已经跌倒的位置(具有与指示用户可能处于较高的跌倒风险的那些位置之一的匹配)。当在不熟悉的位置(例如商店)、当在室外和/或在其房子的特定部分(例如在浴室(其中可能是湿或滑的)中或在楼梯上)时，用户可能处于较高的跌倒风险，并且因此如果背景信息指示用户在存在较高的跌倒风险的已知位置处，则在用户在该位置处时将增高跌倒检测算法的灵敏度。当用户移动到存在较低的或正常的跌倒风险的位置中时，跌倒检测算法的灵敏度能够被降低或重置到先前的设定。
[0103]在背景信息包括关于用户周围的环境的信息的情况下，该信息能够包括以下中的任一项:对能够使用跌倒检测系统2中的光传感器来测量的用户的位置的环境光的指示(其中低光水平导致用户由于减弱的可见性而处于较高的跌倒风险)、对地面多么平坦或不平坦的指示(包括是否存在斜坡或楼梯)、对当前天气或温度的指示(例如下雨或结冰条件导致用户处于较高的跌倒风险)、对环境噪声水平的指示(例如其中，较高的环境噪声水平增高用户可能变得迷惑或困惑的风险，因此使用户处于较高的跌倒风险)等。如果关于用户周围的环境的背景信息指示存在低光照、地面不平坦、下雨或结冰和/或特别嘈杂，那么用户处于较高的跌倒风险，并且在步骤105中能够增高跌倒检测算法的灵敏度。如果背景信息随后指示在环境中存在良好的光照、地面相对平坦的、不再湿、下雨或结冰和/或不是特别嘈杂，则跌倒检测算法的灵敏度能够被降低或重置为先前的灵敏度。
[0104]在背景信息包括对当前时间的指示的情况下，这能够通过处理单元10中的内部时钟来提供。在一天的特定时间期间(例如在夜晚或在服用按拍的剂量的药物之前或之后不久)，用户可能处于较高的跌倒风险，并且因此步骤103能够包括将当前时间与预定地药物安排和/或用户被认为处于较高的跌倒风险的时间范围进行比较。
[0105]在背景信息包括对用户的活动水平的指示的情况下，处理单元10能够根据来自移动传感器6、8的测量结果来确定活动水平。根据移动传感器测量结果来确定活动水平的技术在本领域中是已知的并且将不在本文中进行详细描述。能够在该时间点处(即当执行步骤103时)针对用户来确定活动水平，或能够根据来自移动传感器6、8的测量结果来确定在时段(例如小时或天)上的活动简档。在较活跃时用户可以处于较高的跌倒风险，因此步骤103能够包括将所确定的活动水平与阈值进行比较，并且如果活动水平高于阈值，则确定用户处于较高的跌倒风险。在这种情况下，当用户特别活跃时能够增高跌倒检测算法的灵敏度。一旦用户的活动水平下降到阈值以下，则跌倒检测算法的灵敏度能够被降低或重置到先前的设定。在一些实施例中，如果确定活动简档，则能够将活动简档与针对先前时段所确定的活动简档进行比较以确定用户是否比通常更活跃或疲劳(例如在用户已经比通常更活跃或以其他方式特别活跃的时段之后)，并且如果比较指示用户比通常更活跃或疲劳，则能够暂时地增高跌倒检测算法的灵敏度，直到活动简档返回到通常水平。
[0106]在一些实施例中，背景信息能够包括或者是对用户的行走样式的变化性的指示，这是因为行走样式的变化性可能受疲劳影响(如在Helbostad等的“Physical FatigueAffects Gait Characteristics in Older Persons”，Journal of Gerontology:MedicalSciences，2007年，第62A卷，第9号，第1010-1015页中所描述的)，其中，如果背景信息指示用户是疲劳的，则增高跌倒检测算法的灵敏度。
[0107]背景信息还能够或备选地包括关于用户的其他信息，例如对用户是否正在使用诸如手杖或助行架的助行器的指示(如果用户典型地要求使用该类型的助行器的话)、对用户是否正戴着其眼镜的指示(如果用户正常应当戴眼镜的话)和/或对用户正穿着的鞋的类型的指示。如果背景信息指示用户没有正在使用所要求的助行器、没有正戴着其眼镜和/或没有正穿着其正规的或正确的鞋，则用户的跌倒风险增高并且能够相应地增高跌倒检测算法的灵敏度。本领域技术人员将知悉能够使用各种技术和传感器来确定用户是否正在使用助行器、正戴着眼镜或正穿着正确的鞋。
[0108]在其中如果背景信息指示用户暂时处于较低的跌倒风险或如果用户正从事更可能生成误警报的活动则降低跌倒检测算法的灵敏度的实施例中，这样的背景信息能够指示例如用户正在进行体育运动或执行存在许多弯腰、类冲击和/或触地移动的活动(例如打高尔夫、园艺等)。
[0109]通过图9中的流程图图示了本发明的具体实施例。在该实施例中，背景信息包括对用户是否执行跌倒风险评估测试以及用户是否执行高风险活动(例如行走、在不平坦的地面上行走、走上或走下楼梯、在浴室中移动等)的指示。在该实施例中，当背景信息指示用户处于增高的跌倒风险时，增高跌倒检测算法的灵敏度。本领域技术人员将意识到能够使用类似方法，其中，当背景信息指示用户处于较低的跌倒风险时，还将降低跌倒检测算法的灵敏度。在该实施例中，跌倒检测系统2还被配置为进行跌倒风险评估测试，并且系统2因此被配置为以三个不同的模式操作。第一模式是跌倒检测模式，其中，系统2处理来自移动传感器6、8的测量结果以如以上描述地检测跌倒。第二模式是跌倒风险评估数据收集模式，当用户开始跌倒风险评估(其在该实施例中通过用户利用用户设备4执行预定义手势来指示到系统2，诸如摇动设备4、以预定义样式移动设备4或者按压设备4上的按钮)时进入该模式，并且在该模式中，系统2将来自移动传感器6、8的测量结果存储在存储器模块中以用于后续分析。在跌倒风险评估期间，用户出于评估跌倒风险的目的而执行某些移动和/或锻炼。能够由用户对系统2指示跌倒风险评估数据收集模式的结束(例如通过利用用户设备4执行另一个或相同的预定义姿势或者通过按下该按钮或另一按钮)，或者数据收集模式能够在预定义的时间段之后结束。在完成数据收集模式之后，系统2返回到以跌倒检测模式操作。第三模式是跌倒风险数据分析模式，其中，对在跌倒风险评估数据收集模式期间测得和存储的移动进行分析以确定或估计针对用户的跌倒风险。能够在完成数据收集模式时自动进入数据分析模式，或者能够在预定的时间处或响应于来自用户的输入(例如通过用户利用用户设备4执行另一姿势或按下另一按钮来指示)而进入数据分析模式。在完成数据分析模式之后，系统2返回到以跌倒检测模式操作。
[0110]当用户设备4以数据收集模式操作并存储在跌倒风险评估期间收集到的移动测量结果数据，以及以数据分析模式操作并确定跌倒风险时，用户设备4优选地仍然实时或近似实时处理用户的移动的测量结果以便确定用户是否已经跌倒(与如果用户设备4以跌倒检测模式操作相同)。如果跌倒检测系统2在数据收集模式或数据分析模式时检测到跌倒，则以正常方式触发警报(即如系统2以跌倒检测模式操作那样)。
[0111]存在用户能够执行作为跌倒风险评估的部分的若干不同的(一个或多个)移动和/或(一个或多个)锻炼。每个移动或锻炼能够测试用户的行走能力、其平衡、力量或反应时间或这些的任意组合。适合的(一个或多个)移动和/或(一个或多个)锻炼的范例包括用户以各种方式(例如脚并拢、接近一前一后、一前一后、一条腿等)站着不动、行走、坐-站转换(即从坐位站起来)、计时的起立-行走测试(即对用户起立、行走特定距离并且然后返回到坐在椅子上的位置花费多久计时)、以及涉及对用户对来自用户设备4的视觉和/或听觉刺激做出反应、从低水平(例如地板)拾起物体或转身某预定角度(例如360度)花费多久计时的反应测试。能够由用户以不同的难度水平来执行这些移动或锻炼中的每个，以提供对用户的跌倒风险的较好指示。这些移动和锻炼还被典型地包括作为跌倒预防锻炼程序的部分以帮助用户随时间降低其跌倒的风险。
[0112]对评估跌倒风险中这些(一个或多个)移动和/或(一个或多个)锻炼的使用在本领域中是已知的，如用于在用户的移动的测量结果中识别这些移动和/或锻炼并且用于分析用户将其执行得多好的技术，因此在本文中未提供用于处理移动测量结果的详细技术。
[0113]在图7中示出了根据本发明的实施例的、操作用户设备4的更详细的方法。在该实施例中，跌倒检测模式包括两个水平的处理。在第一低功率阶段中，处理单元10分析针对跌倒的单个容易检测的特性(例如碰撞)的测得的加速度(例如大于阈值的加速度)。可以针对测量结果数据的每个新块执行该低功率处理。如果在任何时间处检测到特性，则处理单元10激活全跌倒检测处理并且处理测量结果以检测是否存在跌倒的其他特性，例如自由落体、高度变化、取向变化等。
[0114]在图9中，系统2利用针对跌倒检测算法的标准灵敏度以跌倒检测模式开始。跌倒检测算法包括低功率初始处理阶段和全处理阶段，所述低功率初始处理阶段寻找移动传感器数据中的触发特征，并且所述全处理阶段在找到触发特征时被激活。
[0115]对于新测量结果数据(301)的每个块而言，处理单元10核对是否辨识出第一预定义姿势(例如转动设备4以开始或停止数据收集模式)(303)。如果没有辨识出第一预定义姿势，则处理单元10核对是否应当触发跌倒检测算法(305)(即通过对移动数据的处理)。如果不是的话，则处理单元10核对是否辨识出用来开始数据分析模式的第二预定义姿势(例如摇动设备4)(307)。如果不是的话，则处理单元10核对设备4是否已经在跌倒风险评估数据收集模式(308)中。如果不是的话，用户设备4继续以跌倒检测模式操作(并且具体使用对测量结果数据的低功率处理)，意味着没有数据存储在用户设备4中，没有计时器运行，并且全跌倒检测算法不运行且不对存储的数据进行分析以确定跌倒风险。
[0116]在该阶段中，还核对背景信息是否指示用户正执行高风险活动(309)。如果不是的话，处理单元10返回到301并对测量结果数据的下一块进行操作。如果背景信息指示用户正执行高风险活动，则方法移动到在其中增高跌倒检测算法的灵敏度的310。接着，增高的灵敏度跌倒检测算法被用于处理测量结果数据301的下一个和后续的块，直到背景信息指示用户不再处于升高的跌倒风险。
[0117]将意识到，能够以与图9所示的不同的顺序来执行303(针对所执行的第一预定义姿势)、305(针对所触发的跌倒检测)和307(针对所执行的第二预定义姿势)中的核对。还将意识到，能够同时而不是串联地执行核对。
[0118]如果在303中辨识出第一预定义姿势，则用户设备4核对设备4是否已经在以跌倒风险评估数据收集模式操作(