Wykrywanie nagłych zmian położenia ciała ludzkiego w systemach nadzoru i opieki telemedycznej

• Autorzy: Momot A. , Momot M. , Seredyński R. , Stankiewicz A.

Warianty tytułu

EN

Detection of abrupt changes of human body positions with application to telemedic home care systems

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia nową metodę wykrywania zmian w położeniu ludzkiego ciała, w szczególności upadków, na podstawie sygnałów odczytywanych z czujników umieszczonych na monitorowanej osobie. Przekształcenie sekwencji danych zebranych z czujników pozwala odróżnić upadek od normalnego ruchu. Opracowana metoda może być stosowana w domowych systemach nadzoru i opieki telemedycznej.

EN

This paper presents new method to detect abrupt changes in the position of the human body, in particular falling, based on the signals acquired from sensors placed on the monitored person. The transformation of data sequence collected from sensors allows to distinguish between fall and normal movement. The method can be used in domestic telemedic systems.

Słowa kluczowe

PL

wykrywanie upadku; dane próbkowane nieregularnie; różniczkowanie numeryczne

EN

fall detection; irregular sampled data; numerical differentiation

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2013
• Tom: Vol. 34, nr 2A
• Strony: 353--364
• Opis fizyczny: Bibliogr. 12 poz.

Twórcy

autor

Momot A.

• Politechnika Śląska, Instytut Informatyki, ul. Akademicka 16, 44-101 Gliwice, Polska

autor

Momot M.

• Instytut Techniki i Aparatury Medycznej, ul. Roosevelta 118, 41-800 Zabrze, Polska

autor

Seredyński R.

• Instytut Techniki i Aparatury Medycznej, ul. Roosevelta 118, 41-800 Zabrze, Polska

autor

Stankiewicz A.

• Instytut Techniki i Aparatury Medycznej, ul. Roosevelta 118, 41-800 Zabrze, Polska

Bibliografia

• 1. Botia J. A., Villa A., Palma J.: Ambient Assisted Living system for in-home monitoring of healthy independent elders. Expert Systems with Applications, Vol. 39, No. 9, Murcia, Spain 2012, s. 8136÷8148.
• 2. Cismondi F., Fialho A. S., Vieira S. M. et al.: Computational intelligence methods for processing misaligned, unevenly sampled time series containing missing data. Proc. IEEE Symp. on Computational Intelligence and Data Mining, Paris 2011, s. 224÷231.
• 3. Frączkowski K.: Bazy danych w e-zdrowiu i telemedycynie – standardy informatyczne w regulacjach UE, [w:] Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.): Bazy danych: struktury, algorytmy, metody. WKŁ, Warszawa 2006, s. 455÷469.
• 4. Jezewski J., Wrobel J., Horoba K. et. al.: Computerized perinatal database for retrospective qualitative assessment of cardiotocographic traces, [in:] Richards B. (ed.): Current Perspectives in Healthcare Computing. BJHC Limited, Great Britain 1996, s. 187÷196.
• 5. Kaluza B., Mirchevska V., Dovgan E. et al.: An agent-based approach to care in independent living. Proc. 1st Int. Joint Conf. on Ambient intelligence, Malaga 2010, s. 177÷186.
• 6. Liao Y. T., Huang C.-L., Hsu S.-C.: Slip and fall event detection using Bayesian Belief Network. Pattern Recognition, Vol. 45, No. 1, 2012, s. 24÷32.
• 7. Olivieri D. N., Conde I. G., Sobrino X. A. V.: Eigenspace-based fall detection and activity recognition from motion templates and machine learning. Expert Systems with Applications, Vol. 39, No. 5, 2012, s. 5935÷5945.
• 8. Przybyla T., Jezewski J., Wrobel J.: Robust Fuzzy Clustering using Adaptive Fuzzy Meridians, [in:] Nguyen N. T., Le M. T., Swiatek J. (eds.): Intelligent Information and Database Systems. LNAI 5990/Lecture Notes in Computer Science, Springer-Verlag, Berlin-Heidelberg 2010, s. 200÷209.
• 9. Steggles P., Gschwind S.: Ubisense – a smart space platform. Raport techniczny, Ubisense, 2005.
• 10. Sugeno M., Kang G. T.: Structure identification of fuzzy model. Fuzzy Sets and Systems, Vol. 28, 1988, s. 15÷33.
• 11. Takagi T., Sugeno M.: Fuzzy idnetification of systems and its application to modeling and control. IEEE Trans. on System, Man and Cybernetics, Vol. 15, No. 1, 1985, s. 116÷132.
• 12. Wang L., Gu T., Tao X. et al.: A hierarchical approach to real-time activity recognition in body sensor networks. Pervasive and Mobile Computing, Vol. 8, No. 1, 2012, s. 115÷130.