基于穿戴式平臺的老人摔倒監測系統設計*

蔡 靖, 樊毅堯, 董子健, 薛 琦, 高 樂, 千承輝

(吉林大學 儀器科學與電氣工程學院 ，吉林 長春 130026)

?

基于穿戴式平臺的老人摔倒監測系統設計*

蔡 靖, 樊毅堯, 董子健, 薛 琦, 高 樂, 千承輝

(吉林大學 儀器科學與電氣工程學院 ，吉林 長春 130026)

針對老年人跌倒傷害預防問題，基于人體軀域網絡可穿戴檢測平臺，設計了一種人體摔倒生理狀態檢測系統。系統主要包括摔倒狀態檢測模塊，人體生理狀態檢測模塊，GPS定位模塊以及遠程監護模塊等。當老年人摔倒發生時，摔倒狀態檢測模塊通過三軸加速度傳感器檢測，確認摔倒后立刻與遠程監護平臺通信，告知監護人，并通過穿戴式生理狀態檢測模塊實時監測其心率信息，利用GPS定位，通過無線通信的方式將摔倒位置以及生理信息實時反饋給監護人。實驗結果表明：該系統可以有效監測老人摔倒狀態和生理狀態，對及時救助有很大的幫助，具有良好的社會意義。

穿戴式； 摔倒檢測； 生理狀態檢測； GPS定位； 遠程監護

0 引 言

隨著全球老齡化的加劇和老年人口的增多，老年人的健康監護已經成為了重要的社會問題[1]。因身體機能的下降，老年人發生摔倒的概率非常高。

摔倒是指突發、不自主、非故意的體位改變，倒在同一平面或者不同的平面上。當前能有效監測摔倒的技術主要分為3類：基于視頻圖像進行分析；基于音頻信號進行分析；便攜穿戴式的檢測方式[2]。視頻圖像分析無法保證用戶的隱私安全，音頻信號分析安裝復雜，資金投入大，穿戴式檢測裝置方便可行成本低，能夠保證較高的準確性。綜合考慮各方面因素，穿戴式的老年人摔倒檢測裝置已經成為研究的主流方法[3]。

本文設計的老年人摔倒監測系統在摔倒檢測的基礎上，增加了對人體生理狀況的實時檢測功能、遠程報警和GPS定位，并且完善了摔倒檢測算法，增加了人體正常運動姿態和摔倒姿態動態閾值設置，對于摔倒的判斷更加精確。

1 系統組成

系統組成框圖如圖1所示。

圖1 系統組成框圖

當老人摔倒發生時，微控制器對測得的加速度信息進行判定，并通過心率測量模塊采集心電信號，計算心率；微控制器將摔倒狀態判定結果、心率值以及GPS定位模塊采集到的位置信息發送至遠程監護平臺，并報警提示[4]。

2 心率檢測模塊

心率檢測模塊采用的是功耗低準確度高且較為簡單方便的單導聯心電測量方式，從心電電極得到的心電信號經緩沖電路、前置放大電路、濾波電路，得到如圖2的心電信號波形[5]。

圖2 心電信號波形

以心電信號峰值幅度均值的60 %為基準閾值，定位R波位置[6]，設相鄰R波峰值點的時間間隔為T0(單位(s))，則測量得到的心率f0(單位(次/min))為

即通過測量1min之內有多少個RR間期來確定心率數[7]。

3 GPS定位模塊

GPS定位是通過GPS定位模塊與遠程監護平臺之間通信實現的，通過GPS定位，利用手機內置的遠程監護平臺調用百度地圖實現位置信息測量。

4 摔倒檢測算法設計

在日常生活中人體最基本的靜態姿勢包括：仰臥、俯臥、側臥、直坐、前傾坐、后傾坐、直立、前傾立、后傾立、蹲等情況。在研究摔倒時，將立姿身體左傾、立姿身體右傾、坐姿身體左傾、坐姿身體右傾也看作人體靜態姿勢。這幾種基本靜態姿勢之間相互組合就構成人體的基本活動姿態，包括：躺下、趴下、起身、彎腰、坐下、起立、行走、慢跑、小跳、上樓梯、下樓梯以及摔倒。摔倒可以按摔倒方向的不同分為前向摔倒、后向摔倒、左向摔倒和右向摔倒4種情況[8]。人體在進行這些活動時，身體的加速度和姿態角會發生變化，通過對不同動作的加速度和姿態角變化來判斷是否發生了摔倒[9]。

傳統的摔倒檢測算法設計都是建立在人體在同一個平面完成上述動作的基礎上，但是類似小跳、大跳這類動作是很有可能發生在兩個不同平面之間，單一平面判斷很容易引起摔倒誤判。

圖3 空間坐標系

人體姿態角定義為運動過程人體與地面垂直方向的夾角，由于人體的正常活動和摔倒時腰部發生的變化區別明顯，將加速度傳感器放置在腰部[11]。開始時，設人體處于直立狀態，加速度傳感器內部陀螺儀處于與水平面垂直狀態，此時系統定義人體姿態角為0°。在人體運動過程中，運用單片機每tms取一次陀螺儀返回的數據，設人體正常運動Nms后陀螺儀Z軸運動到Z1位置，此時單片機連續讀出m次陀螺儀傳出的角速度值。如圖4所示：虛線部分為原始陀螺儀位置，此時Z軸與Z1軸之間的夾角為姿態角。

圖4 人體姿態角定義

設單片機在Nms內得到的陀螺儀讀出的角速度分別為ω1，ω2，…,ωm，則有

式中 Φ為需要測量的姿態角。設

Fall={SVM>TSVM)∩(Φ>TΦ)}

式中 TSVM,TΦ分別為加速度向量幅值和人體姿態角閾值。當Fall為1時，即可判斷，發生摔倒。

5 實驗測試與結果分析

1)正常活動的原始數據采集

圖5為人體正常活動測量得到加速度向量幅值SVM參量隨時間變化的變化曲線。圖6為人體正常活動測量得到的人體姿態角Φ的變化曲線。

圖5 正常活動過程中SVM變化曲線

圖6 正常活動中，姿態角Φ變化曲線

2)摔倒時原始數據采集

摔倒過程是一個身體由直立或坐立短時間內發生傾斜變為躺倒的過程，劇烈的身體動作使各方向加速度值，人體姿態角發生顯著變化[12]。本算法將跌倒過程分為3個階段：a.還未摔倒時，人體身軀保持直立狀態，此時X軸和Y軸方向的加速度為0，Z軸方向的加速度為-g[13];b.人體身軀短時間內發生傾斜，身體姿態變化劇烈，短時間內3個方向的加速度都發生變化，Z軸方向的加速度變化最明顯，人體姿態角也不斷變大[14];c.摔倒發生后，人體身軀平躺、平臥或者側躺在水平地面上，Z軸方向的加速度為0，X軸和Y軸方向的加速度較大，人體姿態角為90°[15]。在這3個階段研究的基礎上，對前向摔倒、后向摔倒、左向摔倒和右向摔倒4種摔倒方式進行了研究，圖7為不同方向摔倒時測量得到的加速度向量幅值SVM參量隨時間變化的曲線。圖8為人體姿態角Φ參量隨時間變化的變化曲線。

圖7 不同方向摔倒時SVM變化曲線

圖8 不同摔倒方向時姿態角Φ變化曲線

3)實驗結果分析

人體正常活動實驗數據如表1所示：N1為正常動作編號，從1至8依次為行走、慢跑、上樓梯、下樓梯、同一平面內小跳、一個平面向另一個平面小跳、由站立到坐下再起立、由站立到仰臥(俯臥)再起身人體正常活動過程；摔倒過程的實驗數據如表2所示,N2為不同方向摔倒編號，從1至4依次為前向、后向、左向和右向摔倒。其中SVMmax為最大加速度向量幅值，Φmax為最大人體姿態角[15]。

表1 人體正常活動實驗數據

表2 摔倒過程的實驗數據

表1、表2實驗數據進行比較可得：設置合理人體姿態角閾值TΦ、加速度向量幅值閾值TSVM，人體活動過程中，當人體姿態角、加速度向量幅值超過閾值時，即可判斷摔倒發生。

6 結 論

本文提出了一種基于穿戴式的老人摔倒監測系統的設計，通過對人體正常活動與摔倒發生時重力加速度agn、加速度向量幅值SVM以及人體姿態角Φ之間的對比，得到了一種方便實用的老人摔倒判斷方法，經實驗證明：方法能夠有效的檢測出摔倒狀態，及時對摔倒老人進行救助，降低傷害，方法具有良好的經濟價值和社會價值。

[1] 姚 冕，馬英楠，高 星，等.基于慣性傳感的穿戴式跌倒預警防護系統[J].集成技術，2015, 4(5):69-77.

[2] 劉 鵬,盧潭城,呂愿愿,等.基于MEMS三軸加速度傳感器的摔倒檢測[J].傳感器技術學報,2014,27(4):570-574.

[3] 蔡 靖,田入運,劉 磊,等.基于人體傳感和Android技術的運動監測系統設計與實現[J].電子技術應用，2015，41(9):63-66.

[4] 文 杰，馬忠麗，薛祖播.基于無線通訊與GPS定位的人體跌倒檢測器[J].應用科技,2014,41(4):22-28.

[5] 董偉超，孟令軍，張會新.一種低噪聲便攜式的心電監測儀設計[J].現代電子技術，2009,32(5):127-130.

[6] 楊 斌，董永貴.電容耦合非接觸電極及心電信號獲取[J].儀器儀表學報，2016，36(5):1072-1078.

[7] 曹鴦婷，陳俊麗.改進型閾值提取心電信號的R峰值[J].電子測量技術，2015,38(12):107-110.

[8] 石 婷,賀志楠,姜 寧,等.基于Android平臺 的老人摔倒檢測系統設計[J].電子科技，2014,27(9):82-84.

[9] 崔英輝,詹 林.基于三軸加速度傳感器的老人摔倒檢測[J].現代電子技術，2013,36(3):130-132.

[10] 許繼平,李景濤,彭 森,等.基于三軸加速度傳 感器的老年人摔倒檢測系統[J].計算機仿真，2014,31(12):434-450.

[11] 卓從彬，楊龍頻，周 林，等.基于MPU6050加速度傳感器的跌倒檢測與報警系統設計[J].電子器件，2015(8):821-825.

[12] 王秀敏,張 麒,李婷婷.Android平臺下多路傾角傳感器驅動的設計與實現[J].儀表技術與傳感器，2013(9):18-20.

[13] 程 添,楊思思,馮 蓉,等.基于雙目標定的獨居老人摔倒檢測算法[J].傳感器與微系統2014,33(10)：100-103.

[14] 金 純,尹遠陽.一種基于統計學判別分析的老人摔倒檢測算法的研究[J].計算機應用研究，2014，31(1):89-91.

[15] 吳志強，曹 蕾，王 凱，等.基于智能手機的人體跌倒檢測系統設計[J].計算機工程與設計，2014,35(4):1465-1470.

Design of elderly tumble monitoring system based on wearable platform*

CAI Jing, FAN Yi-yao, DONG Zi-jian, XUE Qi, GAO Le, QIAN Cheng-hui

(College of Instrumentation & Electrical Engineering,Jilin University，Changchun 130026,China)

Aiming at the problems of prevention of elderly tumble damage,a wearable platform based on human area network which detects physiological status when the elderly fall down is designed.It mainly includes fall state detection module, human physiological state detection module,GPS positioning module and the remote monitoring module.When the elderly falls,the fall state detection module detects by triaxial acceleration sensor after confirm falling, the system immediately communicates with remote monitoring platform,transmit message physiological state information and GPS localization information about the elderly to the guardian by the wireless communication.The guardian can succor the elderly in time.The Experimental results show the system is effective for the elderly fall status detection and physiological condition monitoring can help for timely succor,and has good social significance.

wearable; fall detection; fall state detection; GPS positioning; remote monitoring

10.13873/J.1000—9787(2017)07—0130—04

2016—07—03

吉林省教育廳“十二五”科學技術研究項目(20150477);國家級大學生創新實驗計劃基金資助項目(2015650958)

TP 212.9

A

1000—9787(2017)07—0130—04

蔡 靖(1979-)，男，博士，講師，從事光電技術，穿戴式醫療儀器研究工作，E—mail:caijing1979@jlu.edu.cn。