一种鞋垫式跌倒检测装置设计＊

包滨豪，匡进升，文世林

（西南科技大学 信息工程学院，四川 绵阳 621000）

目前，中国已成为老年人口最多且人口老龄化发展速度最快的国家之一。据统计，每年有33%的65岁以上老人发生过跌倒[1]。大部分老年人体质较弱，若在跌倒发生后不能及时自救，可能延误救助时机，产生不堪设想的后果。近年来，随着D-S证据推理、机器学习等领域的发展，针对跌倒检测算法的研究愈加深入[2-3]。比如，沈秉乾等人提出了一种基于视频人体运动状态判决的跌倒检测算法，测试表明，该算法与光照条件、摄像头架设方式密切相关，平均正确检测率为88.7%[4]；薛源等人利用佩戴于腰间和脚底的多类传感器结合阈值算法检测跌倒，检测率为93%左右[5]。因此，为避免传统阈值算法难以区分跌倒和日常活动的问题，本文提出了一种基于多传感器信息融合的鞋垫式跌倒检测报警系统，以提升跌倒检测的识别精度，降低误报率和漏报率。

1 系统设计

系统的硬件装置结构共包含5个模块：角度采集模块（MPU9250）、压力采集模块（RFP-803）、微控制器（STM32F103）、无线通信模块（蓝牙HC-05）和供电单元（7.4 V 2Ah锂电池及降压电路）。

压力采集模块选用2个不同量程的压敏电阻器（最大量程分别为30 kg、20 kg）作为分压器测量不同压力情况下的阻值变化。数据采集完成后，通过MATLAB中的Curve Fitting工具箱拟合出压力与电压之间的非线性曲线。九轴陀螺仪MPU9250能够在姿态解算后结合状态估计和卡尔曼滤波等方法，获得人体运动时的角度、加速度等信息。

2 跌倒检测算法设计

信息融合是一种针对不确定问题的决策方法，其关键在于选取有价值的信号源和构造正确的加权模型[6]。算法旨在将来自不同信号源的数据按照融合规则进行融合后得到最终的决策结果。系统对接收端采集到的测量数据进行加权后，根据信息的有用程度调整各特征提取值的权值，使各值的加权因子尽可能合理，最终将传感器对应的3个信息融合为1个节点，判定人体是否发生跌倒。利用图1的模型进行基于多传感器信息融合的跌倒判定时，算法的具体步骤如下。

Step1，实验前经适当的应力分析和直角坐标系校正后，将系统置于实验者脚底。

Step2，通过蓝牙与接收端通信，以180 Hz的频率将采集到的压力、角度、角加速度及对应的特征提取值发送至电脑接收端。

Step3，于接收端对采集到的3类数据，即压力特征值、合加速度、动态合加速度进行窗口长度为3的中值滤波和窗口长度为6的均值滤波处理。

Step4，凭经验初步设定系统的阈值，通过测试样本验证阈值的可靠性。

Step5，不断调节各节点的加权值，将最佳识别精度下的权值集合应用于系统模型。

Step6，实测过程中，当系统判定最终节点权值大于设定阈值时，系统通过Neo-7M模块获取实时经纬坐标，再将报警短信以预置格式发送至监护端实现报警。

3 跌倒检测性能比较

为检验所提出的算法与传统阈值算法在性能上的差异，分别利用2种算法完成跌倒检测实验。其中，阈值算法应用的是Bourke最佳阈值。实测中尽可能减少环境变量造成的干扰，选用同一样本集进行性能对比。实验选取准确率、误报率和漏报率作为算法性能的评价标准。对比实验结果中的性能指标可以发现，传统阈值算法和优化后算法的准确率都高于90%，但阈值法的误报率和漏报率相较优化后显得较高。

总体上，结合了信息融合、特征提取的阈值算法在传统阈值算法的基础上有明显的性能提升。

4 结论

足底压力信号与加速度信号分别体现了人体在运动过程中的某些特征，但信号源选取单一会导致系统的抗干扰能力较差。针对此问题，本文提出了一种基于多传感器信息融合的鞋垫式跌倒检测报警系统，并引入特征提取、信息融合对传统阈值算法进行了优化。通过对跌倒与人体日常行为的检测实验，证明了该方案的可靠性和准确性。

［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］李伟，何鹏举，高社生.多传感器加权信息融合算法研究［J］.西北工业大学学报，2010，28（5）：674-678.

［3］WANG H F，LIN D Y，QIU J，et al.Research on multiobjective group decision-making in condition-based maintenance for transmission and transformation equipment based on D-S evidence theory.IEEE Transactions on Smart Grid，2015，6（2）：1035-1045.

［4］沈秉乾，武志勇，贺前华，等.人体姿势状态判决的跌倒检测方法［J］.计算机应用，2014，34（S1）：223-227.

［5］薛源，高向阳.基于多传感器信息融合的跌倒监测系统设计［J］.武汉理工大学学报，2011，33（5）：712-716.

［6］席旭刚，武昊，左静，等.基于sEMG与足底压力信号融合的跌倒检测研究［J］.仪器仪表学报，2015，36（9）：2044-2048.