亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于多傳感器融合的老人跌倒檢測(cè)

        2020-05-11 11:43:41歐國(guó)維蒙山
        微型電腦應(yīng)用 2020年1期

        歐國(guó)維 蒙山

        摘 要: 老年人跌倒受傷的問(wèn)題已經(jīng)隨著人口老齡化顯得非常突出,目前主流的跌倒檢測(cè)算法既不實(shí)用也不準(zhǔn)確。為此提出一種新的基于加速度計(jì)、陀螺儀和磁力計(jì)的跌倒檢測(cè)算法。把人的活動(dòng)姿勢(shì)分平躺姿態(tài)和非平躺姿態(tài),并假設(shè)在跌倒后檢測(cè)到躺臥姿勢(shì)。檢測(cè)算法分三步:四元數(shù)卡爾曼濾波,姿態(tài)識(shí)別,活動(dòng)強(qiáng)度分析。通過(guò)安裝在腰部的九軸傳感器采集數(shù)據(jù),通過(guò)四元數(shù)卡爾曼濾波器,使系統(tǒng)可以獲得在地面坐標(biāo)系統(tǒng)中人體姿態(tài)矢量。人體的姿態(tài)矢量包括歐拉角、四元數(shù)、加速度。歐拉角用于確定平躺姿態(tài)和非平躺姿態(tài),四元數(shù)和加速度用來(lái)分析平躺時(shí)的活動(dòng)強(qiáng)度。該算法具有計(jì)算量小、實(shí)時(shí)性好并且檢測(cè)精度高、檢測(cè)方便的特點(diǎn)。

        關(guān)鍵詞: 老人; 跌倒檢測(cè); 歐拉角; 卡爾曼濾波方程; 姿態(tài)檢測(cè); 活動(dòng)強(qiáng)度

        中圖分類號(hào): TP311 ? ? ?文獻(xiàn)標(biāo)志碼: A

        Fall Detecton for Elder People Based on Mult-sensor Fuson

        OU Guowe, MENG Shan

        (College of Electroncs and nformaton Engneerng, Shenzhen Unversty, Shenzhen 518052)

        Abstract: Fall related njury s a central problem for the elder people. But prevalent methods are nether practcal nor useful n accuracy. Ths paper proposes a novel fall detecton algorthm usng accelerometers, gyroscopes and magnetometers. n our study, we dvde human actvtes nto two categores: lyng posture and no-lyng posture. We assume that a lyng posture s detected after falls. The proposed algorthm has three steps: quaternon Kalman flter, posture recognton, actvty ntensty analyss. The data are obtaned by usng nne-axal nertal measurement unt attached on the wast. Usng the quaternon Kalman fler, the system can obtan body's posture vectors measured n the frame of reference of the ground. The body's posture vectors nclude Euler angles, quaternon, acceleraton, etc. The Euler angles are used to determne the lyng posture or no-lyng posture. The quaternon and acceleraton are used to analyze actvty ntensty when lyng posture are detected. The proposed method features low computatonal cost and real-tme response. n addton, t has a nce accuracy and convenent n detect falls.

        Key words: Elder; Fall detect; Euler angle; Posture recognton; Actvty ntensty

        0 引言

        世界衛(wèi)生組織(WHO)2016年9月報(bào)道指出跌傷是世界各地意外或非故意傷害死亡的第二大原因。大約10%到15%的跌倒會(huì)導(dǎo)致老年人嚴(yán)重受傷,65歲以上老人當(dāng)中超過(guò)33%的每年跌倒一次[1-2]。大多數(shù)老年人更愿意獨(dú)自一人住在家里,他們可以接受新技術(shù),前提是技術(shù)能夠不影響他們的生活,且需要保證安全[3-4]。因此可靠的跌倒智能檢測(cè)對(duì)于搶救老年人和避免更嚴(yán)重的后果是非常重要的[5-6]。

        人體可穿戴裝置包括加速度傳感器和陀螺傳感器[7],主要用于檢測(cè)人體的運(yùn)動(dòng),特別是跌倒。本文還對(duì)可穿戴式跌落探測(cè)器的位置優(yōu)化進(jìn)行了研究,由于加速度信號(hào)相似,且在不同跌落類型之間分布均勻,因此建議在腰部設(shè)置位置更有效[8-9]。此外,腰部附加探測(cè)器位于身體重心附近,除了手臂和腿的特征之外,提供了關(guān)于受試者的姿勢(shì)和運(yùn)動(dòng)的可靠信息[10]。

        一些跌倒檢測(cè)算法假定跌倒事件具有大的加速度變化,并且使用單個(gè)三軸加速度計(jì)獲得物體在三個(gè)方向上的加速度。這種方法是使用由跌倒事件數(shù)據(jù)集[11-12]確定的單個(gè)閾值來(lái)實(shí)現(xiàn)的。然而,只關(guān)注大的加速度可能導(dǎo)致從諸如快速坐下的類似跌倒活動(dòng)中的許多假陽(yáng)性檢測(cè)。

        本文提出了一種新的跌倒事件檢測(cè)方法,將人體活動(dòng)分為兩個(gè)姿勢(shì):平躺姿態(tài)和非平躺姿態(tài)。我們假設(shè)平躺姿態(tài)是在跌倒后被檢測(cè)到的,為了檢測(cè)跌倒,我們的系統(tǒng)有三個(gè)步驟:四元數(shù)卡爾曼濾波,姿態(tài)識(shí)別和活動(dòng)強(qiáng)度分析。九軸傳感器(加速度計(jì)、陀螺儀、磁強(qiáng)計(jì))基于可穿戴裝置安裝在人的腰部。跌落檢測(cè)系統(tǒng)采用四元數(shù)卡爾曼濾波得到人體的四元數(shù)、歐拉角和加速度。如果檢測(cè)到躺姿,我們可以利用加速度來(lái)分析活動(dòng)強(qiáng)度,并確定老人是否跌倒。實(shí)驗(yàn)結(jié)果表明,該算法比其他算法具有更高的精度[12-13]。該算法計(jì)算量低。該方法也可以嵌入在可穿戴設(shè)備上。

        2 問(wèn)題提出

        老年人的跌倒事件數(shù)據(jù)難以獲取。跌倒事件研究通過(guò)在一個(gè)安全的控制環(huán)境中讓年輕人模擬跌倒。日常生活活動(dòng)(ADL)是由年輕人和老年人模擬的。

        A. 數(shù)據(jù)獲取

        考慮到所提出的方法需要加速度、角速度和地磁來(lái)檢測(cè)跌落。一個(gè)單一的3軸加速度計(jì)可以提供物體在3個(gè)方向上的加速度,包括重力的影響。當(dāng)我們的跌倒檢測(cè)器固定在人體上時(shí),將建立一個(gè)坐標(biāo)。陀螺儀可以提供角速度并獲得人體姿態(tài)信息。三軸磁力計(jì)可以檢測(cè)3個(gè)方向的磁強(qiáng)度,還可以提供水平面上的角運(yùn)動(dòng)信息。在所開(kāi)發(fā)的方法中,傳感器MPU-9250用于設(shè)計(jì)可佩戴跌落檢測(cè)器,如圖1所示。

        MPU-9250傳感器芯片是一種多芯片模塊,包括三軸加速度計(jì)、三軸陀螺儀和三軸磁力計(jì)。采樣率帶寬應(yīng)超過(guò)人體運(yùn)動(dòng)的特征響應(yīng)[13],所以我們的跌倒檢測(cè)器的采樣率設(shè)置為120赫茲。

        為了得到更有效的跌倒數(shù)據(jù)集和ADL數(shù)據(jù)集,一個(gè)問(wèn)題是哪個(gè)位置能更有效地反映人體跌倒情況。許多研究者已經(jīng)做了大量的工作來(lái)找到能夠有效地反映跌倒事件的身體部位。根據(jù)Maart Kangas和其他研究者對(duì)跌倒檢測(cè)的研究,我們知道腰部是反映跌倒事件的最有效的位置。跌倒模擬實(shí)驗(yàn)?zāi)康氖谦@得更逼真的模擬數(shù)據(jù),下面將詳細(xì)介紹。

        B. 模擬跌倒與ADL研究

        跌倒的類型通常包括平面跌倒和斜面跌倒。在某些特殊情況下,可能會(huì)出現(xiàn)坐立跌倒。為了獲得真實(shí)跌倒的情況和采集數(shù)據(jù)集,本研究的所有在平面摔倒情況下采集的摔倒數(shù)據(jù)是由6個(gè)年輕志愿者通過(guò)模擬真實(shí)的摔倒情況得到的,他們的年齡都在23到28歲之間,并且身高在1.58到1.83 m之間。每一個(gè)志愿者都模擬前后左右四個(gè)方向摔倒的情況,每個(gè)人每個(gè)方向采模擬采集4次。而斜面摔倒如圖2所示。

        考慮到志愿者的安全因素,們只能用木偶來(lái)代替了,采集了16次樣本數(shù)據(jù);

        除了跌倒研究,另一項(xiàng)研究涉及青年志愿者和老年人進(jìn)行日常生活活動(dòng)。為了進(jìn)行這些情況測(cè)試,對(duì)6名年輕健康志愿者和2名老年志愿者(61歲男性和63歲女性)進(jìn)行了監(jiān)測(cè)。每個(gè)ADL受試者都進(jìn)行了3次。但是一些測(cè)試:快速坐下、快速站立和走樓梯,只是由年輕志愿者進(jìn)行的。因?yàn)槔先瞬灰诉M(jìn)行這種實(shí)驗(yàn)。

        本研究盡量去研究日常比較容易或者可能發(fā)生摔倒的情況。因此,模擬跌倒和ADL研究進(jìn)行了16種類型,目的主要是驗(yàn)證算法的效果,如表1和表2所示。

        3 跌倒檢測(cè)算法

        我們的跌倒檢測(cè)方法有3個(gè)步驟:四元數(shù)卡爾曼濾波,姿態(tài)識(shí)別,活動(dòng)強(qiáng)度分析。在實(shí)現(xiàn)這3個(gè)步驟之前,為了描述人體運(yùn)動(dòng)信息,使用兩個(gè)坐標(biāo)系。一個(gè)坐標(biāo)系被固定在地球上并被命名為R系統(tǒng)。另一個(gè)坐標(biāo)系固定在MPU-9250 MU傳感器上,稱為跌落檢測(cè)器,稱為B系統(tǒng)。跌倒檢測(cè)器反映了裝置安裝的身體的姿勢(shì)。圖1顯示了兩個(gè)坐標(biāo)系統(tǒng)。

        根據(jù)一些飛行控制的知識(shí),飛機(jī)的方向通常由三個(gè)連續(xù)的旋轉(zhuǎn)來(lái)描述,角旋轉(zhuǎn)稱為歐拉角。我們也用這個(gè)方法描述我們的跌倒檢測(cè)器。這解釋了為什么使用兩個(gè)坐標(biāo)系。單位四元數(shù)提供了一個(gè)方便的數(shù)學(xué)符號(hào)來(lái)表示三維物體的方向和旋轉(zhuǎn)。因此,發(fā)展了基于并四元數(shù)的擴(kuò)展卡爾曼濾波器(EKF),用于從傳感器輸出確定剛體的方向,該傳感器集成三軸陀螺、三軸加速度計(jì)和三軸磁力計(jì)[14]。剛體指的是我們的方法中的跌倒檢測(cè)器,也指老年人被檢測(cè)到的腰部。

        狀態(tài)矢量方程由四元數(shù)、三周加速度和磁力計(jì)偏轉(zhuǎn)矢量ab,mb,狀態(tài)方程如式(1)。Quk+1

        abk+1

        mbk+1=exp(ωkTS)00

        00

        00

        (1) ?可以簡(jiǎn)化為式(2)。xk+1=F(G,Ts)xk+uk

        (2) ?ωk=0-GzGyGx

        Gz0-GxGy

        -GyGx0Gz

        -Gx-Gy-Gz0,qμ

        mμ是零點(diǎn)白噪聲,G是xx,Ts是MU傳感器的采樣周期。傳感器的零點(diǎn)漂移隨著外界環(huán)境因素的變化,但卡爾曼濾波器在零點(diǎn)下工作效果較優(yōu),具有很強(qiáng)的適應(yīng)性,即使零點(diǎn)噪聲突破對(duì)實(shí)際影響不大。

        測(cè)量模型如式(3)。

        ak+1

        mk+1=CbR(Quk+1)0

        0CbR(Quk+1)Ak+1

        Mk+1+abk+1

        mbk+1+

        avk+1

        mkk+1

        (3)

        可以簡(jiǎn)化為式(4)。ZK+1=h(Xk+1)+vk+1

        (4) ?CbR是R系統(tǒng)轉(zhuǎn)換為b系統(tǒng)的一個(gè)方向矩陣。A和M是b系統(tǒng)的加速度和磁力計(jì),加速度和磁力計(jì)的測(cè)量矢量是ak,mk,測(cè)量噪聲是vk。

        為了讀者方便,EKF方程總結(jié)如式(5)~(9)。

        計(jì)算先驗(yàn)估計(jì)狀態(tài):X-k+1=F(GK,Ts)Xk

        (5) ?計(jì)算先驗(yàn)誤差協(xié)方差矩陣為式(6)。Pk+1=F(GK,Ts)PkF(Gk,Ts)T+Qk

        (6) ?過(guò)程協(xié)方差矩陣:

        Qk=Quk00

        0Tsδk0

        00Tsδk, Quk=q3k-q2kq1k

        q2kq3k-q0k

        -q1kq3kq3k

        -q0k-q1kq2k

        計(jì)算卡爾曼增益為式(7)。Kk+1=PK+1FTk+1(FkPk+1FTk+Rk+1),Rk+1=[δ2a0

        0δ2a]

        (7) ?Fk+1是雅可比矩陣。

        計(jì)算后驗(yàn)狀態(tài)估計(jì)為式(8)。Xk+1=X-k+1+Kk+1[Zk+1-h(X-k+1)]

        (8) ?計(jì)算后驗(yàn)誤差協(xié)方差矩陣為式(9)。Pk+1=P-k+1(1-Kk+1Fk+1)

        (9) ?基于以上分析,首先對(duì)從傳感器MPU-9250芯片讀出的MU數(shù)據(jù)進(jìn)行四元數(shù)卡爾曼濾波處理。如果在一個(gè)第二區(qū)間內(nèi)的歐拉角的所有值落入算法1的步驟4中指定的區(qū)域。則檢測(cè)到平躺的姿勢(shì),否則,檢測(cè)到平躺姿勢(shì)。如果探測(cè)器檢測(cè)到人體姿勢(shì)是平躺姿勢(shì)。該檢測(cè)器將檢查姿勢(shì)的變化。為了區(qū)分姿態(tài)變化是否是故意的,應(yīng)用了前4秒沿重力方向的加速度數(shù)據(jù)。如果在前4秒內(nèi)的加速度數(shù)據(jù)的值滿足算法1的步驟10中指定的條件。將檢測(cè)到跌倒事件。整個(gè)過(guò)程如算法1所示。

        下面是關(guān)于該過(guò)程的詳細(xì)解釋:

        1) 平躺和非平躺姿態(tài):在本文中,我們可以使用歐拉角來(lái)反映軀干姿勢(shì)。通過(guò)多次跌倒實(shí)驗(yàn),我們找到了最合理的平躺姿態(tài)。最合理的方法是主干與垂直方向的夾角是否在一秒鐘內(nèi)總是大于40°。為了簡(jiǎn)單起見(jiàn),我們只考慮絕對(duì)螺距或偏航角。如果俯仰角或偏航角度小于40°,則會(huì)檢測(cè)到平躺姿態(tài)。

        2) 活動(dòng)強(qiáng)度:當(dāng)人體有向下的動(dòng)作時(shí),垂直方向加速度值將小于重力,并且當(dāng)物體接觸地面時(shí)存在速度減速。如果檢測(cè)到平躺,垂直方向的加速度越大,身體對(duì)地面的沖擊力就越大。實(shí)驗(yàn)結(jié)果表明,它是檢測(cè)很可能落在最小垂直加速度小于0.4g和最大垂直加速度大于2.6g。我們能從四元數(shù)和基礎(chǔ)系統(tǒng)得到沿重力方向的加速度,這個(gè)加速度是基于b系統(tǒng)的,值A(chǔ)c為式(10)。

        算法1: 三步跌倒檢測(cè)過(guò)程

        1. A={ax,ay,az},M={mx,my,mz},G={gx,gy,gz},ntervalNum=0

        %第一步四元卡爾曼濾波,歐拉角={yaw.ptch,rol}

        2.Qu=quaternon_Kalman_flter(Acc,Mg,Gyro)

        %四元數(shù)轉(zhuǎn)換為歐拉角

        3.Ω=transform(Qu)

        %第二步是姿態(tài)識(shí)別,如果所有的偏航和俯仰值

        1秒鐘內(nèi)小于45°,平躺狀態(tài)就被探測(cè)到。

        4.f |yaw|>40° ∪ |ptch|>40° then

        5. ntervalNum =ntervalNum + 1

        6.else

        7. ntervalNum =0

        8.endf

        9.f ntervalNum >120 then

        %第三步是活動(dòng)強(qiáng)度分析

        f Avmn<0.4g and Avmax>2.6g

        即探測(cè)到跌倒

        10.f Avmn<0.4g∩Avmax>2.6g

        11.Then return YES

        12.else

        13. rerutn NO

        Ac=2ax(q1q2-q0q2)+2ay(q0q1-q2q3)+a2(q20-q21-q22+q23)+ab|z

        (10)

        另一種跌倒檢測(cè)算法僅使用閾值法。通過(guò)獲取3個(gè)信號(hào)的平方和,得到腰部3軸加速度計(jì)的合成信號(hào)。算法2如下所示。

        算法2:閾值方法

        1. Acc={ax,ay,az}

        2. Av=a2x+a2y+a2z

        3. f Avmn<0.4g∩Avmn>3g then

        4. return YES

        5. else

        6. return NO

        4 實(shí)驗(yàn)測(cè)試

        如圖3和圖4所示。

        腰部的垂直加速度和腰部姿勢(shì)有不同的特征。跌倒事件和類似事件有加速度的劇烈變化。垂直加速度的最大值和四秒鐘內(nèi)垂直加速度的最小值是描述和測(cè)量人類活動(dòng)強(qiáng)度的重要參數(shù)。在本節(jié)中,我們通過(guò)姿勢(shì)識(shí)別來(lái)評(píng)估我們的方法的準(zhǔn)確性。

        A. 姿態(tài)識(shí)別

        不同的ADL類型有不同的身體姿態(tài),圖3顯示了16種人體姿勢(shì)。平面下降、傾斜下降2和躺床的歐拉角有明顯的變化。身體直立的運(yùn)動(dòng),像走路或坐著,沒(méi)有歐拉角的巨大變化。我們把所有類型的跌倒和ADL的數(shù)據(jù)進(jìn)行統(tǒng)計(jì),如表3和表4所示。

        表格顯示最大值在大多數(shù)ADL類型中,絕對(duì)歐拉角(ptch和yaw)小于35°,在平降時(shí)絕對(duì)偏航或俯仰的最大值大于45°。因此,用于識(shí)別人體姿勢(shì)的閾值設(shè)置為40°。當(dāng)在1s內(nèi)所有的ptch和yaw角都大于40°,此時(shí)認(rèn)為檢測(cè)到躺臥狀態(tài)。由于一些運(yùn)動(dòng)也滿足算法1步驟4所規(guī)定的區(qū)域,因此使用1秒的時(shí)間來(lái)減少噪聲干擾的影響。

        B. 模擬跌倒研究

        Bourke和其他研究人員[12-15]使用算法2來(lái)區(qū)分跌倒和ADL,他們假設(shè)跌落發(fā)生在大加速度下。然而,快速坐下等也具有大的垂直加速度。我們的方法增加了姿勢(shì)識(shí)別,雖然有些摔倒加速度較大,但它們?nèi)匀徊皇瞧教勺藨B(tài),如快速坐下和走下樓梯。我們的算法的第一步可以過(guò)濾掉一些類似跌倒的情況,這就是為什么我們的方法比其他方法好的原因。

        C. 斜面跌倒

        我們已經(jīng)討論了在樓梯上跌落下來(lái)的兩種形式,如圖2所示。第一種情況具有大的垂直加速度和姿勢(shì)變化,如圖3(a)和圖4(a)所示?,F(xiàn)有的一些跌倒檢測(cè)系統(tǒng)[13]使用主干傾斜變化來(lái)檢跌倒,而另一些[11-12]使用大的加速度變化來(lái)檢測(cè)跌倒。他們的方法和我們的方法都很好。但在圖2(b)所示的第二種情況下,垂直加速度的變化很小。由于樓梯陡峭,人體在跌倒后迅速接觸樓梯,人體姿勢(shì)的變化并不比圖4(a)所示的其他跌倒特別明顯。從我們的實(shí)驗(yàn)中看出,最小的頂部峰值和最小值分別為2.2 g和0.5 g,很難用加速度或傾角變化來(lái)檢測(cè)跌倒。但是我們的方法比其他算法更好。

        D. 計(jì)算復(fù)雜度

        Kalman濾波器具有良好的實(shí)時(shí)性。其在處理高斯模型的系統(tǒng)上效果頗佳;隨著計(jì)算機(jī)技術(shù)的發(fā)展,卡爾曼濾波是線性系統(tǒng)的最小方差估值器。作為一個(gè)線性優(yōu)化的模型,相對(duì)其他非線性的例如聯(lián)合濾波器等計(jì)算復(fù)雜度很低,通過(guò)實(shí)際驗(yàn)證在32位微控制器中也能很好地工作。

        如圖5所示。

        5 結(jié)果

        根據(jù)圖5(a)所示的實(shí)驗(yàn)數(shù)據(jù)的分析結(jié)果,所提出的跌倒檢測(cè)算法除了類似跌倒情況(快速坐下、快速站起來(lái)、快速起床),在從日常生活活動(dòng)中檢測(cè)跌倒事件的準(zhǔn)確度與其他方法是相同的。但我們的方法在檢測(cè)類似跌倒活動(dòng)和斜面跌倒方面有較好的性能。通過(guò)我們的算法(算法1)與其他研究者[13]的算法比較,本文提出的檢測(cè)器能夠快速區(qū)分從扶手椅上坐下來(lái)和從扶手椅上站起來(lái)這種類似跌倒的情況。這就是為什么我們的算法去進(jìn)行姿態(tài)判別的重要性。即使所提出的方法在臥倒和斜倒兩種情況下有一些錯(cuò)誤檢測(cè),但其效果也優(yōu)于如圖5所示的閾值方法(算法2)。

        6 總結(jié)

        本文采用九軸MU傳感器對(duì)日常生活活動(dòng)中的跌倒進(jìn)行檢測(cè)。所提出的方法有三個(gè)步驟。第一步是通過(guò)四元數(shù)卡爾曼濾波器得到姿態(tài)矢量。第二步是檢測(cè)臥姿。第三步是檢測(cè)活動(dòng)強(qiáng)度。該方法將人的姿勢(shì)分為平躺和非平躺兩種類型。該系統(tǒng)可以通過(guò)四元數(shù)卡爾曼濾波得到人體的姿態(tài)矢量。姿態(tài)矢量包括歐拉角、四元數(shù)、加速度。歐拉角用于確定姿勢(shì)類型。四元數(shù)和加速度用于分析平躺姿勢(shì)時(shí)的活動(dòng)強(qiáng)度。該算法具有實(shí)時(shí)性強(qiáng)的特點(diǎn)。結(jié)果表明,我們的方法可以減少誤報(bào)。然而本方法在臥床和斜面摔倒2方面也存在一些問(wèn)題,主要是因?yàn)椴捎媚九嫉茸鰯?shù)據(jù)采集實(shí)驗(yàn)和真實(shí)情況還是有差異,現(xiàn)實(shí)中也無(wú)法通過(guò)實(shí)際老人去做跌倒實(shí)驗(yàn),今后會(huì)探索更接近老人跌倒的實(shí)驗(yàn)方法。

        參考文獻(xiàn)

        [1] N Noury. A smart sensor for the remote follow up of actvty and fall detecton of the elderly[C]// 2nd Annual nternatonal EEE-EMBS Specal Topc Conference on Mcrotechnologes n Medcne and Bology.Proceedngs. Madson, W, 2002 :314-317.

        [2] Suhua Luo, Qngmao Hu. A dynamc moton pattern analyss approach to fall detecton[C]// EEE nternatonal Workshop on Bomedcal Crcuts and Systems, 2004 :1-5-8a.

        [3] S J Brownsell, D A Bradley, R Bragg, et al. Docommunty alarm users want telecare?[J]. Journal of Telemedcne and Telecare, 2000,6(4) :199-204.

        [4] Brownsell Smon, S Mark Hawley. Automatc fall detectors and the fear of fallng[J]. Journal of Telemedcne and Telecare, 2004,10(5) : 262-266.

        [5] J Y Hwang, J M Kang, Y W Jang, et al. Development of novel algorthm and real-tme montorng ambulatory system usng Bluetooth module for fall detecton n the elderly[C]// The 26th Annual nternatonal Conference of the EEE Engneerng n Medcne and Bology Socety, San Francsco, CA, 2004 : 2204-2207.

        [6] B Schlkopf, J C Platt, J Shawe-Taylor, et al. Estmatng the Support of a Hgh-Dmensonal Dstrbuton[J]. Neural Computaton, 2001,13(7) : 1443-1471.

        [7] Lexell Jan. Ageng and human muscle: observatons from Sweden[J]. Canadan Journal of Appled Physology, 1993, 18(1) :2-18.

        [8] K Doughty, R Lews, A Mcntosh. The desgn of a practcal and relablefall detector for communty and nsttutonal telecare[J]. Journal of Telemedcne and Telecare, 2000,6(1) :150-154.

        [9] Maart Kangas, Antt Konttla, Per Lndgren,et al. Comparson of low-complexty fall detecton algorthms for body attached accelerometers[J]. Gat & Posture, 2008, 28(2) : 285-291.

        [10] M J Mathe, A C F Coster, N H Lovell, et al. Accelerometry: Provdng an ntegrated practcal method for long-term ambulatory montorng of human movement[J]. Physol. Meas., 2004, 25(2):.

        [11] M Kangas, A Konttla, ?Wnblad, et al. Determnaton of smple thresholds for accelerometry-based parameters for fall detecton[C]// 2007 29th Annual nternatonal Conference of the EEE Engneerng n Medcne and Bology Socety, Lyon, 2007: 1367-1370.

        [12] A K Bourke, J V OBren, G M Lyons. Evaluaton of threshold-based tr-axal accelerometer fall detecton algorthm[J]. Gat & Posture, 2007, 26(2): 194-199.

        [13] Q L, J A Stankovc, M A Hanson, et al. Accurate, Fast Fall Detecton Usng Gyroscopes and Accelerometer-Derved Posture nformaton[C]// 2009 Sxth nternatonal Workshop on Wearable and mplantable Body Sensor Networks, Berkeley, CA, 2009: 138-143.

        [14] A M Sabatn. Quaternon-based extended Kalman flter for determnng orentaton by nertal and magnetc sensng[J]. EEE Transactons on Bomedcal Engneerng,2006, 53(7): 1346-1356.

        [15] J Chen, K Kwong, D Chang, et al. Wearable Sensors or Relable Fall Detecton[C]// 2005 EEE Engneerng n Medcne and Bology 27th Annual Conference, Shangha, 2005:3551-3554.

        (收稿日期: 2018.11.05)Mcrocomputer Applcatons Vol.36,No.1,2020技術(shù)交流微型電腦應(yīng)用2020年第36卷第1期Mcrocomputer Applcatons Vol.36,No.1,2020技術(shù)交流微型電腦應(yīng)用2020年第36卷第1期

        作者簡(jiǎn)介:歐國(guó)維(2001-),男,通信作者。研究領(lǐng)域:機(jī)器人與智能系統(tǒng)。

        蒙山(1973-),男,博士,副教授。研究領(lǐng)域:機(jī)器人智能信息處理、嵌入式實(shí)時(shí)信號(hào)采集與處理。文章編號(hào):1007-757X(2019)12-0149-05

        国产欧美日韩久久久久| 国产精品女主播在线播放| 青青草大香蕉视频在线观看| 日韩一区国产二区欧美三区| 亚洲国产精品久久久久婷婷老年 | 亚洲色成人WWW永久在线观看| 国产一区亚洲欧美成人| 日本在线一区二区在线| 亚洲一区二区三区激情在线观看| 日韩精品综合一本久道在线视频| 国产激情无码一区二区三区| 一本色道久久99一综合| 久久久久亚洲av成人网址| 国产精品狼人久久久影院| 国产女优一区在线观看| 国产成人精品a视频| 人人看人人做人人爱精品| 国产三级在线观看性色av| 大香蕉av一区二区三区| 97人人模人人爽人人少妇| 久久av无码精品一区二区三区| 日韩久久无码免费看A| 国产片在线一区二区三区| 丝袜美腿亚洲一区二区| 国产女主播白浆在线观看| av大片在线无码免费| 亚洲高清在线观看免费视频| 熟女一区二区中文字幕| 五月丁香六月综合缴清无码| 真人做爰片免费观看播放| 国产一级毛片卡| 日本一区二区三区在线观看视频| 24小时免费在线观看av| 国产一区二区女内射| 亚洲AV一二三四区四色婷婷 | 亚洲天堂精品一区入口| 欧美人妻日韩精品| 欧美日韩区1区2区3区| 天堂麻豆精品在线观看| 日韩日韩日韩日韩日韩日韩| 麻豆精品传媒一二三区|