一種基于跌倒預警算法的老年防摔服

張澤芳 王昕 范寶元 于潔 梁藝瀠

摘要：針對目前市場上現有的老年人防摔服存在的準確率低，成本高等問題進行優化和改進，對老年人摔倒后可能受傷的部位探討與研究，提出一種基于氣囊智能保護的老人防摔衣物，充分結合電子科技技術，大大提高了感應靈敏度，具有穩定的技術支持。

關鍵詞：跌倒預警算法;六軸傳感器;跌倒預警實驗

1.緒論

冬季雪天路滑，許多老人由于腿腳不便，行走時面對著很大的風險。每年因不慎摔倒引起的骨折及其他并發癥患者居高不下，這些病癥嚴重威脅了老年人的身體健康。據統計，中國自2000年步入老齡化社會，到2019年底65歲及以上人口達1.76億，占總人口的12.6%。65歲以上老年人每年約有1/3發生跌倒，其中10%-15%會受到嚴重的損傷，跌倒平均治療費用為650.77元/次，且跌倒后骨折致死率極高。老年人最常見骨折有三種：髖部骨折（占19.8%），胸腰椎骨折（占18.8%），橈骨遠端骨折（占17.6%），除了身體受傷，老年人對運動產生的恐懼感也不容小覷。

通過科學有效的方法降低老年人在跌倒后所受到的身體損傷，已成為社會之亟需。本項目針對老人防摔智能氣囊防護問題展開討論，通過對人體運動過程中軀干與四肢的協同模式進行研究，分析正常運動與跌倒瞬間身體特征位置加速度關聯特性，開發聚友更為準確的檢測跌倒系統的老人防摔氣囊服裝，在跌倒預警算法方面提升產品的性能。

2.整體設計目標

本小組設計的老人防摔衣物內部結構如圖1所示。

置于人體腰部即重心位置的六軸加速度傳感器實時檢測使用者運動信號的變化，將數據傳輸給中央處理單元進行算法處理并與設置的加速度閾值進行比對。當使用者處于正常活動，監測數據在合理閾值范圍內，檢測系統、數據處理系統便重復進行檢測運算工作;當使用者跌倒時，監測的數據不在合理閾值范圍內，系統判定人體有跌倒的趨勢，控制系統將電信號經導線傳輸給各個氣囊的電磁閥門。電磁閥門即時打開，頭部、腰部以及髖部的二氧化碳氣瓶內的氣體迅速充滿氣囊，使氣囊在老人跌倒前完全膨脹。另外，在氣囊一角設有一個堵孔塞，使用過后拔開堵孔塞，便可完成對氣囊的放氣，塞上堵孔塞，更換二氧化碳氣瓶，防摔服便可以繼續工作。

3.系統整體結構及硬件設計

3.1人體運動信息采集

采用六軸加速度傳感器實時檢測人體運動的各類信息，在一個采樣點采集的信息依次是三軸加速度和三維歐拉角。人體運動信息用傳感器數據采集上位機進行采集與記錄，包括X軸加速度、Y軸加速度、Z軸加速度;姿態角，包括Roll角、Pitch角、Yaw角。將采集的信息以波形的形式輸出，各軸加速度與合加速度轉化關系為：

其中n為單個檢測周期檢測到的加速度的值的個數;a為合加速度，ai為各軸加速度。

采集數據時，設置采集頻率為100Hz，數據采樣時間間隔為10ms。 由于該數據不直觀，故將采集的數據保存，對數據進行Matlab繪圖分析，以時間為橫坐標，合加速度為縱坐標，觀察波形隨時間變化的規律。

3.2跌倒預警算法的建立

3.2.1實驗數據記錄及閾值的選擇分析

由于動作識別過程中部分動作存在相似性，故尋找更多人體動作特征值，將每個動作區分，以便更精準的識別出不同動作，降低跌倒預警算法的誤報率。將人的動作分為跌倒動作和日常動作兩大類：跌倒動作中，分為向前、向后、向左、向右摔倒;日常動作中，分為行走、跑步、上樓、下樓、乘坐電梯等。

調研發現，據大部分有相關需求的消費者群體反映，跌倒預警算法應主要實現對跌倒動作的判定及快速響應，即跌倒情況下預警的準確率必須得到保證，在此基礎上可以接受稍高的誤報率，故不需要將日常動作進行具體識別。

為了獲得人體在各種狀態下的加速度數據，需對人的日常活動進行監測，實驗對象為一個健康的成年人，實驗項目如下：

（1）向前、向后、向左、向右摔倒各十五次;

（2）戶外活動如跑步、行走各十分鐘;

（3）上樓、下樓及乘坐電梯等日常動作各十個來回;

在跌倒預警算法的設計過程中，先對跌倒動作的波形圖進行分析，了解跌倒動作的特征，通過實驗驗證跌倒準確率，再進行日常動作驗證，進行適當的參數調整。

?跌倒數據分析

圖2和圖3所示為四個方向跌倒繪得的合加速度曲線，分別為向后、前、左、右四個方向摔倒的加速度曲線。

當人體處于站立狀態，合加速度約為g，是跌倒前的日常動作區;當人體發生跌倒時，加速度隨時間有所波動，該階段為跌倒預警區，時長約為0.4-0.8s;當人體觸地時，受到地面的反作用力，合加速度驟增，產生較大的波峰，該階段為跌倒防護區。由于該實驗為模擬實驗，地面上設置海綿墊，人體所受地面的沖擊力有所減緩，合加速度的峰值小于10g，最大值為9g。

向前跌倒的曲線中，出現兩個峰值是由于膝蓋著地也受到地面的沖擊。通過實驗圖像及分析，對跌倒做出預警，必須將加速度的閾值設置在加速度出現波動的階段，該階段合加速度a<g，可認為人處于失重階段。

?日常活動數據分析

由于不需要將日常動作進行具體識別，故只對走路和跑步的合加速度數據曲線進行分析。根據圖像可以看出，走路與跑步均為類周期性變化，在日常活動下，均存在合加速度小于g的區間，但其區間相較于摔倒較短。

根據對合加速度曲線的分析，人在靜止狀態下的合加速度近似為g。人在跌倒時由于失重，存在合加速度a<g的情況，且合加速度越小說明失重越嚴重。綜上，將g設定為控制裝置認為人體處于摔倒狀態的閾值。

3.2.2跌倒預警算法

選定加速度閾值算法作為數據比對、分析的算法，是由于合加速度大小僅取決于人體運動的劇烈程度，排除了運動方向因素的影響。算法流程如圖4所示，stm32單片機將檢測的加速度數據按式4.1計算得到合加速度，將計算所得加速度與加速度設定閾值進行比較，當檢測加速度大于設定閾值時，即判定人體發生跌倒;當檢測加速度值小于設定閾值時，則繼續監測工作。

3.3 跌倒預警算法實驗

跌倒預警算法評判指標為跌倒預警的準確率，由于本實驗僅對跌倒預警算法進行評估，先不將控制系統與氣囊等部件相連，而是與蜂鳴器相連，分別對人體日常活動測試，包括行走、跑跳、上樓、下樓、乘坐電梯等。

實驗過程中，以30s為一個行走、慢跑周期;以人體跳躍腳面離開地面2-10cm為一個跳躍周期;以15級臺階為一個上樓梯、下樓梯周期;以乘坐一樓到四樓電梯為一個上樓周期;以乘坐四樓到一樓電梯為一個下樓周期。跌倒動作包括前倒、后倒、坐倒、右倒，5個大學生分別對上述動作進行20次實驗。

一般情況下對運動狀態識別的評價標準有如下幾種：

真正正確（True Positive，TP），表示跌倒動作發生，跌倒預警算法成功對其預警，蜂鳴器鳴響;

真正錯誤（True Negative，TN），表示日常動作發生，跌倒預警算法識別為日常動作，蜂鳴器未鳴響;

虛假正確（False Positive，FP），表示日常動作發生，跌倒預警算法誤以為是跌倒動作，蜂鳴器鳴響，稱為誤報。

虛假錯誤（False Negative，FN），表示跌倒動作發生，跌倒預警算法誤以為是日常動作，蜂鳴器未鳴響，稱為漏報。

準確率為真正正確和真正錯誤的次數之和與總實驗次數的比值，定義如下：

誤報率為虛假正確的次數與真正錯誤和虛假正確之和的比值，定義如下：

實驗測得的各動作的部分評判參數列于表3.3.1中：

從表中可以看出，在日常動作中出現兩次下樓梯誤報成跌倒，并使蜂鳴器鳴響，下樓梯準確率98%;出現一次坐電梯下樓誤報成跌倒，并使蜂鳴器鳴響，坐電梯下樓準確率99%。其余各類日常動作準確率為100%，因此日常動作整體準確率為99.67%。在跌倒動作中出現兩次前倒誤報成日常動作，并且蜂鳴器未鳴響，前倒準確率98%;出現三次后倒誤報成日常動作，并且蜂鳴器未鳴響，后倒準確率99%。其余各類跌倒動作準確率為100%。

總結

本文介紹了一種跌倒預警算法，根據實時加速度的大小將人體運動分為跌倒動作和日常動作，通過設置加速度閾值判斷人體運動狀態。將該算法植入STM32平臺進行實驗，實驗結果表明故該跌倒預警算法準確率較高，系統整體控制性能良好。該系統對當前老年防護市場具有一定的借鑒意義。

參考文獻：

[1]項鑫，王乙，中國人口老齡化現狀、特點、原因及對策[J]，中國老年學雜志，202141（18）：4151-4152.

[2]何培男，李月華，杜金朋，袁泓，李春楊，王樂為，一種新型老年防摔氣囊系統設計[J]，電子世界，2021（16）：160-161.

[3]陳紅霞，周冬梅，胡鉅濤，鄔佳妮，施宇， 老年人智能防摔服的設計綜述[J]，科技與創新，2021（09）：66-61，71.

[4]李春華，郇戰，陳學杰.基于加速度變化的步態識別方法[J]，傳感技術學報，2020（5）：693-698.

[5]王雅嫻，李艷梅，老年摔倒防護服裝的開發現狀及其發展趨勢[J]，毛紡科技，2019，47（09）：84-88.

[6]陳鵬，涂亞庚，童俊平，趙運勇，可穿戴式跌倒檢測智能系統設計[J].傳感器與微系統，2017（36）：114-116.

[7]防摔褲子[P].蔣愛華，于清曉，曾祥森，魏振紅.中國專利：CN211932626U，2020-11-17.

[8]許繼平，李景濤，彭森，陳天華，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（12）434-437，450.

作者簡介：

張澤芳（2001-），女，漢族，湖南邵陽人，吉林大學本科在讀，機械工程方向。

通訊作者：

王昕（1979-），男，漢族，王昕，吉林長春人，博士研究生，副教授，研究方向：機械電子工程，流體傳動與控制。