基于三維加速度傳感器的跌倒檢測模塊的設計

隨著(zhù)社會(huì )老齡化的不斷發(fā)展，預期到2030年空巢老年人家庭的比例將達到90%，屆時(shí)我國老年人家庭將空巢化。據統計，在65歲以上的老年人群中，每年有超過(guò)1/3的人都有跌倒經(jīng)歷，2/3老年人意外死亡都是由跌倒引起的，而在75歲以上老人中這個(gè)比例更是高達70%。

跌倒檢測是遠程健康監護系統中家庭終端的一種實(shí)現方式，涉及多個(gè)領(lǐng)域，包括信號采集與處理，信號特征提取，數據傳輸等方面的研究。

跌倒檢測技術(shù)有很多，從信號獲取的渠道進(jìn)行分類(lèi)，可將跌倒檢測技術(shù)分為三類(lèi)：基于視頻圖像的跌倒檢測，該方法不足之處在于它不能保證用戶(hù)的隱私安全并且視頻圖像的質(zhì)量受光線(xiàn)等環(huán)境影響較大;基于聲學(xué)信號的跌倒檢測，安裝復雜且前期投入比較大;基于穿戴式裝置的跌倒檢測，較之前兩種方法在適用環(huán)境上和對用戶(hù)的干擾程度上有比較突出的優(yōu)點(diǎn)。綜合比較各類(lèi)檢測方法，基于穿戴式的檢測方法對老年人的健康進(jìn)行遠程監管比較適合。

本文設計了一種佩帶在腰部的新型的基于加速度傳感數據采集的跌倒檢測模塊。在數據預處理階段，本文提出了基于1-class SVM分類(lèi)預算法，并依據人體在不同動(dòng)作下其能量損耗的最大量不同(閾值范圍不同)進(jìn)行跌倒判斷，在確保系統準確性上增加了計算分析人體特定時(shí)間內的速度、位移及傾角這三個(gè)特征量作為輔助判據。

1 跌倒檢測模塊設計

1.1 架構設計

跌倒檢測模塊的總體架構如圖1所示。主要由加速度采集單元、微處理器單元、無(wú)線(xiàn)通信單元以及遠程跌倒監控后臺等構成，整體模塊采用鋰電池進(jìn)行。

系統由加速度采集單元進(jìn)行加速度的采集，經(jīng)微處理器單元對信號進(jìn)行預處理，經(jīng)預處理提取的可疑數據通過(guò)無(wú)線(xiàn)通信單元傳輸至遠程跌倒監控后臺進(jìn)行最終的分析處理，在檢測到跌倒時(shí)系統能夠自動(dòng)觸發(fā)警報項。

交互單元主要包括了功能按鍵、led指示燈和蜂鳴器，其中功能按鍵為用戶(hù)提供主動(dòng)報警和取消誤報警的功能，LED指示燈主要用于顯示通信網(wǎng)絡(luò )的連通狀態(tài)，蜂鳴器在系統檢測到跌倒時(shí)能得到一個(gè)反饋的警報信號。

1.2 信號預處理

首先，采用13階的中值濾波器來(lái)濾除加速度采集裝置采樣值的噪聲，然后采用一個(gè)截止頻率為0.5 Hz的高通濾波器以及一個(gè)0.8 s的非重疊窗疊加來(lái)消除重力因素，以便濾出動(dòng)態(tài)加速度信號作為下一步處理準備。

在濾波處理后，對原始數據采取基于1-class SVM的分類(lèi)算法進(jìn)行可疑數據的提取。

1-class SVM算法是由SVM算法擴展而來(lái)，算法利用核函數將所有樣本映射到高維特征空間實(shí)現分類(lèi)。在特征空間里，1-class SVM確定了一個(gè)包含所有目標數據的最小超球面體表面，這個(gè)表面就是分類(lèi)器。用一組松弛變量來(lái)控制超球體的半徑和超出超球體的樣本數量。通過(guò)此算法可以提取出絕大部分的跌倒性樣本(陽(yáng)性樣本)。通過(guò)訓練后可以獲得一組支持向量，然后通過(guò)式(6)計算出半徑R：

研究表明從低強度日?；顒?dòng)中區分跌倒性行為是非常有效的，但是當從較高強度的日?；顒?dòng)區分跌倒性行為則困難一些。因此該算法只作為數據的預處理過(guò)程中使用，從原始數據中分離出可疑數據。通過(guò)在實(shí)驗中調整松弛變量，可確保97%以上的真正跌倒樣本數據能夠被提取。

2 跌倒檢測算法

2.1 動(dòng)作模型的建立

人體在跌倒過(guò)程當中，對象在各個(gè)方向上的加速度、速度和位移這三個(gè)矢量均會(huì )發(fā)生變化。實(shí)際上，如果僅根據各方向上的加速度的變化很難全面地分辨出跌倒動(dòng)作。通過(guò)對加速在時(shí)間域上進(jìn)行一次積分求取速度(v)，兩次積分求取位移(s)，以提高系統的準確性。

通過(guò)加速度傳感器采集到的加速度包含受到的地球重力加速度和人體運動(dòng)引起的加速度這兩部分，并且任何時(shí)刻這兩部分都同時(shí)存在。以人體運動(dòng)加速度為依據建立起人體三維動(dòng)作模型，根據加速度傳感器的三個(gè)正交的測量方向可以建立三維坐標系，如圖2所示。

通常正確佩戴好裝置后，對象在處于靜止或是水平勻速運動(dòng)狀態(tài)下時(shí)，Y方向的加速度表現為重力加速度(g)，水平方向上的加速度為0。當對象發(fā)生跌倒時(shí)，如果只考慮始末狀態(tài)的加速度值的變化，縱向的變化范圍從1 g～0 g，而水平方向分量(x或z)的變化則是0 g～1 g。

2.2 算法設計

依據人體在行走、站立和跌倒所損耗的能量的不同，通過(guò)實(shí)驗可以得出在不同動(dòng)作下其能量損耗的閾值范圍。因此在后臺的數據分析方法上提出了引入能量損耗的方法進(jìn)行分析。能量損耗是動(dòng)態(tài)加速度的平方在特定時(shí)間域上的積分，其表達如公式(9)示：

本文a=1，能量損耗的計算以每個(gè)采樣窗體為單位進(jìn)行。

針對老年人的生活狀況特點(diǎn)進(jìn)行分析，并結合實(shí)際設計了相應的跌倒檢測算法。算法流程如圖3所示，流程圖從整體上描述了跌倒檢測判斷的過(guò)程。

算法從開(kāi)始到“數據傳輸”這部分的實(shí)現都是在用戶(hù)終端實(shí)現，整個(gè)信號的預處理過(guò)程都是以一個(gè)采樣窗體為基本單位，如果在一個(gè)采樣時(shí)間內檢測到疑似數據，則將此單位內的數據都傳輸至后臺進(jìn)行進(jìn)一步的確認處理，否則，丟棄該數據段繼續采集加速度信號。

在后臺的數據處理階段，主要是利用能量損耗進(jìn)行分析并輔以特定時(shí)間內的人體v、s、Φ計算分析來(lái)提高系統檢測的準確性。

3 實(shí)驗與結果分析

為了驗證算法的準確性，邀請了10位60歲以上老人進(jìn)行試驗，但在跌倒實(shí)驗環(huán)節出于安全考慮沒(méi)有讓老人參與而是邀請了學(xué)生進(jìn)行模擬摔倒(在墊子上完成)。實(shí)驗的跌倒方式分為：向前/向后跌倒未平躺、向前/向后跌倒后平躺、向左/向右側跌倒。依據這幾種跌倒方式設計了一套如表1所示的動(dòng)作。每一次實(shí)驗的實(shí)驗者都隨機從中選出一些動(dòng)作并結合真正的跌倒組合一套完整的實(shí)驗動(dòng)作。系統以45Hz的采樣頻率進(jìn)行樣本的采集，并通過(guò)設計的算法進(jìn)行數據的分析處理。

實(shí)驗者從上述的動(dòng)作中隨機選取動(dòng)作組合進(jìn)行實(shí)驗，每名實(shí)驗者需進(jìn)行5組實(shí)驗，10名實(shí)驗者共需完成50組實(shí)驗。實(shí)驗統計結果如表1所示。

通過(guò)實(shí)驗數據可知所設計的跌倒檢測方法有較高的準確率，能夠分辨絕大部分的跌倒事件，但在對跌倒后沒(méi)有平躺事件和滑倒并迅速回復平衡的情況存在一定的誤報率。

本文構建了基于三維加速度傳感器、微處理器和無(wú)線(xiàn)通信模塊為核心的跌倒檢測模塊，通過(guò)實(shí)驗證明了其有效性，能夠較好地區分日?；顒?dòng)和跌倒事件。在數據預處理上采取了基于1-class SVM的數據分類(lèi)算法提取可疑數據，并創(chuàng )新性地提出了利用人體活動(dòng)損耗的能量差異進(jìn)行跌倒的最終判定，在確保系統的準確性上增加了對特定時(shí)域內的人體的姿態(tài)分析(對速度、位移及人體傾角的計算分析)，取得了一定的成效。在用戶(hù)終端對原始數據的分類(lèi)處理上還需要對1-class SVM算法做進(jìn)一步的改進(jìn)。