-
公开(公告)号：CN105708470B
公开(公告)日：2018-11-13
申请号：CN201610040326.6
申请日：2016-01-21
Applicant: 山东大学 , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种基于多普勒探测器与传感器联合的跌倒检测系统和方法，包括：传感器检测装置、多普勒探测装置和远端服务器；传感器检测装置与多普勒探测装置通信，多普勒探测装置与远端服务器通信；传感器检测装置用于采集用户的运动方向及在该方向上的加速度值和倾斜角度数据并传送至多普勒探测装置，多普勒探测装置用于检测用户的生命体征数据，并判断生命体征数据是否正常，同时，判断接收到的用户加速度值和倾斜角度数据是否超过设定阈值；根据上述判断结果，利用机器学习的方法确定用户是否跌倒；本发明实现了生理信息的监测及精确有效地判别跌倒检测，降低了佩戴传感器的硬件要求。
-
公开(公告)号：CN105708470A
公开(公告)日：2016-06-29
申请号：CN201610040326.6
申请日：2016-01-21
Applicant: 山东大学 , 山东省计算中心(国家超级计算济南中心)
CPC classification number: A61B5/1117 , A61B5/024 , A61B5/08 , A61B5/6826
Abstract: 本发明公开了一种基于多普勒探测器与传感器联合的跌倒检测系统和方法，包括：传感器检测装置、多普勒探测装置和远端服务器；传感器检测装置与多普勒探测装置通信，多普勒探测装置与远端服务器通信；传感器检测装置用于采集用户的运动方向及在该方向上的加速度值和倾斜角度数据并传送至多普勒探测装置，多普勒探测装置用于检测用户的生命体征数据，并判断生命体征数据是否正常，同时，判断接收到的用户加速度值和倾斜角度数据是否超过设定阈值；根据上述判断结果，利用机器学习的方法确定用户是否跌倒；本发明实现了生理信息的监测及精确有效地判别跌倒检测，降低了佩戴传感器的硬件要求。
-
公开(公告)号：CN106846729B
公开(公告)日：2020-01-21
申请号：CN201710022067.9
申请日：2017-01-12
Applicant: 山东大学
Abstract: 本发明公开了一种基于卷积神经网络的跌倒检测方法和系统，本发明通过采集三轴加速度、身体的倾斜角度和运动方向，并进行数据去噪；对数据进行分割，给每一轴数据进行标记与预编码排序，进而进行离散傅里叶变换；基于变换后的数据，构建卷积神经网络，并进行卷积神经网络训练，得到行为的网络模型；对卷积神经网络模型进行模式匹配，判断用户是否发生跌倒适合用于家庭健康安全监控，能够通过卷积神经网络识别复杂的行为，并对老人的跌倒做出精准地判断与实时地报警。
-
公开(公告)号：CN106846729A
公开(公告)日：2017-06-13
申请号：CN201710022067.9
申请日：2017-01-12
Applicant: 山东大学
Abstract: 本发明公开了一种基于卷积神经网络的跌倒检测方法和系统，本发明通过采集三轴加速度、身体的倾斜角度和运动方向，并进行数据去噪；对数据进行分割，给每一轴数据进行标记与预编码排序，进而进行离散傅里叶变换；基于变换后的数据，构建卷积神经网络，并进行卷积神经网络训练，得到行为的网络模型；对卷积神经网络模型进行模式匹配，判断用户是否发生跌倒适合用于家庭健康安全监控，能够通过卷积神经网络识别复杂的行为，并对老人的跌倒做出精准地判断与实时地报警。
-
-
-
Search Results
4
records
(took 0.032 seconds)
