在開始回顧跌倒或動作辨識系統之前，首先必須介紹感測器關於跌倒辨 識準確率的兩個重要指標Sensitivity 與 Specificity 於下表 2：
Sensitivity 的計算方式為(I)/[(I)+(II)]，而 specificity 則為
(IV)/[(III)+(IV)]。Sensitivity 的意義為：跌倒實驗被正確辨識為跌倒的比例，
而specificity 則為日常動作實驗被正確辨識為非跌倒的比例。
表 2 跌倒辨識率指標：Sensitivity 與 Specificity
(圖中標記：「Actual Condition ＋」表示跌倒，「Actual Condition －」表 示為日常生活動作；「Test Result ＋」表示辨識為跌倒，「Test Result －」
表示辨識為日常生活。)
目前已經有相當的人體動作研究或是跌倒辨識方法使用慣性門檻辨識 跌倒的發生，在此整理這些跌倒辨識文獻如下：
Wu (2000)研究一般日常活動與絆倒、前向與後向跌倒時的數據資料，
發現一般活動的情況下軀幹的水平速度與垂直速度會控制在一定範圍內 (約1m/s)，且通常只有水平或是垂直其中一個方向的速度增加幅度較大。
反之，跌倒時水平與垂直速度會同時劇烈增加為一般活動的二到三倍，且 通常發生於跌倒結束前約400 毫秒。Wu 認為此特性將可以作為一跌倒辨識 之門檻。
在使用加速規作為感測器的部份，Noury, Barralon et al. (2003)使用雙軸 加速規放置於受測者腋下作為傾斜計以量測矢狀面方向(sigittal plane)傾斜 角度α 與傾斜角速度 dα/dt。以角度判定 α 屬於站立、彎腰、平躺中的何種 姿勢以及傾斜速度dα/dt 屬於慢速、中等、快速的速度層級，最後以初始和 結束階段的姿勢與過渡階段的速度層級作為判別動作的標準。如 ”Standing - high speed - lying” 可能為跌倒發生，而 ”Standing - medium speed - lying”
則可能為躺下的動作。所進行的日常生活動作為：受測者坐到床上後躺下、
行走、彎腰、雙膝跪地、坐椅子與從坐到站立；模擬跌倒實驗由受測者自 主進行前向傾倒、後向傾倒、坐下後躺下等各項動作於防護厚墊上。模擬 跌倒的實驗結果：sensitivity(將跌倒正確辨識為跌倒)為 79%，specificity(將 日常生活正確辨識為非跌倒)為83%。
Diaz, Prado et al. (2004)同樣使用三軸加速規，但放置於人體腰部高度 處，並且利用一演算法訂立門檻值為加速度1.4g，若訊號超過此值則將其
判別為非日常活動。實驗則分為衝擊實驗與一般日常活動的實驗，一般活 動包含慢速行走、中等速度行走、快速行走、上樓梯與下樓梯等五種動作；
衝擊實驗則包含原地垂直跳躍、曲膝跌倒、從五十公分處水平翻落，且地 面分為軟硬材質。進行模擬實驗結果sensitivity(將跌倒正確辨識為跌倒)為 100%，specificity(將日常生活正確辨識為非跌倒)為 92.5%。
Bourke, O’Brien et al. (2007)則使用三軸加速規設置於前胸與大腿量測 受測者從站立往前向、後向、左側與右側向跌倒，並且分為大腿伸直與彎 曲，總共八種跌倒模式。而日常生活則進行從有扶手的椅子站起與坐下、
無扶手椅子站起與坐下、在床上從坐到躺與從躺到坐、行走十公尺、進出 車輛座位…等動作。受測者分為十名年輕受測者進行模擬跌倒實驗以及十 名高齡受測者進行日常生活實驗。所訂立之加速度門檻值：胸部3.52g、大 腿2.74g。進行模擬跌倒實驗得到不同日常生活的 specificity(將日常生活正 確辨識為非跌倒)與sensitivity(將跌倒正確辨識為跌倒)皆為 100%，且置於 胸部的加速規辨識率優於大腿。
在使用陀螺儀作為跌倒感測器的部份，則有Nyan, Tay et al. (2006)使用 雙軸陀螺儀研究後向、側向跌倒與一般日常活動的差異，陀螺儀貼於前胸、
前腰、右下臂。日常動作的部份從坐姿開始依序進行：從椅子上站立、行 走五秒、彎腰撿起地上物品、行走八秒、坐到床上、躺下、從床上坐起、
從坐姿到站立、行走回椅子並且坐下。在模擬跌倒實驗的部分使用一可以
利用氣壓推動的平台讓受測者站立其上產生不平衡跌倒於厚墊上，歸納其 跌倒模型為滑倒。經由受測者進行一般日常動作與跌倒實驗並且將數據統 計分析之後，訂立前胸的角速度門檻值為130°/s、前腰為 100°/s、右下臂則 為170°/s。以上述門檻值進行跌倒模擬實驗，sensitivity(將跌倒正確辨識為 跌倒)為100%，而 specificity(將日常生活正確辨識為非跌倒)為 84%。除此 之外，Nyan, Tay et al.也量測此感測方法從感測器辨識跌倒的發生，直到受 測者與地面接觸的時間(稱之為 lead time)約為 200 毫秒。
在進行上述研究之後，Nyan, Tay et al. (2008)改進 2006 年的辨識方法，
藉由判斷軀幹與大腿日常活動與受測者模擬暈眩自主跌倒時角速度的一致 性來判別跌倒的發生與否。最後的結果得到100%的 specificity(將日常生活 正確辨識為非跌倒)與100%的 sensitivity(將跌倒正確辨識為跌倒)，同時 lead time 也提升到最高 700 毫秒。
Hwang, Kang et al. (2004)同時使用加速規與陀螺儀置於受測者胸部，進 行前向、側向、後向的受測者自主跌倒以及行走與從坐到站的實驗，達成 了95.5%的 sensitivity(將跌倒正確辨識為跌倒)與 100%的 specificity(將日常 生活正確辨識為非跌倒)，然而受測者數量只有三人以及日常行動的選擇只 有行走、坐、站三種動作為其主要限制。
本文將上述回顧之感測器辨識結果與實驗使用之跌倒類型依年份順序 列於表 3。由表可以發現，目前已經可以利用慣性感測器，在實驗室環境
中獲得相當的辨識率。且較多的模擬跌倒方式為受測者由站立自主模擬暈 眩後自由落體跌倒於防護軟墊，以及讓受測者站立於平台並且不預期的使 平台移動，導致受測者失去平衡的模擬滑倒方式。
表 3 跌倒感測器比較簡表
(acc: accelerometer, gyro: gyroscope, Sens: sensitivity, Spec: specificity, ADL:
activities of daily living.)
在確認成功可採用之模擬跌倒的發生方面，據前述文獻回顧「2.1.5 跌
倒後之應對策略」小節，不同之模擬跌倒方式將會影響受測者使用不同的 跌倒回復策略以應付跌倒的發生(Horak, FB. 1987; Horak, FB. 2006)。因此，
不同模擬跌倒實驗需要依據可能之跌倒反應策略，定義成功模擬跌倒之條 件。一般來說，使用移動支撐面方式造成模擬滑倒，或是受測者自主假裝 暈眩的情況，可能會以受測者身體軀幹或大腿傾斜的角度(Nyan, MN, Tay,
FEH et al., 2008)以及受測者身體倒下與防護軟墊的接觸，作為成功模擬跌 倒發生的確認、或是如同Mathie (2003)藉由研究日常生活上半身的運動範 圍確認成功模擬跌倒的發生。而在較複雜的模擬絆倒實驗中，除了同樣以 受測者身體角度以及肢體與防護墊接觸以外，也有以懸吊防護裝置於受測 者向前傾倒時所撐起受測者的體重百分比或是以目視判定受測者是否由懸 吊防護裝置支撐體重的方式(Pijnappels, M, van der Burg, JCE et al., 2008)確 認何者為成功之模擬跌倒。
在決定門檻值的部份，若是將門檻值定的太低容易產生日常活動被誤判 為跌倒的情況，即specificity 降低。可能導致所使用的防護裝置如安全氣囊 (Fukaya, K. 2002)於誤判之後啟動，將可能會造成使用者的困擾與徒增器材 消耗。而門檻值太高則可能造成較低的sensitivity，代表使用者有發生跌倒 但是感測器沒有辨識出跌倒的情形提升，降低感測器的周全性。因此，如 何合適的制定門檻值與演算法以使感測器具有完美的sensitivity 與
specificity 也成為感測器從跌倒模擬實驗進入實際應用的重要課題。
2.2.2 日常生活動作辨識
在人體動作辨識的部份則有較多的研究同時使用陀螺儀與加速規，例如 Najafi, Aminian et al. (2003)便結合加速規與陀螺儀為一感測器並放置於胸 前量測。藉由重力加速度、加速規的量測結果及判斷動作的演算法來區別 一些日常動作(站、坐、走、躺)，例如躺下的情況，垂直方向的加速規量 到的值近似於0g (m/s2)；反之如果為坐或站則垂直方向會量到近似 1g (m/s2) 的加速度，躺下的狀況為側躺或仰躺則由水平加速規與重力加速度的夾角 判別。
而Vlasic, Adelsberger et al. (2007)則結合超音波、加速規與陀螺儀的混 合式感測器系統，以演算法(Extended Kalman Filter)結合加速規與陀螺儀量 測資料，再輔以超音波判定各感測器與接受器之間的距離做位置的判定，
藉由資料重建之後得到與受測者動作相當接近的成果。上述研究雖然不直 接辨識跌倒的發生，然而若能建立判斷一般日常生活的門檻值與演算法，
則跌倒應也能以相仿方式制定門檻值。