老年人醫護安全監測的可穿戴式系統設計*

李吉龍，李允俊

(延邊大學 工學院，延吉 133002)

老年人醫護安全監測的可穿戴式系統設計*

李吉龍，李允俊

(延邊大學 工學院，延吉 133002)

本文設計了一種老年人活動監測系統，利用三軸加速度傳感器、脈搏及血氧飽和度傳感器，實現對老年人群的運動監測、脈搏監測及摔倒報警。本系統可以減輕監護人的監護壓力，使監護人可以在不在現場的情況下，獲取被監護人的每日活動信息，并可在被監護人發生摔倒時及時獲取相關信息并采取相應的措施，防止一些意外的發生。測試結果表明，本系統具有良好的穩定性，具有一定的社會意義及實用價值。

老年人活動監測；三軸加速度傳感器；脈搏及血氧飽和度傳感器；SVM分類算法

引 言

我國已進入快速老齡化時代，老年人口基數巨大、增長迅速、高齡化嚴重，青壯年人群的社會撫養壓力不斷增大，老齡化服務產業進入了黃金時期[1]。特別是“空巢老人”的比例不斷增大，多數老年人的健康狀況無法得到及時監測，在發生意外跌倒或突發疾病時，可能會因為無法得到及時救助而受到嚴重傷害，甚至喪失生命[2]。因此，利用現代化技術設計移動醫療設備，減輕監護人對老年人等特殊人群的長期監護壓力，實現身體健康狀況的自動化管理成為了現代醫療服務的發展趨勢。

本文設計一種老年人活動監測系統，以Raspberry Pi 3為開發平臺，結合三軸加速度傳感器、脈搏及血氧飽和度傳感器實現數據采集，利用GPRS技術實現摔倒報警、脈搏數據異常報警，利用Bluetooth連接智能手機APP實現數據查詢與存儲，可以實現對老年人的遠程監護，從而大大減輕年輕人的監護壓力。

1 系統總體架構設計

本設計主要分為可穿戴設備模塊和智能手機APP模塊兩大部分。可穿戴設備模塊以樹莓派3(Raspberry Pi 3)為平臺，擴展三軸加速度傳感器、脈搏及血氧飽和度傳感器用于數據采集，GPRS模塊及Bluetooth模塊用于數據傳輸。當三軸加速度傳感器采集到數據后，利用FIR數字低通濾波器對數據進行濾波降噪處理，并利用峰值檢測算法、支持向量機(SVM)算法實現對被監護人的運動檢測及摔倒監測，監測到發生摔倒時，通過GPRS模塊發送報警短信至監護人；當脈搏及血氧飽和度傳感器采集到數據時，對脈搏與血氧數據進行閾值分析，并可在數據出現異常時通過GPRS模塊發送報警短信至監護人。

智能手機APP模塊用于實現人體活動數據的接收、顯示及存儲。手機APP通過Bluetooth與可穿戴設備連接進行數據傳輸，可以直觀顯示被監護人的運動量及實時脈搏與血氧數據，監護人可以掌握被監護人的日常運動量及脈搏血氧情況，了解被監護人的日常身體狀況。本系統構架如圖1所示。

圖1 系統架構圖

2 可穿戴設備模塊設計

圖2 人體狀態識別流程圖

可穿戴設備模塊主要包含兩大部分：第一部分是利用三軸加速度傳感器對人體行為進行識別，主要包含寄存器初始化、數據采集、數據預處理、特征提取及算法識別，計步檢測采用基于時間窗的峰值檢測算法、摔倒監測采用SVM算法；第二部分是利用脈搏及血氧飽和度傳感器，實現心率及血氧飽和度數據的采集，并設定報警閾值。當出現摔倒報警、脈搏異常及血氧飽和度異常報警時，通過GPRS模塊發送報警信息至監護人，實現對被監護人的遠程監護。本設計采用的人體狀態識別流程圖如圖2所示。

2.1 三軸加速度傳感器數據的預處理

三軸加速度傳感器采用基于微機電系統(MEMS)技術的ADXL345型傳感器，其內置的模數轉換可將三軸加速度的數字信號通過I2C或SPI總線輸出，分辨率可達13位(±16 g)，本設計選用的量程為±8 g，采樣頻率為50 Hz，滿足人體正常活動的需求[3]。ADXL345型三軸加速度傳感器建立的人體坐標系如圖3所示。

圖3 人體坐標系

為減少運算的復雜度，降低傳感器姿態對加速度數據的影響，本設計將采集到的三軸加速度傳感器數據做歸一化處理，其計算公式如下：

由于抖動等外界條件的影響，采集到的數據中包含噪聲，為了提高系統的識別效果，需要對數據進行濾波處理[4]。人在正常活動的情況下，其頻率一般為0.5～5 Hz，本設計采用FIR數字低通濾波器，以5 Hz為截止頻率，對合成的加速度A做低通濾波降噪處理。濾波前后數據曲線對比如圖4所示。

2.2 計步檢測算法

經過對計步算法的研究，本設計采用基于時間窗的峰值檢測算法，設定時間窗及峰谷差值閾值，提高計步算法的精度。算法的第一個判定條件是出現一對峰、谷值，然后將波峰與波谷差值與閾值的比較，如果差值大于閾值，則進入下一個判定，判定采樣數據是否滿足時間窗口，如果滿足，則對計步值做加1處理。由于正常人行走兩步之間的間隔為[0.2s,2s]，采樣頻率為50 Hz，換算后，采集到的數據應為[10,100]個，因此時間窗口設定為[15,85]較為合適。計步算法流程圖如圖5所示。

SVM算法是一個二分類模型，從線性可分的情況下最優分類面提出，通過核函數設定松弛變量和懲罰因子參數等，將低維空間中線性不可分問題轉移到高維空間解決的算法，一般包括采集數據、準備數據、分析數據、訓練算法生成分類器、測試算法、使用算法等過程。SVM算法與神經網絡算法相比，不僅擁有較高的識別率，而且對硬件的要求較低，應用更為廣泛，更加適合嵌入式設備。因此本設計采用支持向量機區分人體的日常生活活動狀態與摔倒狀態。本設計中SVM分類算法使用Python語言實現。Python語言中的Numpy函數庫具有強大的數據處理功能，處理數據速度比C語言更快、占用內存更小。SVM分類算法以徑向基(RBF)為非線性支持向量機的核函數，利用序列最小優化算法(SMO)對樣本訓練，并不斷調整參數，生成分類器并保存。具體實現步驟如下：

圖4 濾波前后數據對比圖

圖5 計步算法流程圖

① 編寫svm.py文件，主要通過SMO算法根據采集到的數據進行訓練，并產生一個分類器；

② 編寫object _ json.py文件，通過自定義的json編碼函數將產生的分類器對象永久保存，當不需要更新分類時可以直接使用load()函數直接加載分類器文件，節省每次都需要訓練分類器的時間；

③ 編寫testsvm.py文件作為測試用例，主要功能為加載分類器，并對采集到的數據進行測試；

④ C語言調用Python文件，需要加載頭文件#include ，并初始化Python解釋器，然后通過PyImport_ImportModule()函數導入object _ json.py及testsvm.py文件。

摔倒監測流程如圖6所示。

2.4 脈搏及血氧飽和度傳感器

圖6 摔倒監測流程

脈搏及血氧飽和度傳感器主要采集老年人的脈搏及血氧飽和度數據。老年人作為慢性疾病的多發人群，需要長期監測脈搏、血氧飽和度、血壓、血糖等主要體征[5]。本設計主要以軟件方式設定脈搏及血氧飽和度報警閾值，當脈搏與血氧傳感器采集的數據超出閾值范圍時，可穿戴設備可立即通過GPRS發送報警信息至監護人。表1為脈搏與血氧飽和度閾值設定范圍。

表1 脈搏與血氧飽和度閾值設定

3 智能手機APP模塊設計

智能手機APP模塊主要通過Bluetooth與可穿戴設備連接，接收由Raspberry Pi 3采集到的活動數據、脈搏及血氧飽和度數據，分別使用Pedometer_fragment與SPO2_fragment嵌入到MainActivity中。Pedometer_fragment主要通過CircleBar顯示當前計步數據，并創建兩個Activity實現鍛煉計劃的設置及歷史數據的存儲與顯示。SPO2_fragment可以通過采集按鈕采集被監護人當前的心率狀態及血氧飽和度狀態，利用TextView及ProgressView顯示心率及血氧飽和度數據。

智能手機APP界面如圖7所示。

圖7 智能手機APP界面

4 測試與結果

本設計的測試主要分為兩大部分：數據有效傳輸準確率的測試與計步檢測及摔倒監測算法準確率的測試。數據的有效傳輸測試主要通過Bluetooth傳輸計步及心率、血氧飽和度等歷史數據，通過GPRS通信技術發送摔倒報警、心率異常報警或血氧飽和度異常報警短信。測試結果表明，在Bluetooth與GPRS網絡連接通暢的情況下，數據傳輸的準確性可達到100%。

算法準確率的測試主要分為計步檢測算法、SVM摔倒監測算法測試。計步檢測主要是對人體運動量的直觀顯示，可以知道用戶規劃的運動目標。摔倒監測主要是檢測人體是否受到危害的監測，因此漏報的危害性遠大于虛警的危險性，因此本設計遵循“寧虛勿漏”的原則對SVM算法進行不斷測試與改進。筆者隨機選取了3位測試者對計步檢測算法與摔倒監測算法進行測試，測試結果如表2所列。

表2 計步檢測算法與摔倒監測算法測試

結 語

[1] 李山，李鵬飛，田雨.基于移動醫療的老年人健康管理系統設計與實現[J].中國數字醫學, 2015(8): 2-4,18.

[2] 程旸.老年人活動監測系統研究[D].天津：天津大學,2009.

[3] 李娜，侯義斌， 黃樟欽，等. 基于三軸加速度信號的實時人體狀態識別算法[J].北京工業大學學報, 2012(11): 1689-1693.

[4] 茍濤. 基于可穿戴式三軸加速度傳感器的人體行為識別[J].自動化應用, 2015(12): 61-62.

[5] 王君玲. 移動智能慢性病體征監測管理系統的研究與設計[D].廣州：南方醫科大學，2014.

參考文獻

[1] Tsai C C, Shih S C, Lin S C. Adaptive Nonlinear Control Using RBFNN for an Electric Unicycle [C]//Proceedings of the 2008 IEEE International conference on System, Man and Cybernetics, Singapore,2008:12-15.

[2] Lin S C, Tsai C C. Sliding-Mode Control of an Electric Unicycle Using Fuzzy Radial-Basis Function Neural Networks [C]//Proc.of 2009 National Symposium on System Science and Engineering,Tamsui,Taipei,2009:0316.

[3] 李向東，劉偉. 串聯型穩壓電路的設計 [J]. 周口師范高等專科學校學報，2001，18(5)：19-20.

[4] 賴義漢，王凱. 基于MPU6050的雙輪平衡車控制系統設計 [J].河南工程學院學報，2014，26(1)：53-57.

[5] 張壘. 無刷直流電機控制系統的設計與研究 [D]. 衡陽：南華大學，2012.

[6] 張團善，何穎. 卡爾曼濾波在兩輪自平衡代步車姿態檢測中的應用 [J].單片機與嵌入式系統應用，2014(5):33-35.

[7] 趙磊. 兩輪平衡車建模與系統設計 [D].成都：西南交通大學，2013.

葉秀敏(碩士研究生)，研究方向為嵌入式系統設計。

(責任編輯：楊迪娜 收稿日期：2016-10-31)

Elder Activity Monitoring System of Wearable Devices

Li Jilong,Li Yunjun

(Institute of Technology,Yanbian University,Yanji 133002,China)

In the paper,an activity monitoring system for the elderly is designed,which uses the three-axis acceleration sensor,the pulse and the oxygen saturation sensor to achievethe elderly population movement monitoring,the pulse monitoring and the fall alarm.So that the guardians can obtain the information of the elderly's daily activities in anywhere,and can take some appropriate measures to prevent some accidents happened.The experiment results show that the system is stable,and has a certain social significance and practical value.

elderly activity monitoring system;three-axis acceleration sensor;pulse and oxygen sensor;SVM classification algorithm

TP319

A

?迪娜

2016-11-28)