基于智能拐杖的移动健康实时监护原型系统

苗立志，娄 冲，吕国骏

(1.南京邮电大学 地理与生物信息学院,江苏 南京 210023;2.南京邮电大学 江苏省智慧健康大数据分析与位置服务工程实验室,江苏 南京 210023;3.南京邮电大学 泛在网络健康服务系统教育部工程研究中心,江苏 南京 210003;4.南京邮电大学 通信与信息工程学院,江苏 南京 210003)

0 引 言

据统计，至2017年年末中国大陆60周岁及以上人口约24 090万人，占总人口的17.3%。预计到2025年，六十岁以上人口将达到3亿，将成为超老年型国家[1]。以上数据显示，中国的人口老龄化程度日益加剧，老龄社会问题日益凸显，而老年人群体的晚年生活健康迫切需要得到关注和保障。关注老年人的健康问题，首先就要关注老年人的出行问题，因此，老人在室外行走过程中的身体姿态、地理位置以及自身生理状况都应当被实时关注，以避免老人在户外行走时突然跌倒或者心率、血压等生理指标出现异常情况时无人知晓而导致严重后果。

随着嵌入式技术、物联网技术和传感器技术的发展，智能家居逐渐进入人们的日常生活，为解决老年人的出行安全问题，对老人进行实时监护的智能拐杖成为研究热点。

目前，国内研究人员针对老年人出行时状态的监测开展了相关研究，如彭胜华[2]、姚木[3]、曾绳涛[4]基于GPS和GPRS设计了面向老年人群体的远程监护系统，可以采集被监护者的位置信息与一些生理参数信息(如心电信号、体温)，但未对被监护人身体姿态信息进行采集和监测；朱伟[5]、景婷婷[6]、陈言[7]等人设计了相关老年人智能拐杖，在外观和功能上做了一些创新设计，如照明功能、MP3功能等，但在发生紧急情况时只局限于“一键呼救”功能，未有其他智能化设计，对老人的健康监护效果有限，难以用于实时救援；魏庆丽[8]、仲小英[9]等人基于MSP430设计了可以GPS定位的智能拐杖，但只能实现短距离的监护，且缺少对监护人生理参数的检测、异常判断和应急救援；颜国栋等[10]设计了一种基于无线传感器网络的连续血压远程监护系统，采用基于脉搏波频域特征参数的连续血压测量方法获得老人的血压值，但监测设备不便于携带移动；王玉花[11]、李娜[12]、刘元[13]等人基于GPS设计了定位智能拐杖，利用Android手机APP实现远程定位、摔倒报警功能，但并未检测人体生理参数且未提供异常情况下的实时救援最佳路线推荐功能。另外，国外也有相关研究的开展，如Chan等人[14]设计了一种基于multi-agent的移动健康监护系统，采用无线体域网(wireless body area network，WBAN)、无线个域网(wireless personal area network，WPAN)、因特网三个层次的网络沟通，提高了监护效果，主要应用于生理参数的监测；Gradl等人[15]研究了基于Android智能手机的异常心电检测系统，该系统提供了基于智能手机的实时心电图监测和心律失常监测，但缺少发生健康异常情况后的应急救援处理。

基于上述研究所存在的缺陷与不足，文中研究了一种基于物联网技术的智能拐杖，以拐杖为载体，以行动不便的老人为对象，建立一个移动健康监护系统；通过内置脉搏传感器和加速度传感器分别获取老人的心率和身体姿态状况，基于LBS(location-based service，位置服务)技术对老人所在位置快速实时定位。将终端所采集的传感器感测数据上传至服务器，监护人可以登陆该平台实时了解被监护人身体姿态、心率状况及其所处地理位置；同时，当老人的相关生理参数出现异常时，服务器端能够基于社会医疗机构信息提供应急救援最佳路线。

1 硬件设计

1.1 硬件逻辑结构

文中所设计的智能拐杖硬件模块部分包括GPS定位模块、脉搏传感器模块和加速度传感器模块。其工作流程如图1所示：脉搏传感器、加速度传感器和GPS模块分别动态采集老人心率信息、身体姿态信息以及所处地理位置信息，通过单片机的无线通信模块将感测信息无线传输至服务器端。

图1 系统硬件逻辑结构

1.2 硬件模块

本系统所设计的监护终端硬件组成线路连接如图2所示。单片机控制模块采用Arduino Mega2560开发板,主要用于组织和控制脉搏传感器、GPS定位模块、加速度传感器等各个模块的数据通信和传输，系统通过两节18650锂电池供电。加速度传感器采用MPU6050加速度模块，内置高精度的陀螺加速度计，模块内部集成了姿态解算器，配合动态卡尔曼滤波算法[16]，精度好，稳定性高。脉搏传感器采用PulseSensor光电反射式模拟传感器[17]，通过手指按压传感器采集心率信号，并采用自适应滤波算法进行降噪，心率传感器置于拐杖手柄一侧，手握拐杖时食指按压传感器可获得心率值。采用A7 GSM/GPRS/GPS三合一模块，该模块集成了GPS定位与GPRS无线网络功能。

图2 监护终端硬件连接

2 系统功能设计与实现

2.1 体系结构

基于智能拐杖的移动健康实时监护系统共分为四层：感知层、网络层、平台层和应用层，其体系结构如图3所示。

图3 系统体系结构

(1)感知层：通过加速度模块、脉搏传感器模块实现感测数据的采集，并通过GPS模块获得拐杖的空间位置信息；

(2)网络层：将GPS空间位置信息数据与其他感测数据进行融合，通过无线通信网络将其上传至服务器；

(3)平台层：该层将处理好的心率数据、姿态信息、位置信息进行存储，以便于用户进行历史查询，并通过心率异常检测方案、人体姿态异常检测方案对所采集的相关数据进行分析与判断；

(4)应用层：为用户提供多种业务功能，在系统平台上实时显示被监护人的心率数据、姿态信息和位置信息等，在出现异常状况时，能够基于社会医疗机构信息提供应急救援最佳路线。

2.2 异常判断设计方案

为了实现对实时感测生理参数数据的异常判断，文中设计了心率异常判断和姿态异常判断方法。

2.2.1 心率异常判断方法

所设计的心率异常判断方法将心率异常判断分为运动和静止两种情况。判断方法如下：设定静息心率阈值Smin和Smax分别表示被监护人在静止状态下的心率最小值和最大值，设定Mmin和Mmax分别表示被监护人在运动状态下心率的最小值与最大值。在本研究中，设置Mmin=96，Mmax=144，Smin=60，Smax=100，系统根据加速度传感器所检测的运动状态作为被监护人身体姿态的判断依据，判断被监护人所处状态。该方法将被监护人从开始运动到运动结束静止5分钟内的状态设定为运动状态，静止5分钟后到下一次运动前设定为静止状态，将采集到的心率数值与设定的阈值相比较，判断心率是否异常。

图4 跌倒检测算法流程

2.2.2 姿态异常判断方法

为实现对监测用户的身体姿态的异常判断，通过综合计算加速度和角速度的动态变化，与正常人体姿态进行对比分析，完成对是否发生跌倒动作的监测判断。具体流程如图4所示。

(1)当加速度传感器中断，对加速度传感器采集的数据进行检测，若加速度矢量和a1<0.6g，并持续45毫秒以上；(2)判断拐杖倒地时的运动角速度，若ω1>90°/s；(3)判断人体运动加速度a2>2.8g；(4)判断人体运动角速度，若ω2>14°/s；(5)若角速度ω2大于阈值，判断人体运动加速度a3<0.3g，最后对拐杖的当前姿态进行监测，进而判断是否为一次有效的跌倒行为。

2.3 原型系统界面

通过本系统可以查看被监护人的身体姿态状况、心率数据以及实时位置信息，在出现跌倒和心率异常的情况下，系统将向监护人预留的手机号码发送呼救短信，能够实现应急救援功能，并可根据系统所提供的应急救援路线实施救援，系统实时监控平台主界面如图5所示。

图5 系统实时监护平台

3 系统测试及结果分析

为检验跌倒检测模块、心率检测模块以及对应算法的可靠性与正确率，分别做了正常行走，向前、向后以及双侧跌倒的实验，以及正常行走、跌倒、运动后静止的心率测试，并使用华为荣耀手环3作为心率检测对比实验，实验结果显示正确率达到90%以上，表示该跌倒检测装置能够正确区分绝大多数的跌倒动作，心率检测装置能够基本准确地测量拐杖使用者所面临的各种情况下的实时心率，并能在异常情况发生时产生报警，能够达到预期的设计效果。实验数据如表1和表2所示。

表1 跌倒判定实验

表2 基于拐杖子模块的心率检测实验

4 结束语

针对老年人生活中相关生理参数实时监测需求，设计开发了基于智能拐杖的实时监测预警系统；通过对心率、姿态等生理状态信息的检测，实现在服务器端的实时监控与动态分析，并开发了相关生理参数的异常判断方法，在使用者发生异常时，可实现对应急救援路径的合理规划与监护实时预警。

但该设计目前所能采集的生理参数不够丰富，因此难于实现对老人生理参数数据的深度分析与疾病预判，以便为医疗救援提供参考方案。同时，手机端的应用程序仍欠缺，这对应急响应有直接的影响。在后续的研究中，将增加生理参数的采集种类，并继续提高异常判断准确性，也将开展基于手机端的应用程序开发，为应急响应提供更为有力的工具。