跌倒检测系统和方法
【技术领域】
[0001]本发明涉及一种用于检测用户的跌倒的跌倒检测系统。
【背景技术】
[0002]跌倒每年影响几百万人并且导致重大的伤害，尤其是在老年人中间。实际上，已经估计到，跌倒是老年人死亡的前三个原因之一。跌倒被定义为之后跟随有碰撞的、突然的、不受控制且无意的身体到地的向下位移，其后身体保持倒在地上。
[0003]个人急救反应系统(PERS)是能够确保针对用户的帮助的系统。借助于个人帮助按钮(PHB)，用户能够在紧急情况下按下按钮来召唤帮助。大多数呼叫是因为用户已经跌倒。再者，如果用户遭受严重的跌倒(例如用户困惑，或者甚至更糟糕地，如果他们碰撞得失去意识)，则用户可能不能够按下按钮，这可能意味着帮助不在重要的时段中到达，尤其是如果用户单独居住的话。如果用户长时间保持躺倒，则跌倒的后果可能变得更严重。
[0004]跌倒检测系统也是可用的，其处理一个或多个移动传感器的输出来确定用户是否已经遭受跌倒。大多数现有的身体穿戴的跌倒检测系统使用加速度计(通常是测量三个维度上的加速度的加速度计)，并且所述跌倒检测系统被配置为通过处理由加速度计生成的时间序列来推断跌倒的发生。一些跌倒检测系统还能够包括空气压力传感器(例如W O2004/114245中描述的)以测量跌倒检测系统的高度、高度变化或绝对海拔。在检测到跌倒时，通过跌倒检测系统来触发警报。
[0005]—些跌倒检测系统被设计为被作为围绕用户的颈部的垂饰穿戴，而其他的被设计为被穿戴在用户的躯干(例如腰、腰带上或口袋中)处或其上，或者被穿戴在用户的肢体上，例如手腕处。
[0006]做出了许多努力来提供用于准确地检测跌倒的鲁棒的分类方法或处理算法。一般地，跌倒检测器对如碰撞、取向、取向变化、高度变化、垂直速度等特征进行测试。当对于跌倒的这些特征的计算值的集合与不是跌倒的其他移动是不同的时，得到可靠的检测结果。算法能够将检测到的特征与预定的阈值和/或分类样式进行比较，以确定是否已经发生了跌倒事件。
[0007]能够通过将检测概率相对误报警率绘制的接收器操作特性(ROC)曲线来对分类方法的可靠性进行可视化。图1示出了这样的ROC曲线，其表示跨在长时间段中算法在所测试的许多用户间的平均性能。检测到的跌倒与跌倒警报之间的最优折衷(“操作点”)取决于若干因素，例如顾客/用户满意度和经济因素。高误警报率对于服务中心是昂贵的并且对于顾客(用户)是令人讨厌的，而减少误警报的量可能导致被错过的跌倒，这对于顾客(用户)可能是极麻烦或有害的。跌倒检测算法设计者的目的是创建具有尽可能接近地到达ROC曲线的左上拐角的操作点的算法。然而，精确的操作点能够取决于所提到的外部状况和偏好。
[0008]—般地，处于低跌倒风险的人更活跃并且在日常生活中可能生成对于跌倒检测算法看上去像是跌倒的较多移动。因此，误警报的量可能高于针对该“低跌倒风险”组的平均值，而实际跌倒的量低于平均值。图2和图3分别示出了误警报率/真实跌倒与跌倒风险/活动水平之间的示范性关系。曲线可以采取其他形状。例如，在两个图形中误警报率都可以具有最大一半。
【发明内容】
[0009]除日常生活中的移动行为之外，跌倒期间的移动行为还可能在处于低跌倒风险和高跌倒风险的人之间不同。一般地，“低跌倒风险”组能够校正缓慢移动期间的小平衡干扰。因此，该组中的大多数跌倒是因为快速移动和/或大平衡干扰而发生的，所述快速移动当人接触地时导致相对高的撞击。“高跌倒风险”组一般较缓慢并且较小心地移动。在人站着不动并且他们逐渐地失去平衡但不能对其进行校正时，也可能发生跌倒。然而，这样的用户可以努力维持平衡并在跌倒时寻找支持，这能够导致用户以相对低的碰撞接触地。因此，能够针对处于不同跌倒风险水平的人绘制不同的ROC曲线。由于移动行为的差异，最优分类方法、得到的ROC曲线和/或ROC曲线上的最优操作点取决于用户的动态跌倒风险。图4示出了针对两个不同类型的用户组(低跌倒风险用户和高跌倒风险用户)的示范性ROC曲线。还能够针对例如将跌倒检测系统穿戴在他们的衣服下面和他们的衣服上面的用户、或者针对具有不同特性(例如高度，其导致在跌倒期间的不同高度下降)的用户来绘制不同的ROC曲线。能够看出，跌倒和误警报的发生率以及检测概率改变了分布，并且这也改变了最优跌倒检测器设计。
[0010]已经发现，针对跌倒的最强风险指标中的一些包括用户的先前跌倒的发生及其强度、步态以及平衡障碍。图4中示出的ROC曲线不仅在具有不同体能和先前的跌倒的用户之间不同，而且取决于用户的情况(背景)或他们在某一时刻处的环境。具体而言，用户的跌倒风险随时间而动态地改变，并且跌倒风险评估需要是进行的过程。人可能在一个时间点处在“低风险”类别中(例如当坐下与朋友交谈时)并在另一时间点处在“高风险”类别中(例如在服用药物之后、使用浴室、在灯光变暗时等)。在一些情况下，可能故意地挑战或测试用户的平衡能力，例如当用户测试其平衡以作为评估或训练或锻炼的一部分以提高其能力时。还已知大多数跌倒在行走期间发生，并且因此行走是固有“较高风险”的活动。再者，处于低跌倒风险(例如灯打开)的用户生成较多的误警报(因为他们在灯打开时或在白天期间较活跃)，而错过较少的跌倒(因为用户在灯打开时可能由于较大的干扰而跌倒，并且因此碰撞足够高以被检测到)。处于高跌倒风险(例如灯关闭)的人生成较少的误警报(例如因为用户在该时间的大部分中正在睡觉)，并且检测到较少的跌倒(因为用户可能由于造成低碰撞的非常小的干扰而已经跌倒)。
[0011]从以上讨论将意识到，不可能将跌倒检测算法配置为在针对所有用户和所有情况下的ROC曲线上的最优点处操作。
[0012]因此，本发明提供了使用关于用户和/或所述用户的环境的背景信息来对跌倒检测算法的灵敏度进行适配。具体而言，如果所述背景信息指示所述用户处于较高的跌倒风险，则增高所述跌倒检测算法的所述灵敏度。优选地，灵敏度的所述增高是暂时的并且仅在所述较高的跌倒风险存在或被检测到时持续，在所述较高的跌倒风险存在或被检测到之后，所述跌倒检测算法的所述灵敏度返回或接近针对所述用户的先前(例如默认的)灵敏度。在优选实施例中，所述跌倒检测算法的所述灵敏度是通过移动ROC曲线上的操作点来调节的。因此，当用户在形成较高的跌倒风险的情况中时，所述操作点被临时地移动以提高检测概率。在这些情况下，该经适配的设定也增高误警报发生的概率是被接受的，这是因为目的是确保没有跌倒被错过。由于所述跌倒检测算法仅被配置为在短时间段中较灵敏，因此平均仍获得相对低的误警报率，同时降低所述用户处于较高的跌倒风险时跌倒被错过的变化。
[0013]根据本发明的第一方面，提供了一种操作跌倒检测系统以检测用户的跌倒的方法，所述方法包括:确定关于所述用户和/或所述用户所位于的环境的背景信息;并且，在所确定的背景信息指示所述用户处于或可能处于增高的跌倒风险的情况下，在由所确定的背景信息指示所述增高的跌倒风险时，增高被用于检测用户的跌倒的跌倒检测算法的灵敏度。
[0014]在一些实施例中，所述背景信息包括对所述用户是否正在执行跌倒风险评估测试或平衡训练的指示;并且所述背景信息指示如果所述用户正在执行跌倒风险评估测试或平衡训练则所述用户处于或可能处于增高的跌倒风险。
[0015]在一些实施例中，所述背景信息包括对所述用户是否正在行走的指示，并且所述背景信息指示如果所述用户正在行走则所述用户处于或可能处于增高的跌倒风险。
[0016]在一些实施例中，所述背景信息包括对是否已经检测到所述用户的异常移动样式的指示，并且所述背景信息指示如果检测到异常移动样式则所述用户处于或可能处于增高的跌倒风险。
[0017]在一些实施例中，所述背景信息包括对所述用户的当前位置的指示，并且所述背景信息指示如果所述用户的所述当前位置是所述用户处于较高的跌倒风险的已知位置则所述用户处于或可能处于增高的跌倒风险。所述用户处于较高的跌倒风险的所述已知位置可以包括以下中的任何一个或多个:浴室、楼梯上、室外或所述用户和/或其他用户先前已经跌倒过的位置。
[0018]在一些实施例中，关于所述用户所位于的所述环境的所述背景信息包括对所述用户的位置中的环境光的指示、对地面多么平坦或多么不平坦的指示、对当前天气或温度的指示、和/或对环境噪声水平的指示，并且所述背景信息指示如果所述环境光低于阈值、如果所述地面不平坦、如果所述天气是湿的或者所述温度低于阈值、和/或如果环境噪声水平高于阈值则所述用户处于或可能处于增高的跌倒风险。
[0019]在一些实施例中，所述背景信息包括对所述当前时间的指示，并且所述背景信息指示如果所述当前时间在一个或多个指定的时间段内则所述用户处于或可能处于增高的跌倒风险。所述一个或多个指定的时间段可以包括夜间和/或在安排的剂量的服药之前和/或之后不久的时间段。
[0020]在一些实施例中，所述背景信息包括对所述用户的当前活动水平的指示，并且所述背景信息指示如果所述当前活动水平高于阈值活动水平则所述用户处于或可能处于增高的跌倒风险。
[0021]在一些实施例中，增高跌倒检测算法的所述灵敏度的步骤包括增加跌倒将被检测到的可能性。
[0022]在一些实施例中，增高跌倒检测算法的所述灵敏度的步骤包括调节所述算法的操作点在接收器操作特性曲线上的位置。
[0023]在一些实施例中，增高所述跌倒检测算法的所述灵敏度的步骤包括减少跌倒的可能性必须超过非跌倒的可能性以使跌倒被检测到的所述阈值。
[0024]在其他实施例中，增高跌倒检测算法的所述灵敏度的步骤包括在接收器操作特性曲线上确定所述算法的所要求的操作点，并且选择处于所要求的操作点的对所述跌倒检测算法的配置。
[0025]在其他实施例中，所述跌倒检测算法包括根据对所述用户的移动的测量结果来确定一个或多个特征值，并且将所述一个或多个特征值与各自的阈值进行比较以检测是否已经发生跌倒，并且其中，增高所述跌倒检测算法的所述灵敏度的步骤包括调节所述阈值中的一个或多个以增加跌倒将被检测到的所述可能性。
[0026]在其他实施例中，所述跌倒检测算法包括根据对所述用户的所述移动的测量结果来确定多个特征值;并且将特征值的集合与阈值进行比较以检测是否已经发生跌倒，并且其中，增高所述跌倒检测算法的所述灵敏度的步骤包括调节所述阈值以增加