程一風(fēng)，李 達(dá)，張翔晨

（華中師范大學(xué) 湖北 武漢　430079）

基于Android手機(jī)多傳感器的老人跌倒檢測(cè)技術(shù)研究與實(shí)現(xiàn)

程一風(fēng)，李 達(dá)，張翔晨

（華中師范大學(xué) 湖北 武漢430079）

為了減少因跌倒后救治不及時(shí)給老人身心帶來(lái)的傷害，文中提出了一種基于Android手機(jī)多傳感器的跌倒檢測(cè)方法。利用三軸加速度傳感器和氣壓計(jì)，檢測(cè)跌倒時(shí)加速度和海拔高度的變化特征，實(shí)現(xiàn)跌倒判定。同時(shí)考慮到不同體格特征的人群身高、體重、年齡等的差異，文中引入了合理的閾值調(diào)節(jié)機(jī)制。并且，文中基于此方法在Android智能手機(jī)平臺(tái)上設(shè)計(jì)實(shí)現(xiàn)了跌倒檢測(cè)系統(tǒng)，實(shí)驗(yàn)結(jié)果表明該系統(tǒng)的檢測(cè)準(zhǔn)確率86%。

跌倒檢測(cè)；Android；三軸加速度傳感器；氣壓計(jì)

隨著中國(guó)人口老齡化程度的加深，老年人的健康安全監(jiān)護(hù)問(wèn)題成為了一個(gè)巨大的社會(huì)難題。由于身體機(jī)能衰退等原因，老年人的生活自理能力逐步下降，難免遭受一些意外傷害，其中跌倒問(wèn)題顯得尤為突出。調(diào)查顯示，意外跌倒成為了老年人健康的“頭號(hào)殺手”，它會(huì)給老人的身心帶來(lái)巨大的傷害，若是救治不及時(shí)，不僅會(huì)大大加深傷害程度，甚至有可能危及生命。因此，研究老人跌倒檢測(cè)問(wèn)題具有非常重要的社會(huì)意義。

現(xiàn)有的跌倒檢測(cè)系統(tǒng)主要包括基于圖像的檢測(cè)系統(tǒng)、基于聲頻信號(hào)的分析、基于穿戴式的裝置檢測(cè)?；趫D像的檢測(cè)方法由攝像頭對(duì)老人的運(yùn)動(dòng)實(shí)時(shí)監(jiān)測(cè)，其準(zhǔn)確度較高，但不足之處在于不能保證用戶(hù)的隱私?；诼曨l信號(hào)的監(jiān)測(cè)裝置安裝比較復(fù)雜，資金投入也比較大?；诖┐魇降难b置檢測(cè)對(duì)于老年人的限制最小，精度也較高。但還是存在一些問(wèn)題，例如老人需要佩戴特殊的檢測(cè)裝置，但在日常生活中老人很難保證隨時(shí)佩戴，導(dǎo)致檢測(cè)效果大打折扣。并且目前大部分的穿戴檢測(cè)裝置需要使用者以固定方向佩戴在固定位置（如腰部），這或多或少會(huì)影響到老人的日?；顒?dòng)。

因此，本文提出一種新型可穿戴式檢測(cè)方法。以智能手機(jī)作為載體，利用手機(jī)中集成的三軸加速度傳感器和氣壓計(jì)，通過(guò)閾值判斷實(shí)現(xiàn)跌倒檢測(cè)。該方法有如下優(yōu)點(diǎn)：

1）用戶(hù)僅需攜帶手機(jī)便能進(jìn)行跌倒檢測(cè)，無(wú)需攜帶額外的檢測(cè)設(shè)備，大大降低了對(duì)老人日常生活的影響。

2）引入氣壓計(jì)進(jìn)行聯(lián)合判斷能有效減小誤報(bào)率。生活中一些如跑步、起立等行為的加速度變化特征與跌倒相似，若單獨(dú)采用加速度傳感器檢測(cè)跌倒，在進(jìn)行這類(lèi)活動(dòng)時(shí)可能會(huì)引起誤報(bào)。引入氣壓計(jì)檢測(cè)跌倒時(shí)海拔高度的變化，能有效排除以上相似行為誤報(bào)的可能性，從而更進(jìn)一步降低誤報(bào)率。

3）無(wú)需固定手機(jī)放置的位置與方向?，F(xiàn)有的一些檢測(cè)設(shè)備通過(guò)檢測(cè)跌倒時(shí)人體方向的變化實(shí)現(xiàn)判別，而本文中提出的方法無(wú)需依賴(lài)角度的變化，因此對(duì)手機(jī)放置的方位沒(méi)有限制。

1　基于智能手機(jī)多傳感器的跌倒檢測(cè)方法

1.1傳感類(lèi)型和數(shù)據(jù)預(yù)處理

本設(shè)計(jì)利用智能手機(jī)本身集成的加速度傳感器和氣壓計(jì)，采用閾值判斷的方法實(shí)現(xiàn)跌倒檢測(cè)功能。三軸加速度傳感器能夠測(cè)量空間中三軸的加速度分量；氣壓計(jì)能夠檢測(cè)所處環(huán)境的氣壓強(qiáng)度，從而計(jì)算出當(dāng)前的海拔高度。

數(shù)據(jù)預(yù)處理包括滑動(dòng)平均濾波和加速度合成兩大部分。其具體內(nèi)容如下：

1）由于外界環(huán)境因素以及傳感器自身的精度問(wèn)題，傳感器所采集的數(shù)據(jù)或多或少會(huì)存在“噪聲”，為了提高判斷的正確率，降低噪聲的干擾，本文采用滑動(dòng)平均濾波的方法對(duì)合加速度和海拔高度數(shù)據(jù)進(jìn)行平滑處理，減小尖峰或低谷噪聲的影響。

2）三軸加速度傳感器輸出的原始數(shù)據(jù)是以其規(guī)定的直角坐標(biāo)系X、Y、Z 3個(gè)方向上的分量值。為了消除放置角度和方向的影響，本文選取合加速度作為研究量，其計(jì)算公式為式（1）：

1.2跌倒特征分析

1）合加速度特征分析

根據(jù)大量實(shí)驗(yàn)及相關(guān)研究文獻(xiàn)［1-2，4］發(fā)現(xiàn)，合加速度值在人體跌倒時(shí)呈現(xiàn)出一個(gè)先減小后增大的趨勢(shì)。這是符合理論的，人體在失去平衡向下傾倒的過(guò)程中處于類(lèi)似自由落體的狀態(tài)，這時(shí)合加速度會(huì)急劇減小，而在接觸地面的一瞬間，人體由運(yùn)動(dòng)狀態(tài)突然轉(zhuǎn)變?yōu)殪o止?fàn)顟B(tài)，在很短的時(shí)間內(nèi)速度降為0，故此階段合加速度會(huì)急劇增大，且隨后的靜止?fàn)顟B(tài)將至少持續(xù)3 s［5］，其特征如圖1所示。

在老人的正常行為中，合加速度的變化是十分復(fù)雜的，其中很多行為也伴隨著規(guī)律的加速度變化。例如坐下、起立、乘坐電梯、慢跑、跳躍等。“坐下”這個(gè)動(dòng)作的加速度變化趨勢(shì)與跌倒相同，但由于速度的變化較為緩慢，可以通過(guò)控制檢測(cè)時(shí)間的窗口大小來(lái)消除這類(lèi)動(dòng)作對(duì)檢測(cè)準(zhǔn)確率的干擾。

圖1　跌倒合加速度

圖2　跌倒前后海拔高度記錄

2）海拔高度特征分析

在日常生活中，老人的一些正常行為由于加速度變化趨勢(shì)與跌倒相似，若只通過(guò)合加速度的變化來(lái)檢測(cè)判斷，仍存在一定可能被誤判為跌倒。所以，本文引入氣壓計(jì)檢測(cè)海拔高度的變化，以此來(lái)進(jìn)行輔助判斷，減小誤判的可能。

用戶(hù)在佩戴裝置的狀態(tài)下發(fā)生跌倒，裝置所處的海拔高度將會(huì)發(fā)生明顯的改變。具體大小會(huì)根據(jù)每個(gè)人的身高，身材比例不同而有所差異。進(jìn)行模擬實(shí)驗(yàn)時(shí)，考慮到跌倒具有一定的危險(xiǎn)性，因此由多名不同身高的青年志愿者模擬老人的跌倒過(guò)程。跌倒前后的海拔高度變化曲線圖如圖2所示。

“跳躍”和“跑步”的合加速度變化曲線分別如圖3與圖4所示。由圖可知，這兩項(xiàng)行為的合加速度變化曲線在某一時(shí)間段內(nèi)與跌倒相似，可能會(huì)產(chǎn)生誤報(bào)。但“跳躍”前后的海拔高度相同；“跑步”的海拔高度在窗口時(shí)間內(nèi)無(wú)明顯的變化，故而本文提出使用氣壓計(jì)進(jìn)行輔助判斷的方法可消除類(lèi)似行為的誤報(bào)。

圖3　跳躍合加速度

圖4　跑步合加速度

1.3跌倒檢測(cè)算法

根據(jù)以上分析得到的跌倒特征，本文將跌倒檢測(cè)過(guò)程分為4個(gè)階段。在第一階段檢測(cè)失重狀態(tài)，系統(tǒng)將實(shí)時(shí)檢測(cè)合加速度，若其小于門(mén)限amin，說(shuō)明進(jìn)入失重狀態(tài)。若出現(xiàn)失重，則進(jìn)入第二階段，判斷是否在一定時(shí)間內(nèi)發(fā)生碰撞，即檢測(cè)在0.8 s內(nèi)合加速度值是否大于門(mén)限amax，若符合這一條件，則說(shuō)明發(fā)生人體發(fā)生碰撞；第三階段檢測(cè)是否出現(xiàn)靜止?fàn)顟B(tài)，即在檢測(cè)到合加速度值超過(guò)amax后，延時(shí)0.5 s，再檢測(cè)隨后的0.5內(nèi)合加速度是否維持在g左右（g為重力加速度，其大小是9.8m/s2）。若滿(mǎn)足這一條件，將進(jìn)行第四階段的海拔高度差檢測(cè)，取達(dá)到閾值amin時(shí)刻前0.5 s內(nèi)的海拔高度平均值和第三階段中0.5 s內(nèi)的海拔高度平均值相減，若其差值大于閾值hmax，則判定為跌倒，觸發(fā)報(bào)警。具體流程如圖5所示。

圖5　算法流程圖

初始設(shè)置加速度的閾值amax=1.5 g、amin=0.8 g，海拔高度差的閾值hmax=0.6 m。但由于使用者的身體特征如身高、體重等以及性別、年齡會(huì)對(duì)檢測(cè)結(jié)果產(chǎn)生一定的影響［3］，故采用動(dòng)態(tài)門(mén)限設(shè)置，即加速度的閾值amax以及海拔高度差的閾值hmax會(huì)根據(jù)使用者輸入的個(gè)人信息進(jìn)行微調(diào)，在一定程度上降低個(gè)體的差異對(duì)檢測(cè)結(jié)果的影響。其中，根據(jù)個(gè)人的身高和體重信息，可以得到身體質(zhì)量指數(shù)（BMI），如式（2）所示。

2　實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證系統(tǒng)的檢測(cè)性能，并且考慮到老人跌倒具有一定的危險(xiǎn)性，測(cè)試實(shí)驗(yàn)選取30名青年自愿者進(jìn)行了多次不同佩戴方式，不同跌倒方式的測(cè)試實(shí)驗(yàn)。本文主要研究同一平面上的跌倒。同一平面上的跌倒方式又可根據(jù)人體跌倒前的狀態(tài)進(jìn)行分類(lèi)：直立跌倒、蹲下跌倒、彎腰跌倒和坐下跌倒等，且每種方式又有前后左右之分。這里綜合各種情況考慮，具體的測(cè)試方案及其準(zhǔn)確率如表1所示。

表1　測(cè)試次數(shù)及成功率

從實(shí)驗(yàn)結(jié)果可知，本系統(tǒng)得到了較高的檢測(cè)準(zhǔn)確率，對(duì)跑步等正常的日常行為的誤判較小。佩戴方式靈活多樣，且不同佩戴位置對(duì)檢測(cè)性能的影響甚微，可忽略不計(jì)，這極大地減小了裝置對(duì)老人日常生活的影響，是很多現(xiàn)有檢測(cè)方法所不具備的。但是，由于坐下時(shí)身體的加速度特征以及氣壓計(jì)變化與跌倒時(shí)的特征非常接近，因此該種情況的誤報(bào)率比其他情況要高，且其準(zhǔn)確率依賴(lài)于坐下的高度及坐下時(shí)的快慢，然而老年人的日常行為比較緩慢，所以因坐下導(dǎo)致的誤報(bào)率的增加不會(huì)太明顯。

3　結(jié)束語(yǔ)

文中主要針對(duì)老人的跌倒檢測(cè)問(wèn)題進(jìn)行了研究。文章通過(guò)觀測(cè)和比較大量的行為樣本數(shù)據(jù)，提取了跌倒行為加速度和海拔高度的變化特征，并在此基礎(chǔ)上提出了基于閾值判斷的多傳感器跌倒檢測(cè)方法?？紤]到智能手機(jī)的普及及其豐富的傳感器資源，本文利用Android智能手機(jī)平臺(tái)設(shè)計(jì)了一個(gè)跌倒檢測(cè)系統(tǒng)，并設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證了檢測(cè)的正確率。本系統(tǒng)具備準(zhǔn)確性高、便捷及成本低廉等特點(diǎn)，具有很強(qiáng)的實(shí)用性。

［1］王榮，章韻，陳建新.基于三軸加速度傳感器的人體跌倒檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)［J］.計(jì)算機(jī)應(yīng)用，2012，32（5）:1450-1452.

［2］張愛(ài)華，王璐.基于三維加速度傳感器設(shè)計(jì)的跌倒檢測(cè)［J］.中國(guó)組織工程研究與臨床康復(fù)，2010，14（48）:9029-9032.

［3］Cao Y，Yang Y，Liu W H.E-FallD:A fall detection system usingandroid-basedsmartphone［C］//FuzzySystemsand Knowledge Discovery（FSKD），2012 9th International Conference on.IEEE，2012:1509-1513.

［4］Wibisono W，Arifin D N，Pratomo B A，et al.Falls detection and notification system using tri-axial accelerometer and gyroscope sensors of a smartphone［C］//Technologies and ApplicationsofArtificialIntelligence（TAAI），2013 Conference on.IEEE，2013:382-385.

［5］Koshmak G，Linden M，Loutfi A.Evaluation of the androidbasedfalldetectionsystemwithphysiologicaldata monitoring［C］//Engineering in Medicine and Biology Society （EMBC），2013 35th Annual International Conference of the IEEE.IEEE，2013:1164-1168.

［6］Cheng J，Chen X，Shen M.A framework for daily activity monitoring and fall detection based on surface electromyography and accelerometer signals［J］.Biomedical and Health Informatics，IEEE Journal of，2013，17（1）:38-45.

Research and implementation of fall detection based on Android phone

CHENG Yi-feng，LI Da，ZHANG Xiang-chen
（Central China Normal University，Wuhan 430079，China）

Aiming at avoiding the sever injury caused by elders falling down without prompt treatment，this paper develops a method of falling-down detection system based on multisensor in Android phones.This system utilizes three-axis accelerometer and barometer to detect the changes of acceleration and altitude to determine whether a falling down accident has occurred. Taking it into consideration that different individuals differ in bodily features like height，weight and age，This paper introduces a reasonable threshold adjusted mechanism.It also reveals that the system has been implemented on the Android smart phone platform with experimental results’showing that the detection accuracy of the system is 86%.

fall detection；the Android platform application；three-axis accelerometer；barometer

TN929.53

A

1674-6236（2016）14-0181-03

2015-08-15稿件編號(hào)：201508083

華中師范大學(xué)2014年大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃立項(xiàng)A類(lèi)項(xiàng)目（A2014057）

程一風(fēng)（1994—），男，湖北武漢人。研究方向：通信。