基于慣性傳感器的穿戴式跌倒檢測系統(tǒng)設(shè)計(jì)

廣東工業(yè)大學(xué)自動(dòng)化學(xué)院 蔣 寧 杜玉曉

?

基于慣性傳感器的穿戴式跌倒檢測系統(tǒng)設(shè)計(jì)

廣東工業(yè)大學(xué)自動(dòng)化學(xué)院 蔣 寧 杜玉曉

【摘要】該文設(shè)計(jì)了一種便攜和低功耗的跌倒檢測系統(tǒng)，并提出一種基于支持向量機(jī)的離線訓(xùn)練加在線檢測的跌倒檢測算法。使用設(shè)計(jì)出的樣機(jī)進(jìn)行測試，實(shí)驗(yàn)結(jié)果顯示：跌倒檢測設(shè)備能有效的檢測跌倒行為并進(jìn)行報(bào)警，具有較好的準(zhǔn)確性和可靠性。

【關(guān)鍵詞】跌倒檢測；可穿戴設(shè)備；支持向量機(jī)；慣性傳感器

0　引言

跌倒是一種隨機(jī)性、偶然性很強(qiáng)的行為，由于老年人身體機(jī)能下降，再加上自身的一些疾病，跌倒很容易導(dǎo)致一些意外傷害[1]。據(jù)資料顯示：大約15%的跌倒對老年人的身體帶來了嚴(yán)重的傷害[2]，因此研究跌倒檢測設(shè)備的意義重大。本文以穿戴式設(shè)備為研究對象，在移動(dòng)裝置數(shù)據(jù)存儲(chǔ)以及數(shù)據(jù)處理資源有限的情況下，設(shè)計(jì)出便攜、低功耗及可通信的跌倒檢測系統(tǒng)，并提出一種基于支持向量機(jī)的離線訓(xùn)練加在線檢測的跌倒檢測算法。

1　系統(tǒng)總體架構(gòu)

系統(tǒng)總體設(shè)計(jì)如圖1所示，硬件主要由主控制器模塊、慣性傳感器模塊、通信定位模塊、電源管理模塊組成。

圖1　系統(tǒng)框架圖

1.1主控制器模塊

主控制器芯片選用的是STM32L151單片機(jī)，具有 3級流水線和哈佛結(jié)構(gòu)，其操作頻率可達(dá)32MHz，并且功耗低，性能高，能夠滿足系統(tǒng)設(shè)計(jì)所需。

1.2慣性傳感器模塊

本文選用Invensense的六軸傳感器MPU6500來采集人體的姿態(tài)數(shù)據(jù)。MPU6500采用CMOS-MEMS的制作平臺(tái)，讓三軸加速度計(jì)和三軸陀螺儀集成于一個(gè)3x3mm的芯片內(nèi)，具有三個(gè)16位加速度AD和三個(gè)16位陀螺儀AD輸出，支持I2C(400KHz)和SPI(1MHz)兩種通信方式。為了保證采集速率，本文使用SPI通信，如圖2所示。

圖2　MPU6500硬件電路設(shè)計(jì)圖

1.3通信定位模塊

通信定位模塊使用的是SIM908芯片模塊。SIM908是一款集成GPS導(dǎo)航技術(shù)的四頻GSM/GPRS模塊，緊湊的模塊尺寸并將GPRS和GPS整合在SMT封裝里。本文根據(jù)設(shè)計(jì)了所需功能配套的電路，并且接入了必要的電源濾波?？梢詫?shí)現(xiàn)單片機(jī)對GPS傳回?cái)?shù)據(jù)進(jìn)行分析處理以及用GSM發(fā)送定位短信的功能。

1.4電源管理模塊

本文選用TI的BQ24070作電源管理芯片，自動(dòng)的電源選擇，在線路供電正常的時(shí)候可以使用線路上的電能，在失電的時(shí)候又可使用電池[3]。使用鋰離子電池或充電器輸出作為總的電源輸入，電壓范圍為+3.6V～+4.4V，經(jīng)過一塊DC/DC芯片LM2733和一塊LDO芯片SP6203EM5-3.3，為系統(tǒng)提供5V和3.3電源。

2　跌倒檢測算法

檢測設(shè)備穿戴在人的不同位置，最終采集到的數(shù)據(jù)會(huì)有所不同。M Kangas等人的研究提出對頭部、前胸、后背、腰部、手腕、大腿等穿戴位置進(jìn)行測試，發(fā)現(xiàn)頭部或腰部的加速度變化更能反映出人體姿態(tài)的變化[4]。因此本文采取將設(shè)備穿戴于腰部位置。

上式中的SVM表示人體合加速度的大小幅值，是分類人體運(yùn)動(dòng)狀態(tài)的重要參數(shù)，SVM越低，運(yùn)動(dòng)越緩和，SVM越高，運(yùn)動(dòng)越劇烈。

圖3　向后跌倒合加速度曲線

圖4　日常行為合加速度曲線

從圖3向后跌倒合加速度曲線可以看出，老人跌倒在撞擊地面階段峰值接近3g并在跌倒后合加速度值又迅速回落到1g。然而根據(jù)圖4的日常行為活動(dòng)加速度曲線來看，在跑動(dòng)和原地跳時(shí)，合成加速度比較大，最高接近3g，如果純粹使用閾值方法來判斷的話，容易造成誤報(bào)。

避免純粹使用閾值方法帶來的虛報(bào)問題，采用支持向量機(jī)分類器的方法，在分類器分類前采用閾值法輔助判別，引入離線訓(xùn)練加在線檢測的支持向量機(jī)算法，對人體姿態(tài)進(jìn)行分析判斷。

離線訓(xùn)練：設(shè)備將佩戴在測試人員腰部，用來收集人體在跌倒、走路、跑步、坐下、站立、上下樓梯等多種行為的三軸加速度值、兩路傾角傳感器角度值，并通過數(shù)據(jù)預(yù)處理、特征提取后將提取到的特征向量存入存儲(chǔ)卡中。再將存儲(chǔ)卡將數(shù)據(jù)上傳至 PC 機(jī)進(jìn)行數(shù)據(jù)分析，進(jìn)而進(jìn)行支持向量機(jī)分類器的設(shè)計(jì)等處理。具體實(shí)現(xiàn)流程如圖5所示。

圖5　離線訓(xùn)練算法流程圖

在線檢測：跌倒檢測最終是需要離線佩戴在用戶身上，無需上傳數(shù)據(jù)，所有的跌倒檢測過程均由檢測設(shè)備獨(dú)立完成。因此在PC機(jī)上完成對分類器參數(shù)訓(xùn)練后，需要將模型參數(shù)設(shè)置于穿戴設(shè)備中，從而使得采集新的樣本序列后可以通過模型自行判定是否發(fā)生跌倒行為。除此之外，本文采用分類器方法在分類前加閾值法輔助判別，優(yōu)點(diǎn)是既可以避免純粹使用閾值方法帶來的虛報(bào)問題，也可避免單純使用支持向量機(jī)帶來的漏檢問題，同時(shí)還可以避免單片機(jī)作無謂的預(yù)測運(yùn)算而增加單片機(jī)負(fù)擔(dān)，從而提高檢測概率。

圖6　在線檢測算法流程圖

3　實(shí)驗(yàn)分析

為了驗(yàn)證系統(tǒng)和算法的有效性，測試方式分為跌倒和日?；顒?dòng)兩類，測試了原地起跳、起立坐下、走路、跑、上下樓梯和前后左右四個(gè)方向摔倒。測試考慮到老人的身體不適做激烈的活動(dòng)和跌倒實(shí)驗(yàn)，因此選取5名不同身高的年輕人來模擬實(shí)驗(yàn)。

表1　跌倒事件檢測成功率

表2　日?；顒?dòng)事件誤判率

實(shí)驗(yàn)結(jié)果表現(xiàn)出對跌倒行為的平均檢測成功率達(dá)到96%，而除了原地跳這種加速度劇烈的事件外，日常活動(dòng)事件的誤判率也能維持在1%左右，從而驗(yàn)證了該系統(tǒng)對于跌倒行為具有良好的識(shí)別能力。

4　結(jié)論

通過引入基于支持向量機(jī)的離線訓(xùn)練加在線檢測的方法進(jìn)行大量實(shí)驗(yàn)驗(yàn)證，表明了該系統(tǒng)具有良好的識(shí)別率和可靠性等優(yōu)點(diǎn)。但是測試過程考慮到老人的安全問題，所有測試數(shù)據(jù)都是由年輕人完成的，因此會(huì)與真正的老人跌倒行為可能有所出入。且對于跌倒行為和日?；顒?dòng)的樣本種類采集沒有包含所有的情況，因此還需對本系統(tǒng)和跌倒檢測算法做進(jìn)一步的研究。

參考文獻(xiàn)

[1]陳聯(lián)濤.基于多傳感器信息處理的跌倒檢測儀研究[D].重慶大學(xué),2014.

[2]Suhuai Luo,Qingmao Hu.A dynamic motion pattern analysis approach to fall detection[C].2004 IEEE International Workshop on Biomedical Circuits & Systems.2004:1-5-8a.

[3]沈偉.一種供電線路失電監(jiān)測系統(tǒng)的設(shè)計(jì)[D].蘇州大學(xué),2010.

[4]M Kangas,A Konttila,I Winblad t etc.Determination of simple thresholds for accelerometry-based parameters for fall detection[C].Proceedings of the 29th Annual International Conference of the IEEE,Lyon France,2007.

蔣寧（1991—），男，廣東韶關(guān)人，廣東工業(yè)大學(xué)自動(dòng)化學(xué)院控制科學(xué)與工程專業(yè)碩士研究生在讀。

Wearable Fall Detection System Based on Inertial Sensors

Abstract:This paper presents a falling detection system with portable and low power, and proposes an algorithm using off-line training combine online detection base on support vector machine. The testing result shows that the falling detection device can detect falling event and give alarm signals. Therefore this device has favorable accuracy and reliability.

Keywords:Fall detection; Wearable device; Support vector machine; Inertial Sensors

作者簡介：