一种用于检测穿戴跌倒检测器的用户的跌倒的方法，包括：检测触发事件，所述触发事件识别用户数据中的可能跌倒事件的时间位置；从所识别的时间位置附近的时间窗口内从生理数据提取生理特征并且从运动数据提取运动特征；并且通过将所述运动特征中的至少一个和所述生理特征中的至少一个输入到分类器中来确定检测到的触发事件是否为所述用户的跌倒。测到的触发事件是否为所述用户的跌倒。测到的触发事件是否为所述用户的跌倒。
【技术实现步骤摘要】
【国外来华专利技术】包含生理感测的跌倒检测器
[0001]本文公开的各种示例性实施例总体上涉及用于使用生理测量(例如心率和皮肤电导感测)来检测跌倒的系统和方法。
技术介绍
[0002]负责自动跌倒检测的可穿戴设备通常利用高度变化、撞击和可能的取向变化的估计值。提供信号以执行跌倒估计的传感器包括气压传感器、加速度计、陀螺仪和磁力计。通常，估计的特征值在分类器中被组合，所述分类器判定事件是跌倒还是非跌倒。分类器的准确性取决于这些特征值的区分能力。区分能力涉及在跌倒事件期间和在非跌倒事件期间可能发生的可能值的分布。跌倒分布和非跌倒分布交叠越少，准确性越好。通常，在身体躯干位置处，这些分布通常在跌倒事件和非跌倒事件之间足够不同，以实现高准确性的检测结果。
技术实现思路
[0003]下面呈现了对各种示例性实施例的概述。可以在以下概述中做出一些简化和省略，其旨在强调和引入各种示例性实施例的某些方面，而不是限制本专利技术的范围。将在后面的章节中详细描述示例性实施例，这些详细描述足以允许本领域普通技术人员做出和使用本专利技术的构思。
[0004]各种实施例涉及一种用于检测穿戴跌倒检测器的用户的跌倒的方法，包括：检测触发事件，所述触发事件识别用户数据中的可能跌倒事件的时间位置；从所识别的时间位置附近的时间窗口内从生理数据提取生理特征并且从运动数据提取运动特征；并且通过将所述运动特征中的至少一个和所述生理特征中的至少一个输入到分类器中来确定检测到的触发事件是否为所述用户的跌倒。
[0005]描述了各种实施例，其中，所述运动数据包括加速度数据、高度数据、角速度数据、以及加速度数据和高度数据中的一种。
[0006]描述了各种实施例，其中，所述运动数据包括来自加速度计的数据。
[0007]描述了各种实施例，其中，所述生理数据包括心率数据、皮肤电导数据、以及心率和皮肤电导数据中的一种。
[0008]描述了各种实施例，其中，提取运动特征和生理特征还包括：在所述触发事件之前的第一时间确定第一生理数据值；在所述触发事件时确定第二生理数据值；在所述触发事件之后的第三时间确定第三生理数据值，其中，至少一个生理特征基于所述第一生理数据值、所述第二生理数据值和所述第三生理数据值中的两者之间的差。
[0009]描述了各种实施例，其中，所述生理特征基于所述第一生理值和所述第二生理值、所述第二生理值和所述第三生理值、所述第一生理值和所述第三生理值、以及所述第二生理值与所述第一生理特征和所述第三生理特征之和的一半之间的差。
[0010]描述了各种实施例，其中，基于运动数据来检测撞击还包括确定指定时间内的加
速度变化超过阈值。
[0011]描述了各种实施例，还包括确定所提取的运动特征在指定的正常值范围之外，并且然后确定所述撞击不是所述用户的跌倒。
[0012]描述了各种实施例，还包括当指示跌倒时，从异常机器学习分类器接收指示所述撞击不是跌倒的输出。
[0013]描述了各种实施例，其中所述机器学习分类器包括：运动分类器，所述运动分类器基于所提取的运动特征以及第一阈值和第二阈值来确定所述撞击是跌倒、非跌倒还是不确定；以及生理分类器，所述生理分类器在所述运动分类器的所述输出是不确定时基于所提取的运动特征和所提取的生理特征两者来确定所述撞击是跌倒还是非跌倒。
[0014]描述了各种实施例，还包括从远程传感器接收所述生理数据。
[0015]另外的各种实施例涉及一种用于检测穿戴所述跌倒检测器的用户的跌倒的跌倒检测器，包括：触发设备，其被配置为检测触发事件，所述触发事件识别用户数据中的可能跌倒事件的时间位置；特征提取器，其被配置为从所识别的时间位置附近的时间窗口内从生理数据提取生理特征并且从运动数据提取运动特征；以及机器学习分类器，其被配置为基于所述运动特征中的至少一个和所述生理特征中的至少一个来确定检测到的触发事件是否为所述用户的跌倒。
[0016]描述了各种实施例，其中，所述运动数据包括加速度数据、高度数据、角速度数据、以及加速度数据和高度数据中的一种。
[0017]描述了各种实施例，还包括加速度计，所述加速度计被配置为产生所述运动数据的一部分。
[0018]描述了各种实施例，还包括一个或多个生理传感器，所述一个或多个生理传感器被配置为产生生理数据，所述生理数据包括心率数据、皮肤电导数据、以及心率和皮肤电导数据中的一种。
[0019]描述了各种实施例，其中，提取运动特征和生理特征还包括：在所述触发事件之前的第一时间确定第一生理数据值；在所述触发事件时确定第二生理数据值；在所述触发事件之后的第三时间确定第三生理数据值，其中，至少一个生理特征基于所述第一生理数据值、所述第二生理数据值和所述第三生理数据值中的两者之间的差。
[0020]描述了各种实施例，其中，所述生理特征基于所述第一生理值和所述第二生理值、所述第二生理值和所述第三生理值、所述第一生理值和所述第三生理值、以及所述第二生理值与所述第一生理特征和所述第三生理特征之和的一半之间的差。
[0021]描述了各种实施例，其中，基于运动数据来检测撞击还包括确定指定时间内的加速度变化超过阈值。
[0022]描述了各种实施例，其中，所述特征提取器还被配置为确定所提取的运动特征在指定的正常值范围之外，并且然后确定所述撞击不是所述用户的跌倒。
[0023]描述了各种实施例，还包括异常处置器，所述异常处置器被配置为当所述机器学习分类器指示跌倒时，从异常机器学习分类器接收指示所述撞击不是跌倒的输出。
[0024]描述了各种实施例，其中，所述机器学习分类器包括：运动分类器，所述运动分类器基于所提取的运动特征以及第一阈值和第二阈值来确定所述撞击是跌倒、非跌倒还是不确定；以及生理分类器，所述生理分类器在所述运动分类器的所述输出是不确定时基于所
提取的运动特征和所提取的生理特征两者来确定所述撞击是跌倒还是非跌倒。
[0025]描述了各种实施例，还包括通信接口，所述通信接口被配置为从远程传感器接收所述生理数据。
附图说明
[0026]为了更好地理解各种示例性实施例，参考附图，其中：
[0027]图1图示了指示跌倒/非跌倒事件的数据点的散点图，其中手腕抬起和高度下降作为特征；
[0028]图2图示了使用密度分布的数据的另一视图，即，有多少事件表现出某个特征值；
[0029]图3图示了针对仅使用运动数据的分类器和使用运动和生理数据的分类器的ROC曲线的曲线图；
[0030]图4图示了由跌倒检测器执行的跌倒检测过程的流程；并且
[0031]图5图示了跌倒检测器的示例性硬件示意图。
[0032]为了便于理解，使用完全相同的附图标记来指代具有基本相同或相似的结构和/或基本相同或相似的功能的元件。
具体实施方式
[0033]描述和附图示出了本专利技术的原理。将了解，本领域技术人员将能够设计各种布置，尽管本文中未明确地描述或示出所述布置，但其体现本本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于检测穿戴跌倒检测器的用户的跌倒的方法，包括：检测触发事件，所述触发事件识别用户数据中的可能跌倒事件的时间位置；从所识别的时间位置附近的时间窗口内从生理数据提取生理特征并且从运动数据提取运动特征；并且通过将所述运动特征中的至少一个和所述生理特征中的至少一个输入到分类器中来确定检测到的触发事件是否为所述用户的跌倒。2.根据权利要求1所述的方法，其中，所述运动数据包括以下中的一种：加速度数据、高度数据、角速度数据、以及加速度数据和高度数据。3.根据权利要求1所述的方法，其中，所述运动数据包括来自加速度计的数据。4.根据权利要求1所述的方法，其中，所述生理数据包括以下中的一种：心率数据、皮肤电导数据、以及心率和皮肤电导数据。5.根据权利要求1所述的方法，其中，提取运动特征和生理特征还包括：在所述触发事件之前的第一时间确定第一生理数据值；在所述触发事件时确定第二生理数据值；在所述触发事件之后的第三时间确定第三生理数据值，其中，至少一个生理特征基于所述第一生理数据值、所述第二生理数据值和所述第三生理数据值中的两者之间的差。6.根据权利要求5所述的方法，其中，所述生理特征基于所述第一生理值与所述第二生理值之间的差、所述第二生理值与所述第三生理值之间的差、所述第一生理值与所述第三生理值之间的差、以及所述第二生理值与所述第一生理特征和所述第三生理特征之和的一半之间的差。7.根据权利要求1所述的方法，其中，基于运动数据来检测撞击还包括确定指定时间内的加速度的变化超过阈值。8.根据权利要求1所述的方法，还包括：确定所提取的运动特征在指定的正常值范围之外，并且然后确定所述撞击不是所述用户的跌倒。9.根据权利要求1所述的方法，还包括：当指示跌倒时，从异常机器学习分类器接收指示所述撞击不是跌倒的输出。10.根据权利要求1所述的方法，其中，所述机器学习分类器包括：运动分类器，其基于所提取的运动特征以及第一阈值和第二阈值来确定所述撞击是跌倒、非跌倒还是不确定；以及生理分类器，其在所述运动分类器的所述输出是不确定时基于所提取的运动特征和所提取的生理特征两者来确定所述撞击是跌倒还是非跌倒。11.根据权利要求1所述的方法，还包括从远程传感器接收所述生理数据。12.一种跌倒检测器，其用于检测穿戴所述跌倒检测器的用户的跌倒，包括：触发设备，其被配置为检测触发事件，所述触发事件识别用户数据中的可能跌倒事件的时间位置；特征...
【专利技术属性】
技术研发人员：W，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。