基于三維加速度傳感器的跌倒檢測(cè)模塊的設(shè)計(jì)

隨著社會(huì)老齡化的不斷發(fā)展，預(yù)期到2030年空巢老年人家庭的比例將達(dá)到90%，屆時(shí)我國(guó)老年人家庭將空巢化。據(jù)統(tǒng)計(jì)，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(dá)70%。

跌倒檢測(cè)是遠(yuǎn)程健康監(jiān)護(hù)系統(tǒng)中家庭終端的一種實(shí)現(xiàn)方式，涉及多個(gè)領(lǐng)域，包括信號(hào)采集與處理，信號(hào)特征提取，數(shù)據(jù)傳輸?shù)确矫娴难芯俊?/p>

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

本文設(shè)計(jì)了一種佩帶在腰部的新型的基于加速度傳感數(shù)據(jù)采集的跌倒檢測(cè)模塊。在數(shù)據(jù)預(yù)處理階段，本文提出了基于1-class SVM分類預(yù)算法，并依據(jù)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(tǒng)準(zhǔn)確性上增加了計(jì)算分析人體特定時(shí)間內(nèi)的速度、位移及傾角這三個(gè)特征量作為輔助判據(jù)。

1 跌倒檢測(cè)模塊設(shè)計(jì)

1.1 架構(gòu)設(shè)計(jì)

跌倒檢測(cè)模塊的總體架構(gòu)如圖1所示。主要由加速度采集單元、微處理器單元、無(wú)線通信單元以及遠(yuǎn)程跌倒監(jiān)控后臺(tái)等構(gòu)成，整體模塊采用鋰電池進(jìn)行。                                      

系統(tǒng)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(duì)信號(hào)進(jìn)行預(yù)處理，經(jīng)預(yù)處理提取的可疑數(shù)據(jù)通過(guò)無(wú)線通信單元傳輸至遠(yuǎn)程跌倒監(jiān)控后臺(tái)進(jìn)行最終的分析處理，在檢測(cè)到跌倒時(shí)系統(tǒng)能夠自動(dòng)觸發(fā)警報(bào)項(xiàng)。

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提供主動(dòng)報(bào)警和取消誤報(bào)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(tǒng)檢測(cè)到跌倒時(shí)能得到一個(gè)反饋的警報(bào)信號(hào)。

1.2 信號(hào)預(yù)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(hào)作為下一步處理準(zhǔn)備。

在濾波處理后，對(duì)原始數(shù)據(jù)采取基于1-class SVM的分類算法進(jìn)行可疑數(shù)據(jù)的提取。

1-class SVM算法是由SVM算法擴(kuò)展而來(lái)，算法利用核函數(shù)將所有樣本映射到高維特征空間實(shí)現(xiàn)分類。在特征空間里，1-class SVM確定了一個(gè)包含所有目標(biāo)數(shù)據(jù)的最小超球面體表面，這個(gè)表面就是分類器。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(shù)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(xùn)練后可以獲得一組支持向量，然后通過(guò)式(6)計(jì)算出半徑R：

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

2 跌倒檢測(cè)算法

2.1 動(dòng)作模型的建立

人體在跌倒過(guò)程當(dāng)中，對(duì)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(jù)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(duì)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(tǒng)的準(zhǔn)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(yùn)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(yùn)動(dòng)加速度為依據(jù)建立起人體三維動(dòng)作模型，根據(jù)加速度傳感器的三個(gè)正交的測(cè)量方向可以建立三維坐標(biāo)系，如圖2所示。

通常正確佩戴好裝置后，對(duì)象在處于靜止或是水平勻速運(yùn)動(dòng)狀態(tài)下時(shí)，Y方向的加速度表現(xiàn)為重力加速度(g)，水平方向上的加速度為0。當(dāng)對(duì)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(shè)計(jì)

依據(jù)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(yàn)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(tái)的數(shù)據(jù)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(dá)如公式(9)示：

本文a=1，能量損耗的計(jì)算以每個(gè)采樣窗體為單位進(jìn)行。

針對(duì)老年人的生活狀況特點(diǎn)進(jìn)行分析，并結(jié)合實(shí)際設(shè)計(jì)了相應(yīng)的跌倒檢測(cè)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(cè)判斷的過(guò)程。

算法從開(kāi)始到“數(shù)據(jù)傳輸”這部分的實(shí)現(xiàn)都是在用戶終端實(shí)現(xiàn)，整個(gè)信號(hào)的預(yù)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(nèi)檢測(cè)到疑似數(shù)據(jù)，則將此單位內(nèi)的數(shù)據(jù)都傳輸至后臺(tái)進(jìn)行進(jìn)一步的確認(rèn)處理，否則，丟棄該數(shù)據(jù)段繼續(xù)采集加速度信號(hào)。

在后臺(tái)的數(shù)據(jù)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(nèi)的人體v、s、Φ計(jì)算分析來(lái)提高系統(tǒng)檢測(cè)的準(zhǔn)確性。

3 實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證算法的準(zhǔn)確性，邀請(qǐng)了10位60歲以上老人進(jìn)行試驗(yàn)，但在跌倒實(shí)驗(yàn)環(huán)節(jié)出于安全考慮沒(méi)有讓老人參與而是邀請(qǐng)了學(xué)生進(jìn)行模擬摔倒(在墊子上完成)。實(shí)驗(yàn)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(cè)跌倒。依據(jù)這幾種跌倒方式設(shè)計(jì)了一套如表1所示的動(dòng)作。每一次實(shí)驗(yàn)的實(shí)驗(yàn)者都隨機(jī)從中選出一些動(dòng)作并結(jié)合真正的跌倒組合一套完整的實(shí)驗(yàn)動(dòng)作。系統(tǒng)以45Hz的采樣頻率進(jìn)行樣本的采集，并通過(guò)設(shè)計(jì)的算法進(jìn)行數(shù)據(jù)的分析處理。

實(shí)驗(yàn)者從上述的動(dòng)作中隨機(jī)選取動(dòng)作組合進(jìn)行實(shí)驗(yàn)，每名實(shí)驗(yàn)者需進(jìn)行5組實(shí)驗(yàn)，10名實(shí)驗(yàn)者共需完成50組實(shí)驗(yàn)。實(shí)驗(yàn)統(tǒng)計(jì)結(jié)果如表1所示。

通過(guò)實(shí)驗(yàn)數(shù)據(jù)可知所設(shè)計(jì)的跌倒檢測(cè)方法有較高的準(zhǔn)確率，能夠分辨絕大部分的跌倒事件，但在對(duì)跌倒后沒(méi)有平躺事件和滑倒并迅速回復(fù)平衡的情況存在一定的誤報(bào)率。

本文構(gòu)建了基于三維加速度傳感器、微處理器和無(wú)線通信模塊為核心的跌倒檢測(cè)模塊，通過(guò)實(shí)驗(yàn)證明了其有效性，能夠較好地區(qū)分日常活動(dòng)和跌倒事件。在數(shù)據(jù)預(yù)處理上采取了基于1-class SVM的數(shù)據(jù)分類算法提取可疑數(shù)據(jù)，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(tǒng)的準(zhǔn)確性上增加了對(duì)特定時(shí)域內(nèi)的人體的姿態(tài)分析(對(duì)速度、位移及人體傾角的計(jì)算分析)，取得了一定的成效。在用戶終端對(duì)原始數(shù)據(jù)的分類處理上還需要對(duì)1-class SVM算法做進(jìn)一步的改進(jìn)。