高 青，陳洪波，馮 濤，朱振朋

老年人跌倒檢測系統(tǒng)的研究現(xiàn)狀與發(fā)展趨勢

高 青，陳洪波，馮 濤，朱振朋

闡述了老年人跌倒檢測系統(tǒng)的研究現(xiàn)狀，對視頻式環(huán)境式和穿戴式等現(xiàn)有的老年人跌倒檢測系統(tǒng)的技術(shù)原理進(jìn)行了總結(jié)。分析和討論了模式識別法、閾值判斷法等常用的人體跌倒識別算法的原理及其工作過程。結(jié)合當(dāng)前老年人跌倒檢測系統(tǒng)的優(yōu)缺點，對老年人跌倒檢測系統(tǒng)的發(fā)展趨勢進(jìn)行了展望，并認(rèn)為穿戴式跌倒檢測系統(tǒng)有更大的發(fā)展空間與市場前景。

老年人跌倒檢測系統(tǒng)；技術(shù)原理；跌倒識別；發(fā)展趨勢

0 引言

隨著社會老齡化形勢逐漸嚴(yán)峻，老年人的身心健康問題受到社會越來越多的關(guān)注。由于身體機(jī)能衰退、急慢性疾病、藥物副作用等因素的存在，老年人跌倒的發(fā)生率非常高[1]。跌倒是老年人群傷殘、死亡的重要原因之一，嚴(yán)重影響老年人的健康及生活自理能力[2-3]。開展老年人跌倒檢測研究工作，對于保障老年人的身體健康、減輕家庭經(jīng)濟(jì)負(fù)擔(dān)、節(jié)約社會醫(yī)療資源、緩解人口老齡化帶來的巨大壓力，具有重要的社會意義。

1 跌倒檢測原理及方法

人體動作可劃分為兩大類，即人體日常動作和跌倒[4]。實際生活中人體日常動作一般由多個動作組合而成；典型日常動作主要包括上下樓、行走、起立、坐下、彎腰、蹲下、跳、跑等。跌倒是指突發(fā)、不自主的、非故意的體位改變——倒在地上或更低的平面上[5-6]。根據(jù)跌倒方向的不同，可將跌倒動作分為4類——左側(cè)跌倒、右側(cè)跌倒、前向跌倒和后向跌倒[7]。跌倒發(fā)生過程一般很短暫，人體姿勢通常由直立狀態(tài)變?yōu)榻咏綘顟B(tài)，并伴隨著運(yùn)動參數(shù)，諸如人體運(yùn)動軌跡、姿態(tài)角、三軸加速度、角速度、速度、足底壓力等的顯著變化，同時生理參數(shù)，如皮膚電阻和心跳頻率也會發(fā)生變化。

利用跌倒本身的特征將跌倒與人體日常動作區(qū)別開來，并為跌倒者報警求助，即為跌倒檢測系統(tǒng)的目標(biāo)。系統(tǒng)一般由數(shù)據(jù)采集單元、數(shù)據(jù)處理單元以及遠(yuǎn)程監(jiān)護(hù)單元3部分組成，其結(jié)構(gòu)圖如圖1所示。數(shù)據(jù)采集單元通過傳感器采集人體運(yùn)動或生理參數(shù)，如視頻、加速度、角度、壓力、心率和皮膚電阻等。數(shù)據(jù)處理單元對接收到的傳感器數(shù)據(jù)進(jìn)行處理分析，判斷被監(jiān)護(hù)者是否發(fā)生跌倒事件。如果被監(jiān)護(hù)者發(fā)生跌倒事件，系統(tǒng)則通過有線或無線通信方式進(jìn)行遠(yuǎn)程報警。遠(yuǎn)程監(jiān)護(hù)單元配備于監(jiān)護(hù)中心或被監(jiān)護(hù)人家屬，當(dāng)接收到報警信息后，提醒相關(guān)人員對被監(jiān)護(hù)者進(jìn)行及時救助。

圖1 跌倒檢測系統(tǒng)結(jié)構(gòu)圖

目前跌倒檢測系統(tǒng)主要分為3類，即視頻式跌倒檢測系統(tǒng)、環(huán)境式跌倒檢測系統(tǒng)和穿戴式跌倒檢測系統(tǒng)。

1.1 視頻式跌倒檢測系統(tǒng)

視頻式跌倒檢測系統(tǒng)是在人體活動區(qū)域內(nèi)安裝視頻傳感器，采集人體運(yùn)動圖像，通過圖像分析的方法實現(xiàn)跌倒判斷。

Rougier等[8]利用人體跌倒過程中頭部運(yùn)動特征較為明顯的特點，提出了基于頭部運(yùn)動軌跡的檢測系統(tǒng)，即通過攝像頭采集人體圖像，并定位頭部位置，計算頭部運(yùn)動速度。如果頭部的水平速度和垂直速度同時達(dá)到峰值，并且垂直速度小于-1.5 m/s，同時水平速度大于2 m/s，則確定人體發(fā)生跌倒，其檢測準(zhǔn)確率為78.9%。人體跌倒過程中2幅連續(xù)圖像的頭部定位圖如圖2所示。

圖2 人體跌倒過程中2幅連續(xù)圖像的頭部定位圖

Vaidehi等[9]提出了一種基于人體靜態(tài)特征的視頻檢測方法，該方法利用人體靜態(tài)特征如人體長寬比和姿態(tài)角判斷是否發(fā)生跌倒，如果長寬比大于1，并且傾角在[45°，90°]范圍內(nèi)，則判定為跌倒動作。此方法不涉及任何速度計算，因此相對于動態(tài)檢測方法計算量較小。站立和跌倒?fàn)顟B(tài)下人體圖像及前景圖如圖3所示。

圖3 站立和跌倒?fàn)顟B(tài)下人體圖像及前景圖

Chua等[10]提出了一種結(jié)合人體形狀分析和頭部檢測的方法，利用橢圓擬合人體形狀，并從橢圓提取人體形狀變化特征來檢測跌倒，而頭部形狀檢測有助于區(qū)分跌倒和類跌倒動作，該方法的跌倒檢測準(zhǔn)確率達(dá)到了95%。不同狀態(tài)下頭部形狀如圖4所示。

視頻式跌倒檢測系統(tǒng)適用于室內(nèi)環(huán)境，無需穿戴，檢測準(zhǔn)確率高。但是這種檢測系統(tǒng)也存在缺點：（1）所獲取的視頻圖像信息受光線明暗以及周圍環(huán)境的影響很大；（2）涉及用戶隱私。

1.2 環(huán)境式跌倒檢測系統(tǒng)

環(huán)境式跌倒檢測系統(tǒng)通常在人體活動區(qū)域內(nèi)嵌入無線傳感器網(wǎng)絡(luò)、紅外傳感器、聲音傳感器、壓力傳感器、多普勒雷達(dá)等非視頻傳感器，采集人體運(yùn)動和姿勢信息，進(jìn)而判斷是否發(fā)生跌倒。

圖4 不同狀態(tài)下的人體頭部形狀

由于人體的陰影效應(yīng)，人體遮擋會引起無線傳感器網(wǎng)絡(luò)節(jié)點信號的變化，霍宏偉等[11]提出了一種利用體域網(wǎng)和室內(nèi)傳感器網(wǎng)絡(luò)來檢測老年人行為的方法，通過對比最小通信決策集合的內(nèi)容來判定人體是否跌倒，此方法的檢測準(zhǔn)確率達(dá)到了90%以上。

紅外傳感跌倒檢測設(shè)備[12]通過熱釋電紅外傳感器采集人體熱源數(shù)據(jù)，并從中提取人體目標(biāo)行為的動態(tài)信息，然后采用隱馬爾可夫模型HMM模式匹配的方法得到檢測結(jié)果。

基于聲波的跌倒檢測系統(tǒng)[13]利用音頻信號來進(jìn)行檢測，通過分析由人體撞擊地面而發(fā)出聲音的高度來判斷是否有跌倒發(fā)生。這種方法易受外界其他音頻信號干擾，并且易受地板材質(zhì)的影響，系統(tǒng)的識別率和適應(yīng)性不高。

嵌入了跌倒檢測塊的跌倒檢測地毯[14]采用壓力傳感器檢測壓力信息來判斷跌倒。這種跌倒監(jiān)測系統(tǒng)需要在監(jiān)測范圍內(nèi)布置跌倒檢測地毯，因此被監(jiān)測對象的活動范圍受限制，且施工較為困難，成本較高。

基于多普勒雷達(dá)的跌倒檢測系統(tǒng)[15]通過安裝于天花板的雷達(dá)來測量人體的運(yùn)動速度，利用人體在跌倒過程中速度不斷增加直至撞擊地面的特點，自動區(qū)分跌倒與其他活動，檢測準(zhǔn)確率達(dá)到了95%。

環(huán)境式跌倒檢測系統(tǒng)無需穿戴，不涉及用戶隱私，能在黑暗環(huán)境中工作，但是監(jiān)測范圍有限制，易受外界干擾信號的影響。

1.3 穿戴式跌倒檢測系統(tǒng)

穿戴式跌倒檢測系統(tǒng)通常將跌倒檢測單元嵌入到手機(jī)[16]、衣服、帽子、鞋、腰帶、首飾等處，可實時采集人體的運(yùn)動參數(shù)或生理參數(shù)，通過算法判斷是否發(fā)生跌倒事件。

基于加速度傳感器的穿戴式跌倒檢測系統(tǒng)通常采用三軸加速度傳感器，將其佩戴在人體某個或某幾個部位（如頭部、胸部、腰部、大腿、小腿和腳踝等），對人體相應(yīng)部位的三軸加速度數(shù)據(jù)信息進(jìn)行采集，然后通過分析加速度數(shù)據(jù)來識別跌倒。Chen等[17]研究了一種基于三軸加速度傳感器的無線可穿戴式跌倒檢測系統(tǒng)[17]，系統(tǒng)以合加速度數(shù)據(jù)及姿態(tài)角為依據(jù)進(jìn)行跌倒判別，靈敏度達(dá)到了95%，特異度為100%。

基于壓力傳感器的穿戴式跌倒檢測系統(tǒng)[18]通常將數(shù)據(jù)采集單元嵌入到鞋墊內(nèi)，以腳底壓力信息為跌倒識別的依據(jù)。系統(tǒng)首先根據(jù)腳底壓力平均值的大小來初步判斷人是否發(fā)生跌倒事件，然后利用支持向量機(jī)（support vector machine，SVM）算法進(jìn)行進(jìn)一步判定，檢測準(zhǔn)確率為80%以上。該系統(tǒng)的可穿戴式部件嵌入到被監(jiān)護(hù)人鞋墊內(nèi)，便于穿戴，監(jiān)護(hù)人無需每天關(guān)心該部件的佩戴問題，而且可以在任意的場景下進(jìn)行活動數(shù)據(jù)信息的采集。

基于多傳感器的穿戴式跌倒檢測系統(tǒng)也較為常見。薛源[19]采用加速度傳感器、角度傳感器和壓力傳感器，以人體的加速度、姿態(tài)角、腳底壓力信息為依據(jù)，采用閾值分析的方法進(jìn)行跌倒判定，檢測準(zhǔn)確率可達(dá)95%以上；李慧奇等[20]采用三軸加速度傳感器、三軸陀螺儀和三軸磁力計，以人體的加速度、角速度、姿態(tài)角信息作為跌倒判定的依據(jù)，采用閾值判斷法檢測跌倒，其靈敏度可達(dá)98.61%，且特異度為98.61%。此類系統(tǒng)避免了單一傳感器的局限性，可在一定程度上提高檢測準(zhǔn)確率，但同時也增加了算法的復(fù)雜度以及硬件的功耗。

跌倒發(fā)生過程也會伴隨有生理參數(shù)的變化，Nocua等[21]研究了一種基于量化自主神經(jīng)系統(tǒng)的穿戴式跌倒檢測系統(tǒng)，通過測量心率和皮膚電阻，采用支持向量機(jī)的分類方法進(jìn)行跌倒識別，此系統(tǒng)的靈敏度可達(dá)70.37%，特異度為80%。

穿戴式跌倒檢測系統(tǒng)體積小巧、便于穿戴，可全天候檢測，對使用場地要求低，而且價格比較低廉。系統(tǒng)可與血氧、心電、脈搏等健康監(jiān)護(hù)設(shè)備結(jié)合[22-23]進(jìn)行檢測；可利用全球定位系統(tǒng)（global positioning system，GPS）等裝置對被監(jiān)測對象的跌倒位置進(jìn)行無線定位[24]；可通過有線或無線等傳輸方式進(jìn)行遠(yuǎn)程跌倒報警[25]；并且可對人體進(jìn)行跌倒預(yù)警，在人體跌倒之前，啟動保護(hù)氣囊[26]等保護(hù)裝置以確保人體安全。但是此類設(shè)備需要被監(jiān)測者佩戴到身上才能發(fā)揮作用。

2 跌倒識別算法

目前，常用的跌倒識別算法有模式識別法和閾值判斷法等[27]。

模式識別法采用支持向量機(jī)[28]、人工神經(jīng)網(wǎng)絡(luò)[29]、決策樹[30]、樸素貝葉斯[31]、k-近鄰[32]以及極限學(xué)習(xí)機(jī)[33]等識別算法，通過釆集傳感器數(shù)據(jù)信息，對運(yùn)動模式進(jìn)行識別，將跌倒動作與人體日常動作區(qū)別開來，其處理流程圖如圖5所示。該類方法首先將采集到的數(shù)據(jù)信息進(jìn)行濾波等預(yù)處理，然后將預(yù)處理后的數(shù)據(jù)信息進(jìn)行特征提取，接著利用分類器區(qū)分跌倒與日常動作。模式識別法需要大量數(shù)據(jù)對分類器進(jìn)行訓(xùn)練，算法一般比較復(fù)雜，對硬件平臺的運(yùn)算速度和存儲空間要求較高[34]。

圖5 運(yùn)動模式識別法處理流程圖

閾值判斷法的思路是首先設(shè)定一個固定大小的滑動時間窗口，然后對窗口內(nèi)的數(shù)據(jù)信息用閾值方法進(jìn)行分析處理，如果某些指標(biāo)達(dá)到預(yù)設(shè)的閾值條件，則判定為一次跌倒事件。研究者通常根據(jù)實驗結(jié)果提取經(jīng)驗數(shù)值來確定閾值的大小。例如，Li等[35]通過實驗發(fā)現(xiàn)，將加速度傳感器固定在腰部，人體進(jìn)行ADL（activities of daily living）活動時，三軸加速度的矢量和即合加速度的變化范圍在[-1.5g，+1.5g]（g表示重力加速度）區(qū)間內(nèi)，而在跌倒碰撞瞬間，合加速度會驟然上升，其峰值一般可超過4g，跌倒事件發(fā)生后合加速度迅速下降。閾值判斷法比較簡單，但由于跌倒動作與類跌倒動作容易造成誤判，因此準(zhǔn)確度有待提高。解決的途徑通常是多傳感器融合，設(shè)定多個環(huán)節(jié)的閾值，并結(jié)合時間長度來判定跌倒[27]。

3 老年人跌倒檢測系統(tǒng)的發(fā)展趨勢

現(xiàn)有的跌倒檢測系統(tǒng)都各有其優(yōu)缺點，視頻檢測法涉及用戶隱私，環(huán)境檢測法誤判率相對較高，而且二者的使用場所均受一定限制。經(jīng)過綜合比較，筆者認(rèn)為穿戴式跌倒檢測系統(tǒng)有更大的發(fā)展空間與市場前景，因為這種方法不受地點范圍的限制，保護(hù)被監(jiān)測者的隱私，易與現(xiàn)有技術(shù)，如嵌入式技術(shù)、傳感器技術(shù)、健康監(jiān)護(hù)技術(shù)、無線通信技術(shù)等相結(jié)合，有較高的檢測準(zhǔn)確度、靈敏度和特異度等，可達(dá)到更好的監(jiān)測效果。

目前，跌倒檢測產(chǎn)品雖然已有不少，但是由于人體日常動作和跌倒情況復(fù)雜多樣，在研究過程中往往只選取特征性動作，并將動作進(jìn)行簡化等原因，跌倒識別率、實用性并不高，跌倒檢測產(chǎn)品還沒有被老年人真正接受。因此，只有提高跌倒檢測系統(tǒng)識別率和實用性，才能使其普遍應(yīng)用到老年人健康監(jiān)護(hù)領(lǐng)域。

總之，跌倒檢測系統(tǒng)能夠有效檢測跌倒事件的發(fā)生，為老年人的健康安全提供保障，但仍有待改進(jìn)和完善，其發(fā)展方向為：

（1）系統(tǒng)的跌倒識別率和實用性更高。

（2）系統(tǒng)向便攜化、微型化方向發(fā)展，便于檢測系統(tǒng)的安裝，不影響老年人的正常生活。

（3）系統(tǒng)向智能化方向發(fā)展，可實現(xiàn)無線定位、遠(yuǎn)程報警等功能，為老年人健康監(jiān)測物聯(lián)網(wǎng)提供技術(shù)支持。

（4）系統(tǒng)可實現(xiàn)跌倒預(yù)警，在老年人跌倒著地之前采取相應(yīng)的安全措施，使得老年人健康安全能夠得到最大程度的保護(hù)。

（5）系統(tǒng)與健康監(jiān)護(hù)相結(jié)合，家屬或家庭醫(yī)生可以隨時了解老年人的健康狀況，特別是跌倒后的老年人健康危險程度，從而更好地對老年人健康進(jìn)行監(jiān)護(hù)。

（6）系統(tǒng)能夠?qū)崿F(xiàn)低功耗、低成本，有利于產(chǎn)品的普及。

[1]于洪宇.老年人跌倒問題的相關(guān)因素研究與預(yù)防護(hù)理[J].中國老年保健醫(yī)學(xué)，2009，7（1）：85-88.

[2]周順福，宋桂香，李延紅，等.老年婦女跌倒性傷害的預(yù)防和控制[J].上海預(yù)防醫(yī)學(xué)雜志，2005，17（3）：113-115.

[3]郝燕萍，劉雪琴，靳海如.老年人跌倒致傷情況分析[J].護(hù)理研究，2006，20（22）：2 017-2 018.

[4]梁丁.基于MEMS慣性傳感器的跌倒檢測與預(yù)警研究[D].大連：大連理工大學(xué)電子信息與電氣工程學(xué)院，2012.

[5]Xoury N，Riuneau P，Bourke A K，et al.A proposal for the classification and evaluation of fall detectors[J].IRBM，2008，29（6）：340-349.

[6]劉青青，錢媛，王蕓，等.跌倒危險評估表應(yīng)用于老年患者的信度和效度研究[J].中國護(hù)理管理，2011，11（5）：31-33.

[7]趙祥欣.基于三維加速度傳感器的跌倒監(jiān)測研究[D].杭州：浙江大學(xué)生物醫(yī)學(xué)工程與儀器科學(xué)學(xué)院，2008.

[8]Rougier C，Meunier J，St-Arnaud A，et al.Monocular 3D head tracking to detect falls of elderly people[J].Conf Proc IEEE Eng Med Biol Soc，2006，1（1）：6 384-6 387.

[9]Vaidehi V，Ganapathy K，Mohan K，et al.IEEE-International Conference on Recent Trends in Information Technology，Chennai，June 3-5，2011[C].USA：IEEE，2011.

[10]Chua J L，Chang Y C，Lim W K.2013 International Conference on Multimedia，Signal Processing and Communication Technologies，Aligarh，November 23-25，2013[C].USA：IEEE，2013.

[11]霍宏偉，張宏科，Xu Y Z.基于室內(nèi)無線傳感器網(wǎng)絡(luò)射頻信號的老年人跌倒檢測研究[J].電子學(xué)報，2011，39（1）：195-200.

[12]劉海亮，楊艾琳.一種基于熱釋電紅外的跌倒檢測系統(tǒng)：中國，201110202549.5[P].2011-12-21.

[13]Popescu M，Li Y，Skubic M，et al.30th Annual International IEEE EMBS Conference，Vancouver，British Columbia，Canada，August 20-24，2008[C].USA：IEEE，2008.

[14]王立敏.模塊化的可拼接的跌倒檢測地毯：中國，201320021788.5[P]. 2013-07-31.

[15]Karsmakers P，Croonenborghs T，Mercuri M，et al.The 9th European RadarConference，Amsterdam，October31-November2，2012[C].USA：IEEE，2012.

[16]Thammasat E，Chaicharn J.2012 Biomedical Engineering International Conference，Ubon Ratchathani，December 5-7，2012[C].USA：IEEE，2012.

[17]Chen D S，F(xiàn)eng W，Zhang Y，et al.The 2011 IEEE International Conference on Robotics and Biomimetics，Phuket，Thailand，December 7-11，2011[C].USA：IEEE，2011.

[18]石欣，張濤.一種可穿戴式跌倒檢測裝置設(shè)計[J].儀器儀表學(xué)報，2012，33（3）：575-580.

[19]薛源.基于多傳感器的老人跌倒檢測系統(tǒng)的研究與應(yīng)用[D].武漢：武漢理工大學(xué)機(jī)電工程學(xué)院，2011.

[20]李慧奇，梁丁，寧運(yùn)琨，等.一種防跌倒預(yù)警系統(tǒng)的研究與實現(xiàn)[J].集成技術(shù)，2014，3（1）：47-54.

[21]Nocua R，Noury N，Gehin C，et al.Annual International Conference ofthe IEEE，Minneapolis，MN，September 3-6，2009[C].USA：IEEE，2009.

[22]李聲飛.基于WSN的穿戴式人體姿態(tài)與健康監(jiān)護(hù)系統(tǒng)的研制[D].重慶：重慶大學(xué)通信工程學(xué)院，2010.

[23]秦曉華.一種老年人移動健康監(jiān)護(hù)系統(tǒng)的研究[D].北京：清華大學(xué)醫(yī)學(xué)院，2010.

[24]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(yīng)用科技，2014，41（4）：22-28，76.

[25]謝開明.基于GPRS的跌倒檢測報警系統(tǒng)的設(shè)計與實現(xiàn)[D].重慶：重慶大學(xué)自動化學(xué)院，2010.

[26]Tamura T，Yoshimura T，Sekin M，et al.A Wearable Airbag to Prevent Fall Injuries[J].IEEE Trans Inf Technol Biomed，2009，13（6）：910-914.

[27]閆俊澤.基于三軸加速度傳感器的老年人跌倒監(jiān)測系統(tǒng)的開發(fā)[D].哈爾濱：哈爾濱工業(yè)大學(xué)機(jī)電工程學(xué)院，2012.

[28]Charfi I，Miteran J，Dubois J，et al.2014 World Symposium on ComputerApplications&Research，Sousse，Tunisia，January18-20，2014[C]. USA：IEEE，2014.

[29]Zhang Q B，Tian G H，Ding N N，et al.TheIEEEInternationalconferenceonInformationandAutomation，Yinchuan，China，August2013[C]. USA：IEEE，2013.

[30]何山.基于智能手機(jī)的日常活動識別和跌倒檢測[D].武漢：華中科技大學(xué)，2013.

[31]黃帥.老年人跌倒檢測系統(tǒng)中相關(guān)算法的研究及應(yīng)用[D].北京：清華大學(xué)，2011.

[32]Erdogan S Z，Bilgin T T.A data mining approach for fall detection by usingk-nearestneighbouralgorithmonwirelesssensornetworkdata[J]. Iet Communications，2012，6（18）：3 281-3 287.

[33]Ma X，Wang H，Xue B，et al.Depth-based human fall detection via shape features and improved extreme learning machine[J].IEEE J Biomed Health Inform，2014，18（6）：1 915-1 922.

[34]孫新香.基于三軸加速度傳感器的跌倒檢測技術(shù)的研究與應(yīng)用[D].上海：上海交通大學(xué)電子信息與電氣工程學(xué)院，2008.

[35]Li Y J，Chen G，Shen Y Y，et al.2012 IEEE 2nd International Conference on Cloud Computer and Intelligent Systems，Hangzhou，China，October 30-November 1，2012[C].USA：IEEE，2012.

（收稿：2015-01-05 修回：2015-05-25）

Research status and development tendency of fall detection system for the elderly

GAO Qing1,2,CHEN Hong-bo2,FENG Tao1,2,ZHU Zhen-peng1,2
（1.School of Electronic Engineering and Automation,Guilin University of Electronic Technology, Guilin 541004,Guangxi Zhuang Autonomous Region,China;2.School of Life&Environmental Science, Guilin University of Electronic Technology,Guilin 541004,Guangxi Zhuang Autonomous Region,China）

The research status of the fall detection system for the elderly was described,and the principles of the existing systems,including the vision-based,the ambient and wearable ones,were summarized.The principles and flows of pattern recognition method,threshold value judgment method and etc were analyzed.The advantages and disadvantages of the existing systems were explored,and the development tendency of the fall detection system for the elderly was discussed.It's pointed out wearable fall detection system might flourish in the future.[Chinese Medical Equipment Journal，2015，36（12）：102-105]

fall detection system for the elderly;technical principle;fall recognition;development trend

R318.6；TH772.2

A

[文章編號]1003-8868（2015）12-0102-04

10.7687/J.ISSN1003-8868.2015.12.102

國家自然科學(xué)基金項目（81460273）；廣西科學(xué)科技攻關(guān)項目（桂科攻1348020-10）；廣西自然科學(xué)基金項目（2013GXNSFA019325）

高 青（1986—），女，研究方向為人體健康信息監(jiān)測技術(shù)，E-mail：gaoqing0805@126.com。

541004廣西桂林，桂林電子科技大學(xué)電子工程與自動化學(xué)院（高 青，馮 濤，朱振朋），生命與環(huán)境科學(xué)學(xué)院（高 青，陳洪波，馮 濤，朱振朋）

陳洪波，E-mail：hongbochen@163.com