具有安全防護功能的智能盲人服設計

金 鵬， 薛哲彬， 江潤恬， 劉丹宇， 張 弛

(1. 江南大學 紡織科學與工程學院， 江蘇 無錫 214122； 2. 東華大學 服裝與藝術設計學院，上海 200051； 3. 江南大學 設計學院， 江蘇 無錫 214122)

盲人出行設備[1]是為視力殘疾人士所設計的一類智能設備。根據世界衛生組織數據，截止到2018年中國約有1 700萬失明人士[2]。我國擁有世界上最長的盲道，但由于設計不合理、易被車輛阻擋等因素，其利用率低下[3]；我國登記持證的導盲犬只有百余只，無法滿足需求，盲人群體存在著出行困擾[4]，因此，針對盲人群體設計開發一種輔助出行的服裝設備擁有廣闊的發展前景。

本文從盲人實際出行需求入手，分析得到盲人服的設計要點。依據設計要點對服裝進行載體與功能2方面設計，并以此進行服裝與硬件設備的制作與搭配。在制作完成后對服裝功能進行評測，并據此對未來盲人出行設備發展進行展望。

1 盲人出行產品的研究現狀

目前，針對盲人出行產品的研究處于快速發展階段，其中功能較為完備的產品有智能盲杖、手持式導盲產品、輔助性導盲系統、可穿戴式導盲產品4類[5-7]。

智能盲杖主要是在傳統盲杖基礎上，利用單片機技術、傳感技術、無線通信技術等，為盲人提供導盲信息[8-9]。該類型產品使用范圍廣，貼合盲人使用習慣，但由于盲杖使用習慣及使用時的晃動感，對環境監測數據的準確性會帶來一定影響。

手持式導盲產品通常用于室內導盲，其主要是通過使用手持式設備掃描、監測周圍環境，根據設備的反饋作用進行行走判斷[10]。該類型產品由于其使用的距離傳感器的探測原理與功能限制，通常適用于室內導盲，不適用于光線較為強烈的室外導盲[11]。

輔助性導盲系統充分利用了智能手機等終端的功能優勢，致力于解決盲人出行時導航問題[12]。這類型產品存在的問題是智能終端大都為觸屏設計，不適用于盲人使用，且智能手機受限于探測距離，避障效果有待提升。

可穿戴式導盲產品通常包含服裝、眼鏡、背包等類別，其大都使用嵌入式技術，滿足盲人的出行需求[13]。如朱愛斌等[14]基于雙目視覺原理，設計開發了一種可穿戴導盲眼鏡。該眼鏡利用左右雙圖像傳感器實現障礙物定位與識別，并利用單片機技術將提取信息以蜂鳴器或震動馬達的形式反饋給使用者。該類型導盲產品由于其可穿戴性很適合盲人使用，但應注意電子元件對可穿戴載體舒適度的影響。

根據上述分析可知，目前盲人出行產品功能集中于避障、導航功能的設計研究，而對盲人在出行中可能遇到的危險規避功能、安全防護與報警功能研究較為缺乏。據此，本文擬設計制作一種具有安全防護功能的智能盲人服，該盲人服在滿足盲人出行避障需求的前提下，增設安全防護功能，提升盲人出行的生理安全性與心理安全感。

2 智能盲人服設計方案

本文從盲人出行環境與需求入手分析得到服裝設計要點，依據設計要點將服裝設計分為服裝載體設計與嵌入式系統設計。服裝載體設計主要從警示性、氣囊保護的角度進行設計闡述；嵌入式系統設計主要滿足盲人對探路、摔倒檢測、摔倒保護、摔倒報警功能的需求。

2.1 服裝設計要點分析

盲人在日常生活中難以對身邊物體進行有效識別，對可能存在的危險難以提前規避；在遇到危險摔倒時難以對自身產生較有效的保護；摔倒后無法對周邊事物進行有效判斷，在無法自救的情況下可能會產生一定危險；因此，針對盲人服的設計需要考慮以上3個方面的問題。

本文設計以服裝為本體，配合嵌入式系統設計完成功能設計與實現。以上3個問題由服裝的警示功能、探路功能、摔倒檢測功能、摔倒保護功能、未起身報警功能來改善。探路功能可規避道路上可能出現的障礙物與危險；摔倒檢測與保護功能用于檢驗穿著者是否摔倒，并在穿著者摔倒時給予保護；未起身報警功能可在盲人摔倒時判斷其是否能自行起身，如果判斷為不能，則會向監護人手機及網頁發送報警信息。

2.2 硬件系統設計

2.2.1 處理器模塊

硬件開發處理器設計使用Arduino Lite處理器開發板，該處理器尺寸為1.8 cm×4.8 cm，采用Atmel ATmega328單片機，支持TX、RX、AREF端，并兼容UNO系統，貼合服裝的處理器需求。

2.2.2 探路功能模塊

探路功能使用由Arduino Lite控制的距離傳感器、蜂鳴器來實現。在本文設計中，使用URM07超聲波距離傳感器，其尺寸僅為27 mm×27 mm，有效測量距離為7.5 m，探測夾角約為60°。蜂鳴器選用Mini vibration motor，直徑約為2 mm，整流方式為電流刷與換向器，可在2.5～3.5 V的直流電壓下正常工作。

2.2.3 摔倒檢測模塊

摔倒檢測根據其保護部位分為前側摔倒檢測及其他類型摔倒檢測。摔倒檢測功能使用由Arduino Lite處理器控制的加速度和傾角傳感器實現，通過設置傳感器閾值，當傳感器檢測值超過閾值時，則判定為使用者摔倒。本文設計中傳感器使用ADXL345加速度與傾角傳感器，其尺寸為20 mm×14 mm，可對±160 m/s2范圍內的加速度進行高分辨率(13位)測量，同時也可用于測量靜態或動態角度變化，其精度可達到0.25°。

2.2.4 摔倒保護模塊

服裝的摔倒防護由可多次充放氣的氣囊實現。當服裝檢測到穿著者摔倒時，則控制氣瓶向氣囊充氣，以保護穿著者。氣囊采用可拆卸設計，材質為高密度錦綸。其中壓縮氣瓶使用Klattermusen品牌小型高壓氣瓶，該氣瓶質量約為50 g，長為5.5 cm，可在0.2 s內釋放約12 g二氧化碳，具有安全穩定、質量輕、對穿著舒適性影響小等優點。針對兩側摔倒及后側摔倒，氣囊主要防護盲人頸部與胯部；針對前側摔倒，氣囊主要防護盲人手肘與膝蓋處。

2.2.5 未起身報警模塊

未起身報警功能用于在盲人摔倒后，若長時間未自行起身，由處理器控制的無線傳輸模塊向監護人手機及與模塊相連的網頁端發送報警信息，同時處理器會控制服裝上的蜂鳴器報警，以警示周邊環境中路人或過往車輛。

對盲人是否起身的判定同樣利用ADXL345傳感器，通過角度與加速度的變化判斷盲人是否起身。報警功能的實現由可裝載SIM卡的GSM模塊實現。GSM模塊的型號為SIM900A，使用外接SIM卡進行GPRS通信。在對盲人無法自行起身完成判定后，Arduino Lite處理器控制GSM模塊發送短信與定位信息至監護人手機，短信內容與相關手機號可在編譯軟件內設置。同時可利用該模塊向Sparkfun服務器提供的IP(internet protocol)地址所在的網頁傳輸數據，這一功能可實現對多套盲人服的定位監控與報警信息查詢。

2.3 軟件系統設計

2.3.1 傳感器閾值設定

在進行操作系統的代碼編譯與上傳之前，需對傳感器的設定閾值進行確認。依據硬件系統功能，將需確認閾值分為探路功能閾值、摔倒判定閾值、未起身判斷閾值。

2.3.1.1探路功能閾值 依據文獻[13]所述，對距離傳感器的閾值可根據主觀需求進行設定。在本文中左右距離傳感器閾值設置為1.5 m，前后傳感器閾值設置為3 m，傳感器將接收到的數據以數字信號形式反饋至Arduino Lite處理器，處理器判斷其是否低于閾值，當外部物體距離過近低于閾值時，由處理器控制的蜂鳴器報警以警示穿著者。

2.3.1.2摔倒判定閾值 摔倒判定由加速度與角速度的變化情況共同決定。ADXL345加速度與傾角傳感器采集人體加速度與角速度后，以浮點數的形式分別輸出其變化情況。

通過區分加速度與角速度的變化值，可對日常動作與摔倒動作進行區分。為將日常動作時傳感器加速度與角速度變化值與摔倒動作的變化值區分開，本文使用支持向量機(SVM)算法[15]進行數據區分。支持向量機是一種廣義的線性分類器，廣泛應用于統計分類以及回歸分析中，適用于本文中日常動作及摔倒時數據變化的分類。

1)動作分類。由于盲人的生理特殊性，一般不進行跑步等劇烈運動，因此，將日常動作分為步行、上樓、下樓、站立、坐下、起立、彎腰、蹲起幾類，動作集命名為D，如圖1所示。摔倒動作由前側摔倒、后側摔倒、兩側摔倒、撞擊摔倒構成，動作集命名為F。

圖1 日常動作示意圖Fig.1 Daily action diagram

2)數據采集。本文數據采集的軟件開發環境為適用于處理器的Arduino Lite軟件，測試時傳感器將數據變化值傳輸至Arduino Lite處理器，通過利用Arduino IDE軟件編譯數據處理程序，獲取測試時的相關數據。其中日常動作的數據集命名為Hd，摔倒動作的數據集命名為Hf。

本文選取23名健康大學生參與數據采集工作，大學生中男性16人，女性7人。男性受試者身高為(176±3) cm， 體重為(73±4.6) kg，年齡為19～23歲；女性受試者身高為(161±5) cm，體重為(48±5.3) kg，年齡為18～23歲。測試前將傳感器、處理器置于后頸處進行數據收集與處理。測試時受試者先實施1次動作集D中動作，結束后實施1次動作集F中動作，每人重復實驗10次，收集數據。表1示出測試數據搜集情況。

表1 動作數據集Tab.1 Data sets of different actions

3)數據預處理與特征值提取。為減少外界對數據干擾，消除數據噪音，采用卡爾曼濾波對數據進行預處理[16]。由于每條數據的采集持續時間比實際動作持續時間長，為減少工作量與算法訓練時間，對預處理后的數據進行特征值提取操作。截取數據最大值前后1 s內的數據，據此提取特征值。

本文以合加速度為例進行講解，合加速度A在一定程度上可表征人體運動的幅度，提取該段時間內合加速度的最大值Amax及其左右臨近的2個峰值Amax1和Amax2。計算公式為

式中，ax、ay、az分別表示x、y、z軸方向上的加速度，m/s2。

提取日常運動與摔倒時加速度變化的3個特征值Amax、Amax1、Amax2。其中日常運動加速度特征值的集合命名為Gda，摔倒動作加速度特征值的集合命名為Gfa。

依據上述方法，對日常動作與摔倒動作角速度特征值的集合Gdp與Gfp進行提取整理。

5)支持向量機。本文利用支持向量機對上述集合進行最優分類超平面求解。若上述集合為線性可分，則該算法可劃分出一個最大程度的超平面；若上述集合為線性不可分，本文使用高斯核函數將集合映射至高維空間，使其在高維空間中線性可分。編譯語言使用Python 3，利用Scikit-learn工具進行實驗平臺的搭建。函數為

式中：m、n表示特征向量；σ為高斯分布的方差。

6)閾值求解。經過訓練計算可得上述集合的特征空間維數為1，最佳分類面為點，其最優分類超平面的值xa1為2.91，xa2為12.15 m/s2，即摔倒動作合加速度閾值為28.52 m/s2(重力加速度取9.8 m/s2， 下同)，日常動作合加速度閾值為12.15 m/s2。 同理可得摔倒動作合角速度的閾值為62.3 (°)/s。 據此，對摔倒動作判定閾值設定為合加速度超過28.52 m/s2，合角速度超過62.3 (°)/s時，則認為摔倒動作成立。

由于前側摔倒與其余類型摔倒防護部位不同，因此，針對前側摔倒的閾值判定略有不同。區分的依據為Z軸加速度的正負值，前側摔倒時Z軸加速度為負值，其余摔倒時則為正值，因此，在程序編譯時據此進行區分，以判別不同的摔倒動作，控制不同的氣囊開關。

2.3.1.3未起身判定閾值 未起身判定閾值的確認與探路功能閾值類似，主觀性較強。其閾值主要為加速度與傾角傳感器的合加速度變化值、角度與時間。由于在摔倒后，傳感器與垂直方向上的傾角數值較大，因此，閾值設定為合加速度變化值小于9.8 m/s2， 傾角傳感器與垂直方向傾角大于75°且持續時間超過1 min，即可判定無法自行起身。具體數據也可在處理器程序編譯時進行調整。

2.3.2 操作系統及程序編譯

本文單片機相關程序均使用Arduino IDE軟件完成。編譯程序前需要下載相應編碼庫以支持不同硬件的編譯與燒錄。

在編譯前下載相應編碼庫，如Serial庫、GSM與GPS的支持庫等，并將硬件間波特率統一為9 600，在void setup()函數內設置傳感器相應閾值，聲明引腳的輸入輸出模式與串口通信模式，在void loop()中寫入閾值判定流程；針對單片機與手機端之間的短信互聯問題，于void SendTextMessage()函數內部進行編譯。代碼編寫完成后，將代碼燒錄至處理器。

2.3.3 應用軟件設計

為使由GSM模塊發送的位置信息通過移動端實時顯示，本文設計中盲人服系統移動端的實時顯示功能由網頁實現。通過在頁面中添加新設備，對多個用戶進行實時監護，便于社區內部對盲人用戶的幫助及保護。通過使用Sparkfun服務器所提供的IP網址，可將由GSM模塊發送的經緯度信息轉換為詳細地圖，并在頁面中顯示穿著盲人服的用戶是否摔倒以及摔倒后是否可自行起身，以便于監護人對盲人的實時監護。同時，可在網頁中設置電子圍欄功能，便于查看用戶是否偏離相關活動區域。

2.4 服裝載體設計

由于生理原因，盲人難以發覺周圍環境中潛在的危險，因此，盲人服應具有一定警示效果。服裝的警示功能需要考慮：產生足夠的警示效果；對服裝結構及穿著舒適性無較大影響；制作成本低，制作工藝簡單。考慮以上因素，服裝的警示功能由縫制于服裝上的反光條實現。反光條的縫制位置為前胸、后背、袖子等部位，反光條材質為高亮度反光聚氯乙烯(PVC)。 服裝頸部、胯部、手肘、膝蓋處縫合可多次充放氣的氣囊。

為便于固定傳感器，服裝采用多口袋設計，另配有帶魔術貼的可拆卸式扣帶，在使用時綁于下腰、手小臂、大腿處，以便于裝配相關硬件，如圖2所示。

圖2 服裝結構圖與硬件放置位置Fig.2 Clothing structure diagram and placement of hardware

2.5 硬件連接與服裝結合

為便于拆卸，提升穿著舒適性與服裝可洗性，本文設計中各硬件模塊通過裝配于帶魔術貼的扣帶上，并在使用時裝置于扣帶相應位置。同一扣帶上的硬件間使用杜邦線進行連接，不同扣帶之間的硬件通過導電紗線連接，導電紗線規格為22.0 tex鍍銀錦綸紗線。從美觀性角度考慮，扣帶上預設的接口置于扣帶背面。

本文設計中，采用5 V電池組為各硬件模塊供電，電源正極分別與Arduino Lite處理器的0號引腳以及URM07傳感器、ADXL345傳感器、GPS模塊的VCC引腳相連，為其供電。同時，Arduino Lite處理器的1、2、3、4、5號引腳分別與URM07傳感器的OUT引腳、ADXL345傳感器的SDA引腳、SDL引腳、GPS模塊的TXD、RXD引腳相連以進行數據傳輸。處理器的10號引腳與蜂鳴器相連為其供電。各硬件模塊之間的接地(GND)引腳相連。

3 實驗檢測與數據修正

為驗證盲人服功能的有效性與穩定性，需進行實驗檢測。實驗分為服裝舒適性測試、警示功能測試、探路功能測試、摔倒檢測與防護功能測試、未起身報警功能測試5個方面。

3.1 服裝舒適性測試

為檢測嵌入式硬件是否給服裝的穿著帶來舒適性影響，本文利用主觀評價方法對盲人服及與未嵌入硬件的相同普通服裝進行舒適性比較判斷。

3.1.1 主觀舒適性指標確認

主觀舒適性評價能夠直觀有效地反映一個人對某一服裝的主觀感受[17]。服裝舒適性的主觀評價指標分類[18]，將其確定為熱感、濕感、悶感、黏感、厚重感、活動受限感、硬度、緊身感。主觀評價的標尺選用Fritz七級語義差異標尺，即1分(極不)、2分(非常不)、3分(較不)、4分(適中)、5分(較)、6分(非常)、7分(極)[19]。

3.1.2 實驗流程與實驗結果

參與客觀評價實驗的人員為10名大學生志愿者，其均為身高(176±3) cm，體重(73±3.3) kg，年齡為20～25歲的健康男性。測試對象為本文研究提出的智能盲人服和普通服裝。人工氣候室(日本愛斯佩克公司)溫度控制范圍為-35～65 ℃，相對濕度調節范圍為0%～100%。測試前所有受試者將被告知本文實驗的具體步驟以及需要他們配合的相關工作。

主觀評價測試實驗分為5個階段：第1階段為靜坐10 min；第2階段為輕度運動，受測試人員需要在跑步機上以3 km/h的速度運動10 min；第3階段為中強度運動，受測試人員需要在跑步機上以6 km/h 的速度運動10 min；第4階段進行6次圖1所示動作，時長為10 min；第5階段為靜坐10 min。每階段結束時進行1次主觀評價打分。

圖3示出主觀評價的打分結果，其分值取受試人員的打分平均值。可看出，智能盲人服在熱、濕、悶、黏、活動受限感、硬度指標方面與普通服裝幾乎無區別，但在厚重感、緊身感方面不如普通服裝舒適。

圖3 舒適度主觀評價分值Fig.3 Subjective evaluation score of comfort. (a) Score of warmth; (b) Score of wetness; (c) Score of stuffiness; (d) Score of stickiness; (e) Score of heaviness; (f) Score of restricted activity; (g) Score of hardness; (h) Score of tightness

3.1.3 服裝整體舒適性判定

為更好地表征服裝的整體穿著舒適性，根據以上測試指標，利用模糊綜合評價法對智能盲人服及普通服裝的綜合舒適性進行評判。本文中服裝整體舒適性的結果難以量化，模糊綜合評價法可有效解決該問題。

3.1.3.1模糊綜合評判法 作為模糊數學中的一類評價方法，其可將模糊的主觀評價轉化為定量評價[20]，對本文中主觀舒適度評價的量化具有良好的作用，可將服裝的主觀舒適性轉化為更直觀的數字評價。

表2 衡量標尺Tab.2 Measurement scale

W=(0.32，0.27，0.41)

依據上述方法，可分別計算得出熱濕性舒適指標、接觸性舒適指標、適體型舒適指標各自權重W1、W2、W3。

W1=(0.33，0.37，0.30)

W2=(0.36，0.35，0.29)

W3=(0.53，0.47)

3)構建評價矩陣R：以熱濕性舒適指標u1為例，利用盲人服第4階段結束時的評分數據建立評價表，提取模糊評價矩陣R1。

4)評價矩陣R和權重W的合成

對模糊評價矩陣R1進行加權，根據下式得出熱濕性舒適指標u1的模糊綜合評判結果S1。

S1=W1·R1

S1=(0，0，0，0.186，0.427，0.313，0.074)

依據該方法可計算得出熱濕性舒適指標u1、接觸性舒適指標u2、適體性舒適指標u3的模糊綜合評判結果Si。將W與Si矩陣相乘可得到服裝的二級模糊綜合評價矩陣S。并利用下式計算得出服裝的綜合舒適性評價分值Ni。

Ni=S·ET

式中，E為Fritz七級語義差異標尺矩陣。

經過計算，智能盲人服的舒適性綜合評分N1為5.07分，普通服裝的舒適性綜合評分N2為4.93分，差值為0.14分。依據評測結果可看出，嵌入硬件的盲人服舒適度略微低于同類型普通服裝。

3.2 服裝警示效果測試

服裝警示效果測試主要考察在昏暗環境中服裝的醒目效果。實驗分為針對盲人服所設實驗及對比實驗。測試地點位于室內，測試光照強度的儀器選用DT-1300型手持式光照度計(中國聚創環保有限公司)，測試時穿著盲人服的受試人員A行走或站立，使上述10名無視力障礙大學生志愿者在距A人員5、10、20、50 m處站定，觀察在光照強度為0.2 lx 條件下服裝的醒目效果。

警示效果的判斷依據為對A人員的提前甄別效果及其身體輪廓及關鍵部位的可辨識度。分值分為0分(無效果)、1分(效果較差)、2分(效果一般)、3分(效果較好)、4分(效果很好)5檔。對比實驗的受測試對象為同色系的普通服裝，實驗流程與條件同上。實驗相關數據如表3所示。依據測試數據可看出，在昏暗條件下普通服裝幾乎無醒目效果，在距離20 m以內盲人服的警示效果良好。

表3 服裝醒目性測試數據Tab.3 Test data of clothing eye-catching

3.3 服裝探路功能測試

該部分測試通過模擬日常出行環境，檢測實際穿著時服裝對障礙物的識別效果，從而判斷設備的探路功能。測試地點為某單位內部道路，該路段設置有盲道，主要障礙物包括樹木、灌木叢、花壇、行人、自行車、垃圾箱等常見物。測試時穿著盲人服的受試人員根據盲道路線進行走動，通過檢測盲人服對盲道周圍障礙物的識別效果來判定服裝的避障效果，其中判定成功的次數為服裝成功識別障礙物并成功提醒實驗人員的次數。

經過測試，盲人服對后側及左右障礙物的識別成功率均達到100%，對前側障礙物的識別成功率可達到95%。服裝胸前的距離傳感器成功率未達到100%，其原因為部分障礙物低于傳感器高度，傳感器對過低障礙物識別效果不佳。通過調低傳感器高度可有效解決這一問題。同時，在實際使用時傳感器高度也可根據穿著者身高進行調整。

3.4 摔倒檢測與防護功能測試

為檢驗盲人服對不同體型特征人群的適應情況，選取10名身高為(175±12) cm，體重為(72±11) kg 的受測試人員。測試內容分為前側摔倒、后側摔倒、左側摔倒、右側摔倒、撞擊摔倒5個部分，每部分實驗20次。后測摔倒氣囊展開的測試效果如圖4所示。

圖4 后側摔倒氣囊展開效果測試Fig.4 Tests of back side fall airbag deployment

經過測試，盲人服針對前側摔倒、后側摔倒及撞擊摔倒的判定成功率為100%，而左側摔倒、右側摔倒的成功率為95%。在后側摔倒與撞擊摔倒時，合加速度與合角速度變化比其他幾種類型更快，其峰值也更大。為提高摔倒判定成功率，將合加速度閾值下調至27.44 m/s2， 合角速度閾值下調至60 (°)/s。經過測試，閾值調整后的摔倒判定成功率均達到100%。

氣囊展開速度使用Arduino Lite軟件協助測定。圖5示出某次摔倒時串口監測的合加速度與合角速度的變化情況。由于氣囊充氣完成大約需0.1 s，串口通信的時間以毫秒計，此部分時間可忽略不計，因此，從判定摔倒至氣囊展開所需時間約為0.1 s。由圖5可知，摔倒動作達到閾值(a點)時仍需約0.5 s才可完成與地面間的碰撞動作(b點)，因此，系統對氣囊展開的預留時間滿足實際需求。

圖5 合加速度與合角速度變化情況Fig.5 Change of combined acceleration and combined angular velocity

3.5 未起身報警功能測試

未起身報警功能的測試設置于摔倒檢測功能測試之后，在對摔倒判定成功后，處理器進入未起身報警功能的判定程序。測試前需要注意服裝上Arduino Lite處理器的無線通信是否良好，并通過AT指令測試電路連接是否存在問題。

對于未起身判定的測試標準可根據實際使用情況進行閾值修改。本次測試的判定閾值為質量變化值小于9.8 m/s2、傾角傳感器與垂直方向傾角大于75°且持續時間超過1 min，此時判定為穿著者無法自行起身。在實際穿著時，相關數值可根據使用者具體情況在程序內進行調整。

該部分功能測試地點位于某市大學內，實驗由4位受測試人員組成。其中3人穿著盲人服隨機分布于學校內部并不斷移動方位，剩余1人使用手機與電腦Web端接收相關實驗數據以判定服裝未起身報警功能的有效性。圖6示出實驗過程中服裝完成未起身判定后Web端接收到的相關頁面信息，其中地圖紅線內部為1號電子圍欄范圍。

圖6 Web報警頁面Fig.6 Alarm page of the web

經過測試，未起身報警功能完備，相應報警信息與位置信息可及時發送至程序預設手機號及相應網頁。

4 結 論

本文基于智能服裝技術，提出一種滿足盲人實地出行需求的盲人服設計方案。該方案載體為盲人服，其具有警示功能、探路功能、摔倒檢測與防護功能、摔倒報警功能。經過測試，智能盲人服舒適度在厚重感、寬松感方面不如同種普通服裝舒適，七分制評分下總體舒適性差值為0.14分；警示效果滿足出行需求，昏暗環境中20 m以內警示效果良好；服裝對左右障礙辨識度高，對前后障礙物辨識度低于左右障礙，通過調低傳感器高度可解決該問題；摔倒檢測與防護功能通過使用三軸加速度與傾角傳感器檢測合加速度與合角速度變化來判定摔倒情況，根據摔倒類型保護肘部、膝蓋或頸部、胯部；未起身報警功能可有效保護無法自行起身的穿著者，并及時將報警信息與位置信息發送至監護人手機及Web端。本文設計總體上功能完備，完成度較高，可實地用于日常出行。

本文設計仍存在不足之處：嵌入式硬件與服裝的結合方式對服裝的寬松感、厚重感方面存在一定影響；硬件元件品控不一，壽命不同，在使用過程中有一定損耗；目前設計仍針對單一個體的個人防護，未來應使用Web、APP等對防護人群與相關硬件進行集中化管理，打造用戶社群。