老年人运动状态监测和跌倒报警系统

刘 勃，王明伟，常立博

(1.西安邮电大学研究生院，陕西 西安 710121; 2.陕西科技大学电子信息与人工智能学院，陕西 西安 710021;3.西安邮电大学电子工程学院，陕西 西安 710121)

0 引 言

国家统计局数据显示，截止2018年年底，我国65周岁及以上老年人口达到1.67亿，约占全社会总人口的11.9%[1]。跌倒是我国65周岁及以上老年人伤亡的首要因素，每年65周岁及以上老年人跌倒发生的概率大概是30%，而且随着年龄的增长跌倒发生的比例迅速增加，每年80周岁及以上老年人跌倒发生的概率高达50%[2-3]。跌倒也是全球意外伤亡的第二大因素，全世界每年发生严重致命性跌倒已经超过42万例[4]。

目前主要有3种跌倒检测方法。1)基于图像处理方法的跌倒检测技术。通过固定地点安装的视频摄像头获取被监测人的运动状态，采用图像处理的相关算法分析判断被监测人是否跌倒。该方法精度高，但监测范围有限、成本相对较高、计算过于复杂，不宜全面推广使用[5-7]。2)基于音频信号处理方法的跌倒检测技术。通过采集、处理人体运动的音频信号分析判断被监测人是否跌倒。该方法误报率高，易受外界噪音信号的干扰，目前已经很少使用[8-9]。3)基于各类传感器的跌倒检测技术[10]，其中采用可穿戴式传感器的监测装置是一种比较实用的便携式跌倒检测设备，如采用红外线传感器[11]、压力传感器[12]、加速度传感器[13-17]等。常用的跌倒检测算法有加速度信号向量幅度法[7-9]、支持向量机[17-19]、人工神经网络[20-22]、K近邻[23-24]、决策树[25-26]等。嵌入了微型传感器的便携式装置，能够戴在老人的颈部、胸前、腰间、手腕、脚踝、鞋底等部位。这种设计分为单一传感器监测和多种传感器联合监测2类：采用单一传感器的监测系统，优点是功耗较小、成本较低；采用多种传感器的监测系统通过多种传感器采集信息，运用多种算法综合分析判断跌倒状态是否发生，具有精度高、适应性强等特点，缺点是能耗大、成本高。综合来看，基于可穿戴传感器的便携式监测系统，具有广阔的应用前景。

本文研究的目的是如何快速、准确地检测老年人偶然跌倒并及时发送求救信号。采取可穿戴式单一传感器的人体运动状态监测思路，设计一种基于三轴加速度传感器的老年人跌倒监测系统，并通过嵌入式处理器处理数据，提高跌倒状态监测准确度，数据通过4G和5G网络无线传输到远程监控端，实现实时在线监测和报警等功能。

1 监测系统构成

监测系统分为硬件和软件2个部分。硬件由数据采集、数据处理、报警信号输出与接收3块组成。软件分为相互独立的模块，每个模块实现自己的特定功能，模块间密切分工协作，通过嵌入式处理器主程序调用协调一致[27]。

1.1 监测系统总体设计

监测系统主要由本地数据采集和传输端(包括加速度传感器、基于GPS和北斗导航的定位模块)、嵌入式主控模块和基于4G或5G移动网的无线数据传输与接收3个部分构成。远程监控端可以是PC机或手机APP。三轴加速度传感器用来检测老年人运动姿态，嵌入式主控模块采用识别算法处理数据，通过4G或5G移动网发送位置和报警信息给远端设备，包括PC机和手机APP，用于老年人运动姿态的持续监测。当老年人跌倒和运动状态数据出现异常时，嵌入式主控模块读取定位芯片中的位置数据，形成报警数据包，采用最高优先级发送给远端PC机或手机APP进行报警处理。系统硬件结构如图1所示。

图1 监测系统硬件结构图

为了精确测量运动姿态数据，系统采用亚德诺(ADI)半导体公司生产的三轴加速度传感器ADXL345感应立体空间XYZ轴3个方向，即前后左右上下轴向上的加速度。三轴加速度传感器ADXL345成本较低、灵敏度高，可以测量低重力水平上的移动、倾斜、坠落、摇摆等状态，使便携式系统能够准确地监测人体运动姿态变化。

为了实现精确定位，系统采用GPS/北斗联合定位模块Air800。Air800是上海合宙通信科技有限公司推出的一款支持GPRS+北斗+GPS的三合一模块。其开发方式为Luat, Luat=Lua+AT, Luat是合宙(AirM2M)推出的物联网开源架构，依托通信模块做简易快捷的开发，将传统的AT命令用Lua封装成API，并提供各种功能应用的demo，大大降低了用户的开发成本。

为了兼容4G和5G移动通信网络实现无线远程数据传输和报警，系统采用WH-LTE-7S4 V2无线传输模块，将Air800获取的GPS坐标信息发送到远端手机和PC平台。WH-LTE-7S4 V2是一款插针式4G模块，实现UART转4G或5G双向透传功能；支持5模13频；高速率、低时延；支持2个网络链接同时在线，支持TCP、UDP；支持注册包/心跳包机制；支持网络透传、HTTPD、UDC工作模式；支持基本指令集；支持FOTA差分升级；支持看门狗防护，稳定运行；兼容7S3、7S4引脚。

主控模块采用STM32嵌入式处理器，其具有的STM32F407ZGT6内核带有FPU的ARM 32位Cortex-M4CPU和在Flash存储器中实现零等待状态运行性能的自适应实时加速器(ART加速器TM)，主频高达168 MHz, MPU能够实现高达210 DMIPS/1.25 DMIPS/MHz(Dhrystone 2.1)的性能，具有DSP指令集。存储器高达1 MB Flash，高达192+4 kB的SRAM，包括64 kB的CCM(内核耦合存储器)数据RAM具有高达32位数据总线的灵活外部存储控制器：SRAM、PSRAM、NOR/NAND。

1.2 监测系统软件设计

监测系统软件的开发遵循自顶向下设计、自底向上开发的原则，全部采用模块化设计，主要包括数据采集模块、跌倒检测模块、手动报警模块以及无线传输模块等部分。监测系统软件整体设计流程如图2所示。

图2 监测系统软件流程图

2 跌倒检测算法

人体跌倒过程大致可以分为3个阶段。先是身体重心瞬间失去平衡，紧接着身体重重撞击地面，最后要么卧地不动或轻微翻动，要么自行起立或在路人帮助下起立。通过分析研究人体运动状态下加速度的实测数据，在跌倒后未能起立这个过程中，人体运动加速度经历了较大的变化，先是迅速变小，紧跟着突然变大，最后保持固定值基本不变。所以通过分析人体运动加速度的变化，可以判断被监测人是否跌倒。

三轴加速度传感器采集到的人体运动状态加速度数据由2部分合成，一部分是人体自身运动产生的加速度，另一部分是地球引力产生的重力加速度，并且这2部分自始至终同时存在。人体跌倒方向大致分为向前方跌倒、向后方跌倒和向侧方跌倒。根据文献[10]的统计分析结果，加速度传感器布置在人体腰部最方便，也最合适。依据人体运动状态下加速度的特点，结合三轴加速度传感器的安放位置，建立人体运动空间三维坐标系，以人体腰部为原点，人体前进方向为X轴，人体左侧方向为Y轴，竖直向上为Z轴，任意时刻三轴加速度传感器采集的数据都能够由XYZ方向这3个正交的向量基来表示。

在监测系统对人体运动状态实施监测的过程中，当检测到人体运动加速度在Z轴方向上的分量az持续小于阈值，即az

(1)

其中ax、ay、az分别表示实际测量的人体运动加速度在X、Y、Z这3个相互垂直的坐标轴上的分量，S表示人体运动加速度的幅值。为了减少其它外在因素可能对三轴加速度传感器采集数据的干扰，降低其可能引起的误判，在一定时间窗T内对三轴加速度传感器采集的数据进行10点滑动平均，然后再计算加速度幅值。当被监测人跌倒时，S大于阈值，即S>STHV。跌倒后如果被监测人没有起立，则被监测人要么是没有知觉或意识躺在地面基本不动，要么是不能控制自身行为仅能够在原地进行轻微活动。为了尽可能地降低误判操作，提高监测系统的正确率，引入标准方差，它反映了人体运动加速度信号的波动程度，其定义式如下：

(2)

(3)

图3 跌倒检测算法流程图

人体跌倒检测判定算法流程如图3所示，嵌入式处理器实时处理加速度传感器采集的数据。当检测到azSTHV时，说明被监测人正在进行剧烈运动，这种运动状态很可能是被监测人已经跌倒。延迟2 s，当加速度标准方差大于阈值时，即D>DTHV，说明被监测人可能正在进行剧烈运动，也可能被监测人跌倒后能够控制自身的行动，自己起立或在其他人帮助下起立，情况不严重，无需进行报警；当加速度标准方差小于阈值时，即D

3 实验结果和数据分析

监测系统能够对人体日常行为活动进行精确监护，当被监测人处于正常运动状态时，监测系统不报警；当被监测人处于跌倒状态时，监测系统迅速发出求助报警信号。考虑到老年人身体安全状况，在做好防护措施的前提下邀请5男5女10位学生模拟老人运动状态，分别做了以下3种实验：1)正常运动，包括快速跑步、正常行走、正常坐下等3种运动状态；2)正常运动时突然跌倒可以起立；3)正常运动时突然跌倒未能起立。10人同时模拟同一动作，分别对上述几种情况各做了100次实验。图4是人体正常运动没有跌倒时的数据，包括快速跑步、正常行走和正常坐下。图5是人体跌倒未能起立时的数据，分别为向前跌倒和向后跌倒。

图4 正常运动时的加速度

图5 人体跌倒时的加速度

依据模拟老年人运动过程中所采集的数据，选取合适的阈值。设置Z轴加速度分量az的阈值azTHV=0.6g，当azSTHV时，判定跌倒状态可能发生；设置加速度幅值标准方差D的阈值为DTHV=0.3，当D>DTHV时，说明被监测人正在进行剧烈运动，或者被监测人虽然跌倒但已经起立，当D

表1 测试实验结果

人体运动姿态实验次数判定为跌倒次数实验结果正确率/%快跑、行走、坐下1000100跌倒可以起立100397跌倒未能起立100100100

4 结束语

本文通过采集测量人体运动状态加速度数据监测人体运动姿态变化。依据人体跌倒过程3个阶段加速度变化的特点，采用Z轴加速度分量az、三轴合加速度幅值S和加速度幅值标准差D的阈值来判定区分日常活动和跌倒状态，提出了运用加速度幅值标准差D最终判定是否需要发送跌倒报警信号的检测方法。实验结果表明该监测系统具有性能稳定、正确率高和轻巧方便等特点，作为便携式智能产品，非常适合老年人穿戴使用，具有广阔的应用前景。