孫榮霞　馬少卿　王碩南　沈文博

摘 要： 針對單片機的計算能力和檢測系統(tǒng)的實時性，設(shè)計了一種可穿戴的老人跌倒檢測裝置。利用六軸陀螺儀加速度計進(jìn)行原始信號的采集，將合成加速度和姿態(tài)角作為特征量，設(shè)計一種基于二叉樹支持向量機分類思想的三級檢測算法。首先，以合成加速度是否超出閾值作為分類條件，識別樣本是否屬于劇烈運動；其次，則以合成加速度是否呈現(xiàn)周期性變化和人體是否處于類靜止?fàn)顟B(tài)（合成加速度在0.8～1.2 g）將樣本進(jìn)一步細(xì)分；最后，則通過判斷人體的姿態(tài)確定老人是否跌倒。當(dāng)檢測到老人跌倒后，利用GPS對老人進(jìn)行定位，同時利用GSM模塊發(fā)送報警信息。實驗證明算法準(zhǔn)確率高、實時性好。同時能夠準(zhǔn)確定位，并將信息發(fā)送出去。

關(guān)鍵詞： 跌倒檢測； 二叉樹支持向量機； 慣性測量單元； 定位； 無線通信

中圖分類號： TN911.73?34； TP212.9 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）22?0014?05

Abstract： In allusion to the computation capability of the single chip microcomputer and the real?time performance of the detection system， a wearable fallen elder detection device is designed. The original signal is collected by the six?axis gyroscope accelerometer， and with the synthetic acceleration and attitude angle as the characteristic quantities， a three?level detection algorithm based on binary?tree support vector machine （BT?SVM） classification is designed. First， whether the synthetic acceleration has exceeded the threshold is taken as the classification condition to identify whether the sample is in strenuous motion. Second， the sample is further classified according to whether the synthetic acceleration （0.8～1.2 g） is changing periodically and whether the human body is in static state. Finally， whether the elder has fallen or not is judged according to his attitude. When a fallen elder is detected， his location will be determined by GPS， and the alarm information will be sent by the GSM module at the same time. The experimental results show that the algorithm has high accuracy and good real?time performance， and can locate the fallen elder accurately and send information out.

Keywords： fall detection； BT?SVM； inertial measurement unit； location； wireless communication

0 引 言

研究資料顯示，在我國65歲以上的老年人每年至少跌倒1次的比例[1]為30%～40%。老人在日常生活中發(fā)生意外時，如果能獲得及時的醫(yī)療救助或他人的幫助，可以有效減少當(dāng)事人所受的傷害。目前跌倒檢測的主流研究手段主要有兩種，一種是基于圖像分析的方法，另一種是基于慣性測量單元（Inertial Measurement Unit，IMU）檢測方法?；趫D像分析的方法對設(shè)備要求高、算法復(fù)雜，而且局限于特定的場合。基于IMU的檢測方法不但成本低，而且不受環(huán)境限制，方便攜帶[2]。

基于IMU的跌倒檢測，國內(nèi)外眾多學(xué)者進(jìn)行了深入的研究。文杰等人提出通過計算合成加速度的平均值和人體姿態(tài)來檢測跌倒[3]。但是利用重力加速度向量進(jìn)行姿態(tài)解算，容易受機體運動加速度的影響，短時間內(nèi)精度較低。王之瓊等人提出了基于極限學(xué)習(xí)機的跌倒檢測分類算法[4]，更多側(cè)重于對跌倒檢測算法的研究，算法相對復(fù)雜，計算量較大。劉鵬等人提出了基于固定閾值的信號幅度向量滑動平均值法（SVMSA）和差分信號幅度域（DSMA）[2]，在計算SVMSA和DSMA時需要多次進(jìn)行積分和微分運算。對于單片機而言，運算量較大，而且實時性不好，不適合應(yīng)用于便攜式設(shè)備中。

本設(shè)計利用基于二叉樹支持向量機分類思想（Binary Tree SVM，BT?SVM）將姿態(tài)角和合成加速度作為特征量，引入三級跌倒檢測算法。在進(jìn)行姿態(tài)解算時選用互補濾波器來修正由角速度求解姿態(tài)時的累積誤差。算法相對簡單，實時性好，適合應(yīng)用于可穿戴設(shè)備中。

1 跌倒檢測算法

1.1 特征值預(yù)處理

在進(jìn)行跌倒分析前，需要對傳感器采集到的數(shù)據(jù)進(jìn)行預(yù)處理，首先建立自然坐標(biāo)系，人體直立且面部向前的水平方向定義為Y軸正方向，水平向右定義為X軸正方向，垂直向上定義為Z軸正方向。將檢測裝置佩戴到人體質(zhì)量較為集中的腰部，使傳感器的三維坐標(biāo)軸（x軸、y軸、z軸）與自然坐標(biāo)系完全重合。endprint