劉小彬，王 璐，鄒遠(yuǎn)文，李晉川，黃學(xué)進(jìn)

(1.四川大學(xué) 建筑與環(huán)境學(xué)院，四川 成都 610065；2.四川大學(xué) 材料科學(xué)與工程學(xué)院，四川 成都 610065)

大學(xué)生中多數(shù)患有圓肩、頸椎過(guò)度前曲、駝背、聳肩或塌肩及腰椎過(guò)度前曲等姿態(tài)問(wèn)題，而平常生活中不規(guī)范的坐、立和行走姿態(tài)是造成不良身體姿態(tài)的最主要原因[1]。隨著社會(huì)老齡化問(wèn)題的出現(xiàn)，無(wú)人監(jiān)護(hù)的居家老人頻發(fā)意外跌倒事故，未及時(shí)搶救可導(dǎo)致虛弱、疾病甚至死亡[2－4]，因此姿態(tài)檢測(cè)對(duì)各類人群都有重要的臨床和實(shí)際意義。

根據(jù)檢測(cè)方式，人體姿態(tài)檢測(cè)主要分為非穿戴式檢測(cè)和穿戴式檢測(cè)[5]。文獻(xiàn)[6]中提出了一種基于深度圖像梯度特征的人體姿態(tài)識(shí)別，利用圖像中深度信息計(jì)算出水平和垂直方向的梯度值，從而提取特征值，再利用分類器進(jìn)行分類，但僅能夠?qū)o態(tài)圖片進(jìn)行姿態(tài)識(shí)別，無(wú)法應(yīng)用在實(shí)際生活中。文獻(xiàn)[7]中提出了利用視頻識(shí)別對(duì)人體姿態(tài)進(jìn)行識(shí)別，采用基于Hu不變矩特征的提取算法提取視頻中的關(guān)鍵幀，再利用分類模型進(jìn)行分類，但分類模型所需訓(xùn)練數(shù)據(jù)龐大，且受環(huán)境影響大，如光照、遮擋物等。文獻(xiàn)[7－8]中在低頻電磁場(chǎng)中，采用固定在被測(cè)對(duì)象上的磁接收器作為傳感器，檢測(cè)磁場(chǎng)的變化信息，然后利用發(fā)射信號(hào)和感應(yīng)信號(hào)之間的耦合關(guān)系確定被測(cè)對(duì)象的姿態(tài)，但該實(shí)驗(yàn)必須在低頻電磁場(chǎng)中進(jìn)行，且易受到電磁干擾。此外，Logitech、SAC等公司都生產(chǎn)超聲波運(yùn)動(dòng)捕捉設(shè)備，然而這類設(shè)備實(shí)時(shí)性較差，且受環(huán)境影響大。上述人體姿態(tài)檢測(cè)均為非穿戴式檢測(cè)，除了自身存在的問(wèn)題，還存在檢測(cè)范圍有限、設(shè)備限制大等缺點(diǎn)。

相對(duì)于非穿戴式檢測(cè)，穿戴式檢測(cè)具有檢測(cè)范圍所受限制小，且不受光照、背景等外部環(huán)境干擾的特點(diǎn)[9]。文獻(xiàn)[9－10]中基于慣性元件對(duì)老年人進(jìn)行實(shí)時(shí)的摔倒檢測(cè)，當(dāng)老年人摔倒時(shí)開(kāi)啟安全氣囊，減少損傷，但動(dòng)作分類有限，不能用于其他運(yùn)動(dòng)或姿態(tài)的捕捉。文獻(xiàn)[11]利用手機(jī)內(nèi)置的加速度傳感器得到測(cè)試者的姿態(tài)信息，再利用分類器對(duì)姿態(tài)進(jìn)行分類，其缺點(diǎn)在于必須使用實(shí)驗(yàn)型號(hào)的手機(jī)。

本文提出了一種基于BLE技術(shù)的可穿戴組合式人體檢測(cè)裝置，通過(guò)數(shù)字式的加速度傳感器檢測(cè)出姿態(tài)信息，最后顯示在平板電腦上。本裝置具有受環(huán)境干擾小、靈活、可組裝、低功耗、攜帶方便及可檢測(cè)多種姿態(tài)等特點(diǎn)，可應(yīng)用于運(yùn)動(dòng)康復(fù)、姿態(tài)矯正、跌倒檢測(cè)和計(jì)步等領(lǐng)域。

1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

1.1 人體姿態(tài)檢測(cè)原理

本文主要采用三軸加速度傳感器來(lái)檢測(cè)人體姿態(tài)，如圖1所示。

圖1 傳感器及人體姿態(tài)檢測(cè)示意圖

圖1(a)為加速度傳感器三軸受力示意圖，αg，βg，γg分別為重力加速度g與x，y，z軸夾角。當(dāng)加速度傳感器不受外力作用時(shí)，只會(huì)檢測(cè)到重力加速度。假設(shè)重力加速度為g，則傳感器在各個(gè)方向應(yīng)該滿足:

式中，ax、ay、az分別為重力加速度g在x，y，z軸上的分量。通過(guò)式(1)～式(3)可計(jì)算出:

對(duì)人體豎直站立姿態(tài)建立自然坐標(biāo)系O－x0y0z0，取人體冠狀面法相方向?yàn)閤0軸正方向，矢狀面法相方向?yàn)閥0軸正方向，水平面法相方向向下為z0正方向。此時(shí)，z0與重力加速度g的方向一致，于是，當(dāng)將加速度傳感器穿戴于靜止人體的某個(gè)部位，便可檢測(cè)出該部位相對(duì)于重力加速度方向的夾角，從而確定該部位的姿態(tài)，如圖1(b)所示。而對(duì)于運(yùn)動(dòng)中的人體姿態(tài)檢測(cè)，可通過(guò)對(duì)運(yùn)動(dòng)中的加速度數(shù)據(jù)進(jìn)行濾波和消振處理而得到姿態(tài)信息。

1.2 計(jì)步原理

人體在水平步行運(yùn)動(dòng)中，垂直和前進(jìn)兩個(gè)方向上的加速度會(huì)呈現(xiàn)周期性變化，如圖2所示。在步行收腳的動(dòng)作中，由于重心向上單只腳觸地，垂直方向加速度是呈正向增加的趨勢(shì)，之后繼續(xù)向前，重心下移兩腳觸底，加速度相反。水平加速度在收腳時(shí)減小，在邁步時(shí)增加。反映到圖表中，可以看到在步行運(yùn)動(dòng)中，垂直和前進(jìn)產(chǎn)生的加速度與時(shí)間大致為一個(gè)正弦曲線，而且在某點(diǎn)有一個(gè)峰值，其中垂直方向的加速度變化最大，通過(guò)對(duì)軌跡的峰值進(jìn)行檢測(cè)計(jì)算和加速度閾值決策，即可實(shí)時(shí)計(jì)算用戶運(yùn)動(dòng)的步數(shù)，還可依此進(jìn)一步估算用戶步行距離，如圖2所示。

圖2 實(shí)測(cè)人體行走時(shí)ax波形圖

1.3 硬件設(shè)計(jì)

本系統(tǒng)硬件主要由移動(dòng)客戶端和人體姿態(tài)檢測(cè)/計(jì)步模塊兩部分組成，而人體姿態(tài)檢測(cè)/計(jì)步模塊由加速度傳感器、微處理器和藍(lán)牙組成。加速度傳感器選用了ADXL345，該芯片是一款小而薄的超低功耗三軸加速度計(jì)，分辨率高(13 bit)，測(cè)量范圍達(dá)±16g。數(shù)字輸出數(shù)據(jù)為16 bit二進(jìn)制補(bǔ)碼格式，其高分辨率(3.9 mg/LSB)，能夠檢測(cè)到小于1.0°的傾斜角變化，并可在所有測(cè)量范圍內(nèi)保持此比例系數(shù)[12]。另外選用了 TI公司CC2541藍(lán)牙4.0低功耗片上系統(tǒng)，該系統(tǒng)將微處理器和藍(lán)牙集成在一起，既滿足便攜式設(shè)備小型化要求，也可將采集到的加速度信號(hào)發(fā)送至移動(dòng)客戶端。此外，CC2541可在不同模式間進(jìn)行轉(zhuǎn)換，且轉(zhuǎn)換時(shí)間較短，能耗低，可延長(zhǎng)設(shè)備一次充電后的使用時(shí)間，使便攜式設(shè)備的使用更方便[13]。

1.4 可配置工作模式設(shè)計(jì)

由于每個(gè)人體姿態(tài)檢測(cè)/計(jì)步模塊的硬件結(jié)構(gòu)完全相同，只是因要實(shí)現(xiàn)不同功能而穿戴于不同人體部位并運(yùn)行相應(yīng)的處理程序，所以為了使用方便，不對(duì)模塊進(jìn)行特有功能的標(biāo)識(shí)，本文采用了可配置工作模式的軟件設(shè)計(jì)，即將所有的功能(頭部震蕩檢測(cè)、跌倒檢測(cè)、頸椎彎曲檢測(cè)、脊柱彎曲檢測(cè)、計(jì)步等)在每個(gè)模塊上都實(shí)現(xiàn)，用戶只需在使用系統(tǒng)前根據(jù)每個(gè)模塊所佩戴的部位和想要實(shí)現(xiàn)的功能通過(guò)移動(dòng)客戶將其配置成對(duì)應(yīng)工作模式即可。

1.5 低功耗設(shè)計(jì)與電源監(jiān)測(cè)

姿態(tài)檢測(cè)/計(jì)步模塊選用TI公司CC2541藍(lán)牙4.0低功耗片上系統(tǒng)作為處理器，該系統(tǒng)包含3種供電模式。如表1所示，通過(guò)將部分功能塊關(guān)閉的方式以降低系統(tǒng)的功耗。設(shè)計(jì)程序使CC2541在空閑時(shí)處于供電模式2，而在數(shù)據(jù)采集和計(jì)算時(shí)處于供電模式1，從而降低了姿態(tài)檢測(cè)/計(jì)步模塊功耗，延長(zhǎng)工作時(shí)長(zhǎng)。當(dāng)不使用模塊又不想拔出電池時(shí)，便可通過(guò)外部按鈕觸發(fā)CC2541進(jìn)入供電模式3(超低功耗模式)，待使用時(shí)采用同樣方法喚醒模塊。

表1 CC2541三種供電模式

為了保證姿態(tài)檢測(cè)/計(jì)步模塊處于正常工作狀態(tài)，增加了模塊的電源監(jiān)測(cè)功能。將供電電源電壓VDD信號(hào)直接作為CC2541的A/D輸入信號(hào)，利用CC2541的內(nèi)部參考電壓便可計(jì)算出VDD值，然后將該值發(fā)送至移動(dòng)終端設(shè)備作為對(duì)模塊電量的評(píng)估值，當(dāng)監(jiān)測(cè)到的VDD值低于模塊最低供電要求時(shí)便給予報(bào)警信號(hào)并將模塊切換至供電模式3。

2 系統(tǒng)算法設(shè)計(jì)

2.1 基于低通濾波的姿態(tài)角度計(jì)算

本文的姿態(tài)檢測(cè)主要是檢測(cè)人體某個(gè)部位(如頭部、背部、腰部)長(zhǎng)時(shí)間保持同一個(gè)狀態(tài)(相對(duì)于重力加速度方向的角度)，而這個(gè)狀態(tài)為非正常人體姿態(tài)，且對(duì)人體的身體健康有嚴(yán)重的危害時(shí)，則通過(guò)移動(dòng)終端給用戶提供報(bào)警信號(hào)。為減小或消除人體正?；顒?dòng)對(duì)所穿戴的加速度傳感器檢測(cè)值的影響，本文基于低通濾波來(lái)計(jì)算姿態(tài)角度值，并對(duì)一定時(shí)間內(nèi)的角度值進(jìn)行計(jì)算和分析評(píng)價(jià)該段時(shí)間內(nèi)人體姿態(tài)是否滿足正常人體姿態(tài)要求。

為過(guò)濾掉加速度的突變值和運(yùn)動(dòng)產(chǎn)生的高頻信息，本文采用了低通濾波算法對(duì)計(jì)算的角度數(shù)據(jù)進(jìn)行濾波。將普通硬件RC低通濾波器的微分方程用差分方程來(lái)表示，便可采用軟件算法來(lái)模擬硬件濾波的功能，經(jīng)推導(dǎo)，低通濾波算法如下:

式中:Xn為本次采樣值；Yn－1為上次的濾波輸出值；a為濾波系數(shù)，其值通常遠(yuǎn)小于1；Yn為本次濾波的輸出值。

通過(guò)大量實(shí)驗(yàn)便可確定一個(gè)較為合適的a系數(shù)值，從而對(duì)角度數(shù)據(jù)進(jìn)行低通濾波得到一段時(shí)間內(nèi)角度值，最后再求出這段時(shí)間角度值的平均值作為這段時(shí)間平均姿態(tài)角度來(lái)評(píng)估人體姿態(tài)是否滿足要求。

2.2 跌倒時(shí)腦部震蕩檢測(cè)

通過(guò)將人體姿態(tài)檢測(cè)/計(jì)步模塊穿戴于腰部，并將加速度傳感器的z軸垂直于人體，則計(jì)算出的重力加速度g與z軸之間的夾角γg便是人體相對(duì)于重力加速度g的傾斜角度，當(dāng)γg大于45°角時(shí)便可認(rèn)為此時(shí)人體處于跌倒?fàn)顟B(tài)。與此同時(shí)，在人體頭部穿戴一塊人體姿態(tài)檢測(cè)/計(jì)步模塊采集檢測(cè)到跌倒前后一段時(shí)間的加速度值，并通過(guò)BLE發(fā)送至移動(dòng)終端設(shè)備，計(jì)算出產(chǎn)生最大撞擊的方向和力度 (以加速度產(chǎn)生方向和最大加速度值表達(dá))作為對(duì)頭部碰撞嚴(yán)重程度的評(píng)估信息。

2.3 基于動(dòng)態(tài)閾值的計(jì)步算法

1)算法描述。

將人體姿態(tài)檢測(cè)/計(jì)步模塊穿戴于腿部，便可以檢測(cè)到如圖2所示的角度信號(hào)，再將數(shù)據(jù)進(jìn)行數(shù)字平滑濾波后得到如圖3所示的波形。水平線為設(shè)定的閾值線，當(dāng)采集的數(shù)據(jù)signal大于Threshold時(shí)，標(biāo)記為T(mén)1時(shí)刻，并設(shè)pulse＝true，之后當(dāng)signal小于Threshold時(shí)記為T(mén)2，設(shè)pulse＝false，再當(dāng)signal大于Threshold時(shí)記為T(mén)3，再次設(shè)pulse＝true，計(jì)步數(shù)加1，如此循環(huán)下去，便可得到周期波形的計(jì)數(shù)。

圖3 濾波后的角度波形圖(濾波系數(shù)a＝0.1；橫軸—時(shí)間/100 ms；縱軸—加速度/g)

該計(jì)數(shù)算法關(guān)鍵在于閾值Threshold的選取。由于加速度波形的峰－峰值因個(gè)人運(yùn)動(dòng)強(qiáng)度的差異而有所不同，不能采用固定值，所以本文選取了一定時(shí)間內(nèi)的加速度均值作為閾值Threshold。建立一個(gè)先入先出隊(duì)列(FIFO)存儲(chǔ)每個(gè)新的加速度采集值，去掉最早進(jìn)入FIFO的加速度值，并重新計(jì)算FIFO隊(duì)列中加速度值的平均值作為新的Threshold閾值，如此來(lái)實(shí)現(xiàn)基于動(dòng)態(tài)閾值的計(jì)步算法。

2)無(wú)效計(jì)步的剔除。

計(jì)步功能利用此算法可以很好地工作，但有時(shí)顯得太敏感。當(dāng)人體姿態(tài)檢測(cè)/計(jì)步模塊因步行或跑步之外的原因而非常迅速或非常緩慢地振動(dòng)時(shí)，計(jì)步算法也會(huì)認(rèn)為它是步伐。為了找到真正的有節(jié)奏的步伐，必須排除這種無(wú)效振動(dòng)。假設(shè)人的步伐為1～5步/秒，則兩個(gè)有效步伐的時(shí)間間隔在0.2～1.0 s之內(nèi)，當(dāng)根據(jù)計(jì)步算法得到的步伐時(shí)間超出時(shí)間范圍則將其標(biāo)為無(wú)效計(jì)步并排除。此外，再建立一個(gè)計(jì)步規(guī)則用于確定步伐是否是一個(gè)節(jié)奏模式的一部分，即出現(xiàn)連續(xù)5個(gè)有效步伐時(shí)，才將步伐加入計(jì)數(shù)。通過(guò)以上方法對(duì)計(jì)步算法進(jìn)行優(yōu)化，便可更準(zhǔn)確地檢測(cè)出步伐并計(jì)數(shù)。

3 系統(tǒng)功能測(cè)試與分析

3.1 系統(tǒng)操作步驟

基于BLE技術(shù)的人體姿態(tài)檢測(cè)與計(jì)步系統(tǒng)的操作步驟如下:

1)將姿態(tài)檢測(cè)/計(jì)步模塊穿戴于人體被檢測(cè)部位；

2)打開(kāi)移動(dòng)客戶端軟件，開(kāi)啟藍(lán)牙4.0掃面穿戴的模塊，掃面成功后可獲得模塊的設(shè)備名稱和設(shè)備地址，連接狀態(tài)為“disconnected”，如圖4(a)所示；

3)通過(guò)藍(lán)牙連接姿態(tài)檢測(cè)/計(jì)步模塊，如圖4(a)所示，連接成功后可以獲取到設(shè)備的供電電壓，如圖4(b)所示；

4)根據(jù)模塊將實(shí)現(xiàn)的功能選擇對(duì)應(yīng)的工作模式，如圖4(a)所示。

3.2 人體姿態(tài)檢測(cè)功能測(cè)試

1)人體姿態(tài)角度檢測(cè)。

圖4 移動(dòng)客戶端軟件操作界面

以頭部姿態(tài)檢測(cè)為例，將姿態(tài)檢測(cè)/模塊按照要求佩戴于頭部后腦勺部位，然后根據(jù)系統(tǒng)的操作步驟連接模塊并設(shè)置對(duì)應(yīng)工作模式。此時(shí)，系統(tǒng)便會(huì)按照設(shè)置的工作模式開(kāi)始采集頭部加速度信息并進(jìn)行計(jì)算和分析。由于每個(gè)人的站姿、坐姿等姿態(tài)都不可能完全一致，因此系統(tǒng)設(shè)計(jì)了標(biāo)準(zhǔn)姿態(tài)的校準(zhǔn)功能，如圖5所示，用戶將頭部保持一個(gè)標(biāo)準(zhǔn)姿態(tài)時(shí)，點(diǎn)擊“SetZero”按鈕將當(dāng)前頭部測(cè)量角度Angle0設(shè)置為角度偏移量，之后把每個(gè)測(cè)量角度值A(chǔ)ngle1減去Angle0得到的角度差A(yù)ngle作為頭部彎曲角度值。此外，系統(tǒng)提供非正常姿態(tài)報(bào)警功能，用戶可在軟件界面點(diǎn)擊 “SetMax”設(shè)置頭部彎曲角度的報(bào)警閾值，當(dāng)計(jì)算得到的Angle值大于該值時(shí)，系統(tǒng)將給出報(bào)警提示。圖5給出了頭部彎曲前后的軟件截圖，圖中的3D人體圖會(huì)隨著實(shí)時(shí)測(cè)量的頭部姿態(tài)角度進(jìn)行對(duì)應(yīng)的頭部角度彎曲。

圖5 頭部姿態(tài)檢測(cè)軟件截圖

2)人體摔倒檢測(cè)。

要實(shí)現(xiàn)人體摔倒檢測(cè)功能，需要佩戴兩個(gè)姿態(tài)檢測(cè)/計(jì)步模塊，分別穿戴于頭部和腰部。使用過(guò)程中主要通過(guò)測(cè)量腰部彎曲角度來(lái)檢測(cè)人體是否處于直立狀態(tài)，當(dāng)檢測(cè)到人體摔倒時(shí)將摔倒頭部產(chǎn)生的最大加速度值和加速度方向保存，從而為后期診斷提供一個(gè)參考。與頭部檢測(cè)類似，用戶可以為正常的腰部姿態(tài)設(shè)置標(biāo)準(zhǔn)姿態(tài)和最大角度閾值，當(dāng)測(cè)量角度值大于設(shè)置的閾值時(shí)，系統(tǒng)認(rèn)為人體處于摔倒?fàn)顟B(tài)，提供報(bào)警并保存相應(yīng)數(shù)據(jù)。如圖6所示，為測(cè)試過(guò)程中的軟件截圖。

圖6 摔倒檢測(cè)過(guò)程中軟件截圖

3.3 計(jì)步功能測(cè)試

將計(jì)步模塊按照要求穿戴于腿部，設(shè)置對(duì)應(yīng)工作模式后即可開(kāi)始計(jì)步。如圖6所示，可以在得到步數(shù)的基礎(chǔ)上設(shè)置單步的距離 (圖中為0.45 m)，從而可估算出對(duì)應(yīng)的行程。為了驗(yàn)證計(jì)步的準(zhǔn)確度，同時(shí)使用本系統(tǒng)和蘋(píng)果手機(jī)進(jìn)行200步的計(jì)步檢測(cè)。如表2所示，給出了測(cè)試結(jié)果，從表中可看出，與蘋(píng)果手機(jī)測(cè)量結(jié)果相比較，本系統(tǒng)的均值更加接近200步的真實(shí)值，且標(biāo)準(zhǔn)差也較小，所以本系統(tǒng)所使用的計(jì)步方法和算法要優(yōu)于蘋(píng)果手機(jī)自帶的計(jì)步功能。

表2 計(jì)步功能測(cè)試與對(duì)比表 (200步)

3.4 模塊功耗檢測(cè)與分析

使用穩(wěn)壓電源為姿態(tài)檢測(cè)/計(jì)步模塊供電，并將萬(wàn)用表串聯(lián)其中用以測(cè)量模塊的電流，切換模塊的所有工作模式，模塊在各個(gè)模式下的功耗，得到如表3所示的結(jié)果。根據(jù)模塊所使用的芯片可知，模塊正常工作的最低電壓為2.0 V，當(dāng)供電電壓低于2.0 V時(shí)，模塊會(huì)自動(dòng)停止工作并進(jìn)入深度休眠模式。經(jīng)實(shí)際測(cè)試，在計(jì)步功能模式下，采用全新的3.0 V的南孚紐扣電池供電，從模塊啟動(dòng)到自動(dòng)進(jìn)入休眠，可以工作97.8 h。

表3 姿態(tài)檢測(cè)/計(jì)步模塊在3V供電下的功耗

4 結(jié)束語(yǔ)

本文基于BLE技術(shù)設(shè)計(jì)并制作了人體姿態(tài)檢測(cè)與計(jì)步系統(tǒng)，該系統(tǒng)利用三軸加速度傳感器收集人體的姿態(tài)信息，并通過(guò)藍(lán)牙發(fā)送到客戶端，最后在客戶端顯示處理好的信息。根據(jù)用戶需求，可以通過(guò)傳感器的穿戴位置及數(shù)量的不同組合，實(shí)現(xiàn)跌倒檢測(cè)、坐姿矯正提醒、計(jì)步等功能。由于本裝置只采集加速度信號(hào)，且使用藍(lán)牙傳輸，因此具有攜帶方便、受環(huán)境干擾小及使用范圍基本不受限制的特點(diǎn)；此外，利用傳感器佩戴位置和攜帶數(shù)量的不同組合，可以靈活實(shí)現(xiàn)多種功能。裝置采用的芯片均為低功耗型，可持續(xù)工作90 h以上。

本文還對(duì)系統(tǒng)的坐姿矯正提醒、跌倒檢測(cè)及計(jì)步功能進(jìn)行了多次實(shí)驗(yàn)，驗(yàn)證了本系統(tǒng)的可行性和實(shí)用性。

由于時(shí)間和實(shí)驗(yàn)設(shè)備等條件限制，本系統(tǒng)還有很多方面可以繼續(xù)深入研究，主要包括以下內(nèi)容:將加速度傳感器與陀螺儀等其他傳感器結(jié)合，通過(guò)多種參數(shù)來(lái)確定人體姿態(tài)，使獲得的姿態(tài)信息更豐富、準(zhǔn)確；深入學(xué)習(xí)生物力學(xué)相關(guān)知識(shí)，發(fā)掘更多可以通過(guò)加速度傳達(dá)出來(lái)的人體姿態(tài)信息，豐富本裝置的功能；由于藍(lán)牙傳輸距離相對(duì)較短，可以嘗試將其他無(wú)線傳輸技術(shù)(如WiFi)，實(shí)現(xiàn)遠(yuǎn)距離的人體姿態(tài)監(jiān)控。

[1]張龍.從身體姿態(tài)評(píng)估看在校大學(xué)生的體形[J].廣東農(nóng)工商職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2008，24(4):33－35.

[2]杜波，劉奭昕.人體姿態(tài)檢測(cè)裝置的設(shè)計(jì)[J].長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版)，2012，13(4):108－110.

[3]BOURKE A，OBRIEN J，LYONS G.Evaluation of a threshold－based tri－axial accelerometer fall detection algorithm[J].Gait＆Posture，2007，26(2):194－199.

[4]LI Q，STANKOVIC J A，HANSON M A，et al.Accurate，fast fall detection using gyroscopes and accelerometerderived posture information[C]//In Proceedings of the 6th International Workshop on Wearable and Implantable Body Sensor Networks.Berkeley:Institute of Electrical and Electronics Engineers，2009.

[5]王子洪.基于穿戴式系統(tǒng)的研究現(xiàn)狀與展望中國(guó)醫(yī)療設(shè)備[J].中國(guó)醫(yī)療設(shè)備，2012，27(2):62－65.

[6]徐岳峰，周書(shū)仁，王剛，等.基于深度圖形梯度特征的人體姿態(tài)估計(jì)[J].計(jì)算機(jī)工程，2015，41(12):201－205.

[7]黃鮮萍，王萬(wàn)良，占怡瑩，等.視頻中關(guān)鍵人體姿態(tài)的識(shí)別[J].小型微型計(jì)算機(jī)系統(tǒng)，2014，1(1):167－171.

[8]姜明濤，張建國(guó).基于電磁跟蹤系統(tǒng)的人體上肢運(yùn)動(dòng)測(cè)量[J].天津科技大學(xué)學(xué)報(bào)，2005，20(1):37－39.

[9]張慶賓，田國(guó)會(huì)，張衍儒.基于AHRS的人體姿態(tài)捕捉系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[J].高技術(shù)通訊，2013，23(12):1292－1298.

[10]SHI G Y，CHAN C S，LI W J，et al.Mobile human airbag system for fall protection using mems sensors and embedded SVM classifier[J].Sensors Journal，2009，9(5):495－503.

[11]PREKOPCSA K Z.Accelerometer based real－time gesture recognition[C]//In Proceedings of the 12th International Student Conference on Electrical Engineering.Prague:Czech Republic，2008.

[12]XU S.Application research of MEMS ADXL345[J].Advanced Materials Research，2012，20(2):1550－1553.

[13]陳銀溢.基于CC2541和LIS3DSH的計(jì)步器設(shè)計(jì)[J].機(jī)械工程與自動(dòng)化，2014(6):96－98.