WiCare:一种非接触式的老人如厕跌倒监测模型

老人在卫生间内的跌倒行为存在因救助及时性差而导致严重危害的风险,因此高效快捷的如厕跌倒监测研究具有重要意义。针对当前基于Wi-Fi感知的跌倒监测方法中存在的受噪声影响大而特征提取不充分、监测精度有限的问题,提出了一种基于多级离散小波变换和软阈值处理的信号降噪算法,及一种融合卷积神经网络、双向长短期记忆网络及自注意力机制的非接触式如厕跌倒监测模型WiCare。首先,从原始CSI数据中提取振幅作为基础数据;其次,使用多级离散小波变换和软阈值处理进行感知数据降噪;然后,将感知数据进行多维重构,以更准确地表征跌倒行为特征;最后,利用WiCare提取感知数据中的有效特征,进而实现卫生间如厕跌倒行为监测功能。实验结果表明,WiCare在居家卫生间环境下对跌倒行为监测的准确率为99.41%,与其他同类模型相比,WiCare的识别准确率高,模型复杂度低,且泛化能力更强。

WiSFall:一种非接触式的浴室跌倒监测模型

封闭浴室场景中的跌倒行为危害性大,救助及时性差,对其高效便捷的监测研究有重要意义.针对现有基于Wi-Fi信号感知的跌倒算法中存在的特征提取不足、识别精度有限问题,本文提出了一种基于深度学习的非接触式浴室跌倒监测模型WiSFall.首先,WiSFall将一维时序CSI数据流重构为二维的频率能量图形式,使得感知数据的特征容纳能力得以增强;其次,对重构后的感知数据进行巴特沃斯滤波,以去除环境噪声;最后,将滤波后的感知数据以频率能量图形式输入到构建好的深度学习模型中,通过对感知特征的有效提取和分类实现Wi-Fi环境下高精度的浴室跌倒监测.实验结果表明,WiSFall在居家浴室环境下对跌倒行为监测的准确率达到99.63%,相比同类模型表现更好,且具有较强泛化能力.

基于MPU6050的老年人跌倒监测系统设计

该文提出一种基于MPU6050的老年人跌倒监测系统。该系统采用MPU6050传感器和STM32微处理器,并通过蓝牙4.0设备将跌倒信息传输到智能手机,手机进行语音报警并将GPS信息通过短信形式通知家人和医院。为区分跌倒事件和日常生活行为,该文设计了一种基于三轴加速度和角度的两次阈值判别算法。实验结果显示:跌倒监测系统能够有效监测跌倒事件并报警,准确率达95%,具有较高的稳定性和可靠性。

老年人跌倒监测及远程救助系统的研究与实现

随着社会老龄化进程的加速,针对"空巢老人"意外跌倒监测和远程紧急救助的迫切需要,研发一种基于三轴向加速度的跌到检测技术,并结合GPSOne技术设计了一套用于社区的远程紧急救助的解决方案。系统采用移动无线终端-服务器模式,同时为了避免漏报警、假报警等情况发生,在终端设计中加入了人工干预技术,可以手动报警和取消报警。实验数据的统计结果表明,设计的基于bior3.3小波的三轴向传感器加速度跌倒检测算法可以将基于加速度模向量(SVM)算法的有效检测率从85%提升至97.75%,在有手机信号情况下,5分钟内可以将求救信号连同救助者的经纬度信息发送到监护中心。相比基于视频的跌倒检测技术,本方案具有监测无死角、算法简单、计算量小,不存在隐私性问题等优势,商业化前景广阔。

基于多传感器信息融合的跌倒监测系统设计

研究了一种实时动态检测老人跌倒的穿戴式监测系统,该系统以嵌入式处理器MSP430F169为处理内核,加速度传感器采集3轴加速度信息,磁传感器获取人体的倾角信息以及压力传感器采集两脚的压力数据,通过阈值算法来判断是否跌倒并能自动报警和联系救护。该系统体积小、功耗低,安装于腰间皮带上和脚底鞋垫里,符合人们的穿戴习惯,各个模块间通过APC220实现无线通信。为了验证该系统和算法,选取24岁以上不同体型的5人做跌倒检测实验和日常生活误报实验,结果表明该系统具有较高的可靠性和准确性。

基于二次判断的无线多传感器跌倒监测系统

通过研究跌倒事件,设计了一种基于多传感器的穿戴式跌倒监测系统。将加速度传感器、磁传感器和压力传感器相结合,采集相互独立的实时数据,并利用阈值和表决算法进行二次判断来提高系统的跌倒识别率。系统实时监测跌倒事件,并根据报警设置提醒误判或者通知家属以得到及时救助。实验结果表明,该系统有较高的识别率和可靠性,适合应用于跌倒监测系统。

基于MEMS传感器的可穿戴跌倒监测系统的设计

为了降低跌倒对老年人造成的危害,本文设计了一种基于MEMS传感器的可穿戴式跌倒监测系统。采用MEMS传感器MPU6050与低功耗蓝牙芯片CC2541采集人体加速度与角速度信号;提出基于加速度与角速度的阈值算法,通过Matlab对采集到的数据进行仿真和分析,最终确定合适的阈值;采集人体运动加速度与角速度信号,将数据发送到Android手机上,手机进行语音报警并将GPS信息通过短信形式通知家人和医院。结果表明:该跌倒监测系统有效准确率达到98.8%。

基于可穿戴传感技术的步态参数建模与跌倒监测方法

在跌倒与认知功能障碍等神经疾病的临床诊断与康复治疗中,步态分析能有效的作为诊断依据,并对跌倒风险与神经疾病患者的康复情况进行评价,帮助制定康复治疗方案和评价疗效。步态数据采集是步态分析的重要环节。其中跨步长和离地高度作为步态数据的一部分,在实际医疗使用中具有较强的参考价值。现有的步态数据采集设备尽管功能强大,采集的数据种类也十分丰富,但是有着操作麻烦、价格昂贵、空间限制等缺点。简易的步态数据采集设备一般都难以采集到跨步长和离地高度等关键数据,难以满足实际需要。本文针对以上的问题,提出了一种通过三轴加速度传感器和陀螺仪采集足部角度数据并通过BP神经网络进行机器学习来推算跨步长和离地高度数据的方法。通过对训练集进行学习训练与交叉认证,得到了跨步长86%,离地高度80%的准确率,论证了通过足部跨步过程中的角度数据推算跨步长和离地高度的可行性,并且利用角度数据进行跌倒监测的初步试验,监测成功率为93. 75%。

基于MEMS传感器的可穿戴式老年人跌倒监测系统的设计

为了缩短老年人跌倒后的救助时间和提高安全保障,我们设计了一种基于加速度和角速度传感器的跌倒监测装置。该装置结合机械微电子系统(microelectro mechanical system,MEMS)传感器、数字信号处理及无线传输技术应用于智能手机上。为区分人体跌倒事件和日常行为,结合人体三轴加速度和角速度联合对跌倒事件进行判断,通过大量实验选取合适阈值。针对老年人的生活特点,数据通过蓝牙装置发送至手机上进行处理,通过手机语音报警、手机GPS定位系统和短信通知医院和用户监护人,使得老年人跌倒后能够在第一时间获得救治,减小伤害。经过大量的实验测试结果统计,相比较于传统的三轴加速度判断跌倒事件,结合三轴加速度和加速度联合判断使该系统的准确率从84.29%提高至100%。结果表明:基于MEMS传感器的可穿戴式跌倒监测系统具有便捷、准确、功耗低的特点,能够准确监测出跌倒事件并进行报警。

老人跌倒监测定位装置的研究

当老人发生跌倒或者遭遇其他意外危险时,如果未在第一时间得到救治,很可能会导致老人瘫痪或生命安全,针对这一情况,提出了采用三轴加速度计等对老人状态进行监测和报警的装置。老人跌倒监测定位装置实时对老人姿态变化进行监测,当老人发生跌倒或者遭遇其他意外危险时,监测装置报警并通过内置的GSM/3G通信模块和全球定位模块(GPS),将所在的位置信息以短信形式,发送给预设的家人或社区服务站手机终端,还可通过移动通信的语音通信功能,进行状态确认和语音救助指导。对坐、站、步行等状态下及俯卧、左右侧卧等姿态下的数据进行了采集处理,结果表明装置能正确监控并报警,同时可将定位信息发送到预设的手机上。

跌倒监测定量化风险评估平台的设计研究

借助目前先进的物联网和大数据技术,设计带有先进传感器的可穿戴设备的跌倒监测平台,进行个体生理数据的采集和跌倒事件监测;利用数理统计方法对跌倒风险因子进行筛选并建立定量化的跌倒风险预测模型,使得跌倒风险评估的手段从定性化、经验性的判断转变为定量化、模型化的计算,并提高跌倒风险评估的科学性和准确性。

上海市社区卫生服务机构老年人跌倒监测结果分析

目的了解社区卫生服务中心跌倒就诊老年病例的特征，探讨干预对策。方法数据来源于上海市2013年社区卫生服务中心监测数据，对其中老年人跌倒病例信息进行特征分析。结果全年共采集老年人跌倒病例21653例。跌倒是其第一位的伤害原因，占到该人群所有伤害的62.0%。老年人跌倒病例中，女性病例数是男性的1.9倍；在跌倒骨折病例中，女性病例数是男性的2.7倍。一年中7月份发生数较其他月份要高(Z=37.14<005)上午810时的发生数较其他时段要高(Z=7044.35,P<005)最常见场所是家中(占66.7%)，发生时最常见活动是休闲活动(占54.2%)。结论重视老年人跌倒防治工作，尤其是要重视老年女性的跌倒防治工作。家居环境评估、跌倒预测等将是社区卫生人员开展老年人跌倒干预的方向。

基于四元数卡尔曼滤波的多轴传感器协同人体跌倒监测研究

为了准确、快速、自动地监测人体跌倒,开展了基于四元数卡尔曼(Kalman)滤波的多轴传感器协同人体跌倒监测研究。它使用MPU-9520传感器实时获取人体姿态信息,再基于四元数法实现姿态解算。利用Kalman滤波算法降低噪声影响,提高监测正确率。通过选择加速度、角速度和姿态角的矢量大小的阈值作为跌倒判断标准,提高了跌倒监测速度。实验结果表明,该人体跌倒监测方法性能稳定,数据可靠,实时性强。

基于加速度传感器和GSM模块的老人跌倒监测系统研制

研制一种基于三轴加速度传感器和GSM模块的老人跌倒检测及远程报警系统。该系统以单片机为核心,实时检测三轴加速度传感器输出信号变化,并配合脉搏传感器检测老人跌倒过程中的心率变化,最终触发GSM模块实现报警短信远传。

老年人穿戴式跌倒监测传感装置

研究背景老年人由于年老体衰,很容易在家或者在公共场合意外跌倒。老人一旦跌倒,造成的伤害和产生的医疗成本很大程度取决于等待救助的时间长短。由于缺乏有效的健康监护设备,一些老人在跌倒后得不到及时救助,导致后果严重,甚至危及生命。

基于多传感融合的老年人跌倒检测系统

针对老龄化社会对老年人跌倒监测的现实需求,融合三轴加速度传感器、压力传感器与超声测距模块等多传感器信息,研制了便携式老年人跌倒监测系统。该系统以MSP430F149为控制器,通过ZigBee方式来实现监测系统与数据中心之间的通信。采取阈值判断算法来检测跌倒是否发生,并具有自动报警以及手动解除报警的功能。在系统的测试实验中,对于左倒、右倒、前倒、后倒、坐下、起跳和行走等7种人体运动姿态模式进行检测,正确率达99%。本系统的成功研制,可以为老年健康监测物联网提供功能支持,为发生跌倒的老年人得到及时的帮助。

基于物联网的社区智慧养老系统设计

当前,传统的家庭养老模式已难以满足老龄化所带来的日益突出的人力、医疗资源等方面的需求。因此,该文提出一种以居家为基础、社区为依托的社区养老系统方案,该系统分为人体穿戴设备和社区服务终端两大部分。穿戴设备通过微机电系统(Micro-Electro Mechanical System)传感器IMU901和MAX30102等模块采集生命体征数据,经接口电路传输至微控制器STM32进行处理。微控制器STM32利用GSM技术实现自动报警功能,并通过Zigbee技术将生命体征数据和求助信息传输至社区服务终端。社区服务终端使用Java语言开发,采用前端与后端分离的模式,设计求助事件分级处理系统,有效缓解社区工作人员人手短缺的情况。在数据处理时,使用Mahony四元数解算姿态算法,弥补了欧拉角算法中易产生万向节死锁的缺点。经实验测试,本系统判断准确性高、可靠性强、响应速度快,达到预期效果。

基于GPS定位的老人跌倒提醒系统设计

设计一种基于GPS定位的老人跌倒提醒系统,该系统以STC12C5A微处理器和ADXL345加速度传感器为核心板,基于SVM阈值法实时检测老人状态,以GPS模块准确定位老人摔倒的位置,当监测出老人跌倒15 s未站起时,通过GSM模块SIM900A电路将相关信息无线远距离传输给监护人。经测试,系统能够在7~10 s内将信息通知到用户,此电路设计的创新点在于系统稳定性好,识别率高,体积小,功耗低,成本低廉。

基于OpenCV的老人跌倒检测的设计和实现

当今社会空巢老人的数量逐渐增多,老人跌倒发生率也相应增加,这已成为一个严重的社会问题。基于计算机视觉的老人跌倒检测的研究具有重要意义,文中提出了一种全新的老人跌倒检测方案。首先利用背景差分法提取监控视频中的运动目标图像轮廓,然后提取运动目标的特征信息。没有使用传统的直方图和椭圆形来表示人体轮廓,而是把直方图分为三个区域,分别计算出三个区域的重心,然后根据这三点的信息提取出运动目标的特征,根据特征信息的变化来检测是否发生跌倒。实验结果表明,该方案在保证较高准确率的前提下,计算复杂度大幅度下降,能达到较好的识别效果。

一种老年人健康监测手环系统设计

为实时监测老年人群体的健康状况,提高其生活质量,提出了一种老年人健康监测手环系统设计。该系统可实时监测老年人的运动状态,当监测到老年人跌倒后,系统自动通过移动端APP发送求救信息,使老年人得到及时救助。此外,还可以监测睡眠质量、运动情况等健康参数,方便老年人及时了解自己的身体健康状态。手环尺寸仅为4.2 cm×4.5 cm,便于佩戴;搭配APP,可以更便捷地查看健康数据。经过实际测试,跌倒监测和运动步数监测准确率分别在90%和95%以上,睡眠监测误差不大于15%,其他各项参数均达到了实验要求,该系统具有较高的实用性。