基于NB-IoT的多用户异常跌倒检测系统

张美燕,徐松松,曽子芹,张 炎,陈 磊,叶浩凯

(浙江水利水电学院 电气工程学院，浙江 杭州 310018)

0 引 言

近年来，随着科学技术的前进和社会的高速发展，人口平均寿命的增长致使社会人口老龄化的问题日趋严重，老龄化问题已变成全人类都在面对的一个重要难题。依据全国人口普查结果，我国已经步入全面建设小康社会决胜阶段，但与此同时我国的老龄化程度越来越严重，人口老龄化及空巢老人数量快速增长对家庭和社会产生了很大的影响[1]。关注老年人的正常生活及健康安全已经成为个人、家庭、社会都需要重视的一个问题。据统计，每年有35%的老年人跌倒1次或多次，跌倒在65岁以上的老年人死因排序中位于第6位。老年人跌倒轻者不会直接造成很严重的后果，但是跌倒发生后得不到及时救治却成为老人意外伤害死亡的主要原因。应当针对人口老龄化面临的主要问题，采取相应的措施加以应对，不断提高老年人服务与保障力度，从而实现社会良好的可持续发展。众多问题中，老年人的人身安全问题尤为重要，老年人由于各项身体机能逐渐减弱，使得意外事项增多，甚至本来不是很严重的意外摔倒摔伤，由于得不到及时的救治导致死亡。当跌倒情况发生时，如果有能及时向外界或者医疗机构发送报警信息的检测设备或者医疗设备，在老龄人跌倒发生的时候，这些智能设备能检测到老人跌倒并发送求助信息，这能及时的给跌倒老人提供医疗救助，对保障老年人的晚年生活安全幸福具有很大的帮助，是家庭养老的有效帮手[2-3]。

随着物联网技术的广泛普及，应用物联网技术可以实现低功耗、长连接、实时在线，可以作为辅助养老监护的一种重要技术方式。基于蜂窝的窄带物联网(narrow band internet of things, NB-IoT)成为万物互联网络的一个重要分支。NB-IoT聚焦于低功耗广覆盖(LPWA)物联网(IoT)市场，是一种可在全球范围内广泛应用的新兴技术。具有覆盖广、连接多、速率低、成本低、功耗低、架构优等特点。NB-IoT比LTE提升20 dB增益，覆盖能力提升了100倍，就算在地下车库、地下室、地下管道等信号难以到达的地方也能覆盖到。在电池技术无法取得突破的前提下，只能通过降低设备功耗以延长电池供电时间，NB-IoT设备功耗可以做到非常小，理论可以保障电池10 a以上的使用寿命。

本文在人口老龄化和空巢老人数量快速增长这一社会背景下，针对空巢老人的意外防护问题，设计并实现了一套基于NB-IoT通信与定位的多用户意外摔倒报警系统，旨在及时发现老人意外摔倒状况并报警和定位，为意外发生者及时救治提供保障。本文所研究的系统为当下独居老人的安全问题提供了一种有效的技术保障，使用简单，成本较低，因此具有一定的社会意义与实用价值。

1 系统设计

本文提出的基于NB-IoT通信与定位的多用户跌倒检测系统框架(见图1)，本系统而已实时监测携带体佩传感器的多个老年用户是否出现跌倒状态，并通过新型的NB-IoT通信方式将跌倒信息发送到云服务器，最终及时将异常情况告知监护者。

图1 整体系统框架

体佩传感器的硬件框架(见图2)，主要由电池供电模块、加速度传感器、低功耗处理器、NB-IoT通信电路、报警按钮等组成。当检测到用户出现跌倒事件时，体佩传感器将跌倒信息通过NB-IoT通信发送到云服务器，云服务器通过4G LTE通信方式告知相应的监护者。加速度传感器采用MPU6050加速度传感器，具有三轴加速度和三轴角速度实时采集功能；低功耗处理器采用了STM32L151芯片，处理能力较强，功耗较低；NB-IoT通信电路采用LTE BC20 NB-IoT/GNSS模组，除了窄带物联网通信之外具有GNSS定位功能，因此可以同时上传跌倒事件发生的GPS位置信息；报警按钮可以主动发起呼救，一旦老年人出现异常情况时，也可以主动进行求救报警。

图2 体佩传感器电路框架

体佩传感器跌倒检测算法主要通过人在整个跌倒过程中的运动状态的分析，采用加速度信号向量(SVM)阈值法与欧拉角辅助判断的方法来检测是否跌倒。除此之外，在软件算法方面，本文提出的跌倒检测方法主要关注了老年人在跌倒过程中的SVM值、变异指数(CV)值、pitch(俯仰)角与roll(横滚)角变化，在出现异常数据时先进行预报警，并在接下来一段时间内连续采样，若符合人在跌倒时的运动特征则报警。

2 跌倒检测算法

人体正常状态下的坐标图(见图3)。体佩传感器能够读取到三轴加速度值aacx、aacy、aacz和三轴陀螺仪值gyrox、gyroy、gyroz，通过其内部集成的DMP能够计算出欧拉角pitch、roll、yaw，上述这些角度和加速度值示意如下：

图3 人体坐标图

加速度信号向量SVM用以表示人体运动状态，其表达式为：

(1)

为减小误差，SVM的值采用5次连续采样加速度值计算出均值。

跌倒过程一般都是向前后或两侧摔倒，所以pitch角或roll角将会发生很大改变，同时由于运动状态的变化，人体的合加速度SVM也会发生改变。将整个跌倒划分为五个状态，通过分析这五个状态中SVM、pitch与roll的变化状况来判断跌倒是否发生。由于在整个跌倒过程中yaw角度不会发生太大改变，而在一些日常活动中yaw角也有可能发生很大变化，因此本文不考虑yaw角的影响。

通过对常规性跌倒过程的分析，可以得到以下经验数据：

①稳定直立状态：SVM在0.9～1.5 g之间变化，pitch与roll都在-25°～25°之间变化。

②摇晃不稳定状态：SVM不断突变，不稳定，pitch或roll在短时间内变化很大。

③空中自由下落状态：时间约0.3～0.4s，SVM明显减小，而pitch或roll持续变化。

④触地瞬间：SVM激增，而后很快回到正常值，pitch与roll此时均停止变化。

⑤稳定倒地状态：SVM、pitch与roll均停止变化。

目前的一些研究已经给出了一些原理简单易于实现的方法，但也都有其不足之处。文献[4]引入变异指数CV与合角速度ω，其中CV由下式定义：

(4)

为SVM的值，变异指数CV为SVM的均值和标准方差比值，体现的是SVM的离散程度，当人正常活动时，CV值较小，而当人剧烈运动或跌倒时，CV值会增大。CV值的引入是为了过滤持续性剧烈运动。和角速度ω由下式定义：

(5)

上式表示人体运动过程中pitch角与roll角的变化快慢。由于人体日常活动的频率不会超过20 Hz，故取采样频率为20 Hz。当SVM与CV均超出阈值并且持续变化则判断发生跌倒。该方法没有对跌倒的过程进行详细分析，还有改进和提升准确度的空间。

文献[5]中对于跌倒过程有详尽分析，但由于其描述的是一款带有安全气囊的跌倒保护装置，故检测阶段只能在人在空中自由下落状态，并不能检测到触地后SVM的激增，故针对跳跃或跑步状态可能出现较大误检率。文献[6-7]仅由跌倒过程中SVM和z轴方向加速度aacz判断是否跌倒，参数太过单一，由于日常生活中各种不同的行动如蹲下或躺下过程中这两个参数变化与跌倒时十分相近，所以也会有比较高的误检率。

根据以上对于跌倒过程的分析，对现有算法进行综合和改进，得到以下SVM阈值判断法与欧拉角辅助判断方法，算法流程如图4所示：

(1)正常工作状态：采样频率为20 Hz，每1 s更新一次CV值。

(2)预报警阶段：当出现SVM<0.9 g或超过40时，进行预报警。

(3)检测阶段：在接下来的0.35 s内，采样频率为100 Hz，用五次均值得出SVM值，共有7个SVM值，若同时满足：(1)所有SVM采样点都小于0.9 g；(2)SVM均值小于0.7 g；(3)一直超出阈值；(4)CV值大于0.2并且前1 s,CV值小于0.2。并且在很短时间内SVM会猛增至3 g继而变回正常值，停止变化，则报警，符合跌倒时的运动特征。

本文所采用的方法是对现有方法的综合与改进，通过对于跌倒过程的分析，在检测跌倒时引入更多参数进行判断，尽量区分跌倒与其他日常活动的运动特征，能够有效提高跌倒检测正确率。

图4 算法流程图

3 实现结果

本文所研制的体佩传感器电路实物如图5所示，系统采用电池供电，体积较小。实测场景如图6所示，实验人员在佩戴监测传感器时模拟跌倒的情况，实测传感器数据(见图7)。可见在跌倒过程中，即时间序列为40左右时，体佩传感器数据的数值发生了明显改变，能够非常明显地判读出异常跌倒事件的发生。通过多次实测验证，表明本文所提出的基于NB-IoT通信与定位的多用户意外摔倒报警系统在多用户情况下跌倒检测率超过95%。

图5 体佩传感器电路实物

图6 实际跌倒测试场景

图7 跌倒过程特征值数值变化

4 结 语

日益严重的人口老龄化和空巢老人的身心健康问题，已经成为一个亟待解决的社会问题。面对中国城市中空巢家庭中老年人跌倒监护问题，本文设计并实现了一种基于NB-IoT通信与定位的多用户异常跌倒检测系统，并提出了一种基于加速度信号向量SVM阈值法与欧拉角辅助判断的检测。通过实验测试，表明检测效果良好，系统功能正常，可以实现对独居老年人实时全方位监护。