陸世堯，于子龍

（南京城市職業(yè)學(xué)院，江蘇 南京 211200）

據(jù)民政部相關(guān)數(shù)據(jù)顯示，截至2020年底我國(guó)60歲及以上人口達(dá)2.553億，占總?cè)丝诘?8.1%，人口老齡化趨勢(shì)明顯。同時(shí)，人們對(duì)于老年人健康的關(guān)注度日益提高，尤其是子女外出工作缺乏照顧的老人。如何有效提供科學(xué)的養(yǎng)老服務(wù)成為當(dāng)下的問(wèn)題焦點(diǎn)，同時(shí)子女對(duì)于老人的健康監(jiān)護(hù)需求也越來(lái)越迫切。另外，有研究發(fā)現(xiàn)，跌倒已成為65歲以上老年人口因傷致死的首位原因。大量數(shù)據(jù)統(tǒng)計(jì)和分析也反映出老人跌倒發(fā)生率較高，且后果非常嚴(yán)重。老人跌倒不僅會(huì)造成其機(jī)體的嚴(yán)重?fù)p傷，還會(huì)給家庭帶來(lái)精神創(chuàng)傷和經(jīng)濟(jì)負(fù)擔(dān)。隨著科技的不斷創(chuàng)新和發(fā)展，可以通過(guò)一些跌倒檢測(cè)設(shè)備有效檢測(cè)出跌倒事件，及時(shí)對(duì)老年人采取一些救助措施，從而有效避免危險(xiǎn)事件的發(fā)生。但是市場(chǎng)現(xiàn)有的跌倒報(bào)警設(shè)備，通常使用陀螺儀或者重力感應(yīng)器進(jìn)行跌倒判定。這種跌倒判定對(duì)于算法的依賴程度高，經(jīng)常有誤報(bào)或漏報(bào)發(fā)生。即便能夠檢測(cè)出跌倒行為，也無(wú)法滿足用戶對(duì)于跌倒判定精準(zhǔn)的要求，從而導(dǎo)致用戶體驗(yàn)較差。而且多數(shù)跌倒報(bào)警設(shè)備采用傳統(tǒng)的GSM通訊方式，由于GSM網(wǎng)絡(luò)的實(shí)時(shí)連接性要求高，導(dǎo)致了網(wǎng)絡(luò)流量開(kāi)銷大、能源損耗多，由此帶來(lái)通信成本較高和續(xù)航能力較短等問(wèn)題。

因此，改善現(xiàn)有市場(chǎng)產(chǎn)品的不足顯得尤為重要。首先，由于物聯(lián)網(wǎng)技術(shù)及電子傳感器技術(shù)的不斷升級(jí)發(fā)展，5G網(wǎng)絡(luò)的全面部署，我們可以采用成熟的NB-IoT（窄帶物聯(lián)網(wǎng)）通信技術(shù)和經(jīng)典SVM跌倒算法，再以氣壓及心率趨勢(shì)變化為輔助判斷條件，多維度地建立老人的跌倒判定模型，進(jìn)而用于多場(chǎng)景多角度的跌倒判定。其次，通過(guò)優(yōu)化執(zhí)行算法進(jìn)一步提高跌倒判定精度，從而實(shí)現(xiàn)用戶對(duì)跌倒判定的需求及期望，達(dá)到不漏報(bào)、不誤報(bào)的效果。最后，NB-IoT（窄帶物聯(lián)網(wǎng)）通信方式還大大改善了設(shè)備的能耗問(wèn)題，尤其是電量和流量的損耗。

一、跌倒判定系統(tǒng)可行性分析

（一）跌倒方式分析

在實(shí)際生活中，跌倒的方式要復(fù)雜很多，比如行進(jìn)中跌倒、昏迷跌倒、滑倒、起身跌倒等。每種跌倒方式主要有三個(gè)明顯行為特征：人體從站立到臥倒產(chǎn)生較大的高度差，人體運(yùn)動(dòng)加速度的變化幅度陡增，以及跌倒后的心率異常。與此同時(shí)，跌倒行為中仍然存在“假性跌倒”或者輕微性跌倒?fàn)顩r，其特征在于甩動(dòng)手臂等大幅度動(dòng)作或者輕微跌倒后可自行站立，并未對(duì)身體造成影響。

（二）跌倒模型分析

由于實(shí)際跌倒過(guò)程中可能會(huì)面臨各種意外，系統(tǒng)模型以如下假設(shè)建立基礎(chǔ)坐標(biāo)系：首先，佩戴者身體軀干部位的重心加速度與腰部保持一致；其次，跌倒時(shí)產(chǎn)生的高度差通過(guò)手腕產(chǎn)生垂直方向的位移表現(xiàn)，而“假性跌倒”的特征在于心率波動(dòng)小且一段時(shí)間內(nèi)會(huì)伴有垂直方向的上升趨勢(shì)。此外還需報(bào)警裝置在手腕處佩戴完好，沒(méi)有發(fā)生松動(dòng)脫落等。

二、跌倒判定系統(tǒng)設(shè)計(jì)

（一）整體架構(gòu)設(shè)計(jì)

跌倒判定系統(tǒng)的構(gòu)成主要包括NB-IoT通訊模塊、傳感器模塊、處理器模塊以及供電模塊。傳感器模塊包括九軸姿態(tài)傳感器（MPU9250）、高精度氣壓傳感器（BMP390）以及心率監(jiān)測(cè)傳感器（MAX30102）。九軸姿態(tài)傳感器（MPU9250）的主要功能是負(fù)責(zé)實(shí)時(shí)采集佩戴者關(guān)于正前方、垂直方和側(cè)方為軸的加速度和角速度，采用雙重閾值（閾值1：合成加速度閾值；閾值2：合成角速度閾值）算法來(lái)監(jiān)測(cè)老人是否為跌倒?fàn)顟B(tài)。高精度氣壓傳感器（BMP390）的主要功能是負(fù)責(zé)監(jiān)測(cè)當(dāng)前的氣壓值。心率傳感器的主要功能是負(fù)責(zé)監(jiān)測(cè)佩戴者的心率。處理器模塊負(fù)責(zé)獲取傳感器模塊各個(gè)組件的實(shí)時(shí)數(shù)據(jù)，通過(guò)相應(yīng)的算法分析和判斷佩戴者的運(yùn)動(dòng)健康狀態(tài)并決定是否向終端發(fā)起報(bào)警提示。NB-IoT通訊模塊則是通過(guò)一定的協(xié)議與服務(wù)器進(jìn)行數(shù)據(jù)傳輸。供電模塊負(fù)責(zé)供給整個(gè)系統(tǒng)電力。

（二）硬件結(jié)構(gòu)設(shè)計(jì)

跌倒判定系統(tǒng)具體的硬件結(jié)構(gòu)設(shè)計(jì)如圖1所示。該結(jié)構(gòu)主要由傳感器模塊、處理器模塊、NB-IoT通訊模塊和電源模塊組成。

圖1 跌倒判定系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)

九軸姿態(tài)傳感器是一種新型姿態(tài)傳感器，它由三軸陀螺儀、三軸加速度計(jì)和三軸地磁計(jì)以及動(dòng)態(tài)運(yùn)動(dòng)處理器（DMP）構(gòu)成，在無(wú)人機(jī)上應(yīng)用廣泛。九軸姿態(tài)傳感器可以通過(guò)集成電路總線（IIC）接口和單片機(jī)進(jìn)行數(shù)據(jù)交互，傳輸速率可達(dá)400 kHz/s。其對(duì)于角速度的檢測(cè)范圍最高可達(dá)±2000（°/s），加速度的檢測(cè)范圍最大可達(dá)±16g（g 為重力加速度），磁感應(yīng)強(qiáng)度的檢測(cè)范圍最高可達(dá)±4800μT，有良好的人體姿態(tài)數(shù)據(jù)獲取能力。

氣壓傳感器是基于Bosch成熟的壓阻式壓力傳感器技術(shù)，具備高確度和線性度的特性和很高的EMC穩(wěn)健性，在手機(jī)、定位器和手表等電池供電型設(shè)備中使用廣泛。氣壓傳感器可以通過(guò)集成電路總線（IIC）接口和串行外設(shè)（SPI）接口進(jìn)行數(shù)據(jù)交互，其典型相對(duì)精度為±0.03 hPa，典型的絕對(duì)精度為±0.5 hPa，進(jìn)行補(bǔ)償后可達(dá)到高精度的氣壓測(cè)量，能夠監(jiān)測(cè)10cm以下的高度變化。平均測(cè)量時(shí)間5 ms，具備較高的測(cè)量靈敏度，可對(duì)氣壓波動(dòng)進(jìn)行快速捕捉。

心率傳感器主要集成了心率監(jiān)測(cè)儀和脈搏血氧儀，包括一個(gè)紅外光的LED、光器件、光電檢測(cè)和含有抑制環(huán)境光的低噪聲電子電路，以檢測(cè)脈搏血氧飽和度和心率信號(hào)，并額外集成玻璃蓋以有效排除外界和內(nèi)部光干擾，提高工作性能，在健身輔助設(shè)備和醫(yī)療監(jiān)控裝置等領(lǐng)域應(yīng)用廣泛。用戶只需要通過(guò)相關(guān)的數(shù)字接口，就可以獲取經(jīng)過(guò)轉(zhuǎn)換的光強(qiáng)度數(shù)值，再調(diào)用相應(yīng)的算法就可以計(jì)算出心率值。

NB-IoT通訊模塊是基于蜂窩的窄帶物聯(lián)網(wǎng)，模塊組件主要包含通訊模組、SIM卡槽、UART接口、IPEX天線接口。NB-IoT通訊模塊支持板載天線，降低設(shè)計(jì)外接天線的成本。其內(nèi)置SIM卡，擁有更小的體積和強(qiáng)大的穩(wěn)定性。它還采用CoAP 和TCP/UDP協(xié)議進(jìn)行網(wǎng)絡(luò)通訊，應(yīng)用平臺(tái)廣泛，支持對(duì)接各類云服務(wù)以及移動(dòng)卡應(yīng)用，因此NB-IoT技術(shù)在移動(dòng)物聯(lián)網(wǎng)中呈現(xiàn)出迅猛的發(fā)展勢(shì)頭。

三、跌倒姿態(tài)探測(cè)及判斷算法

（一）人體姿態(tài)探測(cè)方法

以人體方位作為測(cè)量基準(zhǔn)：冠狀面向前為X軸正方向，矢狀面向左為Y軸正方向，水平面向上為Z軸正方向建立人體坐標(biāo)系。利用九軸姿態(tài)傳感器（MPU9250）能夠測(cè)量出三軸方向上的加速度ax、ay、az和角速度ωx、ωy、ωz（如圖2所示）。

圖2 SVM坐標(biāo)示意圖

人體的加速度向量幅值SVM（signal vector magnitude）可以辨識(shí)人體的運(yùn)動(dòng)狀態(tài)。人體的運(yùn)動(dòng)狀態(tài)越劇烈則數(shù)值越大，針對(duì)如行走或站立等SVM數(shù)值較小的運(yùn)動(dòng)狀態(tài)則可直接過(guò)濾掉。ax、ay、az是矢量SVM在X、Y、Z上的投影，三軸合成加速度可表示為：

同樣的，在人體運(yùn)動(dòng)過(guò)程中合成角速度的數(shù)值大小可以用作衡量合成加速度與三軸夾角變化的快慢。若僅通過(guò)合成加速度SVM作為人體運(yùn)動(dòng)狀態(tài)的判斷，仍存有較大的誤差，而合成角速度則可以作為狀態(tài)判斷的輔助參數(shù)之一。合成角速度可表示為：

人體跌倒是一個(gè)持續(xù)的過(guò)程，SVM和ω若僅針對(duì)某一時(shí)刻或某段時(shí)間內(nèi)的均值來(lái)與閾值比對(duì)顯然不夠精確。為減小跌倒判定誤差，可以引入人體變化高度作為新的判定參數(shù)，通過(guò)三者的綜合判斷計(jì)算出是否出現(xiàn)跌倒行為。這里的人體變化高度可以通過(guò)海拔高度的差值進(jìn)行計(jì)算，BMP390氣壓傳感器監(jiān)測(cè)到的氣壓轉(zhuǎn)換成海拔高度的公式可以表示為：

配合傳感器的氣壓值和溫度補(bǔ)償值可以較準(zhǔn)確地得出海拔高度。公式中H表示海拔高度（單位m），p是所處位置的大氣壓強(qiáng)（單位pa），p0是標(biāo)準(zhǔn)大氣壓值。

（二）跌倒判定算法

傳統(tǒng)跌倒算法雖然對(duì)跌倒過(guò)程有較為深入的分析解釋，但對(duì)于與跌倒相似的運(yùn)動(dòng)狀態(tài)和跌倒的危險(xiǎn)程度的判斷仍有較大的優(yōu)化空間。具體來(lái)說(shuō)可通過(guò)如下三個(gè)階段進(jìn)行跌倒算法的分析：

第一階段，以運(yùn)動(dòng)產(chǎn)生的合成加速度和合成角速度作為狀態(tài)的判斷依據(jù)，通過(guò)其數(shù)值波動(dòng)的大小來(lái)分辨當(dāng)前人體的運(yùn)動(dòng)狀態(tài)是非劇烈狀態(tài)還是劇烈狀態(tài)。微控制器實(shí)時(shí)獲取傳感器模塊內(nèi)九軸姿態(tài)傳感器對(duì)于加速度和角速度的監(jiān)測(cè)值，并利用人體加速度向量幅值計(jì)算公式分別計(jì)算出合成加速度與合成角速度。當(dāng)人體出現(xiàn)跌倒動(dòng)作時(shí)，二者的數(shù)值會(huì)出現(xiàn)明顯的陡增跡象，通常加速度會(huì)超過(guò)3g（g為重力加速度），角速度會(huì)超過(guò)400°/s，且有一個(gè)較長(zhǎng)的持續(xù)時(shí)間，因此設(shè)計(jì)系統(tǒng)的采樣率為150Hz，則當(dāng)連續(xù)6個(gè)采樣點(diǎn)中合成加速度和合成角速度皆超過(guò)額定閾值，則判定佩戴者處于劇烈運(yùn)動(dòng)狀態(tài)。

第二階段，對(duì)劇烈運(yùn)動(dòng)狀態(tài)是否屬于跌倒做出判定。作為跌倒動(dòng)作的明顯特征之一是人體的高度發(fā)生了較大改變，高精度氣壓傳感器BMP390具有較高的靈敏度，可以測(cè)量10cm以下的高度變化，這里用它捕捉人體跌倒時(shí)產(chǎn)生的高度變化。微控制器通過(guò)氣壓傳感器BMP390獲得監(jiān)測(cè)到的氣壓值，首先記錄第一階段判斷為劇烈運(yùn)動(dòng)時(shí)的第一個(gè)采樣點(diǎn)和最后一個(gè)采樣點(diǎn)的高度值，再計(jì)算出人體運(yùn)動(dòng)過(guò)程中的高度差，若高度差超過(guò)50cm，則判定佩戴者處于跌倒?fàn)顟B(tài)。傳感器性能測(cè)試數(shù)據(jù)如表1：

表1 傳感器性能測(cè)試數(shù)據(jù)

大量實(shí)驗(yàn)表明，跌倒行為中仍存在“假性跌倒”或者輕微性跌倒?fàn)顩r，這是造成跌倒誤判的重要原因之一。

第三階段，針對(duì)此類情形的規(guī)限條件，通過(guò)實(shí)驗(yàn)數(shù)據(jù)抽取嚴(yán)重跌倒時(shí)的行為特征，包括跌倒后段時(shí)間內(nèi)心率的異常波動(dòng)和段時(shí)間內(nèi)的行為靜止等，對(duì)報(bào)警條件加以約束。具體體現(xiàn)為：從跌倒判定開(kāi)始的5s內(nèi)微控制器實(shí)時(shí)獲取并統(tǒng)計(jì)心率傳感器監(jiān)測(cè)的心率變化、高精度氣壓傳感器以及九軸姿態(tài)傳感器的動(dòng)作數(shù)據(jù)，若心率維持平穩(wěn)并且有明顯的起身向上動(dòng)作時(shí)則自動(dòng)取消跌倒模式，否則進(jìn)入“嚴(yán)重跌倒”狀態(tài)并開(kāi)始蜂鳴報(bào)警。心率平穩(wěn)的具體表現(xiàn)為5s內(nèi)心率峰值和谷值之間的差值低于40次/s，而有明顯的起身向上動(dòng)作則表現(xiàn)為5s內(nèi)氣壓傳感器獲取的高度值上升30cm。具體測(cè)算過(guò)程如圖3。

圖3 軟件系統(tǒng)測(cè)算圖

（三）模擬采樣及實(shí)驗(yàn)數(shù)據(jù)分析

首先，我們對(duì)測(cè)試人員的活動(dòng)情況進(jìn)行了多次模擬采樣，得到了表2的數(shù)據(jù)實(shí)驗(yàn)結(jié)果。結(jié)果表明，正常活動(dòng)的識(shí)別準(zhǔn)確率能夠達(dá)到100%。再通過(guò)數(shù)據(jù)的對(duì)比可以看出，就日常的跌倒動(dòng)作判定而言，本系統(tǒng)具備優(yōu)秀的判定能力，可以準(zhǔn)確區(qū)分出常規(guī)動(dòng)作和跌倒動(dòng)作間的差異。

表2 實(shí)際跌倒測(cè)試數(shù)據(jù)

其次，在測(cè)試過(guò)程中，以站立狀態(tài)建立人體坐標(biāo)系，各階段的空間位置變化是判定的重要因素。從表3的縱向數(shù)據(jù)對(duì)比當(dāng)中我們可以看出，當(dāng)跳躍、下蹲、揮臂等運(yùn)動(dòng)發(fā)生時(shí)，基礎(chǔ)坐標(biāo)系中的各個(gè)節(jié)點(diǎn)的空間位置發(fā)生了較大的波動(dòng)，結(jié)合正常跌倒對(duì)比分析，“揮臂跑步”的動(dòng)作具有極高的辨識(shí)率，且極少會(huì)出現(xiàn)誤報(bào)的現(xiàn)象。而部分“跳躍行進(jìn)”“下蹲動(dòng)作”由于與跌倒特征的相似性較高，雖然會(huì)出現(xiàn)誤報(bào)現(xiàn)象，但是準(zhǔn)確率仍維持在較高水平。針對(duì)3種假性跌倒動(dòng)作的識(shí)別準(zhǔn)確率都在94%以上，可以認(rèn)為本系統(tǒng)能夠準(zhǔn)確區(qū)分出假性跌倒和正常跌倒間的動(dòng)作差異，有效避免了大部分非危險(xiǎn)情況下的報(bào)警行為。

表3 跌倒測(cè)試對(duì)比數(shù)據(jù)

通過(guò)橫向數(shù)據(jù)對(duì)比可以看出，本系統(tǒng)的各項(xiàng)測(cè)試數(shù)據(jù)的準(zhǔn)確率均高于傳統(tǒng)穿戴式跌倒報(bào)警設(shè)備。雖然在正常跌倒的對(duì)照組中，各行為間的準(zhǔn)確率差異不夠明顯，但本系統(tǒng)在復(fù)雜動(dòng)作和假性跌倒方面的檢測(cè)有著明顯優(yōu)勢(shì)。尤其是在假性跌倒（快速起身）這一對(duì)照組中，準(zhǔn)確率高于傳統(tǒng)穿戴式跌倒報(bào)警設(shè)備20%，此外在假性跌倒（手掌緩沖）、假性跌倒（慢速下跌）的對(duì)照組中準(zhǔn)確率也均高于10%以上。由此可見(jiàn)，針對(duì)假性跌倒現(xiàn)象，本系統(tǒng)具備優(yōu)秀的檢測(cè)識(shí)別能力和判斷跌倒危險(xiǎn)程度再確定是否報(bào)警的功能。而在跳躍、下蹲、揮臂等對(duì)照組，通過(guò)采取的分段式多重判斷方法，對(duì)比傳統(tǒng)穿戴式跌倒報(bào)警設(shè)備的準(zhǔn)確率也有小幅度的提升。綜上所述，本系統(tǒng)的跌倒檢測(cè)水平明顯優(yōu)于傳統(tǒng)穿戴式跌倒報(bào)警設(shè)備。

四、結(jié)束語(yǔ)

本文通過(guò)分析各種跌倒方式并抽取行為特征，再根據(jù)監(jiān)測(cè)人體運(yùn)動(dòng)姿態(tài)數(shù)據(jù)的變化，提出優(yōu)化跌倒判定的構(gòu)想。依據(jù)跌倒發(fā)生的三類特征，設(shè)計(jì)采用三軸合成加速度SVM和三軸合成角速度ω以及跌倒時(shí)產(chǎn)生的下降高度進(jìn)行閾值比對(duì)來(lái)判定區(qū)分日常活動(dòng)和跌倒?fàn)顟B(tài)，再通過(guò)時(shí)間段內(nèi)上升高度和心率值變化進(jìn)行危險(xiǎn)程度劃分，最終判定是否需要發(fā)送跌倒報(bào)警信號(hào)且基于NB-IoT通信與定位的方式也取得不俗表現(xiàn)。最后結(jié)合終端接收?qǐng)?bào)警提醒，可以第一時(shí)間讓家人知曉，并采取針對(duì)性有效措施，贏得寶貴救護(hù)時(shí)間。通過(guò)跌倒判定系統(tǒng)衍生的手環(huán)終端產(chǎn)品，小巧便捷，功能強(qiáng)大，可拓展性強(qiáng)，作為便攜式智能產(chǎn)品，非常適合老年人穿戴，具有良好的發(fā)展和應(yīng)用前景。