基于Intel Curie的可穿戴式跌倒檢測報警系統(tǒng)的設(shè)計

謝月華，尤若寧，謝少玲，湯棟生，陳慶

中國人民解放軍第174醫(yī)院 醫(yī)學(xué)工程科，福建 廈門 361003

引言

近年來，隨著我國老齡化程度的不斷加深，60歲及以上人口比例已經(jīng)超過13%，且老齡化進(jìn)程呈加快趨勢。老年人意外跌倒而沒有得到及時救助導(dǎo)致的二次傷害，成為老年人致死的第二大因素。因此能夠及時、準(zhǔn)確識別老年人意外跌倒的發(fā)生，并向相關(guān)人員發(fā)出警報，將贏得寶貴的搶救時間，大大降低致死率[1]。

目前跌倒檢測系統(tǒng)的發(fā)展方向主要有基于視覺圖像、基于環(huán)境、基于可穿戴設(shè)備等。上述系統(tǒng)中識別準(zhǔn)確率最高的為基于視覺圖像的系統(tǒng)，但由于采用攝像頭收集圖像數(shù)據(jù)進(jìn)行計算，因此計算量巨大，且只能安裝于室內(nèi)使用；基于環(huán)境的系統(tǒng)需要安裝大量傳感器，同樣只能在室內(nèi)使用；基于可穿戴設(shè)備的系統(tǒng)雖然存在誤判率，但該類系統(tǒng)制造成本低且計算量相對較少，成為目前跌倒檢測系統(tǒng)的熱門方向。跌倒檢測識別算法主要有閾值法和人工智能檢測等，其中人工智能檢測主要包括極限學(xué)習(xí)機(jī)及神經(jīng)網(wǎng)絡(luò)等算法[2]。本文旨在設(shè)計一種基于Intel Curie的可穿戴式跌倒檢測報警系統(tǒng)，采用集成于模組中的六軸姿態(tài)傳感器采集佩戴者的身體姿態(tài)信息，通過低功耗藍(lán)牙將數(shù)據(jù)發(fā)送至佩戴者的手機(jī)，由手機(jī)應(yīng)用程序（Application，APP）處理數(shù)據(jù)并識別姿態(tài)，在佩戴者發(fā)生跌倒時通過短信及移動網(wǎng)絡(luò)向相關(guān)人員發(fā)出報警[3]。

1　設(shè)計

通過調(diào)研及深入的需求分析，系統(tǒng)的設(shè)計分為兩部分：一部分為可穿戴式檢測硬件模塊；另一部分為使用Java開發(fā)的手機(jī)APP軟件，包括跌倒檢測算法及報警功能。技術(shù)路線框圖，見圖1。

圖1　技術(shù)路線框圖

1.1　硬件系統(tǒng)設(shè)計

1.1.1Intel Curie模組

目前可穿戴式跌倒檢測系統(tǒng)的硬件傳感器模塊大部分采用陀螺儀/加速度傳感器微控制單元（Microcontroller Unit，MCU）的模式進(jìn)行設(shè)計，通常傳感器和MCU為分立的電子元器件或芯片，使硬件模塊設(shè)計時電路板尺寸受到一定限制。

本次設(shè)計采用最新的Intel Curie模組，紐扣大小的芯片內(nèi)集成了六軸姿態(tài)傳感器BMI160、低功耗藍(lán)牙模塊NRF51822等，1塊芯片即可完成過去需要多塊芯片共同工作才能實(shí)現(xiàn)的功能[4]。Intel Curie模組實(shí)物圖，見圖2。

圖2　Intel Curie模組實(shí)物圖

根據(jù)技術(shù)路線，1塊Intel Curie模組就能實(shí)現(xiàn)佩戴者身體姿態(tài)數(shù)據(jù)的采集、數(shù)模轉(zhuǎn)換、藍(lán)牙發(fā)送等功能。Intel Curie模組電路系統(tǒng)結(jié)構(gòu)圖，見圖3。

圖3　Intel Curie模組電路系統(tǒng)結(jié)構(gòu)圖

1.1.2主控芯片Intel Quark? SE

Intel Curie模組是專為可穿戴設(shè)備設(shè)計的芯片模塊，它搭載了Intel首款面向可穿戴設(shè)備的系統(tǒng)級芯片，也稱片上系統(tǒng)（System on Chip，SoC）：夸克（Quark SE）。

Quark? SE微控制器是基于X86構(gòu)架的32位單核心SoC芯片，處理器基本頻率32 MHz，包含9種通用IO，工作電壓1.8～3.3V，工作溫度范圍-40℃～85℃。它支持開源的Linux操作系統(tǒng)[5]。其系統(tǒng)框圖，見圖4。

圖4　Intel Quark? SE框圖

Quark? SE的核心面積應(yīng)該不到10 mm2，功耗不超過100 mW。Intel Quark? SE實(shí)物圖，見圖5。

圖5　Intel Quark? SE實(shí)物圖

Quark? SE集成有傳感器子系統(tǒng)，這降低了調(diào)用傳感器及處理傳感器數(shù)據(jù)時的功耗。該芯片還集成了模式匹配引擎，能夠?qū)崿F(xiàn)擁有128個神經(jīng)元的神經(jīng)網(wǎng)絡(luò)，且每個神經(jīng)元具有128種功能，支持K最近鄰算法（k Nearest Neighbor，k-NN）和徑向基函數(shù)（Radial basis function，RBF）。

1.1.3慣性測量芯片BMI160

Intel Curie中集成有BMI160作為慣性測量單元（Inertial Measurement Unit，IMU）。BMI160集成有一個16位3軸加速度計和一個16位3軸陀螺儀，是一個6軸慣性測量芯片。BMI160提供有串行外設(shè)接口（Serial Peripheral Interface，SPI）和兩線式串行總線（Inter-Integrated Circuit，I2C）兩種接口，在Intel Curie中BMI通過I2C與Quark? SE進(jìn)行通信。BMI160的I2C接線圖，見圖6[6]。1.1.4 低功耗藍(lán)牙芯片NRF51822

NRF51822是一顆集成了32位ARM Cortex M0內(nèi)核的SoC芯片，支持藍(lán)牙低能耗（Bluetooth Low Energy，BLE）4.0協(xié)議。本次設(shè)計中僅將其作為藍(lán)牙外設(shè)進(jìn)行使用，用于數(shù)據(jù)的發(fā)送和接收。在Intel Curie中，QuarkTMSE通過兩組I2C接口，其中4個通用輸入/輸出于NRF51822連接，1組進(jìn)行控制，另1組進(jìn)行數(shù)據(jù)通信[7]。

圖6　BMI160 I2C接線圖

2　軟件系統(tǒng)設(shè)計

2.1　芯片配置及軟件設(shè)計

2.1.1BMI160配置

BMI160及I2C的初始化及配置已經(jīng)集成在庫文件CurieIMU中，直接調(diào)用其中的begin函數(shù)即可完成。這初始化后需要對傳感器進(jìn)行校準(zhǔn)，調(diào)用calibrateOffsets函數(shù)執(zhí)行內(nèi)部校準(zhǔn)生成每個軸的偏移補(bǔ)償值。這里需要注意的是校準(zhǔn)過程中芯片需處于水平靜止?fàn)顟B(tài)。設(shè)置完成后即可通過readAccelerometer獲取三軸加速度的數(shù)據(jù)[8]。

2.1.2NRF51822配置

NRF51822及I2C的初始化及配置已經(jīng)集成在庫文件CurieBLE中，直接調(diào)用其中的begin函數(shù)即可完成。在初始化過程中僅需添加設(shè)備的藍(lán)牙識別名稱、服務(wù)的通用唯一識別碼、服務(wù)名稱、服務(wù)的特征即可。本次設(shè)計中Intel Curie作為從設(shè)備，通過setValue函數(shù)發(fā)送數(shù)據(jù)；智能手機(jī)作為主設(shè)備，接收并處理數(shù)據(jù)[9]。

2.1.3跌倒檢測算法設(shè)計

由于跌倒是突發(fā)的、非主動性的，人在跌倒過程中三軸加速度和角速度會在極短的時間內(nèi)發(fā)生劇烈變化。本設(shè)計中將傳感器得到的三軸加速合成為和加速度[10]，通過對和加速度的方向及大小的變化判斷人體姿態(tài)是否發(fā)生變化，再利用角速度的變化情況驗(yàn)證判斷結(jié)果[11]，若兩者結(jié)果均為跌倒則確認(rèn)跌倒發(fā)生。

圖7　跌倒算法流程圖

2.2　閾值測定

本系統(tǒng)采用的是基于閾值的跌倒檢測算法，所以需要確定該閾值。通過對1000名身高170～180 cm之間的成年男性的行走、坐下、躺下等日常非跌倒動作的和加速度數(shù)據(jù)進(jìn)行采集，可以發(fā)現(xiàn)和加速度大小均不超過2.4 m/s2，同時對該1000名男性跌倒動作的和加速度進(jìn)行采集，發(fā)現(xiàn)和加速度均超過4.4 m/s2。故將和加速度的閾值設(shè)為2.4 m/s2。具體實(shí)驗(yàn)數(shù)據(jù)，見表1～2。

表1　日常動作和加速度表（m/s2）

表2　跌倒動作和加速度表（m/s2）

2.3　移動網(wǎng)絡(luò)軟件設(shè)計

三軸加速度數(shù)據(jù)通過藍(lán)牙發(fā)送至智能手機(jī)[12]，通過手機(jī)APP運(yùn)行算法并判斷是否跌倒，若判定為跌倒則通過手機(jī)蜂鳴器發(fā)出警報，同時將報警信息通過短信及移動網(wǎng)絡(luò)發(fā)送至相關(guān)監(jiān)護(hù)人員手機(jī)。其中，發(fā)送的信息包括：跌倒發(fā)生的時間、跌倒者當(dāng)前姿態(tài)、地點(diǎn)定位等信息[13]。

3　實(shí)驗(yàn)驗(yàn)證與結(jié)果

本次設(shè)計對該系統(tǒng)進(jìn)行了實(shí)驗(yàn)檢測，分為正常動作、向前跌倒、向后跌倒、向左跌倒、向右跌倒5類共6種狀態(tài)，平均準(zhǔn)確率達(dá)到96.5%。具體實(shí)驗(yàn)結(jié)果，見表3。

表中，每種姿態(tài)的樣本中均有50次為做完動作后馬上恢復(fù)站立姿態(tài)。根據(jù)上表，可以通過以下兩個指標(biāo)對本系統(tǒng)進(jìn)行評價：

（1）檢測靈敏性，即在所有跌倒動作發(fā)生時正確判別的比例。本次實(shí)驗(yàn)的檢測靈敏性為96%。

（2）檢測特異性，即在所有日常動作發(fā)生時正確判別的比例。本次實(shí)驗(yàn)的檢測特異性為98%。

表3　實(shí)驗(yàn)結(jié)果陰性陽性分布表（次）

4　小結(jié)

通過實(shí)際實(shí)驗(yàn)測試結(jié)果可知，本文設(shè)計的基于Intel Curie的可穿戴式跌倒檢測報警系統(tǒng)能夠識別跌倒動作及跌倒方向并及時進(jìn)行報警。本系統(tǒng)采用高度集成化的Intel Curie芯片，極大降低系統(tǒng)功耗、縮小系統(tǒng)尺寸，能在跌倒發(fā)生后第一時間發(fā)出警報并通知監(jiān)護(hù)人員，為跌倒者獲得救護(hù)贏得寶貴的時間[14]。由于本系統(tǒng)將所有電子元器件集成于一塊芯片模組中，整個電子部分尺寸僅80 mm×110 mm，為外圍綁帶等設(shè)計提供極大便利。且傳感器、藍(lán)牙、MCU間的數(shù)據(jù)通訊直接在模組內(nèi)部完成，幾乎不受干擾；芯片間的時序、控制等初始化已在模組初始化時自動完成，大大降低復(fù)雜度，研發(fā)人員可專注與跌倒檢測算法的研究。

由于Intel Curie芯片集成度高，內(nèi)置了神經(jīng)網(wǎng)絡(luò)，下一步的研究工作可借助該神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)人工智能判斷身體狀態(tài)，更準(zhǔn)確、更快速的跌倒檢測算法[15]。同時，將應(yīng)用在飛行器上的姿態(tài)角作為判斷人體狀態(tài)的測量方法，也將為跌倒檢測提供新的思路[16]。

[參考文獻(xiàn)]

[1] 申晗,程恩琥.低成本老人居家跌倒檢測報警系統(tǒng)設(shè)計[J].中國新技術(shù)新產(chǎn)品,2016,(18):178-179.

[2] 秦瑀陽.老年人跌倒檢測報警裝置的研究與設(shè)計[D].大連:大連海事大學(xué),2013.

[3] 涂巧玲,戴宇航.基于手機(jī)短信息的人體跌倒自動報警研究[J].計算機(jī)工程與應(yīng)用,2008,(12):241-243.

[4] 尤若寧,莊偉萍.一種可穿戴式跌倒檢測報警系統(tǒng)的設(shè)計[J].中國醫(yī)療設(shè)備,2017,32(8):28-32.

[5] 佚名.加速物聯(lián)網(wǎng)布局,Mouser備貨全新基于x86架構(gòu)的Intel Quark微控制器及開發(fā)人員套件D200[J].微型機(jī)與應(yīng)用,2016,(10):6.

[6] 肖二寧,張興明,李康士,等.基于Arduino單片機(jī)的便攜式老年人跌倒報警系統(tǒng)設(shè)計[J].電子設(shè)計工程,2016,(9):150-152.

[7] 趙萬年,潘輝,黃超,等.基于nRF51822的藍(lán)牙防丟器的設(shè)計與實(shí)現(xiàn)[J].電子科學(xué)技術(shù),2016,(1):46-49.

[8] 李飛龍.基于三軸加速度傳感器跌倒檢測方法的研究[D].成都:電子科技大學(xué),2015.

[9] 王剛.基于Arduino Uno平臺的跌倒檢測報警系統(tǒng)設(shè)計[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用,2015,(7):49-52.

[10] 孫衛(wèi)紅.跌倒報警裝置軟件設(shè)計[J].計算機(jī)與網(wǎng)絡(luò),2016,(10):67-68.

[11] 任志玲,張冰倩,鄭麗媛.基于加速度傳感器的跌倒檢測與報警系統(tǒng)設(shè)計[J].計算機(jī)測量與控制,2013,(6):1428-1430.

[12] 張關(guān)平.基于智能手機(jī)的人體跌倒檢測報警系統(tǒng)設(shè)計及實(shí)現(xiàn)[D].哈爾濱:哈爾濱工業(yè)大學(xué),2016.

[13] 熊界,周曉青,劉志朋,等.基于低功耗藍(lán)牙的跌倒檢測系統(tǒng)的設(shè)計[J].中國醫(yī)療設(shè)備,2016,31(12):23-25.

[14] 何燕,唐曉慧,郭龍.老年人跌倒檢測報警裝置的研究與設(shè)計[J].物聯(lián)網(wǎng)技術(shù),2016,(4):24.

[15] Fan Y,Levine MD,Wen G,et al.A deep neural network for real-time detection offalling humans in naturally occurring scenes[J].Neurocomputing,2017,260.

[16] 鄭娛,鮑楠,徐禮勝,等.跌倒檢測系統(tǒng)的研究進(jìn)展[J].中國醫(yī)學(xué)物理學(xué)雜志,2014,31(4):5071-5076.