Attachments for beds, e.g. sheet holders, bed-cover holders; Ventilating, cooling or heating means in connection with bedsteads or mattresses
- A47C21/08—Devices for prevention against falling-out, e.g. detachable sidewalls
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G7/00—Beds specially adapted for nursing; Devices for lifting patients or disabled persons
- A61G7/05—Parts, details or accessories of beds
- A61G7/0507—Side-rails
- A61G7/0524—Side-rails characterised by integrated accessories, e.g. bed control means, nurse call or reading lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2200/00—Information related to the kind of patient or his position
- A61G2200/30—Specific positions of the patient
- A61G2200/32—Specific positions of the patient lying
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/10—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering
- A61G2203/12—Remote controls
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/10—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering
- A61G2203/20—Displays or monitors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/30—General characteristics of devices characterised by sensor means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
- A61G2203/00—General characteristics of devices
- A61G2203/70—General characteristics of devices with special adaptations, e.g. for safety or comfort
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Nursing (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
본 발명은 사용자 자세 기반 낙상 방지 장치에 관한 것이다.
보다 상세하게는 본 발명의 일 실시예에 따른 사용자 자세 기반 낙상 방지 장치는 매트리스 위에 위치하는 사용자의 신체를 감지하여 입력신호를 생성하는 신호감지부 및 상기 입력신호를 기반으로 사용자의 낙상위험여부를 판단하는 사용자상태판단부를 포함할 수 있다.
보다 상세하게는 본 발명의 일 실시예에 따른 사용자 자세 기반 낙상 방지 장치는 매트리스 위에 위치하는 사용자의 신체를 감지하여 입력신호를 생성하는 신호감지부 및 상기 입력신호를 기반으로 사용자의 낙상위험여부를 판단하는 사용자상태판단부를 포함할 수 있다.
Description
본 발명은 사용자 자세에 기반하는 낙상 방지 장치에 관한 것이다. 보다 상세하게는 매트리스 위에 있는 낙상의 위험이 있는 사용자의 예비자세를 분석하여 낙상을 방지할 수 있는 장치에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
병원이나 요양원에 입원한 거동이 불편한 환자들이 이동을 원하는 경우에는 통상 침대 근처에 있는 호출 벨을 눌러 간호사를 호출하여 간호사 등의 도움을 받아 이동해야함에도 불구하고 환자나 노인들 중에서 일부는 혼자서 무리하게 이동을 수행하다가 침대에서 떨어지거나, 이동 중에 낙상을 하는 낙상사고가 빈번하게 발생한다.
특히, 거동이 불편한 환자나 노인들은 신체 반응속도가 낮아 낙상사고 발생 시 대퇴부 골절이나 머리 부위의 심각한 부상을 초래하여 경우에 따라서는 사망에 이르게 되는 문제가 있었다.
이에 등록특허공보 제10-1254792호는 침대 이탈 감지 시스템을 개시하고 있다.
보다 상세하게 살펴보면, 선행기술은 침대 이탈 감지시스템에 관한 것으로, 그 구성은 침대에 안치된 매트리스의 하부에 위치되어 상기 매트리스에 위치하는 환자의 존재 유무를 감지하고, 그 감지정보를 송신하는 적어도 하나 이상의 감지유니트와, 상기 감지유니트에서 감지하는 송신하는 감지정보를 수신하고, 그 수신정보를 전송하는 전송부로 구성되는 감지수단과, 상기 전송부에서 전송된 감지정보가 저장되는 데이터베이스와, 상기 전송부에서 전송되는 감지정보를 실시간으로 출력하여 관리자에게 제공하는 출력부로 구성되는 통합관리부를 포함하고 있다.
그러나, 선행기술은 사용자의 정확한 위치를 파악하기 어렵고, 애완동물이나 물건 등이 구별할 수 없어 정확한 판단이 어렵다는 문제점이 있었다.
개시된 실시 예는 사용자의 자세를 감지하여 침대 위에서 낙상의 위험을 사전에 감지하여 낙상을 방지하는 것이다.
또한, 개시된 실시 예는 사용자의 신체가 아닌 반려동물 또는 물건 등에 의한 노이즈 신호(noise signal) 또는 폴스 알람(false alarm) 을 필터링하여 정확성을 향상시키는 것이다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 사용자 자세 기반 낙상 방지 장치는, 매트리스 위에 위치하는 사용자의 신체를 감지하여 입력신호를 생성하는 신호감지부 및 상기 입력신호를 기반으로 사용자의 낙상위험여부를 판단하는 사용자상태판단부를 포함할 수 있다.
이 때, 상기 신호감지부는 상기 매트리스의 상부, 중부 또는 하부 중 어느 한 위치에 위치하고, 매트릭스 구조로 배치되는 복수 개의 센서를 통하여 복수 개의 상기 입력신호를 생성할 수 있다.
이 때, 상기 사용자상태판단부는 상기 신호감지부로부터 전달받은 복수 개의 상기 입력신호 중 노이즈신호를 필터링하여 정제신호를 생성하는 신호정제부 및 상기 정제신호를 기반으로 사용자의 자세정보 및 위치정보를 추출하고, 상기 자세정보 및 상기 위치정보를 기반으로 낙상위험여부를 판단하는 신호분석부를 포함할 수 있다.
이 때, 상기 신호분석부는 상기 입력신호의 입력세기, 입력면적, 입력위치 및 입력지속시간을 입력 파라미터로 상기 자세정보를 출력하는 제1 기계학습모델을 생성하고, 상기 입력신호의 입력세기, 입력면적, 입력위치 및 입력지속시간을 입력 파라미터로 상기 노이즈신호를 출력하는 제2 기계학습모델을 생성하는 인공지능모듈을 포함할 수 있다.
이 때, 상기 신호정제부는 복수 개의 상기 입력신호를 기설정된 제1 시간동안 기설정된 제2 시간 간격으로 추출하여, 추출된 복수 개의 상기 입력신호를 취합하고, 상기 노이즈신호를 필터링하여 정제신호를 생성할 수 있다.
이 때, 상기 신호분석부는, 복수 개의 상기 입력신호를 인접한 입력신호끼리 그룹으로 묶고, 상기 그룹의 중심점의 위치를 상기 위치정보로 추출하고, 상기 위치정보가 상기 매트리스의 외곽에서 기설정된 임계거리 이내인 경우 낙상위험이 있는 것으로 판단할 수 있다.
개시된 실시 예에 따르면, 사용자의 자세를 감지하여 침대 위에서 낙상의 위험을 사전에 감지하여 낙상을 방지할 수 있다.
또한, 개시된 실시 예에 따르면, 사용자의 신체가 아닌 반려동물 또는 물건 등에 의한 노이즈 신호(noise signal) 또는 폴스 알람(false alarm) 을 필터링하여 정확성을 향상시킬 수 있다.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 사용자 자세 기반 낙상 방지 장치의 구성도.
도 2는 본 발명의 일 실시예에 따른 신호감지부의 예시도.
도 3은 본 발명의 일 실시예에 따른 사용자상태판단부의 블록도.
도 4는 본 발명의 일 실시예에 따라 입력신호를 취합하는 개념도.
도 5는 본 발명의 일 실시예에 따라 사용자의 신체에 따른 입력신호와 노이즈신호를 구분하는 개념도.
도 6은 입력신호에 따른 사용자의 자세정보를 나타내는 예시도.
도 7은 본 발명의 일 실시예에 따라 위치정보에 따른 낙상 위험을 판단하는 개념도.
도 8은 본 발명의 일 실시예에 따른 낙상 방지 시스템의 구성도.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.
도 1은 본 발명의 일 실시예에 따른 사용자 자세 기반 낙상 방지 장치의 구성도.
도 2는 본 발명의 일 실시예에 따른 신호감지부의 예시도.
도 3은 본 발명의 일 실시예에 따른 사용자상태판단부의 블록도.
도 4는 본 발명의 일 실시예에 따라 입력신호를 취합하는 개념도.
도 5는 본 발명의 일 실시예에 따라 사용자의 신체에 따른 입력신호와 노이즈신호를 구분하는 개념도.
도 6은 입력신호에 따른 사용자의 자세정보를 나타내는 예시도.
도 7은 본 발명의 일 실시예에 따라 위치정보에 따른 낙상 위험을 판단하는 개념도.
도 8은 본 발명의 일 실시예에 따른 낙상 방지 시스템의 구성도.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들을 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이 때, 본 실시 예에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field-Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)과 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 발명의 실시예들을 구체적으로 설명함에 있어서, 특정 시스템의 예를 주된 대상으로 할 것이지만, 본 명세서에서 청구하고자 하는 주요한 요지는 유사한 기술적 배경을 가지는 여타의 통신 시스템 및 서비스에도 본 명세서에 개시된 범위를 크게 벗어나지 아니하는 범위에서 적용 가능하며, 이는 당해 기술분야에서 숙련된 기술적 지식을 가진 자의 판단으로 가능할 것이다.
이하에서, 첨부된 도면을 참조하여 본 발명의 일 실시예에 따른 사용자 자세 기반 낙상 방지 장치에 대해 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 사용자 자세 기반 낙상 방지 장치의 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 사용자 자세 기반 낙상 방지 장치는 매트리스 위에 위치하는 사용자의 신체를 감지하여 입력신호(201)를 생성하는 신호감지부(110) 및 상기 입력신호(201)를 기반으로 사용자의 낙상위험여부를 판단하는 사용자상태판단부(120)를 포함하여 매트리스 위에 눕거나 앉아 있는 사용자의 현재 자세를 판단할 수 있고, 사용자의 자세나 매트리스 상의 사용자의 위치가 낙상의 위험이 있다면 이를 사용자 또는 사용자를 간호하는 제3자에게 알려 사용자의 낙상을 방지할 수 있다.
이 때, 신호감지부(110)는 침대의 매트리스의 상부, 중부 또는 하부에 위치하거나 입력신호(201)를 생성하는 매트리스 자체일 수 있다.
이 때, 사용자상태판단부(120)는 상기 입력신호(201)를 분석하여 사용자의 자세를 분석하고, 사용자의 낙상위험여부를 판단할 수 있다. 이 때, 신호감지부(110)와 사용자상태판단부(120)는 유선 또는 무선 통신으로 연결될 수 있고, 하나의 사용자상태판단부(120)에 하나 이상의 신호감지부(110)가 연결될 수도 있다.
도 2는 본 발명의 일 실시예에 따른 신호감지부(110)의 예시도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 신호감지부(110)는 상기 매트리스의 상부, 중부 또는 하부 중 어느 한 위치에 위치하고, 매트릭스(matrix) 구조로 배치되는 복수 개의 센서(111)를 통하여 복수 개의 상기 입력신호(201)를 생성할 수 있다.
이 때, 상기 센서(111)는 압전센서, 정전압센서 등 상부에서 눌리는 입력유무, 입력세기를 추출할 수 있는 모든 센서(111)를 포함할 수 있다.
이 때, 신호감지부(110)가 매트릭스 구조로 구성될 수 있어, 상부에서 눌리는 입력신호(201)의 정확한 위치를 판단할 수 있고, 입력신호(201)의 면적 및 형태 등을 판단할 수 있어, 사용자의 자세정보를 분석하는데 용이하기 때문이다.
이 때, 상기 입력신호(201)는 각 센서(111)의 입력유무, 입력세기 및 입력지속시간 등에 관한 정보를 포함할 수 있다.
또한, 신호감지부(110)는 도 2의 우측에 도시된 바와 같이 상기 입력신호(201)를 이미지로 변환하여 사용자상태판단부(120)로 전송할 수 있고, 입력신호(201)와 함께, 상기 입력신호(201)의 개수 및 좌표정보를 함께 전송할 수도 있다.
도 3은 본 발명의 일 실시예에 따른 사용자상태판단부(120)의 블록도이다.
도 3을 참조하면, 본 발명의 일 실시예에 따른 사용자상태판단부(120)는 신호정제부(121) 및 신호분석부(123)를 포함하여, 사용자의 신체가 아닌 반려동물 또는 물건 등에 의한 노이즈신호(203)(noise signal) 또는 폴스 알람(false alarm)을 제거하고, 정제된 신호만으로 사용자의 상태를 정확하게 분석할 수 있다.
이 때, 신호정제부(121)는 상기 신호감지부(110)로부터 전달받은 복수 개의 상기 입력신호(201) 중 노이즈신호(203)를 필터링할 수 있다.
이 때, 노이즈신호(203)는 사용자의 신체에 의해 입력된 신호가 아니라, 반려동물이나, 잠시 올려놓은 물건 등에 의해 입력된 신호를 의미할 수 있으며, 이는 사용자의 낙상 방지와는 무관한 신호이기 때문에 제거하는 것이 바람직하다.
이 때, 신호정제부(121)는 상기 입력신호(201)의 입력세기가 기설정된 노이즈임계세기보다 작은 경우 노이즈신호(203)로 필터링할 수 있고, 상기 입력신호(201)가 연결된 면적의 크기가 기설정된 노이즈임계크기보다 작은 경우 노이즈신호(203)로 필터링할 수 있으며, 상기 입력신호(201)의 입력지속시간이 기설정된 노이즈임계시간보다 작은 경우 노이즈신호(203)로 필터링할 수 있다.
예를 들어, 상기 노이즈임계세기가 5(상기 센서(111)에 입력되는 신호의 세기를 정규화한 예시로써, 5보다 큰 경우 사람에 의한 입력이라고 가정함)이고, 상기 입력신호(201)의 입력세기가 3으로 입력되었을 때, 상기 입력신호(201)는 사용자에 의해 입력된 것이 아니고, 반려동물이나 사람보다 가벼운 물체에 의한 입력신호(201)로 판단하여 해당 입력신호(201)를 노이즈신호(203)로써 제거할 수 있다.
또한, 상기 노이즈신호(203)는 상술한 예시에 의해 정해지는 것뿐만 아니라, 후술하는 바와 같이 인공지능모듈에 의하여 정해질 수도 있다.
또한, 상술한 바와 같이, 동일한 시점에서의 입력신호(201)를 기반으로 노이즈를 제거한다면, 사용자가 손으로 매트리스를 짚는 행동도 노이즈신호(203)로 제거될 수 있다. 따라서, 신호정제부(121)는 특정 시점에서의 입력신호(201)가 아닌, 기설정된 시간동안 입력된 입력신호(201)를 취합하고, 노이즈신호(203)를 필터링할 수 있다. 이와 관련해서는 도 4를 참조하여 보다 상세하게 후술하도록 한다.
이 때, 신호분석부(123)는 상기 정제신호를 기반으로 사용자의 자세정보 및 위치정보를 추출하고, 상기 자세정보 및 상기 위치정보를 기반으로 낙상위험여부를 판단하는 신호분석부(123)를 포함할 수 있다.
보다 상세하게 살펴보면, 신호분석부(123)는 상기 신호정제부(121)로부터 전달받은 상기 정제신호를 분석하여, 입력세기, 입력면적, 입력위치 및 입력지속시간을 기반으로 사용자의 자세를 분석할 수 있고, 상기 정제신호(입력신호(201)들의 묶음)의 중심점(210)의 위치를 상기 위치정보로 추출하여 사용자가 매트리스 상의 어느 위치에 있는지 분석할 수 있다. 또한, 신호분석부(123)는 인공지능모듈을 통하여 사용자의 자세정보를 추출할 수 있는데 이와 관련해서는 도 6을 참조하여 후술하도록 한다.
도 4는 본 발명의 일 실시예에 따라 입력신호(201)를 취합하는 개념도이다.
도 4를 참조하면, 본 발명의 일 실시예에 따른 신호정제부(121)는 복수 개의 상기 입력신호(201_1, 201_2, 201_3)를 기설정된 제1 시간동안 기설정된 제2 시간 간격으로 추출하여, 추출된 복수 개의 상기 입력신호(201_1, 201_2, 201_3)를 취합하고, 상기 노이즈신호(203)를 필터링하여 정제신호를 생성할 수 있다.
따라서, 본 발명의 일 실시예에 따른 신호정제부(121)는 사용자가 의도하지 않은 일시적인 입력 즉, 노이즈신호(203) 또는 폴스 알람 등을 제거하고, 분석에 적합한 입력신호(201)를 가공할 수 있다.
도 4를 참조하여 예를 들면, 만일 본 발명의 일 실시예에 따른 신호정제부(121)가 t_1 시점의 입력신호(201_1)만을 신호분석부(123)로 전송하게 되면, 신호분석부(123)는 사용자가 측면으로 누워있는 것으로 오판할 수 있다. 또는 신호정제부(121)가 t_3 시점의 입력신호(201_3)만을 신호분석부(123)로 전송하게 되면, 신호분석부(123)는 사용자가 누워있다는 것을 정확하게 판단할 수 없을 수 있다.
따라서, 본 발명의 일 실시예에 따른 신호정제부(121)는 기설정된 제1 시간을 1주기로 하여 하나의 입력신호(201_1, 201_2, 201_3)를 생성하되, 기설정된 제2 시간 간격마다 전달받은 입력신호를 취합하여 상기 입력신호(201)를 생성할 수 있다.
예를 들어, 제1 시간은 1초(second)이고, 제2 시간은 0.25초(second)인 경우, 본 발명의 일 실시예에 따른 신호정제부(121)는 0.25초 마다 입력신호(201_1, 201_2, 201_3)를 전달받고, 1초동안 전달받은 4개의 입력신호를 취합하여 하나의 입력신호(201)를 생성할 수 있다. 그리고, 신호정제부(121)는 상술한 바와 같이 취합하여 생성된 하나의 입력신호(201)에 대하여 노이즈신호(203)를 필터링하여 정제신호를 생성할 수 있다.
도 5는 본 발명의 일 실시예에 따라 사용자의 신체에 따른 입력신호(201)와 노이즈신호(203)를 구분하는 개념도이다.
도 5를 참조하면, 상술한 바와 같이 본 발명의 일 실시예에 따른 신호정제부(121)는 노이즈신호(203)를 필터링할 수 있다.
이 때, 노이즈신호(203)는 사용자의 신체에 의해 입력된 신호가 아니라, 반려동물이나, 잠시 올려놓은 물건 등에 의해 입력된 신호를 의미할 수 있으며, 이는 사용자의 낙상 방지와는 무관한 신호이기 때문에 제거하는 것이 바람직하다.
도 5에 도시된 바와 같이, 사람에 의한 입력신호(201)와 반려동물 또는 물건에 의한 노이즈신호(203)는 입력면적에서 차이가 있고, 또한, 도 5에 도시되지는 않았으나, 신호감지부(110)에 포함된 센서(111)는 입력세기를 측정할 수 있어, 사람에 의한 입력세기와 반려동물 또는 물건에 의한 입력세기를 구분하여 노이즈신호(203)를 구분할 수 있다. 따라서, 본 발명의 일 실시예에 따른 신호정제부(121)는 상술한 바와 같이, 상기 입력신호(201)의 입력세기가 기설정된 노이즈임계세기보다 작은 경우 노이즈신호(203)로 필터링할 수 있고, 상기 입력신호(201)의 입력면적이 기설정된 노이즈임계크기보다 작은 경우 노이즈신호(203)로 필터링할 수 있으며, 상기 입력신호(201)의 입력지속시간이 기설정된 노이즈임계시간보다 작은 경우 노이즈신호(203)로 필터링할 수 있다.
또한, 후술하는 바와 같이 인공지능모듈을 기반으로 노이즈신호(203)를 판단할 수도 있다.
도 6은 입력신호(201)에 따른 사용자의 자세정보를 나타내는 예시도이다.
도 6을 참조하면, 본 발명의 일 실시예에 따른 신호분석부(123)는 상기 입력신호(201)의 입력세기, 입력면적, 입력위치 및 입력지속시간을 기반으로 사용자의 자세정보를 추출할 수 있다.
도 6에 도시된 바와 같이, 신호분석부(123)는 입력신호(201)들의 패턴을 통하여 사용자의 자세를 정자세누움, 정자세앉음, 걸터앉음, 옆으로 누움 등으로 구분할 수 있고, 이 밖에도 다양한 자세정보를 구분할 수 있다.
이 때, 본 발명의 일 실시예에 따른 신호분석부(123)는 다양한 자세정보를 구분하기 위하여, 인공지능모듈을 포함할 수 있다.
이 때, 상기 인공지능모듈은 상기 입력신호(201)의 입력세기, 입력면적, 입력위치 및 입력지속시간을 입력 파라미터로 상기 자세정보를 출력하는 제1 기계학습모델을 생성할 수 있다.
또한, 상기 인공지능모듈은 상기 입력신호(201)의 입력세기, 입력면적, 입력위치 및 입력지속시간을 입력 파라미터로 상기 노이즈신호(203)를 출력하는 제2 기계학습모델을 생성할 수도 있다. 상기 제2 기계학습모델은 상기 노이즈신호(203)를 정확하게 추출하여, 의미있는 입력신호(201)만을 필터링하도록 할 수 있다.
정리하면, 본 발명의 일 실시예에 따른 신호분석부(123)는 상기 입력신호(201)를 기반으로 사용자의 자세를 판단하거나, 상기 입력신호(201)가 사용자의 신체에 의한 것이 아닌 노이즈신호(203)인지 여부를 판단하는 인공지능 모듈을 통해 보다 정확하게 사용자의 자세정보를 추출할 수 있도록 한다.
이 때, 상기 인공지능모듈은 머신러닝의 한 분야인 딥러닝(Deep Learning) 기법을 이용하여 정확한 상관 관계가 도출될 수 있도록 학습을 수행할 수 있다. 특히, 상술한 상관 관계의 경우, 입력(input)은 상기 입력신호(201)의 입력세기, 입력면적, 입력위치 및 입력지속시간으로, 출력(output)은 상기 자세정보로 정의될 수 있고, 또는 동일한 입력으로 노이즈신호(203)를 출력할 수도 있다.
또한, 인공지능모듈은 딥러닝을 통하여 상기 함수에서의 복수 개의 입력들의 가중치(weight)를 학습을 통하여 산출할 수 있다. 또한, 이러한 학습을 위하여 활용되는 인공지능망 모델로는 RNN(Recurrent Neural Network), DNN(Deep Neural Network) 및 DRNN(Dynamic Recurrent Neural Network) 등 다양한 모델들을 활용할 수 있을 것이다.
여기서 RNN은 현재의 데이터와 과거의 데이터를 동시에 고려하는 딥 러닝 기법으로서, 순환 신경망(RNN)은 인공 신경망을 구성하는 유닛 사이의 연결이 방향성 사이클(directed cycle)을 구성하는 신경망을 나타낸다. 나아가, 순환 신경망(RNN)을 구성할 수 있는 구조에는 다양한 방식이 사용될 수 있는데, 예컨대, 완전순환망(Fully Recurrent Network), 홉필드망(Hopfield Network), 엘만망(Elman Network), ESN(Echo state network), LSTM(Long short term memory network), 양방향(Bi-directional) RNN, CTRNN(Continuous-time RNN), 계층적 RNN, 2차 RNN 등이 대표적인 예이다. 또한, 순환 신경망(RNN)을 학습시키기 위한 방법으로서, 경사 하강법, Hessian Free Optimization, Global Optimization Method 등의 방식이 사용될 수 있다.
또한, 인공지능망 모델로 패턴 인식 등에 잘 활용되는 SVM(Supported Vector Machine) 신경망 알고리즘을 활용하여 기계학습모델을 생성할 수 있다.
여기서, SVM 즉, 서포트 벡터 머신은 기계학습의 분야 중 하나로 패턴인식, 자료분석을 위한 지도학습모델이며, 주로 분류와 회귀분석을 위해 사용될 수 있고, 두 카테고리 중 어느 하나에 속한 데이터의 집합이 주어졌을 때, SVM 알고리즘은 주어진 데이터 집합을 바탕으로 하여 새로운 데이터가 어느 카테고리에 속할지 판단하는 비확률적 이진 선형 분류 모델을 만들 수 있다.
보다 상세하게는 상기 인공지능모듈은 상기 입력신호(201)의 입력세기, 입력면적, 입력위치 및 입력지속시간에 따른 사용자의 자세정보를 구분하도록 학습시킬 수 있고, 사용자가 아닌 다른 물체(물건, 반려동물 등)를 구분하도록 학습시킬 수도 있다.
도 7은 본 발명의 일 실시예에 따라 위치정보에 따른 낙상 위험을 판단하는 개념도이다.
상술한 바에 의하면, 본 발명의 일 실시예에 따른 신호분석부(123)는 상기 입력신호(201)를 기반으로 사용자의 자세정보를 추출할 수 있다. 그러나, 사용자의 자세정보만으로는 사용자가 침대에서 낙상할 위험이 있는지 여부를 판단할 수 없다.
따라서, 본 발명의 일 실시예에 따른 신호분석부(123)는 상기 입력신호(201)를 기반으로 사용자가 매트리스 상에 어느 위치에 존재하는지를 판단할 필요가 있으며, 보다 상세하게는 사용자의 무게중심이 어디에 있는지 판단할 필요가 있다.
따라서, 도 7을 참조하면, 본 발명의 일 실시예에 따른 신호분석부(123)는 복수 개의 상기 입력신호(201)를 인접한 입력신호(201)끼리 그룹으로 묶고, 상기 그룹의 중심점(210)의 위치를 상기 위치정보로 추출할 수 있다.
또한, 본 발명의 일 실시예에 따른 신호분석부(123)는 상기 위치정보가 상기 매트리스의 외곽에서 기설정된 임계거리(d) 이내인 경우 낙상위험이 있는 것으로 판단할 수 있다.
도 7(a) 및 도 7(b)를 참조하면 예를 들면, 도 7(a)는 중심점(210)이 임계거리(d) 밖에 있어 낙상위험이 없는 것으로 판단될 수 있고, 도 7(b)는 중심점(210)이 임계거리(d) 안에 있어 낙상위험이 있는 것으로 판단될 수 있다.
다만, 중심점(210)이 상기 임계거리 밖에 있다하더라도, 상기 중심점(210)과 실제무게중심이 상이한 경우, 사용자가 실제무게중심방향으로 쓰러지는 것일 수 있기 때문에 사용자의 무게중심도 고려할 필요가 있다.
따라서, 도 7(c)에 도시된 바와 같이, 신호분석부(123)는 상기 그룹의 중심점(210)과 상기 입력신호(201) 중 가장 입력세기가 큰 입력신호(이하 기준입력신호(220))의 위치가 일치하지 않은 경우, 상기 그룹의 중심점(210)에서 상기 기준입력신호(220) 방향으로 사용자가 쓰러지는 것으로 판단하고, 상기 사용자가 쓰러지는 제1 방향의 매트리스 외곽과 상기 중심점(210)과의 제1 거리(dis_1)와, 상기 제1 방향과 반대되는 제2 방향의 매트리스 외곽과 상기 중심점(210)과의 제2 거리(dis_2)를 비교하여, 상기 제1 거리(dis_2)가 상기 제2 거리(dis_2)보다 짧은 경우 낙상위험이 있는 것으로 판단할 수 있다.
이 때, 본 발명의 일 실시예에 따른 사용자상태판단부(120)는 매트리스 위에 있는 사용자를 간호 또는 담당하는 관리자의 단말과 통신하는 통신부를 더 포함할 수 있고, 신호분석부(123)가 낙상위험이 있는 것으로 판단한 경우, 상기 관리자의 단말로 낙상 경고 메시지를 출력할 수 있다. 이를 통하여, 사용자가 낙상하기 전에 관리자로 하여금 예방조치를 취하게 할 수 있다.
도 8은 본 발명의 일 실시예에 따른 낙상 방지 시스템의 구성도이다.
도 8을 참조하면, 본 발명의 일 실시예에 따른 사용자 자세 기반 낙상 방지 장치는 복수 개가 동시에 운용될 수 있고, 복수 개의 사용자 자세 기반 낙상 방지 장치를 모니터링하는 모니터링서버(300)를 포함하여 낙상 방지 시스템으로 실시될 수도 있다.
이 때, 모니터링서버(300)는 각각의 사용자 자세 기반 낙상 방지 장치로부터 낙상위험에 관한 경고 메시지를 전달받을 수 있고, 관리자는 낙상위험에 관한 경고 메시지를 출력한 사용자 자세 기반 낙상 방지 장치로 가서 해당 사용자의 낙상을 방지하는 조치를 취할 수 있다.
본 명세서와 도면에 개시된 본 발명의 실시예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 즉 본 발명의 기술적 사상에 바탕을 둔 다른 변형예들이 실시 가능하다는 것은 본 발명의 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한 상기 각각의 실시예는 필요에 따라 서로 조합되어 운용할 수 있다.
또한, 본 발명에 따른 사용자 자세 기반 낙상 방지 장치를 제어하는 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.
이와 같이, 본 발명의 다양한 실시예들은 특정 관점에서 컴퓨터 리드 가능 기록 매체(computer readable recording medium)에서 컴퓨터 리드 가능 코드(computer readable code)로서 구현될 수 있다. 컴퓨터 리드 가능 기록 매체는 컴퓨터 시스템에 의해 리드될 수 있는 데이터를 저장할 수 있는 임의의 데이터 저장 디바이스이다. 컴퓨터 리드 가능 기록 매체의 예들은 읽기 전용 메모리(read only memory: ROM)와, 랜덤-접속 메모리(random access memory: RAM)와, 컴팩트 디스크- 리드 온니 메모리(compact disk-read only memory: CD-ROM)들과, 마그네틱 테이프(magnetic tape)들과, 플로피 디스크(floppy disk)들과, 광 데이터 저장 디바이스들, 및 캐리어 웨이브(carrier wave)들(인터넷을 통한 데이터 송신 등)을 포함할 수 있다. 컴퓨터 리드 가능 기록 매체는 또한 네트워크 연결된 컴퓨터 시스템들을 통해 분산될 수 있고, 따라서 컴퓨터 리드 가능 코드는 분산 방식으로 저장 및 실행된다. 또한, 본 발명의 다양한 실시예들을 성취하기 위한 기능적 프로그램들, 코드, 및 코드 세그먼트(segment)들은 본 발명이 적용되는 분야에서 숙련된 프로그래머들에 의해 쉽게 해석될 수 있다.
또한 본 발명의 다양한 실시예들에 따른 장치 및 방법은 하드웨어, 소프트웨어 또는 하드웨어 및 소프트웨어의 조합의 형태로 실현 가능하다는 것을 알 수 있을 것이다. 이러한 소프트웨어는 예를 들어, 삭제 가능 또는 재기록 가능 여부와 상관없이, ROM 등의 저장 장치와 같은 휘발성 또는 비휘발성 저장 장치, 또는 예를 들어, RAM, 메모리 칩, 장치 또는 집적 회로와 같은 메모리, 또는 예를 들어 콤팩트 디스크(compact disk: CD), DVD, 자기 디스크 또는 자기 테이프 등과 같은 광학 또는 자기적으로 기록 가능함과 동시에 기계(예를 들어, 컴퓨터)로 읽을 수 있는 저장 매체에 저장될 수 있다. 본 발명의 다양한 실시예들에 따른 방법은 제어부(제어 모듈(210, 260)) 및 메모리를 포함하는 컴퓨터 또는 휴대 단말에 의해 구현될 수 있고, 이러한 메모리는 본 발명의 실시예들을 구현하는 명령들을 포함하는 프로그램 또는 프로그램들을 저장하기에 적합한 기계로 읽을 수 있는 저장 매체의 한 예임을 알 수 있을 것이다.
따라서, 본 발명은 본 명세서의 청구항에 기재된 장치 또는 방법을 구현하기 위한 코드를 포함하는 프로그램 및 이러한 프로그램을 저장하는 기계(컴퓨터 등)로 읽을 수 있는 저장 매체를 포함한다. 또한, 이러한 프로그램은 유선 또는 무선 연결을 통해 전달되는 통신 신호와 같은 임의의 매체를 통해 전자적으로 이송될 수 있고, 본 발명은 이와 균등한 것을 적절하게 포함한다.
본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고, 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 또한 앞서 설명된 본 발명에 따른 실시예들은 예시적인 것에 불과하며, 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 범위의 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 다음의 특허청구범위에 의해서 정해져야 할 것이다.
110 : 신호감지부
111 : 센서
120 : 사용자상태판단부
121 : 신호정제부
123 : 신호분석부
201 : 입력신호
203 : 노이즈신호
210 : 중심점
220 : 기준입력신호
300 : 모니터링서버
111 : 센서
120 : 사용자상태판단부
121 : 신호정제부
123 : 신호분석부
201 : 입력신호
203 : 노이즈신호
210 : 중심점
220 : 기준입력신호
300 : 모니터링서버
Claims (6)
- 매트리스 위에 위치하는 사용자의 신체를 감지하여 입력신호를 생성하는 신호감지부; 및
상기 입력신호를 기반으로 사용자의 낙상위험여부를 판단하는 사용자상태판단부; 를 포함하는 사용자 자세 기반 낙상 방지 장치. - 청구항 1에 있어서,
상기 신호감지부는,
상기 매트리스의 상부, 중부 또는 하부 중 어느 한 위치에 위치하고, 매트릭스 구조로 배치되는 복수 개의 센서를 통하여 복수 개의 상기 입력신호를 생성하는 것을 특징으로 하는 사용자 자세 기반 낙상 방지 장치. - 청구항 2에 있어서,
상기 사용자상태판단부는,
상기 신호감지부로부터 전달받은 복수 개의 상기 입력신호 중 노이즈신호를 필터링하여 정제신호를 생성하는 신호정제부; 및
상기 정제신호를 기반으로 사용자의 자세정보 및 위치정보를 추출하고, 상기 자세정보 및 상기 위치정보를 기반으로 낙상위험여부를 판단하는 신호분석부; 를 포함하는 것을 특징으로 하는 사용자 자세 기반 낙상 방지 장치. - 청구항 3에 있어서,
상기 신호분석부는,
상기 입력신호의 입력세기, 입력면적, 입력위치 및 입력지속시간을 입력 파라미터로 상기 자세정보를 출력하는 제1 기계학습모델을 생성하고, 상기 입력신호의 입력세기, 입력면적, 입력위치 및 입력지속시간을 입력 파라미터로 상기 노이즈신호를 출력하는 제2 기계학습모델을 생성하는 인공지능모듈을 포함하는 것을 특징으로 하는 사용자 자세 기반 낙상 방지 장치. - 청구항 3에 있어서,
상기 신호정제부는,
복수 개의 상기 입력신호를 기설정된 제1 시간동안 기설정된 제2 시간 간격으로 추출하여, 추출된 복수 개의 상기 입력신호를 취합하고, 상기 노이즈신호를 필터링하여 정제신호를 생성하는 것을 특징으로 하는 사용자 자세 기반 낙상 방지 장치. - 청구항 4에 있어서,
상기 신호분석부는,
복수 개의 상기 입력신호를 인접한 입력신호끼리 그룹으로 묶고, 상기 그룹의 중심점의 위치를 상기 위치정보로 추출하고, 상기 위치정보가 상기 매트리스의 외곽에서 기설정된 임계거리 이내인 경우 낙상위험이 있는 것으로 판단하는 것을 특징으로 하는 사용자 자세 기반 낙상 방지 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200153791A KR102481117B1 (ko) | 2020-11-17 | 2020-11-17 | 사용자 자세 기반 낙상 방지 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200153791A KR102481117B1 (ko) | 2020-11-17 | 2020-11-17 | 사용자 자세 기반 낙상 방지 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220067268A true KR20220067268A (ko) | 2022-05-24 |
KR102481117B1 KR102481117B1 (ko) | 2022-12-23 |
Family
ID=81806376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200153791A KR102481117B1 (ko) | 2020-11-17 | 2020-11-17 | 사용자 자세 기반 낙상 방지 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102481117B1 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220131468A (ko) * | 2021-03-19 | 2022-09-28 | 위보환 | 낙상 모니터링 시스템 |
KR20240072456A (ko) | 2022-11-16 | 2024-05-24 | 주식회사 큐버 | 연합학습 기반의 낙상 상황 인지 방법 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001276150A (ja) * | 2000-03-31 | 2001-10-09 | Sogo Keibi Hosho Co Ltd | ベッド用転落防止装置 |
KR101254792B1 (ko) | 2012-04-20 | 2013-04-17 | 가온소프트(주) | 침대 이탈 감지시스템 |
KR20130076922A (ko) * | 2011-12-29 | 2013-07-09 | 주식회사 하이로닉 | 낙상방지를 위한 의료용 침대 |
KR20130085807A (ko) * | 2012-01-20 | 2013-07-30 | 연세대학교 산학협력단 | 지능형 케어를 위한 가변 침상 |
KR20160073043A (ko) * | 2014-12-16 | 2016-06-24 | 김창영 | 의료용 침대 |
KR20180010441A (ko) * | 2016-07-21 | 2018-01-31 | 주식회사 썬웨이브텍 | 낙상 예방 시스템 및 낙상 예방 방법 |
KR20180023225A (ko) * | 2016-08-25 | 2018-03-07 | 정원미 | 관리 대상자의 상태 인식을 통한 질병 발병 및 위험 상황 방지를 위한 스마트 매트 시스템 |
KR20190026422A (ko) * | 2017-09-05 | 2019-03-13 | 인천대학교 산학협력단 | 압력 센서의 격자 모양 배치를 이용한 스마트 침대 시스템 |
KR101935232B1 (ko) * | 2018-06-18 | 2019-04-03 | 주식회사 소프트웨어융합연구소 | 낙상 방지용 침대 |
KR20200105040A (ko) * | 2019-02-28 | 2020-09-07 | 안동과학대학교 산학협력단 | 치매환자를 위한 사고방지 장치 및 그 방법 |
KR20210027998A (ko) * | 2019-09-03 | 2021-03-11 | 조병욱 | 낙상사고방지 침대 |
-
2020
- 2020-11-17 KR KR1020200153791A patent/KR102481117B1/ko active IP Right Grant
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001276150A (ja) * | 2000-03-31 | 2001-10-09 | Sogo Keibi Hosho Co Ltd | ベッド用転落防止装置 |
KR20130076922A (ko) * | 2011-12-29 | 2013-07-09 | 주식회사 하이로닉 | 낙상방지를 위한 의료용 침대 |
KR20130085807A (ko) * | 2012-01-20 | 2013-07-30 | 연세대학교 산학협력단 | 지능형 케어를 위한 가변 침상 |
KR101254792B1 (ko) | 2012-04-20 | 2013-04-17 | 가온소프트(주) | 침대 이탈 감지시스템 |
KR20160073043A (ko) * | 2014-12-16 | 2016-06-24 | 김창영 | 의료용 침대 |
KR20180010441A (ko) * | 2016-07-21 | 2018-01-31 | 주식회사 썬웨이브텍 | 낙상 예방 시스템 및 낙상 예방 방법 |
KR20180023225A (ko) * | 2016-08-25 | 2018-03-07 | 정원미 | 관리 대상자의 상태 인식을 통한 질병 발병 및 위험 상황 방지를 위한 스마트 매트 시스템 |
KR20190026422A (ko) * | 2017-09-05 | 2019-03-13 | 인천대학교 산학협력단 | 압력 센서의 격자 모양 배치를 이용한 스마트 침대 시스템 |
KR101935232B1 (ko) * | 2018-06-18 | 2019-04-03 | 주식회사 소프트웨어융합연구소 | 낙상 방지용 침대 |
KR20200105040A (ko) * | 2019-02-28 | 2020-09-07 | 안동과학대학교 산학협력단 | 치매환자를 위한 사고방지 장치 및 그 방법 |
KR20210027998A (ko) * | 2019-09-03 | 2021-03-11 | 조병욱 | 낙상사고방지 침대 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220131468A (ko) * | 2021-03-19 | 2022-09-28 | 위보환 | 낙상 모니터링 시스템 |
KR20240072456A (ko) | 2022-11-16 | 2024-05-24 | 주식회사 큐버 | 연합학습 기반의 낙상 상황 인지 방법 |
Also Published As
Publication number | Publication date |
---|---|
KR102481117B1 (ko) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Erden et al. | Sensors in assisted living: A survey of signal and image processing methods | |
Hussain et al. | Activity-aware fall detection and recognition based on wearable sensors | |
US11504069B2 (en) | Method and apparatus to infer object and agent properties, activity capacities, behaviors, and intents from contact and pressure images | |
Doukas et al. | Advanced patient or elder fall detection based on movement and sound data | |
Chaudhuri et al. | Fall detection devices and their use with older adults: a systematic review | |
KR20220067268A (ko) | 사용자 자세 기반 낙상 방지 장치 | |
KR100972795B1 (ko) | 일상 생활 활동 분류 장치 및 일상 생활 활동 분류 방법 | |
Gjoreski et al. | Context-based fall detection and activity recognition using inertial and location sensors | |
Planinc et al. | Robust fall detection by combining 3D data and fuzzy logic | |
Diep et al. | A classifier based approach to real-time fall detection using low-cost wearable sensors | |
Dimitrievski et al. | Towards application of non-invasive environmental sensors for risks and activity detection | |
KR20110073172A (ko) | 손목 착용형 낙상 감지 장치 및 방법과 이를 이용한 낙상 감지 시스템 | |
Wickramasinghe et al. | Ambulatory monitoring using passive computational RFID sensors | |
Ramanujam et al. | A vision-based posture monitoring system for the elderly using intelligent fall detection technique | |
KR20160120482A (ko) | 생체 신호를 이용한 사용자 행동 예측 시스템 및 방법 | |
Birku et al. | Survey on fall detection systems | |
Biswal et al. | Human activity recognition using machine learning: A review | |
WO2018168604A1 (en) | Method, system, storage medium and computer system for determining fall response of subject | |
Saleh et al. | An efficient machine learning-based fall detection algorithm using local binary features | |
Dai | Vision-based 3d human motion analysis for fall detection and bed-exiting | |
Luštrek et al. | Confidence: ubiquitous care system to support independent living | |
Kausar et al. | Fall detection in the elderly using different machine learning algorithms with optimal window size | |
Pogorelc et al. | Discovery of gait anomalies from motion sensor data | |
KR20170048108A (ko) | 객체 및 상황 인지 방법 및 시스템 | |
KR101843787B1 (ko) | 생체 감지 기반의 무선 안전 알림 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |