一种基于跌倒预警算法的老年防摔服

张泽芳 王昕 范宝元 于洁 梁艺潆

摘要：针对目前市场上现有的老年人防摔服存在的准确率低，成本高等问题进行优化和改进，对老年人摔倒后可能受伤的部位探讨与研究，提出一种基于气囊智能保护的老人防摔衣物，充分结合电子科技技术，大大提高了感应灵敏度，具有稳定的技术支持。

關键词：跌倒预警算法;六轴传感器;跌倒预警实验

1.绪论

冬季雪天路滑，许多老人由于腿脚不便，行走时面对着很大的风险。每年因不慎摔倒引起的骨折及其他并发症患者居高不下，这些病症严重威胁了老年人的身体健康。据统计，中国自2000年步入老龄化社会，到2019年底65岁及以上人口达1.76亿，占总人口的12.6%。65岁以上老年人每年约有1/3发生跌倒，其中10%-15%会受到严重的损伤，跌倒平均治疗费用为650.77元/次，且跌倒后骨折致死率极高。老年人最常见骨折有三种：髋部骨折（占19.8%），胸腰椎骨折（占18.8%），桡骨远端骨折（占17.6%），除了身体受伤，老年人对运动产生的恐惧感也不容小觑。

通过科学有效的方法降低老年人在跌倒后所受到的身体损伤，已成为社会之亟需。本项目针对老人防摔智能气囊防护问题展开讨论，通过对人体运动过程中躯干与四肢的协同模式进行研究，分析正常运动与跌倒瞬间身体特征位置加速度关联特性，开发聚友更为准确的检测跌倒系统的老人防摔气囊服装，在跌倒预警算法方面提升产品的性能。

2.整体设计目标

本小组设计的老人防摔衣物内部结构如图1所示。

置于人体腰部即重心位置的六轴加速度传感器实时检测使用者运动信号的变化，将数据传输给中央处理单元进行算法处理并与设置的加速度阈值进行比对。当使用者处于正常活动，监测数据在合理阈值范围内，检测系统、数据处理系统便重复进行检测运算工作;当使用者跌倒时，监测的数据不在合理阈值范围内，系统判定人体有跌倒的趋势，控制系统将电信号经导线传输给各个气囊的电磁阀门。电磁阀门即时打开，头部、腰部以及髋部的二氧化碳气瓶内的气体迅速充满气囊，使气囊在老人跌倒前完全膨胀。另外，在气囊一角设有一个堵孔塞，使用过后拔开堵孔塞，便可完成对气囊的放气，塞上堵孔塞，更换二氧化碳气瓶，防摔服便可以继续工作。

3.系统整体结构及硬件设计

3.1人体运动信息采集

采用六轴加速度传感器实时检测人体运动的各类信息，在一个采样点采集的信息依次是三轴加速度和三维欧拉角。人体运动信息用传感器数据采集上位机进行采集与记录，包括X轴加速度、Y轴加速度、Z轴加速度;姿态角，包括Roll角、Pitch角、Yaw角。将采集的信息以波形的形式输出，各轴加速度与合加速度转化关系为：

其中n为单个检测周期检测到的加速度的值的个数;a为合加速度，ai为各轴加速度。

采集数据时，设置采集频率为100Hz，数据采样时间间隔为10ms。 由于该数据不直观，故将采集的数据保存，对数据进行Matlab绘图分析，以时间为横坐标，合加速度为纵坐标，观察波形随时间变化的规律。

3.2跌倒预警算法的建立

3.2.1实验数据记录及阈值的选择分析

由于动作识别过程中部分动作存在相似性，故寻找更多人体动作特征值，将每个动作区分，以便更精准的识别出不同动作，降低跌倒预警算法的误报率。将人的动作分为跌倒动作和日常动作两大类：跌倒动作中，分为向前、向后、向左、向右摔倒;日常动作中，分为行走、跑步、上楼、下楼、乘坐电梯等。

调研发现，据大部分有相关需求的消费者群体反映，跌倒预警算法应主要实现对跌倒动作的判定及快速响应，即跌倒情况下预警的准确率必须得到保证，在此基础上可以接受稍高的误报率，故不需要将日常动作进行具体识别。

为了获得人体在各种状态下的加速度数据，需对人的日常活动进行监测，实验对象为一个健康的成年人，实验项目如下：

（1）向前、向后、向左、向右摔倒各十五次;

（2）户外活动如跑步、行走各十分钟;

（3）上楼、下楼及乘坐电梯等日常动作各十个来回;

在跌倒预警算法的设计过程中，先对跌倒动作的波形图进行分析，了解跌倒动作的特征，通过实验验证跌倒准确率，再进行日常动作验证，进行适当的参数调整。

跌倒数据分析

图2和图3所示为四个方向跌倒绘得的合加速度曲线，分别为向后、前、左、右四个方向摔倒的加速度曲线。

当人体处于站立状态，合加速度约为g，是跌倒前的日常动作区;当人体发生跌倒时，加速度随时间有所波动，该阶段为跌倒预警区，时长约为0.4-0.8s;当人体触地时，受到地面的反作用力，合加速度骤增，产生较大的波峰，该阶段为跌倒防护区。由于该实验为模拟实验，地面上设置海绵垫，人体所受地面的冲击力有所减缓，合加速度的峰值小于10g，最大值为9g。

向前跌倒的曲线中，出现两个峰值是由于膝盖着地也受到地面的冲击。通过实验图像及分析，对跌倒做出预警，必须将加速度的阈值设置在加速度出现波动的阶段，该阶段合加速度a<g，可认为人处于失重阶段。

‚日常活动数据分析

由于不需要将日常动作进行具体识别，故只对走路和跑步的合加速度数据曲线进行分析。根据图像可以看出，走路与跑步均为类周期性变化，在日常活动下，均存在合加速度小于g的区间，但其区间相较于摔倒较短。

根据对合加速度曲线的分析，人在静止状态下的合加速度近似为g。人在跌倒时由于失重，存在合加速度a<g的情况，且合加速度越小说明失重越严重。综上，将g设定为控制装置认为人体处于摔倒状态的阈值。

3.2.2跌倒预警算法

选定加速度阈值算法作为数据比对、分析的算法，是由于合加速度大小仅取决于人体运动的剧烈程度，排除了运动方向因素的影响。算法流程如图4所示，stm32单片机将检测的加速度数据按式4.1计算得到合加速度，将计算所得加速度与加速度设定阈值进行比较，当检测加速度大于设定阈值时，即判定人体发生跌倒;当检测加速度值小于设定阈值时，则继续监测工作。

3.3 跌倒预警算法实验

跌倒预警算法评判指标为跌倒预警的准确率，由于本实验仅对跌倒预警算法进行评估，先不将控制系统与气囊等部件相连，而是与蜂鸣器相连，分别对人体日常活动测试，包括行走、跑跳、上楼、下楼、乘坐电梯等。

实验过程中，以30s为一个行走、慢跑周期;以人体跳跃脚面离开地面2-10cm为一个跳跃周期;以15级台阶为一个上楼梯、下楼梯周期;以乘坐一楼到四楼电梯为一个上楼周期;以乘坐四楼到一楼电梯为一个下楼周期。跌倒动作包括前倒、后倒、坐倒、右倒，5个大学生分别对上述动作进行20次实验。

一般情况下对运动状态识别的评价标准有如下几种：

真正正确（True Positive，TP），表示跌倒动作发生，跌倒预警算法成功对其预警，蜂鸣器鸣响;

真正錯误（True Negative，TN），表示日常动作发生，跌倒预警算法识别为日常动作，蜂鸣器未鸣响;

虚假正确（False Positive，FP），表示日常动作发生，跌倒预警算法误以为是跌倒动作，蜂鸣器鸣响，称为误报。

虚假错误（False Negative，FN），表示跌倒动作发生，跌倒预警算法误以为是日常动作，蜂鸣器未鸣响，称为漏报。

准确率为真正正确和真正错误的次数之和与总实验次数的比值，定义如下：

误报率为虚假正确的次数与真正错误和虚假正确之和的比值，定义如下：

实验测得的各动作的部分评判参数列于表3.3.1中：

从表中可以看出，在日常动作中出现两次下楼梯误报成跌倒，并使蜂鸣器鸣响，下楼梯准确率98%;出现一次坐电梯下楼误报成跌倒，并使蜂鸣器鸣响，坐电梯下楼准确率99%。其余各类日常动作准确率为100%，因此日常动作整体准确率为99.67%。在跌倒动作中出现两次前倒误报成日常动作，并且蜂鸣器未鸣响，前倒准确率98%;出现三次后倒误报成日常动作，并且蜂鸣器未鸣响，后倒准确率99%。其余各类跌倒动作准确率为100%。

总结

本文介绍了一种跌倒预警算法，根据实时加速度的大小将人体运动分为跌倒动作和日常动作，通过设置加速度阈值判断人体运动状态。将该算法植入STM32平台进行实验，实验结果表明故该跌倒预警算法准确率较高，系统整体控制性能良好。该系统对当前老年防护市场具有一定的借鉴意义。

参考文献：

[1]项鑫，王乙，中国人口老龄化现状、特点、原因及对策[J]，中国老年学杂志，202141（18）：4151-4152.

[2]何培男，李月华，杜金朋，袁泓，李春杨，王乐为，一种新型老年防摔气囊系统设计[J]，电子世界，2021（16）：160-161.

[3]陈红霞，周冬梅，胡钜涛，邬佳妮，施宇， 老年人智能防摔服的设计综述[J]，科技与创新，2021（09）：66-61，71.

[4]李春华，郇战，陈学杰.基于加速度变化的步态识别方法[J]，传感技术学报，2020（5）：693-698.

[5]王雅娴，李艳梅，老年摔倒防护服装的开发现状及其发展趋势[J]，毛纺科技，2019，47（09）：84-88.

[6]陈鹏，涂亚庚，童俊平，赵运勇，可穿戴式跌倒检测智能系统设计[J].传感器与微系统，2017（36）：114-116.

[7]防摔裤子[P].蒋爱华，于清晓，曾祥森，魏振红.中国专利：CN211932626U，2020-11-17.

[8]许继平，李景涛，彭森，陈天华，基于三轴加速度传感器的老年人摔倒检测系统[J].计算机仿真，2014（12）434-437，450.

作者简介：

张泽芳（2001-），女，汉族，湖南邵阳人，吉林大学本科在读，机械工程方向。

通讯作者：

王昕（1979-），男，汉族，王昕，吉林长春人，博士研究生，副教授，研究方向：机械电子工程，流体传动与控制。