薛 源，高向陽

(1.武漢理工大學(xué)機(jī)電工程學(xué)院，湖北 武漢 430070;2.中國科學(xué)院深圳先進(jìn)技術(shù)研究院，廣東 深圳 518055)

由于社會結(jié)構(gòu)的改變，人口老齡化是各國不得不面臨的問題。據(jù)統(tǒng)計，每年有33%的65歲以上的老人發(fā)生過跌倒[1-2]，老年人的骨質(zhì)相對疏松，簡單的跌倒動作可能造成嚴(yán)重的后果，使其不能自救?；加泄谛牟?、腦梗塞和腦溢血等疾病的人跌倒后可能昏迷，如果延誤救助時機(jī)，后果不堪設(shè)想。

目前，跌倒檢測主要有3種方法[3]:①針對視頻的圖像分析，對象的實時運(yùn)動狀態(tài)由攝像頭監(jiān)測，其不足之處在于不能保障用戶的隱私[4];②針對音頻信號的分析，跌倒事件由分析沖擊地面導(dǎo)致振動的頻率來判斷，但其安裝比較復(fù)雜，并且對于不同的材質(zhì)地板和接觸地面，跌倒時產(chǎn)生的音頻信號相差較大，通用性差[5-8];③基于穿戴式的檢測裝置?？紤]用戶的隱私權(quán)和盡可能少的干擾用戶生活，穿戴式的檢測裝置是最適合的?，F(xiàn)有的穿戴式監(jiān)測跌倒系統(tǒng)通過分析加速度或獲取某些裝置(如旋轉(zhuǎn)裝置)的狀態(tài)來獲知。但上述的監(jiān)測方式對跌倒條件要求較高，體積大、功耗高、攜帶不便、識別條件單一，容易產(chǎn)生誤判。

針對上述問題，筆者提出了一種基于多傳感器信息融合的跌倒監(jiān)測系統(tǒng)來檢測老人生活中的跌倒。該穿戴式裝置由腰間部分和腳底部分組成，腰間部分可以方便地扣在皮帶上，腳底部分設(shè)計在鞋墊里，方便穿戴。通過腰間加速度傳感器和磁傳感器獲取人體運(yùn)動姿態(tài)，壓力傳感器獲取人體腳底壓力變化，通過無線模塊將采集到的數(shù)據(jù)發(fā)送到微處理器進(jìn)行處理判斷。

1 基于多傳感器的監(jiān)測系統(tǒng)設(shè)計

1.1 系統(tǒng)結(jié)構(gòu)

該系統(tǒng)結(jié)構(gòu)如圖1和圖2所示。兩只腳底的壓力采集模塊采集人體腳底壓力，經(jīng)過處理后，以無線方式發(fā)給主信息采集模塊，主信息采集模塊再將采集到的3軸加速度信息、傾角信息以及兩腳的壓力信息進(jìn)行融合整理，通過閾值算法判斷是否跌倒，然后按照一定的通信協(xié)議，以無線通信方式將判斷結(jié)果發(fā)送給緊急處理終端。當(dāng)信息融合緊急處理終端收到跌倒信息后，蜂鳴器鳴叫報警(或語音提示)，若20 s內(nèi)用戶沒有按取消按鈕，該終端按照預(yù)先設(shè)定的方式聯(lián)系救護(hù)(給家屬發(fā)短信、撥打120等);若在20 s內(nèi)收到按鍵信息，則報警由誤報引起，不聯(lián)系救護(hù)。

1.2 壓力采集與處理模塊

為降低功耗，采用德州儀器MSP430F169超低功耗單片機(jī)為主、從微處理器。其非常適合電池供電的便攜產(chǎn)品，提供了系統(tǒng)所需的I2C、SPI、A/D、UART等硬件資源，簡化了系統(tǒng)硬件結(jié)構(gòu)。壓力采集模塊設(shè)計成鞋墊放入鞋里，用于監(jiān)測腳底的壓力，鞋墊由塑膠材料制成，類似現(xiàn)在流行的增高鞋墊，鞋墊后部開口放置信息處理電路，與鞋墊集成一體，在靠近腳掌的一方安裝壓敏傳感器(FSR)，如圖3所示。

圖1 系統(tǒng)組成與安裝示意圖

圖2 系統(tǒng)結(jié)構(gòu)框圖

圖3 壓力采集與處理電路

壓敏傳感器型號為FSR-402，外形為圓形薄片狀，可方便地鑲嵌于鞋墊內(nèi)(直徑12.7 mm，厚0.5 mm)，當(dāng)圓形薄片承受壓力增大時，其電阻值減小，在該電路模塊設(shè)計中，使用分壓器來測量壓敏電阻器阻值的變化，獲取壓力值與電壓的關(guān)系;處理電路上有微處理器，無線通信模塊APC220，以及微電源系統(tǒng)等，由于該模塊需要安裝方便和較低功耗，因此處理電路設(shè)計要充分考慮電路尺寸的大小以及元器件的功耗。圖3右半部分為所設(shè)計的處理電路，尺寸為38 mm×38 mm。

1.3 腰間主信息采集與處理模塊

為了便于硬件電路的安裝與攜帶，以及跌倒后用戶與處理終端的交互，根據(jù)電路和電源尺寸，設(shè)計了能方便扣在人體腰帶上的安裝盒;該安裝盒材質(zhì)為硬質(zhì)塑料并裝有按鍵，尺寸為68 mm×52 mm×16 mm，而盒內(nèi)主控電路尺寸為49 mm×39 mm，如圖4左半部分所示。這樣既保護(hù)了硬件系統(tǒng)，也不會對人體造成傷害，盒子后面有卡扣，方便安裝與取下;左側(cè)長方體形小盒安裝7號AAA鋰電池，經(jīng)過電源系統(tǒng)的變壓穩(wěn)壓處理，為右側(cè)核心微處理器、加速度傳感器、磁傳感器和無線通信模塊等提供電源;該檢測系統(tǒng)具有較低功耗，一節(jié)7號電池可以連續(xù)工作半個月左右。采用AD公司的3軸加速度傳感器ADXL345，獲取人體空間上x、y、z 3個方向上的實時加速度值，其量程 ±2g/±4g/±8g/±16g(g=9.8 m/s2)可選，靈敏度高達(dá)4 mg/LSB。采用霍尼韋爾HMC6343磁傳感器獲取人體的實時姿態(tài)信息，一般來說，為監(jiān)測人體的跌倒?fàn)顩r，3軸加速度計和電子羅盤磁傳感器要放置在人體上一般不會產(chǎn)生較大動作的部位，如頸、胸、腹、腰等，從舒適度以及穿戴習(xí)慣角度考慮，優(yōu)選為置于腰部。

圖4 腰間信息采集與處理電路

1.4 無線通信模塊以及信息融合緊急處理終端

選用APC220嵌入式無線數(shù)據(jù)傳輸模塊實現(xiàn)壓力采集模塊、主信息采集模塊、信息融合緊急處理終端之間的無線通信，這樣各個模塊在安裝上獨(dú)立，不需要通過有線連接，使用者可以在寬敞的空間自由移動，功耗較低，體積較小(37 mm×17 mm×6.5 mm)，處理器接口較少，傳輸距離為1 000 m，采用高效的循環(huán)交織編碼，最大可糾正24 b連續(xù)突發(fā)錯誤，能在較強(qiáng)干擾的惡劣環(huán)境下使用，使整個系統(tǒng)可靠。緊急處理終端包括PC與終端處理程序、短信(彩信)收發(fā)模塊和語音報警模塊。當(dāng)系統(tǒng)檢測到跌倒后，短信模塊發(fā)送短信到設(shè)定的號碼，聯(lián)系救護(hù)，語音系統(tǒng)開始報警。

2 基于閾值的跌倒檢測算法

2.1 跌倒算法分析

采用閾值的分割方法，把跌倒事件從走路、跑步、坐下、站立和跳躍等正常的日常生活事件中區(qū)分開來，將3軸加速度傳感器、磁傳感器以及壓力采集模塊3者獲取的信息進(jìn)行融合，能夠更全面地對跌倒?fàn)顩r進(jìn)行判斷，提高判斷的準(zhǔn)確度，減少誤判。微處理器通過I2C總線讀取3軸加速度傳感器ADXL345的加速度值ax(x軸加速度值)、ay(y軸加速度值)、az(z軸加速度值)以及磁傳感器的傾角數(shù)據(jù)。取a的值為:

分析向前跌倒、向后跌倒、向左側(cè)跌倒和向右側(cè)跌倒這幾種典型跌倒，采集跌倒時的加速度數(shù)據(jù)，用Matlab繪制出如圖5和圖6所示的曲線，圖5為各種跌倒時3軸加速度曲線圖，圖6為通過式(1)處理后的加速度曲線，處理后的跌倒判斷更清晰直接。

圖5 典型跌倒時的3軸加速度曲線

圖6 典型跌倒處理后的加速度曲線

該系統(tǒng)佩戴在腰間和腳底，在各種跌倒的過程中，產(chǎn)生較大的加速度值，通過大量的跌倒實驗，在獲取的上千個跌倒樣本中，加速度a的最大值為12.6g，最小值為4.9g，平均值為6.1g;從圖6可知，整個跌倒過程持續(xù)1～3 s，首先加速度開始減少，此時人失去平衡開始倒下，在接觸地面的瞬間，產(chǎn)生大的加速度，因此會有很大的加速度尖峰，而后由于地面與人體的緩沖，產(chǎn)生一定的加速度波動，一段時間以后加速度趨于穩(wěn)定[9-10]。圖7是穿戴者在正常日常生活中加速度變化曲線，可知穿戴者在站立和坐下等靜態(tài)時，人體的加速度值a=1g與重力加速度值相等;走路時人體的加速度值a＜3g;跑步、跳躍等劇烈動態(tài)運(yùn)動中，人體加速度值較大，與跌倒時產(chǎn)生的加速度值相當(dāng)。因此可通過產(chǎn)生大的加速度以后的狀態(tài)來判斷跌倒，即二次判斷。而人體的傾角在跌倒前與跌倒后發(fā)生較大的變化，如圖8所示，即可以通過跌倒后人體傾斜角度的變化來進(jìn)行二次判斷，通過判斷產(chǎn)生大的加速度后的狀態(tài)，來區(qū)分跌倒與跑步、跳躍等劇烈活動;人體在日?；顒又?，左右腳腳底有較大的壓力值，并交替變化;而當(dāng)人體跌倒以后，腳掌離開地面，腳底壓力值減小或為零，故可以通過采集二次判斷以后腳底的壓力數(shù)據(jù)，來提高跌倒判斷的準(zhǔn)確性，在人體做快速的彎腰動作時，效果尤為明顯，能將誤判率降為零。

圖7 日?；顒又刑幚砗蠹铀俣惹€

圖8 跌倒后傾角變化曲線

2.2 跌倒算法的軟件實現(xiàn)

跌倒監(jiān)測算法分為以下幾個階段:系統(tǒng)實時檢測人體的加速度值，當(dāng)加速度值滿足a＞4.8g時，即判斷有疑似跌倒事件產(chǎn)生，系統(tǒng)進(jìn)入二次判斷;二次判讀通過磁傳感器獲取人體傾角數(shù)據(jù)，當(dāng)其傾角值θ＞55°時，系統(tǒng)進(jìn)入第3次判斷;通過無線通信模塊發(fā)送指令獲取腳底壓力值，判斷結(jié)束后即可準(zhǔn)確知道是否有跌倒事件發(fā)生;檢測到跌倒事件后，緊急處理終端語音報警，并通過定時器等待20 s，如果在20 s內(nèi)沒有收到佩戴者的按鍵信息，則發(fā)送短信或者自動撥通120聯(lián)系救護(hù)，如果收到按鍵信息，則證明是由系統(tǒng)誤判引起，提供了佩戴者與系統(tǒng)緊急處理終端的交互。

實現(xiàn)算法的軟件環(huán)境為IAR EW4.21，Embedded Workbench for MSP430是IAR Systems公司為MSP430微處理器開發(fā)的一個集成開發(fā)環(huán)境。IAR具有入門容易、使用方便和代碼緊湊等特點(diǎn)。在該軟件環(huán)境下編寫程序，然后下載到MSP430169單片機(jī)中運(yùn)行，實時監(jiān)控老人身體的姿態(tài)變化。緊急處理終端是老人服務(wù)機(jī)器人上的嵌入式PC，基于Visual C++平臺在該P(yáng)C上編寫上位機(jī)處理程序，該程序功能包括串口接收與處理無線模塊端的數(shù)據(jù)，短信模塊收發(fā)短信的處理。跌倒檢測算法流程圖如圖9所示。

圖9 跌倒檢測算法流程圖

3 實驗結(jié)果

跌倒監(jiān)測系統(tǒng)的性能是通過跌倒判斷識別率和日常行為誤報率來體現(xiàn)的，出于安全考慮，沒有讓老年人做跌倒實驗，參與實驗者為年齡在24歲以上不同身高和體重的5位年輕人。實驗分為兩部分，第一部分通過各種真實跌倒來檢驗跌倒判斷的識別率，實驗內(nèi)容包括向前跌倒、向前跌倒后在地上滾動、向后跌倒、向后跌倒后在地上滾動、向左側(cè)跌倒和向右側(cè)跌倒6種類型的跌倒，每類跌倒各試驗20次;第二部分通過正常的日?；顒觼頇z測該系統(tǒng)的誤報率，實驗內(nèi)容包括快速坐下、躺下、彎腰、跳躍、走路和跑步6種日常行為，這6種日常行為涵蓋了所有日常事件，前4種事件各進(jìn)行20次，后兩種各進(jìn)行5 min。實驗結(jié)果如圖10所示。從圖10中可以看出，5位實驗者的跌倒識別率都在95%以上，誤報率在1.67%以下，證明了該跌倒監(jiān)測系統(tǒng)具有較好的檢測效果。

圖10 實驗結(jié)果

4 結(jié)論

筆者結(jié)合加速度傳感器、磁傳感器和壓力傳感器，提出基于多傳感器的實時動態(tài)跌倒監(jiān)測系統(tǒng)的設(shè)計方案。以嵌入式處理器MSP430F169為處理內(nèi)核，利用數(shù)據(jù)采集與融合，無線多機(jī)通信等技術(shù)，檢測老年人在日常生活中的意外跌倒，并能報警和自動聯(lián)系救護(hù)，通過實驗驗證并評估了該系統(tǒng)和檢測算法的有效性。結(jié)果表明該系統(tǒng)具有較高的識別率，較低的誤報率，簡單易用，放在腰間皮帶上和鞋墊中，符合人們的穿戴習(xí)慣，最大限度地降低了對日常生活的干擾。

[1] 中華人民共和國衛(wèi)生部.2003年中國衛(wèi)生統(tǒng)計年鑒[M].北京:中國協(xié)和醫(yī)科大學(xué)出版社，2003:215-249.

[2] 覃朝暉.北京市城市社區(qū)1512名老年人跌倒的危險因素分析[J].中華流行病學(xué)雜志，2006，27(6):579-582.

[3] LUO S H，HU Q M.A dynamic motion pattern analysis approach to fall detection[C]∥IEEE International Workshop on Biomedical Circuits＆ Systems.[S.l.]:[s.n.]，2004:53-56.

[4] BROMILEY P A，COURTNEY P，THACKER N A.Design of a visual system for detecting natural events by the use of an independent visual estimate:a human fall detector[C]∥Empirical Evaluation Methods in Computer Vision.[S.l.]:[s.n.]，2002:231-235.

[5] DOUGHTY K，CAMERON K.Primary and secondary sensing techniques for fall detection in the home[R].London:City University，1999.

[6] 石欣，熊慶宇，雷珞寧.基于壓力傳感器的跌倒檢測研究[J].儀器儀表學(xué)報，2010，31(3):66-70.

[7] FISCHER M J，LYNCH N A，PATERSON M S.Impossibility of distributed consensus with one faulty processor[J].Journal of the ACM，1985，32(2):374-382.

[8] 山田剛良.3軸加速度傳感器將在消費(fèi)電子產(chǎn)品中普及[J].電子設(shè)計應(yīng)用，2007(1):78-82.

[9] YU X G.Approaches and principles of fall detection for elderly and patient[C] ∥ 2008 10th International Conference on E-health Networking，Applications and Services.[S.l.]:[s.n.]，2008:42-47.

[10] EUGENE S，VLANDIMIR B，JOHN G.Medical emergency event detection:detecting falls[D].Boston:MIT Computer Science and Artificial Intelligence Laboratory，2004.