基于電場傳感器的人體坐姿監測

吳 旭， 張中良， 程衛東， 董永貴

(1.北京交通大學 機械與電子控制工程學院，北京 100044；2.清華大學 精密測試技術及儀器國家重點實驗室，北京 100084)

現代生活中，隨著計算機技術的發展，辦公室人群需要長期坐在屏幕前工作。長時間處于同一坐姿會對人體的視力、脊椎等造成損傷，并且研究表明久坐存在致命的風險[1]，所以現代化辦公模式下的健康辦公受到了廣泛關注。在工作期間適當活動能夠有效避免久坐對身體的損害，但是人們往往會忽略這一細節。因此對人體的坐姿情況進行監測并且能夠適時給出活動提醒是有必要的。

目前針對人體坐姿識別，主要采用基于傳感器和基于機器視覺兩種方式[2]。基于傳感器進行坐姿識別是通過多個傳感器進行坐姿檢測，并借助數據融合算法提高檢測精度[3]，例如Braun團隊[4]提出在座椅上安裝多個電容傳感器進行坐姿識別。此方法在使用過程中為了提高檢測精度需要數量較多的傳感器，硬件成本高。基于機器視覺進行坐姿識別則是通過對視頻流或圖像序列進行分析從而得到坐姿信息[5]。Kinect深度攝像機[6-7]可以提供高分辨率的深度和視覺信息，為深度圖像的人體姿態檢測技術提供了相應的硬件支持。研究學者將Kinect應用于人體坐姿信號的檢測和識別[8-9]中，簡化了信號獲取過程，但是存在判斷指標單一、復雜環境下效果欠佳[9]的問題，可靠性較差。

對此，筆者提出了一種使用單個電場傳感器對人體坐姿情況進行監測的方法。根據電場傳感器的測量原理，由于電信號的頻率較低，人體體表與電極之間的阻抗可以等效為耦合電容，當人體與傳感器之間發生相對運動時，耦合電容相應發生改變，對測量信號的特征產生影響，通過對采集的電信號進行特征分析，能夠準確分辨出座椅上人體的四種狀態。與電容傳感器相比，電場傳感器具有結構簡單、安裝方便的優點，且使用單個電場傳感器降低了成本。同時，基于電場傳感器進行坐姿識別相比于機器視覺，具有更高的可靠性和精確度。同時使用嵌入式處理器對所測信號進行處理，將坐姿類別和時長通過藍牙傳輸到手機上進行顯示，并對被監測人給出運動提醒。

1 測量裝置

1.1 電場傳感器

電場傳感器測量電極[10]是以PCB板為基底制作的，包括了4層PCB板結構，如圖1(a)所示，底層PCB板用于構造絕緣層和電極感應層。其中，用于阻止電極感應層與外部的直接接觸的絕緣層是依靠PCB板上的阻焊層構成的，用于感應外界電場的電極感應層由PCB板中的整層的導電金屬構成；主動屏蔽層位于底層和頂層的中間，由2層PCB板直接相連構成，用于減弱寄生電容的影響，提高測量電極探測電場的能力；頂層PCB板用于焊接電路元器件和布置電路的走線，并通過敷銅構成屏蔽地層。除了PCB板外，測量電極還包括一個金屬屏蔽殼。為了屏蔽外界噪聲對電路的干擾，屏蔽地層與金屬屏蔽殼均連接地線。

測量電極的測量電路主要由單位增益緩沖器電路和反向放大電路兩部分構成。單位增益緩沖器電路主要由一塊LMP7721芯片構成。LMP7721是一種具有極低的輸入偏置電流(±20 fA)和高共模抑制比(100 dB)的精密運算放大器，憑借其優異的性能可以有效地降低電路自身的噪聲干擾。電極感應層與LMP7721的正端輸入連接，并且為了提供直流偏置路徑接入了一個偏置電阻Rb，以使電路在工作時所產生的偏置電流通過Rb流入地線中。為形成單位反饋，LMP7721負端直接與LMP7721輸出端相連接，并且與主動屏蔽層通過一個電阻Ra相接，以產生主動屏蔽作用。反向放大電路由一個OPA2333構成，它是具有低失調電壓特性(10 μV)的運算放大器，主要作用是將測量到的信號放大到適合采集的范圍。

為了保證當被測對象離測量電極較遠時也能夠感應到信號，偏置電阻Rb需要設置一個較大的值，以提高信號輸出幅值和測量靈敏度。在這里取Rb=10 GΩ[11]。

測量電極實物圖如圖1(b)所示。測量電極的整體厚度為6.28 mm，電極感應面的直徑為40 mm，且方向朝外。電極其他部分和測量電路均被包裹在一塊直徑為42 mm的鋁制金屬屏蔽殼內，電源、地和信號輸出通道由一條三芯屏蔽線提供[10]。

圖1 測量電極結構及實物圖[10]

1.2 調理電路

當人坐在椅子上時，所產生的活動信號頻率很低，在100 Hz以下。電場傳感器測量電極的信號調理電路包括低通濾波電路和陷波電路。首先對信號進行低通濾波，設置截止頻率為100 Hz。測量電極在采集坐姿信號時，由于周圍環境中充斥著工頻電場，信號會受到干擾，為了防止測量電極在干擾下測量到的信號出現飽和的情況，在測量過程中，需要對50 Hz信號進行陷波。

1.2.1 低通濾波電路

低通濾波器選用巴特沃斯濾波器，其在通帶范圍內平坦度最好。低通濾波仿真電路如圖2所示，使用的是Sallen-Key濾波電路，兩級RC電路的電阻和電容值分別相等，運算放大器選用的是OPA2314，它具有低功耗和低噪聲的優點。

圖2 低通濾波仿真電路圖

低通濾波器截止頻率要求在100 Hz附近，確定電容值為C1=C2=100 nF，其截止頻率計算公式為

(1)

式中，電阻值為R1=R2=15 kΩ，算得截止頻率約為106 Hz。當品質因數為0.707時，濾波器通帶邊緣會比較平坦，此時R4/R3≈0.6，取R4=10 kΩ，R3=15 kΩ。使用TI公司的TINA-TI仿真軟件進行分析，得到仿真Bode圖如圖3所示，濾波器截止頻率約為110 Hz，并且相位失真較小。

圖3 低通濾波仿真Bode圖

1.2.2 陷波電路

陷波使用的電路是雙T網絡帶阻有源陷波器，圖4為50 Hz陷波電路仿真電路圖。

圖4 50 Hz陷波器仿真電路圖

圖4中，R1=R2=2R3，C1=C2=0.5C3，f0=50 Hz，取C1=4.7 nF，R4=2 kΩ，R5=10 kΩ，根據f0=1/(2πRC)，得到R1=680 kΩ。其中運算放大器選用德州儀器生產的OPA2314。使用TINA-TI軟件中的信號分析儀得到仿真Bode圖如圖5所示，陷波器中心頻率為49.74 Hz，并以-47.25 dB衰減，與理論估算50 Hz相差0.26 Hz，絕對誤差約為0.5%。

圖5 50 Hz陷波器仿真Bode圖

2 測量原理

人體坐在座椅上與電場傳感器非接觸，測量電極透過人體體表穿戴的衣物，通過電容耦合的方式能夠提取到人體體表的電信號。這種電信號一般是電壓信號，可以是人體內部產生的內源信號，也可以是外界電場耦合到人體所產生的外源信號[11]。

在測量過程中，測量電極放置在座椅靠背上，以非接觸的方式獲取人體體表的電信號，如圖6所示。由于電信號的頻率較低，人體體表與電極間的阻抗可簡單等效為耦合電容，測量電路的等效模型如圖7所示。由于當人體靠在椅背上時衣物上的靜電同樣會耦合到電容上，需要在輸入端設置偏置電阻Rb，起到釋放靜電減小干擾的效果。理論上，測量電路的輸入電阻Rin遠大于偏置電阻Rb，因此，輸入端的等效阻抗約等于偏置電阻Rb。

電極與人體之間形成的耦合電容為

(2)

式中，S為電極與人體間的耦合面積；d為電極與人體之間的耦合距離；ε為電極與人體之間耦合介質的介電常數。因為布制衣料中充滿空氣，可近似假定ε=ε0。耦合面積S取決于電極極板的幾何尺寸，因此對于制作完成的電極，耦合面積S固定不變。耦合條件對輸出信號的影響主要是由耦合距離d的改變所引起的。根據圖7可知，耦合距離d增大時，耦合電容CE變小，輸出信號幅值減小，反之，輸出信號幅值增大。

圖6 人體活動信號測量原理

圖7 測量電路等效模型[11]

采用上述理論設計的座椅監測人體活動裝置，人體距離測量電極遠近的變化導致信號的幅值與形狀發生變化，可根據信號的特征判斷人體的動作。

3 信號采集與分類

3.1 坐姿信號采集

使用電場傳感器測量電極進行人體坐姿信號的采集。受試者身高165 cm，體重80 kg。采集受試者在實驗室辦公桌前工作6 h的信號，采樣頻率為200 Hz，信號做去均值處理，所得到的結果如圖8所示。在傳感器采集信號的同時使用電腦攝像頭在受試者旁邊進行拍攝，作為人體活動的視頻記錄。通過將視頻中人體行為與實測信號相結合進行分析，可以將信號分為圖9所示的A、B、C、D四類。

圖8 人體活動實測信號

A類信號如圖9(a)所示，信號幅值在±0.6 V左右，為人坐在椅子上，人體靠在椅背上，與傳感器全面接觸并對其施加了較大的壓力；B類信號如圖9(b)所示，信號幅值在±0.05 V以外，為人坐在椅子上，但人體不與傳感器接觸或輕微碰觸到傳感器，沒有動作或者存在一些肢體動作幅度很小的活動，如進行書寫、打字等；C類信號如圖9(c)所示，信號幅值在±0.04 V以內，為人不在椅子上，得到的信號為空間中的環境電場信息；D類信號如圖9(d)所示，尖峰信號表示人體發生較大的動作，如身體有幅度較大的晃動，或者人在坐下或離開椅子的過程。從圖9中可以看到每類信號在幅值與形狀上會存在差異，說明測量電極能夠對人體的坐姿信息進行識別。

圖9 代表信號波形

3.2 分類算法——BS序列

對于一維時間序列X=(x1,x2,…,xN)，由嵌入式方法通過坐標延時得到m維相空間矢量:

P(i)=(xi,xi+τ,…,xi+(m-1)τ)

(3)

式中，m為嵌入維數；τ為延遲時間，在相空間反映時間序列的特征信息。然后將二維相空間劃分為2M×2M個網格(box)，如圖10所示。如果信號的相空間軌跡穿過某一網格box[u(i),v(i)]，則該網格被標記并計算其到對角線的距離，將此距離作為該網格的得分(score)。距離計算公式為

dis(i)=|u(i)-v(i)|,1≤u(i),v(i)≤2M

(4)

圖10 網格化相空間[12]

滑動窗長為n時，一個滑動窗長內的時間序列片段映射到網格化相空間，計算所有被標記網格的得分之和(Box-Score,BS)，即

(5)

式中，N為時間序列的長度。并且在分析軸承故障信號的過程中，如圖11所示，發現BS序列不僅能夠凸出信號中的尖峰，而且非峰值的位置在BS序列中都得到了抑制，所以BS序列也可以稱為峰值特征曲線。

圖11 軸承信號和其BS序列

應用基于相空間重構的快速尋峰算法中的BS序列計算作為坐姿信號分類的方法。計算BS序列僅涉及整型數據，避免了浮點數的運算，有利于在嵌入式系統中實現。對于調幅信號，BS序列還存在類似于包絡解調的效果，可以將感興趣的信號凸顯出來。

3.3 坐姿信號分類

電場傳感器所采集到的坐姿信號中，坐姿信息主要以調幅的形式調制在50 Hz工頻信號上，還有一部分包含在尖峰中，符合BS序列的應用范圍。

將圖8所示的坐姿信號進行相空間重構，信號采樣頻率為200 Hz，時間延遲τ=5 ms，計算其BS序列。以第1小時信號為例，信號如圖12(a)所示，計算得到BS序列如圖12(b)所示。從信號的BS序列中可以看到較為清晰的界限，因此可以通過設定閾值的方法對坐姿信號進行分類，大于閾值Th1為類別Ⅰ，小于閾值Th2為類別Ⅲ，處于閾值Th1和Th2之間為類別Ⅱ。結合圖12(a)和12(b)兩個曲線分析，代表人體活動幅度較大的D類信號正處于斜率很大的尖峰信號所在位置處。因此，對原始序列的BS序列再次計算BS序列，得到圖12(c)所示的序列，這一序列僅將信號梯度變化大的D類信號凸顯出來。計算序列中尖峰的個數，如圖12(c)中紅色圓圈所示，可以得到D類信號的個數。根據各類信號特征，可以得出A類信號是類別Ⅰ中不屬于D類信號的部分，同理，B類、C類信號分別是類別Ⅱ、類別Ⅲ中不屬于D類信號的部分。

圖12 第1小時信號及其BS序列

將算法處理結果與攝像頭的拍攝記錄進行統計和對比，結果如圖13所示。通過計算拍攝記錄與算法處理結果之間的相對誤差，來評估算法的準確度。其中A類、B類、C類、D類信號的相對誤差分別為2.33%、1.87%、3.38%、10.86%。結果表明，采用計算峰值特征曲線的方法可以有效地對人體坐姿信號進行分類。

圖13 攝像頭記錄與算法標記結果比較

4 測量結果顯示

將信號分類方法移植到STM32單片機中，信號經測量裝置采集后由單片機進行處理，將坐姿類別與時長通過藍牙發送到手機上進行顯示。手機顯示界面如圖14所示。

手機顯示內容如下。

① Total Time：藍牙連接后當前采集人體數據的總時間。

② 左上指示表：人體靠在椅背上的時間。

圖14 手機顯示界面

③ 右上指示表：人體不靠在椅背上的時間。

④ 左下指示表：人體發生幅度較大的動作的時間。

⑤ 右下時間表：記錄人體4 h內坐在椅子上和離開椅子活動的時間，顯示情況具體如下。

當連續坐著30 min以內時，相應時間區域顯示為綠色，如圖15(a)所示。

當連續坐著30 min～2 h時，相應記錄圖形為橙色，如圖15(b)所示。若在這個時間范圍內站起來活動離開椅子，離開椅子對應的圖形為藍色：若離開椅子的時間小于5 min，下次記錄坐著的時間依然為橙色，并且相加超過2 h記為紅色；若離開椅子活動時間大于等于5 min，下次記錄坐著時間為綠色。

當連續坐著時間超過2 h時，相應記錄圖形為紅色，并且離開椅子活動10 min后，下次記為綠色，否則記為紅色。

圖15 坐姿顯示示意圖

5 結束語

針對人體坐姿監測問題，研究了一種基于單只電場傳感器的人體坐姿信號測量方法，并對測量裝置和測量原理進行了說明。通過實驗可以看到，電場傳感器所采集的坐姿信號中，坐姿信息主要以調幅的形式調制在50 Hz工頻信號上，還有一部分在尖峰中。并且信號在幅值和形狀上存在差異，可以分出坐姿類別，得到人體在座椅上的狀態信息。測量結果在手機上進行顯示可以方便地提示人們及時調整自己的姿態以及進行適當的活動。

目前所用的測量裝置僅是通過單人監測的實現說明該方法能夠實現坐姿監測的功能，在后續研究中還需要對不同體征的人群進行測試，并對測量裝置及其功能進行調試和完善。