IMPLEMENTACIÓN DE UN DETECTOR DE CAÍDAS PARA SU APLICACIÓN EN PACIENTES HOSPITALIZADOS Y PERSONAS DE LA TERCERA EDAD
Resumen
Resumen
En este trabajo se presenta la implementación de un detector de caídas para aplicarlo en pacientes hospitalizados y de la tercera edad. Una unidad de medición inercial MPU-6050 es utilizada para registrar los cambios en la aceleración de los movimientos de los individuos que lo porten. Se utiliza un Raspberry Pi 3 para procesar los datos adquiridos mediante la unidad de medición inercial. Se utilizó Python para la implementación de nuestros algoritmos. Los datos se analizaron a través de un algoritmo, que al detectar un cambio drástico en la aceleración genera una alarma, la cual es trasmitida a una central de alarma remota utilizando WiFi. Los resultados muestran que un umbral de aceleración de 2g es suficiente para detectar caídas. Todos los casos de prueba fueron exitosos.
Palabras Claves: Aceleración, caídas, Raspberry PI.
IMPLEMENTATION OF A FALL DETECTOR FOR ITS APPLICATION IN HOSPITALIZED PATIENTS AND PEOPLE OF THE THIRD AGE
Abstract
In this paper we present the implementation of a fall detector for use in hospitalized and elderly patients. An MPU-6050 inertial measurement unit is utilized to record the changes in the acceleration of the movements of the individuals that carry it. A Raspberry Pi 3 is used to process data acquired through the inertial measurement unit. Python was used for the implementation of our algorithms. The data were analyzed through an algorithm, which upon detecting a drastic change in the acceleration generate an alarm, which is transmitted to a remote alarm central using WiFi. The results show that an acceleration threshold of 2g is sufficient to detect falls. All test cases were successful.
Keywords: Accelerometer, falls, Raspberry.
Texto completo:
1496-1507 PDFReferencias
Chankyu Park, Jaehong Kim and Ho-Jin Choi, A Watch-type Human Activity Detector for the Aged Care in ICACT, 2012.
Choon Kiat Lee1, Vwen Yen Lee; Fall Detection System Based on Kinect Sensor Using Novel Detection and Posture Recognition Algorithm; 11th International Conference on Smart Homes and Health Telematics, ICOST 2013 Singapore, Proceedings, pp 235, 2013.
Dennis Sprute, Aljoscha Portner, Alexander Weinitschke, Matthias Konig, Smart fall: accelerometer–based fall detection in a Smart home environment. Inclusive Smart Cities and e-Health Volume 9102 of the series Lecture Notes in Computer Science pp 194-205, 2017.
Dongha Lim, Chulho Park, Nam Ho Kim,Sang-Hoon Kim, Yun Seop Yu, Fall-Detection Algorithm Using 3-Axis Acceleration: Combination with Simple Threshold and Hidden Markov Model; Journal of Applied Mathematics Volume, 2014.
Guillaume Pérolle, Igone Etxeberria Arritxabal, Detector automático de caídas y monitorización de actividad para personas mayores; Revista Española de Geriatría y Gerontología; Vol. 41, pp. 33, 2007.
Jay Chen, Karric Kwong, Dennis Chang, Jerry Luz Ruzena Bajcsy, Wearable Sensors for Reliable Fall Detection Proceedings of the 2005 IEEE, Engineering in Medicine and Biology 27th Annual Conference, Shanghai, China, 2005.
Nyan M. N., Francis E.H. Tay, E. Murugasu; A wearable system for pre-impact fall detection, J Biomech, 41(16), 2008.
URL de la licencia: https://creativecommons.org/licenses/by/3.0/deed.es
Pistas Educativas está bajo la Licencia Creative Commons Atribución 3.0 No portada.
TECNOLÓGICO NACIONAL DE MÉXICO / INSTITUTO TECNOLÓGICO DE CELAYA
Antonio García Cubas Pte #600 esq. Av. Tecnológico, Celaya, Gto. México
Tel. 461 61 17575 Ext 5450 y 5146
pistaseducativas@itcelaya.edu.mx