一種鞋墊式跌倒檢測裝置設計＊

包濱豪，匡進升，文世林

（西南科技大學 信息工程學院，四川 綿陽 621000）

目前，中國已成為老年人口最多且人口老齡化發展速度最快的國家之一。據統計，每年有33%的65歲以上老人發生過跌倒[1]。大部分老年人體質較弱，若在跌倒發生后不能及時自救，可能延誤救助時機，產生不堪設想的后果。近年來，隨著D-S證據推理、機器學習等領域的發展，針對跌倒檢測算法的研究愈加深入[2-3]。比如，沈秉乾等人提出了一種基于視頻人體運動狀態判決的跌倒檢測算法，測試表明，該算法與光照條件、攝像頭架設方式密切相關，平均正確檢測率為88.7%[4]；薛源等人利用佩戴于腰間和腳底的多類傳感器結合閾值算法檢測跌倒，檢測率為93%左右[5]。因此，為避免傳統閾值算法難以區分跌倒和日常活動的問題，本文提出了一種基于多傳感器信息融合的鞋墊式跌倒檢測報警系統，以提升跌倒檢測的識別精度，降低誤報率和漏報率。

1 系統設計

系統的硬件裝置結構共包含5個模塊：角度采集模塊（MPU9250）、壓力采集模塊（RFP-803）、微控制器（STM32F103）、無線通信模塊（藍牙HC-05）和供電單元（7.4 V 2Ah鋰電池及降壓電路）。

壓力采集模塊選用2個不同量程的壓敏電阻器（最大量程分別為30 kg、20 kg）作為分壓器測量不同壓力情況下的阻值變化。數據采集完成后，通過MATLAB中的Curve Fitting工具箱擬合出壓力與電壓之間的非線性曲線。九軸陀螺儀MPU9250能夠在姿態解算后結合狀態估計和卡爾曼濾波等方法，獲得人體運動時的角度、加速度等信息。

2 跌倒檢測算法設計

信息融合是一種針對不確定問題的決策方法，其關鍵在于選取有價值的信號源和構造正確的加權模型[6]。算法旨在將來自不同信號源的數據按照融合規則進行融合后得到最終的決策結果。系統對接收端采集到的測量數據進行加權后，根據信息的有用程度調整各特征提取值的權值，使各值的加權因子盡可能合理，最終將傳感器對應的3個信息融合為1個節點，判定人體是否發生跌倒。利用圖1的模型進行基于多傳感器信息融合的跌倒判定時，算法的具體步驟如下。

Step1，實驗前經適當的應力分析和直角坐標系校正后，將系統置于實驗者腳底。

Step2，通過藍牙與接收端通信，以180 Hz的頻率將采集到的壓力、角度、角加速度及對應的特征提取值發送至電腦接收端。

Step3，于接收端對采集到的3類數據，即壓力特征值、合加速度、動態合加速度進行窗口長度為3的中值濾波和窗口長度為6的均值濾波處理。

Step4，憑經驗初步設定系統的閾值，通過測試樣本驗證閾值的可靠性。

Step5，不斷調節各節點的加權值，將最佳識別精度下的權值集合應用于系統模型。

Step6，實測過程中，當系統判定最終節點權值大于設定閾值時，系統通過Neo-7M模塊獲取實時經緯坐標，再將報警短信以預置格式發送至監護端實現報警。

3 跌倒檢測性能比較

為檢驗所提出的算法與傳統閾值算法在性能上的差異，分別利用2種算法完成跌倒檢測實驗。其中，閾值算法應用的是Bourke最佳閾值。實測中盡可能減少環境變量造成的干擾，選用同一樣本集進行性能對比。實驗選取準確率、誤報率和漏報率作為算法性能的評價標準。對比實驗結果中的性能指標可以發現，傳統閾值算法和優化后算法的準確率都高于90%，但閾值法的誤報率和漏報率相較優化后顯得較高。

總體上，結合了信息融合、特征提取的閾值算法在傳統閾值算法的基礎上有明顯的性能提升。

4 結論

足底壓力信號與加速度信號分別體現了人體在運動過程中的某些特征，但信號源選取單一會導致系統的抗干擾能力較差。針對此問題，本文提出了一種基于多傳感器信息融合的鞋墊式跌倒檢測報警系統，并引入特征提取、信息融合對傳統閾值算法進行了優化。通過對跌倒與人體日常行為的檢測實驗，證明了該方案的可靠性和準確性。

［1］中華人民共和國衛生部.2003年中國衛生統計年鑒［M］.北京：中國協和醫科大學出版社，2003：215-249.

［2］李偉，何鵬舉，高社生.多傳感器加權信息融合算法研究［J］.西北工業大學學報，2010，28（5）：674-678.

［3］WANG H F，LIN D Y，QIU J，et al.Research on multiobjective group decision-making in condition-based maintenance for transmission and transformation equipment based on D-S evidence theory.IEEE Transactions on Smart Grid，2015，6（2）：1035-1045.

［4］沈秉乾，武志勇，賀前華，等.人體姿勢狀態判決的跌倒檢測方法［J］.計算機應用，2014，34（S1）：223-227.

［5］薛源，高向陽.基于多傳感器信息融合的跌倒監測系統設計［J］.武漢理工大學學報，2011，33（5）：712-716.

［6］席旭剛，武昊，左靜，等.基于sEMG與足底壓力信號融合的跌倒檢測研究［J］.儀器儀表學報，2015，36（9）：2044-2048.