廣東工業(yè)大學(xué)自動化學(xué)院 陳祥寶

穿戴式跌倒檢測系統(tǒng)設(shè)計及算法研究

廣東工業(yè)大學(xué)自動化學(xué)院 陳祥寶

隨著老年人口的劇增，老齡化社會以及老年人的醫(yī)療保健問題已成為當(dāng)今社會的突出問題。如何實現(xiàn)對老年人實行醫(yī)療監(jiān)護，已經(jīng)成為社會急需解決的問題。本系統(tǒng)設(shè)計的基于六軸傳感器的移動醫(yī)療智能監(jiān)測系統(tǒng)，運用六軸傳感器得到人體跌倒時的準(zhǔn)確數(shù)據(jù)，并對數(shù)據(jù)進行預(yù)處理，利用k近鄰算法得到被檢測者的身體狀態(tài)；運用GPS/GSM/GPRS對被監(jiān)測的位置進行確定定位，并通過GPRS將跌倒信息通過服務(wù)器傳送到APP端，使得親屬可以快速準(zhǔn)確的找到被監(jiān)測者進行救治。本項目的技術(shù)創(chuàng)新點對于老年人的跌倒檢測具有很大的推動作用。

可穿戴式；K-D tree；跌倒檢測；APP；K近鄰算法

0 引言

根據(jù)國家統(tǒng)計局發(fā)的2015年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報顯示，2015年年末我國60周歲及以上人口數(shù)為22182萬人，占總?cè)丝诒戎貫?6.15%；65周歲及以上人口數(shù)為14374萬人，占比10.47%。也就是說，我國已經(jīng)進入人口老齡化的時期。摔倒在年級較大的人群中比較常見，和對年輕人相比，對老年人的影響要大的多。根據(jù)國內(nèi)外研究發(fā)現(xiàn)，在65周歲以上每年有30%的人發(fā)生過跌倒，并且隨著年齡的增長，這個數(shù)字也在不斷上升，在80周歲以上的老年人中，遇到跌倒的可能性甚至?xí)_(dá)到一半。在美國，在70周歲以上老年人中，跌倒已經(jīng)成為死亡的第六大原因，每年在跌倒傷害中花費超過2000億美元。所以對跌倒研究與預(yù)防是極為必要的，怎么減少跌倒導(dǎo)致的傷害已經(jīng)成為國內(nèi)外研究人員的一個研究焦點。

1 跌倒檢測系統(tǒng)設(shè)計

本文設(shè)計的跌倒檢測系統(tǒng)分為硬件系統(tǒng)和軟件系統(tǒng)，其整體設(shè)計框圖如圖1所示：

圖1 系統(tǒng)整體設(shè)計框圖

1.1 硬件框架

硬件部分主要是智能監(jiān)護終端，功能主要為：實時地采集到用戶的生理指標(biāo)、人體姿態(tài)、用戶所在地理位置等數(shù)據(jù)，通過移動網(wǎng)絡(luò)，將數(shù)據(jù)傳輸?shù)缴鐓^(qū)醫(yī)療監(jiān)護中心、用戶及其監(jiān)護人的手機，以實現(xiàn)對用戶的日常健康進行監(jiān)護。該終端由主控芯片STM32L151RBT6、鋰電池電源管理模塊、微處理器、GPS/GSM/GPRS、六軸傳感器、蜂鳴器、選擇/確定按鈕等組成。

該部分主要負(fù)責(zé)對人體運動產(chǎn)生的加速度、角速度等數(shù)據(jù)采集，并具有地理信息獲取和遠(yuǎn)程無線通信等功能。當(dāng)檢測到用戶的生理指標(biāo)或人體姿勢發(fā)生異常時（如跌倒等），終端上的馬達(dá)振動器會震動報警，LED顯示屏提示用戶注意調(diào)節(jié)生理狀態(tài)。同時將報警信號傳送到遠(yuǎn)程服務(wù)器端，由遠(yuǎn)程服務(wù)端統(tǒng)一收集分派到社區(qū)醫(yī)療服務(wù)中心以及用戶監(jiān)護人的手機，以便通知社區(qū)醫(yī)療工作人員或監(jiān)護人提供及時的救治。此外終端還具有主動取消報警、電量監(jiān)測和低電量提示、手機防丟、免密碼手機解鎖、運動檢測等其他輔助功能。

1.2 軟件框架

1.2.1 遠(yuǎn)程服務(wù)器

服務(wù)器端設(shè)計是基于Visual studio 2013開發(fā)環(huán)境利用MFC構(gòu)架開發(fā)，提供系統(tǒng)錄入，用戶管理，接收分派警報消息。服務(wù)器將事件相關(guān)信息，包括跌倒事件、發(fā)生人員、跌倒時間、發(fā)生地點、跌倒事件的可信程度和預(yù)處理方案等打包發(fā)送到社區(qū)醫(yī)療中心和監(jiān)護人手機處。該平臺能夠根據(jù)跌倒事件信息做出實施救助的方案，并立即展開救助活動，最大程度地對需要救助的人員實施最快的救助。

1.2.2 手機客戶端APP設(shè)計

手機客戶端主要負(fù)責(zé)從服務(wù)器將用戶的數(shù)據(jù)讀取出來，解析服務(wù)氣端傳送的經(jīng)緯度信息，并以圖形界面的形式顯示。手機客戶端采用高德地圖來實時顯示用的地理位置。

2 跌倒檢測算法研究

人體結(jié)構(gòu)具有復(fù)雜性，導(dǎo)致人體的運動行為具有多樣性，在算法研究之前，我們需要對人體的日常行為和具體的跌倒行為進行數(shù)據(jù)采集分析，進而從中提取可以區(qū)分跌倒和類跌倒行為的特征。為跌倒算法的判斷提供簡便性。

2.1 跌倒行為分析

本文主要是針對老人的跌倒進行研究，根據(jù)大量資料研究表明，老人跌倒絕大多數(shù)是處于從站立狀態(tài)到臥躺的一個過程。在跌倒發(fā)生時，通過本設(shè)計提供的六軸傳感器可以獲得佩戴者在這一狀態(tài)的加速度和角速度的變化過程。不同于其他的日?；顒?，在跌倒過程中，加速度和角速度數(shù)據(jù)會在短時間急劇增加，為跌倒特征的提取提供了依據(jù)。

由于系統(tǒng)是面向老年人的醫(yī)療監(jiān)護系統(tǒng)，可以忽略跑跳的情況。因此，當(dāng)?shù)箷r，一般會出現(xiàn)以下的情況：

（1）撞擊時加速度的峰值大于閾值A(chǔ)cc1；（2）角速度的峰值大于某個值閾值Wcc1；

（3）一段時間內(nèi)，出現(xiàn)跌倒的加速度尖峰值次數(shù)N1；（4）跌倒后，一定時間內(nèi)靜止。

本文所采用的加速度和角速度均為合加速度和合角速度，即三軸加速度矢量合以及三軸角速度的矢量合作為人體運動的判斷基礎(chǔ)：

其中Ax,Ay,Az分別代表加速度傳感器所采集的X軸，Y軸，Z軸數(shù)據(jù)，Acc稱為合成加速度。

其中Wx,Wy,Wz分別代表角速度傳感器所采集的X軸，Y軸，Z軸數(shù)據(jù)，Wcc稱為合成角速度。

2.2 基于K近鄰法的跌倒檢測判定

由于人體日?；顒又饕钦玖ⅰ⒉叫?、坐下、躺下、蹲下、起立、上下樓梯、跑步、跳躍等，對這些日?；顒舆M行加速度和角速度數(shù)據(jù)采集，并進行數(shù)據(jù)建模，發(fā)現(xiàn)同類的數(shù)據(jù)具有簇居在一起的現(xiàn)狀，所以本設(shè)計提出采用K近鄰算法來對跌倒的狀態(tài)進行判斷?？梢杂行У呐袛喑鰷?zhǔn)確地結(jié)果。

K近鄰算法（k-Nearest Neighbor,KNN）：對于一個樣本在特征空間中的具有K個距離最近的點，如果其中的大多數(shù)屬于某個種類，那么這個樣本也屬于其類別。在KNN算法中，除去被測樣本外的其他樣本都是已知分類。KNN方法通過這種概率分布來判斷待測樣本的類別。具有較高的準(zhǔn)確率。

圖2 K近鄰仿真示例圖

圖2 所示中，中間的圓形的分類取決于K的大小，當(dāng)K=3時，則取距離圓形最近的三個點，判斷其中的類別的比例，最終判斷圓形和三角形屬于同一類別，同樣的道理，當(dāng)K=5時，圓形和正方形屬于同一類別。其中K的取值，可經(jīng)過大量數(shù)據(jù)檢驗得到最為適中的值。

圖3 算法流程圖

實現(xiàn)k近鄰法，主要考慮如何對訓(xùn)練數(shù)據(jù)進行快速k近鄰搜索（在特征空間維數(shù)大及訓(xùn)練數(shù)據(jù)容量大尤其必要）最簡單的實現(xiàn)方法是線性掃描。這時要輸入實例與每一個訓(xùn)練實例的距離，計算很耗時。所以在測試數(shù)據(jù)和訓(xùn)練集進行距離計算時，選擇合理的搜索可以最大化減少數(shù)據(jù)處理的時間，在保證高正確率的情況下保證實時性。

所采用的的數(shù)據(jù)存儲和查詢?yōu)镵-D tree。

K-D tree，是在k維歐幾里德空間組織點的數(shù)據(jù)結(jié)構(gòu)。kd代表k-dimension，他是一顆平衡二叉樹，通過計算不同方向的方差和中值，從而確定分割超平面。這樣不斷地進行遞歸運算，最終劃分到葉子節(jié)點為止。

所采用的的距離度量為歐式距離。

歐式距離：對于2個樣本x和y，設(shè)x=(x1,x2,...,xn)T,y=（y1,y2,...,yn)T。樣本x和y的歐式距離定義為：

3 實驗結(jié)果

為了驗證本文所設(shè)計算法的準(zhǔn)確性和實時性，通過大量的實驗數(shù)據(jù)進行驗證對比，主要從以下幾種情況進行跌倒驗證：站立、走路、跑步、蹲起、向前跌倒、側(cè)向跌倒等進行數(shù)據(jù)采集。

圖4 站立加速度曲線圖

圖5 走路加速度曲線圖

圖6 坐下加速度曲線圖

圖7 跌倒加速度曲線圖

圖4-7所示中通過MATLAB描述不同動作下的加速度變換曲線圖，通過六軸傳感器以50hz的頻率進行數(shù)據(jù)的采集，每次采集6秒，總共300組數(shù)據(jù)，對其進行特征提取，獲得每組數(shù)據(jù)加速度的最大值、最小值，角速度的最大值、最小值。對上圖進行分析可知在迭倒時加速度的峰值可以作為明顯的特征作為判斷的標(biāo)準(zhǔn)。相同的方法可以提取角速度的特征。通過K近鄰算法進行運算得到以下結(jié)果：

首先采用60組不參與訓(xùn)練集的跌倒和非跌倒進行預(yù)測，得到的結(jié)果是0誤報，0漏報。采用400組不參與訓(xùn)練集的跌倒和非跌倒進行預(yù)測，得到的結(jié)果是5誤報，1漏報。誤報率為1.2%，正確率為98.5%。

4 結(jié)論

本系統(tǒng)設(shè)計的基于六軸傳感器的移動醫(yī)療智能監(jiān)測系統(tǒng)，運用六軸傳感器得到人體跌倒時的準(zhǔn)確數(shù)據(jù)，并對數(shù)據(jù)進行預(yù)處理，利用k近鄰算法得到被檢測者的身體狀態(tài)；本算法相比于其他的跌倒檢測算法，具有準(zhǔn)確率高，運行時間短，可以保證實時監(jiān)測。并可以準(zhǔn)確地判斷佩戴者是否發(fā)生跌倒。在日常生活中，面對大量的獨居老人和生活不能自理的老人。本設(shè)計可以準(zhǔn)確地對老人的日常生活進行監(jiān)控，并在發(fā)生意外是，第一時間通過GSM/GPS/GPRS，將佩戴者的地理位置信息第一時間發(fā)給監(jiān)護人,實現(xiàn)健康監(jiān)護的目標(biāo)。本項目的技術(shù)創(chuàng)新點對于老年人的跌倒檢測具有很大的推動作用。

[1]劉宇航.基于九軸慣性傳感器系統(tǒng)的穿戴式跌倒報警系統(tǒng)的研究與實現(xiàn)[碩士學(xué)位論文].云南:云南大學(xué),2015.

[2]Doughty K,Cameron K..Primary and Secondary Sensing Techniques for Fall Detection in the Home.Proceeding of Hospital Without Walls.London;City University,1999.

[3]Yang,C.-C.,Hsu,Y.-L.A review of accelerometry-based wearable motion detectors for physical activity monitoring[J].Sensors,2010,10(8):7772-7788.

[4]文耀鋒.一種實時的跌倒姿態(tài)檢測和心率監(jiān)護系統(tǒng)的研究[博士學(xué)位論文].浙江:浙江大學(xué),2008.

[5]M.J.Fischer,N.A.Lynch,and M.S.Patcrson.Impossibility of distributed consensus with one faulty processor[J].Journal of the ACM,1985.32(2):374-382P.

[6]P.Fraigniaud,A.Pelc,D.Peleg,and S.Perennes.Assigning labels in unknown anonymous network[C].Proceedings of the 19th Annual ACM SIGACT-SIGOPS symposium on Principles of Distributed Computing,Portland,OR,USA,July 2000.1:101-111.

[7]張元亭等.移動醫(yī)療:穿戴式醫(yī)療儀器的發(fā)展趨勢[J].中國醫(yī)療器械雜志,2006,30(5):330-340.

陳祥寶（1993—），男，安徽六安人，碩士研究生，主要研究方向：醫(yī)療器械設(shè)備與嵌入式系統(tǒng)實際以及跌倒算法研究。