多變量時序關聯分析的跌倒預測算法

朱文輝，李偉，代勇

(1.黑龍江科技大學 電氣與控制工程學院，黑龍江哈爾濱150022；2.哈爾濱工業大學 機電工程學院，黑龍江哈爾濱,150001)

0 引言

伴隨著現代化進程與社會進步，人口老齡化在全球成為普遍現象。中國擁有全世界最龐大的老年人群體[1]。根據國家統計局發布的數據，2019年末，中國的65歲及以上老年人口達到1.76億人，占總人口的12.6%[2]。人口老齡化問題帶來諸多社會問題。老年人屬于易摔倒人群，老年人的骨質密度越來越低，甚至變得脆弱，很容易因為意外發生導致骨折，若髖部骨折發生在老年人身上，其死亡率比癌癥還要高，其后果將給家庭帶來嚴重的經濟負擔，并已引起業界的高度重視[3]。在不影響老年人正常活動為前提，通過科學手段及時預測老年人摔倒并利用快速保護裝置避免髖骨碰撞造成傷害，可以有效減小老年人摔倒帶來的健康傷害和醫療支出，現已成為國際上新的研究熱點之一[4]。便攜式高速充氣式氣囊是跌倒時最有效的保護裝置，體積小、重量輕、適合隨身穿戴。當發生跌倒，身體的髖關節在觸地之前，這個過程的持續時間大概為0.8秒左右，在這期間需要讓氣囊引爆展開，現有的高速氣囊展開時間在0.1秒左右，所以在作出跌倒預測結果輸出時間越提前，氣囊保護的效果就越好。

現有最常見的檢測人體運動行為的方法是通過采集人體線加速度及角速度信息并通過實驗設定其閾值來檢測佩戴者是否有摔倒行為發生，例如哈爾濱工業大學的閆俊澤等[5]設計一種由三軸加速度計和三軸陀螺儀組成的裝置佩戴于人體胸部和大腿部，并通過實驗設置兩部位各自的合加速度和角速度閾值，達到92%的檢測率并具備較強的時效性。韓國的Amit等研究了一款佩戴于人體胸部的跌倒探測系統，它是由加速度傳感器、陀螺儀、傾角傳感器組成，如果人體的胸部角度變化70°，并且加速度變化非常劇烈則認為人體摔倒。實驗證明它對前后摔倒具有較高的敏感性，但是對左右的方向的摔倒卻不夠敏感[6]。

人體跌倒預測方法應具備兩個要素：(1)準確性，必須能夠有效區分跌倒過程和日常生活行為；(2)快速性，以便氣囊在髖骨觸地之前完全展開。為了預測跌倒行為，本文提出一種基于多變量時序關聯分析的跌倒預測方法，通過實時獲取人體驅干的三維角度和重力加速度，根據前倒、后倒和側倒的時間序列，尋找合成角度與實時驅干傾角之間的關聯性，可以有效區分在站立時發生前倒、后倒和側倒；同時根據根據驅干傾角和合成重力加速度閾值，來決定是否啟動跌倒觸發，可以有效避免日?；顒拥恼`判。由于人體前向跌倒時可以通過肘部實現保護，而且彎腰的動作與前倒動作完全一致，本文只實現人體在發生后向跌倒和側向跌倒的預測。

1 特征提取

1.1 特征部位的選擇

運動過程中人體不同部位的加速度變化不同，為了提高跌倒識別的準確率，應選擇不易于其他運動過程產生相似加速度和角度變化的部位作為信息獲取的基準對象。腕部、手臂、腿部等部位因為在日常生活中改變頻繁，具有很強的隨機性，因而不適合作為特征提取部位[7]。而上軀干部位（髖關節以上、頸關節以下）在日常生活的行走、坐下、廣播體操等活動中變化過程比較平緩，而在跌倒過程中姿態角度和加速度皆較為劇烈[8]，因此適合作為姿態和運動劇烈程度的特征提取部位，為了穿戴方便和不影響正常生活行為，選擇特征提取部位為腰部。檢測人體姿態和重力加速度的傳感器選擇整合了3軸陀螺儀和3軸加速度的InvenSense公司MPU6050芯片[9]，相較于多組件方案，免除了組合陀螺儀與加速器時之軸間差的問題，減少了安裝空間，其自帶的數字運動處理器DMP(Digital Motion Processor)硬件加速引擎，通過主IIC接口，向外部應用MCU輸出完整的9軸融合演算數據，便于姿態解算，降低了運動處理運算對應用MCU的負荷[10]。

1.2 特征坐標系的建立

由于特征部位選取為腰部，則將人體的腰部作為坐標原點O。當出現跌倒運動時，姿態角與加速度會顯著增加，因此，需要對加速度和姿態角建立特征坐標系。我們需要對人體各種運動下的加速度進行提取分析，為更好的觀測加速度變化情況，對三個方向加速度分別進行分析，建立X，Y，Z三相坐標軸。為了方便姿態角之間的分析，采用MPU6050芯片對人體數據進行采集，其自帶姿態角測量，其自身帶有三方向坐標系，分別為Pitch角，Roll角，Yaw角。Pitch角表示人體與上下豎直方向之間的偏移角；Roll角表示人體與左右側向水平方向的偏移角；Yaw表示人體前后水平方向的偏移角。最終建立如圖1所示復合特征坐標系。

圖1 坐標軸定義

2 多變量時序關聯分析的跌倒預測算法

2.1 根據姿態角關聯性區分

按照圖1所示方向安裝的陀螺儀，當直立時，Pitch角度接近90度，做前向、側向彎腰和后仰動作時，Pitch角度變化范圍是(0，90)度；在站立時，做向前彎腰和后仰動作時，Roll角度的變化范圍是(-180，180)度；在站立狀態做扭腰動作，Yaw角度的變化范圍是(-180，180)度。為了區分日常生活行為和跌倒動作，需要根據姿態角對各種動作劃分成三大類：第一類是向前彎腰動作，這是Pitch角度將會在(0，90)度間變化；第二類是左右側向彎腰，這時腰部的Pitch變化角度在30度以內；第三類是站立時后仰動作，Pitch的角度變化量在30度以內。

通過圖2發現，可以通過Pitch角度的變化幅度可以粗略的將動作分類兩大類：前向彎腰和后向跌倒、正常行走側向彎腰與后仰彎腰。為了進一步細分動作，需要將前向彎腰與后向跌倒動作進行區分，由于Roll角度在站立時，做向前彎腰和后仰動作時變化幅度是(-180，180)度，希望利用Pitch和Roll的合成角度與Pitch角度的關聯性來進一步區分前向彎腰與后向跌倒，通過不斷的實驗，利用公式(1)的合成角度與Pitch角度的關聯性可以有效的體現二者的區別。

圖2 各種動作下的Pitch角度波形

如圖3所示為同步采集SqrtRP和Pitch角度的波形，按照公式(2)取SqrtRP和Pitch角度差值的絕對值RPP_delta，RPP_delta在各種動作下處在不同的區間，在正常行走和前向彎腰動作時，其值最小，也是需要過濾的動作；通過設置RPP_delta的閾值，可以有效的提取出側向和后向的彎腰與跌倒動作。由于彎腰與跌倒動作，從姿態角度的變化是一致的，所有要提取正常的彎腰與跌倒姿態需要從他們的動作劇烈程度上進行區分，動作劇烈程度需要利用重力加速度進行判別。

圖3 各種動作下的SqrtRP和Pitch角度波形

2.2 根據重力加速度關聯性區分

在人體從站立姿勢到后向跌倒過程中，根據圖1所示的坐標軸定義，其Z軸加速度可以體現此刻有無向后的劇烈運動、是否處于失重或與地面和座椅的劇烈撞擊；同時在人體向后跌倒過程中，Y軸方向向下加速度也將有大幅度變化。因此，可以利用Z軸與Y軸加速度的幅值來區分后向跌倒與坐下后仰、坐下后躺和站立后仰等動作。為了利用Z軸與Y軸的合成加速度來建立在以上動作的關聯性，定義Z軸與Y軸的合成加速度為SqrtAccYZ，其計算公式如下：

式中：AccY，AccZ——分別表示Y方向和Z方向加速度。

如圖4-圖6分別為站立后仰動作、坐下后仰動作、坐下后躺動作和向后跌倒動作的實時波形。

圖4 后仰動作下的多變量波形

圖5 坐下后仰和坐下后躺的多變量波形

圖6 向后跌倒的多變量波形

綜合分析圖4-圖6之間的關系，發現當Pitch角度連續下降，并下降到跌倒預測的閾值70度后，通過觀察AccZ與AccYZ的變化規律，定義AccYZZ_delta為AccZ與AccYZ的差值的絕對值，計算公式如式(4)所示，

通過設置AccYZZ_delta的閾值，可以有效區分跌倒與站立后仰、坐下后仰和坐下后躺等動作。

2.3 算法的提出

經過之前對于多個數據變量進行關聯性分析與整理，提出多變量時序關聯分析的跌倒預測方法。首先通過姿態角閾值判別進行粗判別跌倒。在正常狀況下，RPP_delta角度不超過30°，當出現彎腰或者跌倒動作時，RPP_delta角度超過30°。因此可以將RPP_delta閾值角度設立為30°，當閾值角度小于30°時，認為是人體正?；顒訝顟B；當閾值角度大于30°時進行下一步重力加速度關聯性討論判斷。通過數據觀察，可知當跌倒或者后仰時，Pitch角度會有下降的過程，當Pitch角度下降到閾值70°時，觀察ACCYZZ_delta角度變化情況，發現后仰和后躺ACCYZZ_delta幅值為80左右，而出現跌倒動作時，ACCYZZ_delta幅值為40左右，因此可以設立閾值，進一步將后仰等正常動作與跌倒動作區分開。最終根據加速度，姿態角等多變量時序關聯性分析的方法得到跌倒預測算法。跌倒預測算法流程圖如圖7所示。

圖7 跌倒預測算法流程

3 算法驗證

為了驗證提出的跌倒預測算法的準確性和快速性，進行實驗驗證。實驗驗證選取數據為：RPP_delta閾值為70°，ACCYZZ_delta閾值為45。選擇MPU6050為主芯片建立測試裝置佩戴于測試者腰部，當出現跌倒動作是報警指示燈亮。測試者模擬正常行走、側向彎腰、前向彎腰、后仰、后躺和跌倒動作各100次，記錄預測結果以及報警指示燈亮響應時間。記錄數據見表1和表2。

表1 各動作下測試準確率

表2 跌倒動作下響應時間達標率

由表1、表2，可知，跌倒預測準確率達到99.9%以上，滿足準確性要求。響應時間小于0.1s的比例為96%，從站立到跌倒預測結果輸出的響應時間在0.1秒內，而人體在發生跌倒時，整個跌倒過程為0.8秒左右，跌倒預測的判別時間為跌倒保護的觸發預留了充足的時間，跌倒預測響應時間達標率為96%，滿足了跌倒保護的快速性要求。因此，該跌倒預測算法滿足準確性與快速性要求。

4 結束語

本文通過對人體在各個動作下的姿態變量的關聯分析，有效的區分了跌倒動作與正常動作，并通過合成重力加速度的閾值實現跌倒預測。提出了跌倒預測算法，通過實驗檢驗了該跌倒預測算法，發現該跌倒預測算法滿足跌倒預測的準確性與快速性要求，為設計跌倒保護設備提供了有效的基礎。