基于物聯(lián)網(wǎng)與多傳感器技術(shù)的智能看護(hù)系統(tǒng)設(shè)計(jì)
發(fā)布時(shí)間:2021-11-15 02:03
以STM32微處理器、GSM短信模塊、GPS定位模塊等多傳感器構(gòu)成可穿戴式裝置;以改進(jìn)的多閾值判斷跌倒算法準(zhǔn)確區(qū)分跌倒行為與日;顒(dòng)行為;以物聯(lián)網(wǎng)技術(shù)將系統(tǒng)裝置與看護(hù)App緊密結(jié)合,實(shí)現(xiàn)對(duì)用戶的定位搜索、醫(yī)院查尋等功能。實(shí)驗(yàn)結(jié)果表明:該系統(tǒng)能夠有效判定跌倒行為并短信報(bào)警,借助看護(hù)App實(shí)現(xiàn)對(duì)老人的定位搜索。
【文章來源】:傳感器與微系統(tǒng). 2020,39(02)CSCD
【文章頁數(shù)】:3 頁
【部分圖文】:
人體運(yùn)動(dòng)狀態(tài)SMV變化
圖3 人體運(yùn)動(dòng)狀態(tài)SMV變化當(dāng)發(fā)生跌倒動(dòng)作時(shí),人體軀干傾角會(huì)瞬間發(fā)生劇烈變化,故可通過傾角傳感器采集傾角變化值作為跌倒行為判斷的輔助依據(jù)。圖5為不同運(yùn)動(dòng)狀態(tài)下傾角變化,傾角1表示左右傾斜的角度,傾角2表示前后傾斜的角度,由數(shù)據(jù)分析可得,日;顒(dòng)的傾角變化范圍不超過30°,跌倒動(dòng)作發(fā)生時(shí),前后與左右傾斜角均有明顯變化,其中,前后傾角角度變化最為劇烈。同樣可以設(shè)定合適的傾角閾值θ對(duì)跌倒?fàn)顟B(tài)做進(jìn)一步的區(qū)分。
當(dāng)發(fā)生跌倒動(dòng)作時(shí),人體軀干傾角會(huì)瞬間發(fā)生劇烈變化,故可通過傾角傳感器采集傾角變化值作為跌倒行為判斷的輔助依據(jù)。圖5為不同運(yùn)動(dòng)狀態(tài)下傾角變化,傾角1表示左右傾斜的角度,傾角2表示前后傾斜的角度,由數(shù)據(jù)分析可得,日常活動(dòng)的傾角變化范圍不超過30°,跌倒動(dòng)作發(fā)生時(shí),前后與左右傾斜角均有明顯變化,其中,前后傾角角度變化最為劇烈。同樣可以設(shè)定合適的傾角閾值θ對(duì)跌倒?fàn)顟B(tài)做進(jìn)一步的區(qū)分。2.3 算法建立
【參考文獻(xiàn)】:
期刊論文
[1]基于移動(dòng)終端的智能看護(hù)系統(tǒng)設(shè)計(jì)[J]. 向琦,陳旭,王春城,劉滿祿,任萬春. 計(jì)算機(jī)測(cè)量與控制. 2019(05)
[2]老人跌倒姿態(tài)實(shí)時(shí)識(shí)別系統(tǒng)硬件設(shè)計(jì)[J]. 徐濤,孫威,色海鋒,盧少微,王曉強(qiáng),馬克明. 沈陽航空航天大學(xué)學(xué)報(bào). 2019(01)
[3]移動(dòng)設(shè)備佩戴位置自適應(yīng)識(shí)別的跌倒檢測(cè)方法[J]. 任磊,周金海,吳祥飛,金韜,金曉峰. 計(jì)算機(jī)工程與應(yīng)用. 2018(21)
[4]基于穿戴式平臺(tái)的老人摔倒監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 蔡靖,樊毅堯,董子健,薛琦,高樂,千承輝. 傳感器與微系統(tǒng). 2017(07)
[5]可穿戴式跌倒檢測(cè)智能系統(tǒng)設(shè)計(jì)[J]. 陳鵬,涂亞慶,童俊平,趙運(yùn)勇. 傳感器與微系統(tǒng). 2017(02)
[6]基于支持向量機(jī)的跌倒檢測(cè)算法研究[J]. 裴利然,姜萍萍,顏國正. 光學(xué)精密工程. 2017(01)
[7]基于半監(jiān)督學(xué)習(xí)的跌倒檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 李仲年,臧春華,楊剛,項(xiàng)嶸. 傳感器與微系統(tǒng). 2016(10)
碩士論文
[1]可穿戴實(shí)時(shí)跌倒檢測(cè)與保護(hù)系統(tǒng)的開發(fā)[D]. 鐘志超.浙江大學(xué) 2019
[2]基于足底壓力感知的跌倒行為檢測(cè)系統(tǒng)設(shè)計(jì)[D]. 強(qiáng)家輝.東南大學(xué) 2018
[3]老人健康實(shí)時(shí)監(jiān)測(cè)及定位跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 屈新東.華南理工大學(xué) 2018
[4]一種基于嵌入式Linux的人體平衡監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)[D]. 徐堃龍.華中科技大學(xué) 2011
本文編號(hào):3495807
【文章來源】:傳感器與微系統(tǒng). 2020,39(02)CSCD
【文章頁數(shù)】:3 頁
【部分圖文】:
人體運(yùn)動(dòng)狀態(tài)SMV變化
圖3 人體運(yùn)動(dòng)狀態(tài)SMV變化當(dāng)發(fā)生跌倒動(dòng)作時(shí),人體軀干傾角會(huì)瞬間發(fā)生劇烈變化,故可通過傾角傳感器采集傾角變化值作為跌倒行為判斷的輔助依據(jù)。圖5為不同運(yùn)動(dòng)狀態(tài)下傾角變化,傾角1表示左右傾斜的角度,傾角2表示前后傾斜的角度,由數(shù)據(jù)分析可得,日;顒(dòng)的傾角變化范圍不超過30°,跌倒動(dòng)作發(fā)生時(shí),前后與左右傾斜角均有明顯變化,其中,前后傾角角度變化最為劇烈。同樣可以設(shè)定合適的傾角閾值θ對(duì)跌倒?fàn)顟B(tài)做進(jìn)一步的區(qū)分。
當(dāng)發(fā)生跌倒動(dòng)作時(shí),人體軀干傾角會(huì)瞬間發(fā)生劇烈變化,故可通過傾角傳感器采集傾角變化值作為跌倒行為判斷的輔助依據(jù)。圖5為不同運(yùn)動(dòng)狀態(tài)下傾角變化,傾角1表示左右傾斜的角度,傾角2表示前后傾斜的角度,由數(shù)據(jù)分析可得,日常活動(dòng)的傾角變化范圍不超過30°,跌倒動(dòng)作發(fā)生時(shí),前后與左右傾斜角均有明顯變化,其中,前后傾角角度變化最為劇烈。同樣可以設(shè)定合適的傾角閾值θ對(duì)跌倒?fàn)顟B(tài)做進(jìn)一步的區(qū)分。2.3 算法建立
【參考文獻(xiàn)】:
期刊論文
[1]基于移動(dòng)終端的智能看護(hù)系統(tǒng)設(shè)計(jì)[J]. 向琦,陳旭,王春城,劉滿祿,任萬春. 計(jì)算機(jī)測(cè)量與控制. 2019(05)
[2]老人跌倒姿態(tài)實(shí)時(shí)識(shí)別系統(tǒng)硬件設(shè)計(jì)[J]. 徐濤,孫威,色海鋒,盧少微,王曉強(qiáng),馬克明. 沈陽航空航天大學(xué)學(xué)報(bào). 2019(01)
[3]移動(dòng)設(shè)備佩戴位置自適應(yīng)識(shí)別的跌倒檢測(cè)方法[J]. 任磊,周金海,吳祥飛,金韜,金曉峰. 計(jì)算機(jī)工程與應(yīng)用. 2018(21)
[4]基于穿戴式平臺(tái)的老人摔倒監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 蔡靖,樊毅堯,董子健,薛琦,高樂,千承輝. 傳感器與微系統(tǒng). 2017(07)
[5]可穿戴式跌倒檢測(cè)智能系統(tǒng)設(shè)計(jì)[J]. 陳鵬,涂亞慶,童俊平,趙運(yùn)勇. 傳感器與微系統(tǒng). 2017(02)
[6]基于支持向量機(jī)的跌倒檢測(cè)算法研究[J]. 裴利然,姜萍萍,顏國正. 光學(xué)精密工程. 2017(01)
[7]基于半監(jiān)督學(xué)習(xí)的跌倒檢測(cè)系統(tǒng)設(shè)計(jì)[J]. 李仲年,臧春華,楊剛,項(xiàng)嶸. 傳感器與微系統(tǒng). 2016(10)
碩士論文
[1]可穿戴實(shí)時(shí)跌倒檢測(cè)與保護(hù)系統(tǒng)的開發(fā)[D]. 鐘志超.浙江大學(xué) 2019
[2]基于足底壓力感知的跌倒行為檢測(cè)系統(tǒng)設(shè)計(jì)[D]. 強(qiáng)家輝.東南大學(xué) 2018
[3]老人健康實(shí)時(shí)監(jiān)測(cè)及定位跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 屈新東.華南理工大學(xué) 2018
[4]一種基于嵌入式Linux的人體平衡監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)[D]. 徐堃龍.華中科技大學(xué) 2011
本文編號(hào):3495807
本文鏈接:http://sikaile.net/kejilunwen/wltx/3495807.html
最近更新
教材專著