陳 鵬， 涂亞慶， 童俊平， 趙運(yùn)勇

(1.后勤工程學(xué)院 后勤信息與軍事物流工程系，重慶 401311；2.重慶市軟匯科技有限公司,重慶 400039)

可穿戴式跌倒檢測智能系統(tǒng)設(shè)計*

陳 鵬1， 涂亞慶1， 童俊平2， 趙運(yùn)勇2

(1.后勤工程學(xué)院 后勤信息與軍事物流工程系，重慶 401311；2.重慶市軟匯科技有限公司,重慶 400039)

為提高對老年人跌倒檢測的正確率，設(shè)計一種可穿戴式跌倒檢測系統(tǒng)。研制基于三軸加速度計的跌倒檢測設(shè)備，給出系統(tǒng)硬件和軟件的實現(xiàn)方案；提出基于反向傳播(BP)神經(jīng)網(wǎng)絡(luò)的跌倒檢測算法，將訓(xùn)練好的網(wǎng)絡(luò)參數(shù)植入研制的可穿戴式跌倒檢測設(shè)備，實現(xiàn)對跌倒的實時檢測。實驗結(jié)果表明：所研制的跌倒檢測智能系統(tǒng)能夠有效地區(qū)分跌倒與非跌倒，正確率達(dá)97.37 %。

跌倒檢測； 可穿戴式設(shè)備； 加速度傳感器； 反向傳播(BP)神經(jīng)網(wǎng)絡(luò)

0 引 言

跌倒是指出現(xiàn)突發(fā)的、不自主及非故意的體位改變而倒在地上或更低的平面上[1]。老年人跌倒后，通常由于發(fā)現(xiàn)不及時，從而錯過最佳的救護(hù)時機(jī)，容易造成極大的生理及心理傷害。因此，通過對老年人的日?；顒舆M(jìn)行監(jiān)測并判斷，并對老年人跌倒進(jìn)行實時檢測，已成為急需解決的問題[2]。

目前，跌倒檢測系統(tǒng)有用戶自主啟動型報警系統(tǒng)，該系統(tǒng)操作簡單、容易實現(xiàn)但不能主動檢測用戶是否跌倒，需要用戶通過按鍵觸發(fā)報警，應(yīng)用范圍不廣?；谝曨l裝置的跌倒檢測系統(tǒng)具有無需隨身佩戴，檢測精度高等優(yōu)勢，但該系統(tǒng)需要在用戶經(jīng)常活動的空間內(nèi)安裝視頻裝置，不僅成本高且容易暴露用戶隱私?？纱┐魇降箼z測系統(tǒng)能主動檢測用戶是否跌倒并自主報警，同時對用戶的隱私也起到了保護(hù)作用，且佩戴方便，是目前檢測跌倒的主流系統(tǒng)[3]。

跌倒檢測算法是正確檢測跌倒的關(guān)鍵。文獻(xiàn)[4～6]采用的加速度閾值檢測算法簡單且容易實現(xiàn)，但受噪聲影響大，誤報率與漏報率高；文獻(xiàn)[7]增加了加速度微分值的閾值判斷，采用多級閾值判斷的算法降低了誤報率，但漏報率較高；文獻(xiàn)[8]在加速度閾值的基礎(chǔ)上，增加了角度閾值判斷的算法降低了漏報率，但對彎腰、跑步等非跌倒類動作的識別率低，誤報率偏高；文獻(xiàn)[9]采用壓力傳感器采集用戶在行動中對鞋底產(chǎn)生的壓力信息，并利用支持向量機(jī)(SVM)判斷用戶是否跌倒，該方法能識別跌倒與非跌倒，但需要把壓力傳感器設(shè)計成鞋墊放在用戶鞋里，對生活不方便，且針對靜止時的跌倒檢測，正確率不高；文獻(xiàn)[10]基于表面肌電(sEMG)和足底壓力信號融合的跌倒檢測方法為跌倒檢測的研究提供了一種新思路，但肌電信號受運(yùn)動影響大，容易影響跌倒檢測的正確率，且設(shè)備佩戴方式不方便，不利于使用。

為提高跌倒檢測的正確率，本文設(shè)計了一種可穿戴式跌倒檢測智能系統(tǒng)，研制了基于三軸加速度計的跌倒檢測設(shè)備，提出一種基于反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)的跌倒檢測算法，實現(xiàn)實時檢測跌倒。

1 系統(tǒng)設(shè)計

可穿戴式跌倒檢測智能設(shè)備應(yīng)用于健康監(jiān)測系統(tǒng)，如圖1所示。該系統(tǒng)由跌倒檢測設(shè)備、心率監(jiān)測和血壓監(jiān)測等可穿戴式設(shè)備及上位機(jī)構(gòu)成。

圖1 健康監(jiān)測系統(tǒng)

1.1 系統(tǒng)硬件設(shè)計

根據(jù)可穿戴式跌倒檢測智能設(shè)備的功能需求分析，硬件框圖通用分組無線業(yè)務(wù)(GPRS)，全球定位系統(tǒng)(GPS)定位組成，如圖2所示。

圖2 跌倒檢測設(shè)備硬件框圖

跌倒檢測智能設(shè)備需要實時檢測人體運(yùn)動信息，并判斷用戶是否跌倒，其運(yùn)算量大，選用MSP430系列的單片機(jī)作為核心元件，該芯片具有處理功能強(qiáng)、運(yùn)算數(shù)度快、超低功耗等特點，滿足功能需求。

三軸加速度計傳感器與高度傳感器實現(xiàn)實時采集用戶運(yùn)動數(shù)據(jù)；按鍵模塊用于用戶主動報警或者主動取消報警；GPS定位模塊實現(xiàn)精確定位，并記錄用戶跌倒的地理位置；GPRS模塊可與用戶的家人實現(xiàn)語音通信，并將跌倒與定位信息通過短信的方式發(fā)送給用戶家人，使得用戶在跌倒后能夠及時得到救護(hù)。

研制的跌倒檢測設(shè)備從硬件上實現(xiàn)了用戶運(yùn)動數(shù)據(jù)的實時采集，并保持精確定位與實時語音通信等功能。

1.2 軟件設(shè)計與實現(xiàn)

系統(tǒng)軟件采用模塊化設(shè)計，軟件結(jié)構(gòu)如圖3所示。

圖3 軟件結(jié)構(gòu)框圖

系統(tǒng)軟件流程如圖4所示，系統(tǒng)上電后，主程序調(diào)用各個模塊初始化子程序；初始化后，采集三軸加速度傳感器信號，計算合加速度的值，并與設(shè)定的閾值進(jìn)行比較，通過第一級判斷；當(dāng)合加速度大于閾值時，調(diào)用跌倒檢測算法，得到跌倒檢測結(jié)果，并與設(shè)定的閾值進(jìn)行比較，通過第二級判斷；為進(jìn)一步降低跌倒檢測的誤報率，當(dāng)?shù)菇Y(jié)果大于閾值時，調(diào)用高度傳感器信息，比較高度的變化是否大于設(shè)定的閾值，進(jìn)行第三級判斷；若高度變化大于閾值，自動觸發(fā)報警裝置，反之，則進(jìn)入下一周期計算。

圖4 系統(tǒng)軟件流程

2 跌倒檢測算法

人體活動行為可分為跌倒與非跌倒兩大類，能否有效地區(qū)分跌倒與非跌倒是跌倒檢測的關(guān)鍵，屬于非線性分類問題。BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力，能夠?qū)崿F(xiàn)任何較復(fù)雜的非線性映射[11,12]。

由于傳感器采集的數(shù)據(jù)中夾雜噪聲，不宜直接用于分類處理，容易影響跌倒檢測正確率。本文采用滑動窗口對數(shù)據(jù)進(jìn)行截取，利用離散特征抽取的方法對截取的數(shù)據(jù)進(jìn)行預(yù)處理[13]，再通過跌倒檢測算法進(jìn)行分類處理。

在跌倒時，人體會出現(xiàn)失重，數(shù)據(jù)的x軸加速度值減小，合加速度值在跌倒瞬間發(fā)生突變等特征。跌倒過程完全反映在采集的數(shù)據(jù)曲線上，如圖5所示。

圖5 一次典型的跌倒曲線

選取長度為m、滑動步長為n的窗口截取數(shù)據(jù)(m，n取整數(shù)，m>n)，提取能反映跌倒信息的離散特征：

1)合加速度a的最大值amax、最小值amax及二者之間的時間差Δt；

2)合加速度a的平均值：E(a)；

3)窗口內(nèi)后l點數(shù)據(jù)的方差：D(a)；

4)窗口內(nèi)x軸前后k點數(shù)據(jù)的平均值：E(X)1，E(X)2。

本文采用三層的BP神經(jīng)網(wǎng)絡(luò)作為跌倒檢測模型，如圖6所示。

圖6 跌倒檢測模型

第一層是輸入層，將提取的7個離散特征作為模型的輸入；第二層是含4個神經(jīng)元的隱含層；第三層是一個神經(jīng)元的輸出層，輸出值作為判斷結(jié)果。

通過采集大量的跌倒與非跌倒數(shù)據(jù)對基于BP神經(jīng)網(wǎng)絡(luò)的跌倒檢測模型進(jìn)行訓(xùn)練，將訓(xùn)練好的網(wǎng)絡(luò)參數(shù)植入研制的跌倒檢測智能設(shè)備，即可實驗跌倒檢測。

3 實驗驗證

研制的跌倒檢測智能設(shè)備實物圖及佩戴方式如圖7所示。

圖7 跌倒檢測設(shè)備實物

為檢驗算法在實際使用中效果，選擇9名自愿者參與驗證實驗，驗證結(jié)果如表1所示?？倻y試驗證數(shù)據(jù)共990次，正確檢測964次，正確率為97.37 %。其中，跌倒類測試450次，正確檢測444次，正確率為98.67 %；非跌倒類測試540次，正確檢測520次，正確率為96.30 %。

表1 驗證結(jié)果

類別指標(biāo)測試次數(shù)正確檢測次數(shù)正確率/% 跌倒類45044498．67 非跌倒類54052096．30 合計99096497．37

從驗證結(jié)果可以看出：采用基于BP神經(jīng)網(wǎng)絡(luò)的跌倒檢測算法能有效地區(qū)分跌倒與非跌倒，提高了跌倒檢測的正確率。

將基于BP神經(jīng)網(wǎng)絡(luò)的跌倒檢測算法與其他跌倒檢測算法的檢測結(jié)果比較如表2所示。

表2 不同方法檢測結(jié)果比較

跌倒檢測算法正確率/% 基于加速度閾值檢測算法92．0 基于加速度和加速度微分閾值多級檢測算法96．0 基于加速度和傾角閾值檢測算法97．2 基于壓力的SVM檢測算法85．0 基于sEMG與足底壓力信號融合的檢測算法91．7 基于BP神經(jīng)網(wǎng)絡(luò)的跌倒檢測算法97．4

從對比結(jié)果可以看出：基于BP神經(jīng)網(wǎng)絡(luò)的跌倒檢測算法優(yōu)于其他跌倒檢測算法，提高了跌倒檢測的正確率。

4 結(jié) 論

針對老年人跌倒檢測準(zhǔn)確率不高的問題，本文設(shè)計了一種基于三軸加速度計的跌倒檢測智能設(shè)備；提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的跌倒檢測算法；并進(jìn)行了實驗驗證。

驗證結(jié)果表明：基于BP神經(jīng)網(wǎng)絡(luò)的跌倒檢測算法能有效地區(qū)分跌倒與非跌倒，其正確率高于加速度閾值檢測算法與其他算法，提高了跌倒檢測的正確率，為跌倒檢測的研究提供了一種新思路、新方法；目前，設(shè)計的跌倒檢測智能設(shè)備已投入生產(chǎn)，進(jìn)入市場銷售。

[1] 石 婧,姚慧卿,陶永康,等.北京市社區(qū)老年人跌倒的發(fā)生率及干預(yù)效果評價[J].中國老年學(xué)雜志,2015,35(10):2792-2794.

[2] 程 添,楊思思,馮 蓉,等.基于雙目標(biāo)定的獨(dú)居老人摔倒檢測算法[J].傳感器與微系統(tǒng),2014,33(10):100-103.

[3] Li Y,Ho K C,Popescu M.Efficient source separation algorithms for acoustic fall detection using a microsoft kinect[J].IEEE Transactions on Bio-medical Engineering,2014,61(3):745-755.

[4] 李 冬,梁 山.基于加速度傳感器的老年人跌倒檢測裝置設(shè)計[J].傳感器與微系統(tǒng),2008,27(9):85-88.

[5] 陳 煒,佟麗娜,宋全軍,等.基于慣性傳感器件的跌倒檢測系統(tǒng)設(shè)計[J].傳感器與微系統(tǒng),2010,29(8):117-119.

[6] 胡云冰,童世華.一種便攜式智能跌倒檢測儀的設(shè)計與實現(xiàn)[J].自動化儀表,2015,36(2):84-87.

[7] 曹玉珍,蔡偉超,程 旸.基于MEMS加速度傳感器的人體姿態(tài)檢測技術(shù)[J].納米技術(shù)與精密工程,2010,8(1):37-41.

[8] 朱 勇,張 研,宋 佳,等.基于傾角的跌倒檢測方法與系統(tǒng)研究[J].生物醫(yī)學(xué)工程學(xué)雜志,2013(1):95-99.

[9] 石 欣,熊慶宇,雷璐宇.基于壓力傳感器的跌倒檢測系統(tǒng)研究[J].儀器儀表學(xué)報,2010,31(3):715-720.

[10] 席旭剛,武 昊,左 靜,等.基于sEMG與足底壓力信號融合的跌倒檢測研究[J].儀器儀表學(xué)報,2015, 36(9):2044-2049.

[11] 姚 暢,錢盛友,侯周國.基于神經(jīng)網(wǎng)絡(luò)的多傳感器火災(zāi)預(yù)測數(shù)據(jù)處理[J].傳感器技術(shù),2005,24(11):68-70.

[12] 陳 明.Matlab神經(jīng)網(wǎng)絡(luò)原理與實例精解[M].北京:清華大學(xué)出版社,2012.

[13] Huang S,Yang Y,Liu W.An enhanced fall detection approach based on cost sensitivity analysis[C]∥ACIS International Symposium on Software and Network Engineering,IEEE,2011:81-85.

Design of wearable fall detection intelligent system*

CHEN Peng1, TU Ya-qing1, TONG Jun-ping2, ZHAO Yun-yong2

(1.Department of Military Logistics & Information Engineering,Logistical Engineering University,Chongqing 401311,China; 2.Chongqing Ruanhui Technology Co Ltd,Chongqing 400039,China)

In order to improve the detection correct rate of falls in elderly people,a wearable fall detection intelligent system is designed.Fall detection device based on three axis accelerometer is developed,and hardware and software design schemes are presented;fall detection algorithm based on back propagation(BP)neural network is proposed,parameters of network after training are implanted into wearable fall detection equipment to realize real-time fall detection.Experimental results show that the developed fall detection intelligent system can effectively distinguish between fall and non-fall,and the correct rate is 97.37 %.

fall detection; wearable device; acceleration sensor; back propagation(BP)neural network

10.13873/J.1000—9787(2017)02—0114—03

2016—09—26

國家自然科學(xué)基金資助項目(61271449,61302175)； 重慶市自然科學(xué)重點基金資助項目(CSTC2015jcyjBX0017)

TP 274

A

1000—9787(2017)02—0114—03

陳 鵬(1992-),男，碩士研究生，研究方向為智能測控理論與技術(shù)。