基于腕部可穿戴設(shè)備的跌倒監(jiān)護(hù)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

，，，

(廣州大學(xué)華軟軟件學(xué)院 電子系， 廣州 510990)

0 引言

對(duì)于身體羸弱的老年人來(lái)說(shuō)，跌倒是第二大意外傷害死亡的直接或間接原因，特別是隨著社會(huì)人口老齡化的加快，社會(huì)勞動(dòng)力缺乏，老人或病人醫(yī)療看護(hù)成本急劇上升，再加上人均壽命提升，長(zhǎng)期亞健康生活狀態(tài)下各種慢性病的流行，導(dǎo)致這個(gè)社會(huì)問(wèn)題越發(fā)突出[1-2]。近年來(lái)，隨著新型傳感器、服務(wù)機(jī)器人、物聯(lián)網(wǎng)等技術(shù)的快速發(fā)展，以及《“健康中國(guó)2030”規(guī)劃綱要》等有關(guān)國(guó)民健康的戰(zhàn)略發(fā)展規(guī)劃的提出，國(guó)內(nèi)外越來(lái)越多的科研人員開(kāi)始積極尋求各種解決方案，利用智能檢測(cè)技術(shù)實(shí)現(xiàn)對(duì)老人或病人的跌倒看護(hù)是當(dāng)前該領(lǐng)域的研究熱點(diǎn)[3-5]。

根據(jù)跌倒事件的原理，目前國(guó)內(nèi)外用于跌倒檢測(cè)的技術(shù)主要有以下幾種：①基于動(dòng)態(tài)圖像處理技術(shù)[6]，該技術(shù)主要通過(guò)攝像機(jī)對(duì)被監(jiān)護(hù)者連續(xù)監(jiān)視，并利用動(dòng)態(tài)圖像處理技術(shù)分析被監(jiān)護(hù)者身體頭部、肩部等關(guān)鍵部位的突發(fā)性變化軌跡，實(shí)現(xiàn)對(duì)跌倒事件的判斷，這種方法一般只適用于固定區(qū)域的監(jiān)控，監(jiān)控設(shè)備安裝成本高，監(jiān)控性能的對(duì)可見(jiàn)光依賴度很高，而且容易泄露被監(jiān)護(hù)人的隱私。②基于Kinect骨架追蹤技術(shù)[7-9]，該技術(shù)通過(guò)Kinect設(shè)備自帶的紅外傳感器和配套的算法檢測(cè)包含人體頭部和四肢在內(nèi)的20個(gè)骨架節(jié)點(diǎn)位置變化，將骨架節(jié)點(diǎn)位置變化的信息流作為跌倒檢測(cè)的主要依據(jù)，該方法不依賴于可見(jiàn)光，不會(huì)泄露被監(jiān)護(hù)人隱私，但還是存在設(shè)備成本高昂，人體不能被遮擋，監(jiān)護(hù)區(qū)域固定等缺點(diǎn)。③基于可穿戴式設(shè)備[10-14]，這也是目前研究的熱點(diǎn)，該方法主要通過(guò)在身體軀干部位佩戴三軸加速度傳感器和陀螺儀等傳感器，采集人體各種狀態(tài)下的軀干加速度值和姿態(tài)角，并結(jié)合隨機(jī)森林[15]、支持向量機(jī)[16]、神經(jīng)網(wǎng)絡(luò)[17]等各種算法來(lái)判斷跌倒事件的發(fā)生，這種方法成本低廉、沒(méi)有監(jiān)測(cè)區(qū)域限制，但檢測(cè)設(shè)備需佩戴在身體主軀干上，舒適性不足，妨礙正常運(yùn)動(dòng)，而且在病理性暈倒、或者快速坐下、跳躍等稍劇烈的日常動(dòng)作時(shí)普遍誤報(bào)警率較高。

針對(duì)以上問(wèn)題，本文結(jié)合智能穿戴技術(shù)設(shè)計(jì)了一個(gè)基于智能手表的跌倒監(jiān)護(hù)系統(tǒng)，該系統(tǒng)利用三軸加速度傳感器、三軸陀螺儀、絕對(duì)氣壓傳感器、心率傳感器等檢測(cè)被監(jiān)護(hù)人腕部位姿和人體生理信號(hào)進(jìn)行綜合判斷，再利用BLE將通過(guò)手機(jī)上傳至云服務(wù)器，同時(shí)利用GSM向監(jiān)護(hù)人進(jìn)行遠(yuǎn)程跌倒報(bào)警求救，最后通過(guò)實(shí)驗(yàn)證明了該腕部監(jiān)護(hù)系統(tǒng)在不影響用戶舒適度的前提下可以有效進(jìn)行跌倒監(jiān)測(cè)并報(bào)警。

1 基于腕部可穿戴智能設(shè)備的跌倒監(jiān)護(hù)系統(tǒng)簡(jiǎn)介

為了解決當(dāng)前基于軀干可穿戴跌倒檢測(cè)設(shè)備的舒適性不足及報(bào)警準(zhǔn)確率不高的問(wèn)題，本文設(shè)計(jì)了一款基于腕部穿戴的智能跌倒監(jiān)護(hù)設(shè)備，本腕部智能穿戴設(shè)備能夠借助檢測(cè)子系統(tǒng)中的絕對(duì)氣壓計(jì)、六軸陀螺儀，對(duì)人體手腕所處的絕對(duì)氣壓(可轉(zhuǎn)換為海拔高度)和xyz三個(gè)軸向的加速度、角速度(包括俯仰角、偏航角和滾轉(zhuǎn)角)等位姿信息進(jìn)行采集，并結(jié)合檢測(cè)子系統(tǒng)中的心率血氧傳感器所采集到的心率血氧飽和度等參數(shù)進(jìn)行數(shù)據(jù)融合處理，根據(jù)融合結(jié)果和告警閾值分析評(píng)估用戶的是否跌倒以及身體是否存在生命危險(xiǎn)，智能設(shè)備在評(píng)估認(rèn)為用戶存在生命危險(xiǎn)(如因跌倒、暈倒無(wú)法爬起和心率體溫嚴(yán)重失常等情況)時(shí)會(huì)啟動(dòng)預(yù)警機(jī)制，并且通過(guò)GPS定位，通過(guò)GSM向監(jiān)護(hù)人進(jìn)行報(bào)警與發(fā)送求救信號(hào)；同時(shí)遠(yuǎn)程監(jiān)控子系統(tǒng)中的手機(jī)客戶端統(tǒng)可將智能手表中的各種傳感器原始數(shù)據(jù)和融合后的結(jié)果上傳至服務(wù)器端進(jìn)行記錄保存，用戶(佩戴者)和監(jiān)護(hù)人員可以隨時(shí)隨地通過(guò)手機(jī)客戶端查看并分析用戶(佩戴者)歷史數(shù)據(jù)信息。整個(gè)系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 基于腕部穿戴智能手表的跌倒監(jiān)護(hù)系統(tǒng)

2 硬件選型和電路設(shè)計(jì)

本項(xiàng)目組設(shè)計(jì)的基于智能手表的跌倒監(jiān)護(hù)系統(tǒng)由手表子系統(tǒng)、檢測(cè)子系統(tǒng)和遠(yuǎn)程監(jiān)控子系統(tǒng)組成，整個(gè)智能手表除了核心硬件模塊外，還包括由SSD1306驅(qū)動(dòng)的OLED屏、振動(dòng)馬達(dá)(GPIO)、虛擬按鍵(GPIO)和GSM模塊SIM900A，因篇幅所限，本文僅針對(duì)跌倒檢測(cè)功能的核心模塊進(jìn)行介紹。

由于腕部智能穿戴設(shè)備對(duì)電池續(xù)航時(shí)間功耗、空間體積有嚴(yán)格要求，因此，在能滿足功能需求的前提下，硬件選型主要從功耗和芯片體積方面進(jìn)行權(quán)衡。

2.1 微控制器DA14580

本系統(tǒng)選用了號(hào)稱全球功率最低、體積最小的SmartBond DA14580藍(lán)牙智能系統(tǒng)級(jí)芯片，該芯片采用晶圓級(jí)晶片尺寸包裝，尺寸僅為2.5×2.5×0.5 mm；其集成的低功耗藍(lán)牙收發(fā)電流僅消耗3.8 mA，且它在深度睡眠模式下電流低于600 nA，功耗比市場(chǎng)上其它藍(lán)牙智能解決方案低50%以上。且該芯片集成度極高，內(nèi)嵌一塊32位ARM Cortex M0TM處理器、記憶體和豐富的外設(shè)，能以低成本開(kāi)發(fā)出高功能的系統(tǒng)。

2.2 氣壓檢測(cè)模塊MS5611

本文以成年人跌倒事件為研究對(duì)象，當(dāng)我們突然跌倒時(shí)，腕部海拔高度必定會(huì)突發(fā)性降低1 m以上，因此高度變化成為本系統(tǒng)跌倒判定的重要指標(biāo)。為檢測(cè)出腕部的高度相對(duì)變化，選用了瑞士MEAS公司的MS5611高分辨率氣壓傳感器對(duì)大氣壓強(qiáng)進(jìn)行檢測(cè)，再將大氣壓強(qiáng)轉(zhuǎn)換為海拔高度，MS5611傳感器模塊包括一個(gè)高線性度的壓力傳感器和一個(gè)超低功耗的24位∑模數(shù)轉(zhuǎn)換器(工廠校準(zhǔn)系數(shù))，該傳感器可檢測(cè)的氣壓范圍為1～120 kPa，測(cè)量精度可達(dá)到±0.1 m，完全能滿足本系統(tǒng)對(duì)高度的需求。該芯片尺寸僅為5.0×3.0×1.0 mm，平均功耗低達(dá)1 μA，芯片主要定位在智能手表、手持設(shè)備和飛行器等產(chǎn)品市場(chǎng)，可采用SPI或I2C與MCU進(jìn)行連接。

2.3 心率血氧檢測(cè)模塊MAX30102

心率和血氧飽和度是人體生理信號(hào)中非常重要的體征指標(biāo)，本系統(tǒng)選用的MAX30102是一個(gè)集成的脈搏血氧儀和心率監(jiān)測(cè)儀生物傳感器的模塊，它集成了一個(gè)紅光LED和一個(gè)紅外光LED、光電檢測(cè)器、光器件，以及帶環(huán)境光抑制的低噪聲電子電路。MAX30102采用一個(gè)1.8 V電源和一個(gè)獨(dú)立的5.0 V作為內(nèi)部LED的電源，可應(yīng)用于可穿戴設(shè)備進(jìn)行心率和血氧采集檢測(cè)，佩戴于手指、耳垂和手腕等處，使用標(biāo)準(zhǔn)的I2C兼容的通信接口與各種微控制器進(jìn)行連接，芯片尺寸為1.8×1.5×0.25 cm。

2.4 加速度合角速度檢測(cè)模塊

本系統(tǒng)選用美國(guó)InvenSence公司的MPU6050作為手腕加速度合角速度檢測(cè)裝置，該模塊是全球首例9軸運(yùn)動(dòng)處理傳感器，內(nèi)部集成了3軸MEMS陀螺儀和3軸MEMS加速度計(jì)，以及一個(gè)可擴(kuò)展的數(shù)字運(yùn)動(dòng)處理器DMP，帶有可編程的低通濾波器，并分別使用了3個(gè)16位的ADC將陀螺儀和加速度計(jì)測(cè)量的模擬量轉(zhuǎn)化為可輸出的數(shù)字量。片上集成一個(gè)1024字節(jié)的FIFO，和所有設(shè)備寄存器之間的通信采用400 kHz的I2C接口，芯片尺寸為4.0×4.0×0.9 mm，最大工作電流3.9 mA。

2.5 智能手表硬件結(jié)構(gòu)圖

本文設(shè)計(jì)的基于智能手表硬件結(jié)構(gòu)圖如圖2所示。

圖2 智能手表硬件結(jié)構(gòu)圖

3 系統(tǒng)軟件設(shè)計(jì)

3.1 數(shù)據(jù)采集

人體行為狀態(tài)的定義非常復(fù)雜[18]，為方便智能手表對(duì)用戶的跌倒行為檢測(cè)，本文把人體人體復(fù)雜的動(dòng)作分為跌倒動(dòng)作、類跌倒動(dòng)作和日常動(dòng)作，其中跌倒動(dòng)作包括前向跌倒、仰面跌倒、側(cè)向跌倒和病理性跌倒，類跌倒動(dòng)作又包括跳躍動(dòng)作、劇烈甩手動(dòng)作等，剩下的步行、坐下、站立等動(dòng)作均歸類為日常動(dòng)作。為了實(shí)現(xiàn)智能手表對(duì)這三類動(dòng)作的準(zhǔn)確區(qū)分，首先需要分析用戶產(chǎn)生這三類動(dòng)作時(shí)的加速度、角速度和腕部高度變化情況，找出其關(guān)鍵特征，并歸納整理其規(guī)律供智能手表在跌倒判定時(shí)使用。

本文所用分析數(shù)據(jù)均由5名學(xué)生實(shí)驗(yàn)者采集所得，通過(guò)佩戴本文設(shè)計(jì)的智能手表，并模擬各類跌倒和坐立起行等日常動(dòng)作，智能手表自動(dòng)將采集的數(shù)據(jù)通過(guò)藍(lán)牙上傳到安裝有配套app手機(jī)存儲(chǔ)卡中。在跌倒試驗(yàn)中，由于地上鋪的雙層瑜伽墊具有緩沖作用，導(dǎo)致跌倒之后雙手觸底瞬間的加速度比實(shí)際跌倒時(shí)要略小。另外，本文將暈厥等病理性原因?qū)е掠脩舻沟男袨榫鶜w類為病理性跌倒，該類測(cè)試數(shù)據(jù)由于沒(méi)有合適的實(shí)驗(yàn)者，因而在本文分析過(guò)程中并未涉及。

本文以ax、ay、az分別表示智能手表通過(guò)MPU6050測(cè)得的x軸、y軸、z軸的加速度，wx、wy、wz分別表示智能手表通過(guò)MPU6050測(cè)得的x軸、y軸、z軸的角速度，合加速度a和合角速度w分別由公式(1)和公式(2)求得，本文所用手腕高度采用相對(duì)高度，由公式(3)所得的當(dāng)前絕對(duì)高度減去用戶初始海拔高度算出。

(1)

(2)

(3)

其中公式(3)中R為常數(shù)8.51，t為所測(cè)地?cái)z氏溫度，g為重力加速度取9.8，M為空氣相對(duì)分子質(zhì)量取29，P0為標(biāo)準(zhǔn)大氣壓取101.325 kPa，P為測(cè)得大氣壓強(qiáng)。

3.2 跌倒檢測(cè)思路分析

單次跌倒到爬起時(shí)傳感器測(cè)得的加速度、角速度和手腕高度變化數(shù)據(jù)如圖3和圖4所示，由圖3可以看出，在下跌過(guò)程中xyz三軸加速度和xyz三軸角速度均存在波峰值或波谷值，無(wú)法直接用作跌倒判定，而合加速度值a和合角速度w均存在明顯的波峰，合加速度峰值點(diǎn)出現(xiàn)在19樣本點(diǎn)，合角速度峰值點(diǎn)出現(xiàn)在18樣本點(diǎn)，且合加速度a在跌倒時(shí)波峰值高達(dá)2.03 g，合角速度w高達(dá)364.8 rad/s。同時(shí)，由圖4可以看出，跌倒過(guò)程中手腕相對(duì)高度由樣本0處的0 m上升到樣本8處的0.12 m，再下落到樣本34處的-0.68 m，較真實(shí)的還原了人體摔倒時(shí)，從跌倒開(kāi)始瞬間抬手保持平衡直至再度失去平衡摔倒落地用手撐地的過(guò)程，摔倒開(kāi)始到落地過(guò)程中最大高度差為Δh=0.12 m-(-0.68 m)=0.8 m。從以上分析可以暫且認(rèn)為：跌倒時(shí)合加速度a合角速度w出現(xiàn)遠(yuǎn)大于平常的峰值時(shí)很可能佩戴者開(kāi)始跌倒，若之后出現(xiàn)手腕高度高度大幅下降則可認(rèn)為跌倒事件的發(fā)生。

圖3 跌倒到爬起過(guò)程中的加速度、角速度變化情況

為了驗(yàn)證上述規(guī)律，提取對(duì)跌倒動(dòng)作區(qū)分度高的行為特征，即合適的合加速度、合角速度峰值和高度落差作為判定依據(jù)，進(jìn)一步了采集各種跌倒動(dòng)作和日常動(dòng)作的數(shù)據(jù)，對(duì)應(yīng)的合加速度、合角速度、高度變化情況如圖5、圖6所示。

圖6 步行、坐下和站立時(shí)合加速度、合角速度、手腕高度的變化

從圖5和圖6可以看出，在每次跌倒過(guò)程中會(huì)出現(xiàn)一個(gè)合加速度峰值和一個(gè)合角速度峰值，并且合加速度峰值在1.9～2.2 g范圍內(nèi)，合角速度峰值范圍在180～370 rad/s，隨后會(huì)出現(xiàn)一個(gè)較大幅度的高度下降，降幅在0.67～0.91 m之間。步行過(guò)程中所測(cè)參數(shù)波動(dòng)明顯減小，合加速度變化范圍為0.75～1.47 g，合角速度變化范圍為20.97～231.3 rad/s，高度波動(dòng)范圍為0～0.29 m，站立或坐著時(shí)所測(cè)數(shù)據(jù)波動(dòng)則趨于靜止，在作出站起或坐下等動(dòng)作時(shí)波動(dòng)稍有變化，但比步行時(shí)要更平緩。因篇幅大小限制，將常見(jiàn)動(dòng)作下的合加速度峰值、合角速度峰值、高度降幅數(shù)值等關(guān)鍵數(shù)據(jù)列于表1。

表1 各種動(dòng)作數(shù)據(jù)特征統(tǒng)計(jì)

從表1可以看出，跌倒動(dòng)作的合角速度峰值范圍和步行動(dòng)作合角速度的最大峰值范圍部分重合，而跌倒過(guò)程中的合加速度峰值范圍明顯要高于其它常規(guī)動(dòng)作，和跳躍或甩手時(shí)持平。因此，本文選擇1.8 g的合加速度、高度降幅0.6 m作為跌倒檢測(cè)閾值，前者可以過(guò)濾掉步行、跌倒、起立、坐下等動(dòng)作，后者可以將跌倒動(dòng)作與坐下、臥倒等動(dòng)作區(qū)分開(kāi)來(lái)，同時(shí)在甩手或跳躍動(dòng)作過(guò)程中，腕部高度通常是短時(shí)間內(nèi)連續(xù)多次上下震蕩，明顯區(qū)別于跌倒時(shí)直接下降的過(guò)程。

3.3 軟件設(shè)計(jì)流程圖

amax為過(guò)去T時(shí)間跨度范圍內(nèi)合加速度峰值，△h為過(guò)去T時(shí)間跨度范圍內(nèi)高度落差,△h為負(fù)值表示上升,正值表示下降，本文設(shè)計(jì)的基于腕部穿戴設(shè)備的位姿和生理信號(hào)的跌倒檢測(cè)系統(tǒng)工作流程圖如圖7所示。

圖7 基于智能手表的跌倒監(jiān)測(cè)系統(tǒng)工作流程圖

4 實(shí)驗(yàn)及結(jié)果分析

4.1 性能評(píng)價(jià)指標(biāo)

為驗(yàn)證本文設(shè)計(jì)的基于腕部穿戴設(shè)備的跌倒檢測(cè)系統(tǒng)的有效性，本文將實(shí)驗(yàn)結(jié)果分為表2所示的四類。

表2 跌倒檢測(cè)系統(tǒng)的判定結(jié)果分類

基于以上判定結(jié)果類型，本文用行為檢出率Pd、跌倒行為漏檢率Pm、日常行為誤檢率Pe三個(gè)指標(biāo)評(píng)測(cè)系統(tǒng)跌倒檢測(cè)的有效性，對(duì)應(yīng)定義如以下公式所示。

(4)

(5)

(6)

4.2 實(shí)驗(yàn)結(jié)果及分析

有效性測(cè)試由5名學(xué)生分別佩戴手表模擬完成，測(cè)試次數(shù)統(tǒng)計(jì)標(biāo)準(zhǔn)為：跌倒動(dòng)作以模擬完整跌倒過(guò)程算1次，報(bào)警一次則漏檢次數(shù)FN加1；日常行為以每3秒為一周期算1次，報(bào)警一次則誤判次數(shù)FP加1。對(duì)每個(gè)行為分別測(cè)試50次，測(cè)試結(jié)果統(tǒng)計(jì)如表3所示。

表3 跌倒行為測(cè)試結(jié)果統(tǒng)計(jì)

表4 日常行為測(cè)試結(jié)果統(tǒng)計(jì)

表5 跌倒行為和日常行為性能指標(biāo)

從以上結(jié)果可以看出，跌倒檢測(cè)系統(tǒng)對(duì)各種跌倒動(dòng)作判定準(zhǔn)確率較高，基本上可以檢測(cè)出各種非病理性跌倒。在常見(jiàn)的日常行為判定中，系統(tǒng)對(duì)步行、站起、跑步動(dòng)作基本實(shí)現(xiàn)零誤判，但系統(tǒng)對(duì)躺下、甩手和體操動(dòng)作還存在少許誤判，結(jié)合實(shí)驗(yàn)動(dòng)作分析其原因?yàn)椋禾上聞?dòng)作手腕高度落差接近跟跌倒相仿，在以較快的加速度躺下時(shí)加速度及高度變化特征跟跌倒時(shí)接近，容易發(fā)生誤報(bào)警；在日常甩手和體操動(dòng)作中若出現(xiàn)持續(xù)時(shí)間0.5秒以上的舉手再以較大加速度下擺動(dòng)作時(shí)，也會(huì)導(dǎo)致系統(tǒng)誤判，跌倒判定算法還可以進(jìn)一步改善，當(dāng)然，系統(tǒng)以98.5%的總行為檢出率、2.5%的跌倒行為漏檢率和3.33%的日常行為誤檢率，輔以合適的硬件裝置和軟件算法也已基本可以應(yīng)用于遠(yuǎn)程跌倒監(jiān)護(hù)產(chǎn)品。

5 結(jié)語(yǔ)

本文當(dāng)前針對(duì)目前各種跌倒監(jiān)測(cè)裝置的不足，設(shè)計(jì)并實(shí)現(xiàn)了一種基于腕部智能穿戴設(shè)備的體征采集、跌倒監(jiān)測(cè)和遠(yuǎn)程報(bào)警系統(tǒng)，實(shí)驗(yàn)結(jié)果表明，在不影響用戶舒適度的前提下，本系統(tǒng)對(duì)跌倒行為和日常行為判定準(zhǔn)確率可以達(dá)到98.5%，說(shuō)明了該腕部穿戴設(shè)備對(duì)跌倒監(jiān)護(hù)的有效性。當(dāng)然，系統(tǒng)也還有一些需要改善的地方，比如一些跟跌倒行為特征較接近的日常行為存在少許誤判，一些跟跌倒行為特征較接近的的日常行為在本文也未一一涉及，另外因測(cè)試者限制，因疾病跌倒實(shí)驗(yàn)不好模擬，病理性跌倒檢測(cè)功能還需進(jìn)一步完善。