基于多传感器信息融合的跌倒监测系统设计

薛 源，高向阳

(1.武汉理工大学机电工程学院，湖北 武汉 430070;2.中国科学院深圳先进技术研究院，广东 深圳 518055)

由于社会结构的改变，人口老龄化是各国不得不面临的问题。据统计，每年有33%的65岁以上的老人发生过跌倒[1-2]，老年人的骨质相对疏松，简单的跌倒动作可能造成严重的后果，使其不能自救。患有冠心病、脑梗塞和脑溢血等疾病的人跌倒后可能昏迷，如果延误救助时机，后果不堪设想。

目前，跌倒检测主要有3种方法[3]:①针对视频的图像分析，对象的实时运动状态由摄像头监测，其不足之处在于不能保障用户的隐私[4];②针对音频信号的分析，跌倒事件由分析冲击地面导致振动的频率来判断，但其安装比较复杂，并且对于不同的材质地板和接触地面，跌倒时产生的音频信号相差较大，通用性差[5-8];③基于穿戴式的检测装置。考虑用户的隐私权和尽可能少的干扰用户生活，穿戴式的检测装置是最适合的。现有的穿戴式监测跌倒系统通过分析加速度或获取某些装置(如旋转装置)的状态来获知。但上述的监测方式对跌倒条件要求较高，体积大、功耗高、携带不便、识别条件单一，容易产生误判。

针对上述问题，笔者提出了一种基于多传感器信息融合的跌倒监测系统来检测老人生活中的跌倒。该穿戴式装置由腰间部分和脚底部分组成，腰间部分可以方便地扣在皮带上，脚底部分设计在鞋垫里，方便穿戴。通过腰间加速度传感器和磁传感器获取人体运动姿态，压力传感器获取人体脚底压力变化，通过无线模块将采集到的数据发送到微处理器进行处理判断。

1 基于多传感器的监测系统设计

1.1 系统结构

该系统结构如图1和图2所示。两只脚底的压力采集模块采集人体脚底压力，经过处理后，以无线方式发给主信息采集模块，主信息采集模块再将采集到的3轴加速度信息、倾角信息以及两脚的压力信息进行融合整理，通过阈值算法判断是否跌倒，然后按照一定的通信协议，以无线通信方式将判断结果发送给紧急处理终端。当信息融合紧急处理终端收到跌倒信息后，蜂鸣器鸣叫报警(或语音提示)，若20 s内用户没有按取消按钮，该终端按照预先设定的方式联系救护(给家属发短信、拨打120等);若在20 s内收到按键信息，则报警由误报引起，不联系救护。

1.2 压力采集与处理模块

为降低功耗，采用德州仪器MSP430F169超低功耗单片机为主、从微处理器。其非常适合电池供电的便携产品，提供了系统所需的I2C、SPI、A/D、UART等硬件资源，简化了系统硬件结构。压力采集模块设计成鞋垫放入鞋里，用于监测脚底的压力，鞋垫由塑胶材料制成，类似现在流行的增高鞋垫，鞋垫后部开口放置信息处理电路，与鞋垫集成一体，在靠近脚掌的一方安装压敏传感器(FSR)，如图3所示。

图1 系统组成与安装示意图

图2 系统结构框图

图3 压力采集与处理电路

压敏传感器型号为FSR-402，外形为圆形薄片状，可方便地镶嵌于鞋垫内(直径12.7 mm，厚0.5 mm)，当圆形薄片承受压力增大时，其电阻值减小，在该电路模块设计中，使用分压器来测量压敏电阻器阻值的变化，获取压力值与电压的关系;处理电路上有微处理器，无线通信模块APC220，以及微电源系统等，由于该模块需要安装方便和较低功耗，因此处理电路设计要充分考虑电路尺寸的大小以及元器件的功耗。图3右半部分为所设计的处理电路，尺寸为38 mm×38 mm。

1.3 腰间主信息采集与处理模块

为了便于硬件电路的安装与携带，以及跌倒后用户与处理终端的交互，根据电路和电源尺寸，设计了能方便扣在人体腰带上的安装盒;该安装盒材质为硬质塑料并装有按键，尺寸为68 mm×52 mm×16 mm，而盒内主控电路尺寸为49 mm×39 mm，如图4左半部分所示。这样既保护了硬件系统，也不会对人体造成伤害，盒子后面有卡扣，方便安装与取下;左侧长方体形小盒安装7号AAA锂电池，经过电源系统的变压稳压处理，为右侧核心微处理器、加速度传感器、磁传感器和无线通信模块等提供电源;该检测系统具有较低功耗，一节7号电池可以连续工作半个月左右。采用AD公司的3轴加速度传感器ADXL345，获取人体空间上x、y、z 3个方向上的实时加速度值，其量程 ±2g/±4g/±8g/±16g(g=9.8 m/s2)可选，灵敏度高达4 mg/LSB。采用霍尼韦尔HMC6343磁传感器获取人体的实时姿态信息，一般来说，为监测人体的跌倒状况，3轴加速度计和电子罗盘磁传感器要放置在人体上一般不会产生较大动作的部位，如颈、胸、腹、腰等，从舒适度以及穿戴习惯角度考虑，优选为置于腰部。

图4 腰间信息采集与处理电路

1.4 无线通信模块以及信息融合紧急处理终端

选用APC220嵌入式无线数据传输模块实现压力采集模块、主信息采集模块、信息融合紧急处理终端之间的无线通信，这样各个模块在安装上独立，不需要通过有线连接，使用者可以在宽敞的空间自由移动，功耗较低，体积较小(37 mm×17 mm×6.5 mm)，处理器接口较少，传输距离为1 000 m，采用高效的循环交织编码，最大可纠正24 b连续突发错误，能在较强干扰的恶劣环境下使用，使整个系统可靠。紧急处理终端包括PC与终端处理程序、短信(彩信)收发模块和语音报警模块。当系统检测到跌倒后，短信模块发送短信到设定的号码，联系救护，语音系统开始报警。

2 基于阈值的跌倒检测算法

2.1 跌倒算法分析

采用阈值的分割方法，把跌倒事件从走路、跑步、坐下、站立和跳跃等正常的日常生活事件中区分开来，将3轴加速度传感器、磁传感器以及压力采集模块3者获取的信息进行融合，能够更全面地对跌倒状况进行判断，提高判断的准确度，减少误判。微处理器通过I2C总线读取3轴加速度传感器ADXL345的加速度值ax(x轴加速度值)、ay(y轴加速度值)、az(z轴加速度值)以及磁传感器的倾角数据。取a的值为:

分析向前跌倒、向后跌倒、向左侧跌倒和向右侧跌倒这几种典型跌倒，采集跌倒时的加速度数据，用Matlab绘制出如图5和图6所示的曲线，图5为各种跌倒时3轴加速度曲线图，图6为通过式(1)处理后的加速度曲线，处理后的跌倒判断更清晰直接。

图5 典型跌倒时的3轴加速度曲线

图6 典型跌倒处理后的加速度曲线

该系统佩戴在腰间和脚底，在各种跌倒的过程中，产生较大的加速度值，通过大量的跌倒实验，在获取的上千个跌倒样本中，加速度a的最大值为12.6g，最小值为4.9g，平均值为6.1g;从图6可知，整个跌倒过程持续1～3 s，首先加速度开始减少，此时人失去平衡开始倒下，在接触地面的瞬间，产生大的加速度，因此会有很大的加速度尖峰，而后由于地面与人体的缓冲，产生一定的加速度波动，一段时间以后加速度趋于稳定[9-10]。图7是穿戴者在正常日常生活中加速度变化曲线，可知穿戴者在站立和坐下等静态时，人体的加速度值a=1g与重力加速度值相等;走路时人体的加速度值a＜3g;跑步、跳跃等剧烈动态运动中，人体加速度值较大，与跌倒时产生的加速度值相当。因此可通过产生大的加速度以后的状态来判断跌倒，即二次判断。而人体的倾角在跌倒前与跌倒后发生较大的变化，如图8所示，即可以通过跌倒后人体倾斜角度的变化来进行二次判断，通过判断产生大的加速度后的状态，来区分跌倒与跑步、跳跃等剧烈活动;人体在日常活动中，左右脚脚底有较大的压力值，并交替变化;而当人体跌倒以后，脚掌离开地面，脚底压力值减小或为零，故可以通过采集二次判断以后脚底的压力数据，来提高跌倒判断的准确性，在人体做快速的弯腰动作时，效果尤为明显，能将误判率降为零。

图7 日常活动中处理后加速度曲线

图8 跌倒后倾角变化曲线

2.2 跌倒算法的软件实现

跌倒监测算法分为以下几个阶段:系统实时检测人体的加速度值，当加速度值满足a＞4.8g时，即判断有疑似跌倒事件产生，系统进入二次判断;二次判读通过磁传感器获取人体倾角数据，当其倾角值θ＞55°时，系统进入第3次判断;通过无线通信模块发送指令获取脚底压力值，判断结束后即可准确知道是否有跌倒事件发生;检测到跌倒事件后，紧急处理终端语音报警，并通过定时器等待20 s，如果在20 s内没有收到佩戴者的按键信息，则发送短信或者自动拨通120联系救护，如果收到按键信息，则证明是由系统误判引起，提供了佩戴者与系统紧急处理终端的交互。

实现算法的软件环境为IAR EW4.21，Embedded Workbench for MSP430是IAR Systems公司为MSP430微处理器开发的一个集成开发环境。IAR具有入门容易、使用方便和代码紧凑等特点。在该软件环境下编写程序，然后下载到MSP430169单片机中运行，实时监控老人身体的姿态变化。紧急处理终端是老人服务机器人上的嵌入式PC，基于Visual C++平台在该PC上编写上位机处理程序，该程序功能包括串口接收与处理无线模块端的数据，短信模块收发短信的处理。跌倒检测算法流程图如图9所示。

图9 跌倒检测算法流程图

3 实验结果

跌倒监测系统的性能是通过跌倒判断识别率和日常行为误报率来体现的，出于安全考虑，没有让老年人做跌倒实验，参与实验者为年龄在24岁以上不同身高和体重的5位年轻人。实验分为两部分，第一部分通过各种真实跌倒来检验跌倒判断的识别率，实验内容包括向前跌倒、向前跌倒后在地上滚动、向后跌倒、向后跌倒后在地上滚动、向左侧跌倒和向右侧跌倒6种类型的跌倒，每类跌倒各试验20次;第二部分通过正常的日常活动来检测该系统的误报率，实验内容包括快速坐下、躺下、弯腰、跳跃、走路和跑步6种日常行为，这6种日常行为涵盖了所有日常事件，前4种事件各进行20次，后两种各进行5 min。实验结果如图10所示。从图10中可以看出，5位实验者的跌倒识别率都在95%以上，误报率在1.67%以下，证明了该跌倒监测系统具有较好的检测效果。

图10 实验结果

4 结论

笔者结合加速度传感器、磁传感器和压力传感器，提出基于多传感器的实时动态跌倒监测系统的设计方案。以嵌入式处理器MSP430F169为处理内核，利用数据采集与融合，无线多机通信等技术，检测老年人在日常生活中的意外跌倒，并能报警和自动联系救护，通过实验验证并评估了该系统和检测算法的有效性。结果表明该系统具有较高的识别率，较低的误报率，简单易用，放在腰间皮带上和鞋垫中，符合人们的穿戴习惯，最大限度地降低了对日常生活的干扰。

[1] 中华人民共和国卫生部.2003年中国卫生统计年鉴[M].北京:中国协和医科大学出版社，2003:215-249.

[2] 覃朝晖.北京市城市社区1512名老年人跌倒的危险因素分析[J].中华流行病学杂志，2006，27(6):579-582.

[3] LUO S H，HU Q M.A dynamic motion pattern analysis approach to fall detection[C]∥IEEE International Workshop on Biomedical Circuits＆ Systems.[S.l.]:[s.n.]，2004:53-56.

[4] BROMILEY P A，COURTNEY P，THACKER N A.Design of a visual system for detecting natural events by the use of an independent visual estimate:a human fall detector[C]∥Empirical Evaluation Methods in Computer Vision.[S.l.]:[s.n.]，2002:231-235.

[5] DOUGHTY K，CAMERON K.Primary and secondary sensing techniques for fall detection in the home[R].London:City University，1999.

[6] 石欣，熊庆宇，雷珞宁.基于压力传感器的跌倒检测研究[J].仪器仪表学报，2010，31(3):66-70.

[7] FISCHER M J，LYNCH N A，PATERSON M S.Impossibility of distributed consensus with one faulty processor[J].Journal of the ACM，1985，32(2):374-382.

[8] 山田刚良.3轴加速度传感器将在消费电子产品中普及[J].电子设计应用，2007(1):78-82.

[9] YU X G.Approaches and principles of fall detection for elderly and patient[C] ∥ 2008 10th International Conference on E-health Networking，Applications and Services.[S.l.]:[s.n.]，2008:42-47.

[10] EUGENE S，VLANDIMIR B，JOHN G.Medical emergency event detection:detecting falls[D].Boston:MIT Computer Science and Artificial Intelligence Laboratory，2004.