一種基于跌倒預(yù)警算法的老年防摔服

張澤芳 王昕 范寶元 于潔 梁藝瀠

摘要：針對(duì)目前市場(chǎng)上現(xiàn)有的老年人防摔服存在的準(zhǔn)確率低，成本高等問(wèn)題進(jìn)行優(yōu)化和改進(jìn)，對(duì)老年人摔倒后可能受傷的部位探討與研究，提出一種基于氣囊智能保護(hù)的老人防摔衣物，充分結(jié)合電子科技技術(shù)，大大提高了感應(yīng)靈敏度，具有穩(wěn)定的技術(shù)支持。

關(guān)鍵詞：跌倒預(yù)警算法;六軸傳感器;跌倒預(yù)警實(shí)驗(yàn)

1.緒論

冬季雪天路滑，許多老人由于腿腳不便，行走時(shí)面對(duì)著很大的風(fēng)險(xiǎn)。每年因不慎摔倒引起的骨折及其他并發(fā)癥患者居高不下，這些病癥嚴(yán)重威脅了老年人的身體健康。據(jù)統(tǒng)計(jì)，中國(guó)自2000年步入老齡化社會(huì)，到2019年底65歲及以上人口達(dá)1.76億，占總?cè)丝诘?2.6%。65歲以上老年人每年約有1/3發(fā)生跌倒，其中10%-15%會(huì)受到嚴(yán)重的損傷，跌倒平均治療費(fèi)用為650.77元/次，且跌倒后骨折致死率極高。老年人最常見骨折有三種：髖部骨折（占19.8%），胸腰椎骨折（占18.8%），橈骨遠(yuǎn)端骨折（占17.6%），除了身體受傷，老年人對(duì)運(yùn)動(dòng)產(chǎn)生的恐懼感也不容小覷。

通過(guò)科學(xué)有效的方法降低老年人在跌倒后所受到的身體損傷，已成為社會(huì)之亟需。本項(xiàng)目針對(duì)老人防摔智能氣囊防護(hù)問(wèn)題展開討論，通過(guò)對(duì)人體運(yùn)動(dòng)過(guò)程中軀干與四肢的協(xié)同模式進(jìn)行研究，分析正常運(yùn)動(dòng)與跌倒瞬間身體特征位置加速度關(guān)聯(lián)特性，開發(fā)聚友更為準(zhǔn)確的檢測(cè)跌倒系統(tǒng)的老人防摔氣囊服裝，在跌倒預(yù)警算法方面提升產(chǎn)品的性能。

2.整體設(shè)計(jì)目標(biāo)

本小組設(shè)計(jì)的老人防摔衣物內(nèi)部結(jié)構(gòu)如圖1所示。

置于人體腰部即重心位置的六軸加速度傳感器實(shí)時(shí)檢測(cè)使用者運(yùn)動(dòng)信號(hào)的變化，將數(shù)據(jù)傳輸給中央處理單元進(jìn)行算法處理并與設(shè)置的加速度閾值進(jìn)行比對(duì)。當(dāng)使用者處于正常活動(dòng)，監(jiān)測(cè)數(shù)據(jù)在合理閾值范圍內(nèi)，檢測(cè)系統(tǒng)、數(shù)據(jù)處理系統(tǒng)便重復(fù)進(jìn)行檢測(cè)運(yùn)算工作;當(dāng)使用者跌倒時(shí)，監(jiān)測(cè)的數(shù)據(jù)不在合理閾值范圍內(nèi)，系統(tǒng)判定人體有跌倒的趨勢(shì)，控制系統(tǒng)將電信號(hào)經(jīng)導(dǎo)線傳輸給各個(gè)氣囊的電磁閥門。電磁閥門即時(shí)打開，頭部、腰部以及髖部的二氧化碳?xì)馄績(jī)?nèi)的氣體迅速充滿氣囊，使氣囊在老人跌倒前完全膨脹。另外，在氣囊一角設(shè)有一個(gè)堵孔塞，使用過(guò)后拔開堵孔塞，便可完成對(duì)氣囊的放氣，塞上堵孔塞，更換二氧化碳?xì)馄?，防摔服便可以繼續(xù)工作。

3.系統(tǒng)整體結(jié)構(gòu)及硬件設(shè)計(jì)

3.1人體運(yùn)動(dòng)信息采集

采用六軸加速度傳感器實(shí)時(shí)檢測(cè)人體運(yùn)動(dòng)的各類信息，在一個(gè)采樣點(diǎn)采集的信息依次是三軸加速度和三維歐拉角。人體運(yùn)動(dòng)信息用傳感器數(shù)據(jù)采集上位機(jī)進(jìn)行采集與記錄，包括X軸加速度、Y軸加速度、Z軸加速度;姿態(tài)角，包括Roll角、Pitch角、Yaw角。將采集的信息以波形的形式輸出，各軸加速度與合加速度轉(zhuǎn)化關(guān)系為：

其中n為單個(gè)檢測(cè)周期檢測(cè)到的加速度的值的個(gè)數(shù);a為合加速度，ai為各軸加速度。

采集數(shù)據(jù)時(shí)，設(shè)置采集頻率為100Hz，數(shù)據(jù)采樣時(shí)間間隔為10ms。 由于該數(shù)據(jù)不直觀，故將采集的數(shù)據(jù)保存，對(duì)數(shù)據(jù)進(jìn)行Matlab繪圖分析，以時(shí)間為橫坐標(biāo)，合加速度為縱坐標(biāo)，觀察波形隨時(shí)間變化的規(guī)律。

3.2跌倒預(yù)警算法的建立

3.2.1實(shí)驗(yàn)數(shù)據(jù)記錄及閾值的選擇分析

由于動(dòng)作識(shí)別過(guò)程中部分動(dòng)作存在相似性，故尋找更多人體動(dòng)作特征值，將每個(gè)動(dòng)作區(qū)分，以便更精準(zhǔn)的識(shí)別出不同動(dòng)作，降低跌倒預(yù)警算法的誤報(bào)率。將人的動(dòng)作分為跌倒動(dòng)作和日常動(dòng)作兩大類：跌倒動(dòng)作中，分為向前、向后、向左、向右摔倒;日常動(dòng)作中，分為行走、跑步、上樓、下樓、乘坐電梯等。

調(diào)研發(fā)現(xiàn)，據(jù)大部分有相關(guān)需求的消費(fèi)者群體反映，跌倒預(yù)警算法應(yīng)主要實(shí)現(xiàn)對(duì)跌倒動(dòng)作的判定及快速響應(yīng)，即跌倒情況下預(yù)警的準(zhǔn)確率必須得到保證，在此基礎(chǔ)上可以接受稍高的誤報(bào)率，故不需要將日常動(dòng)作進(jìn)行具體識(shí)別。

為了獲得人體在各種狀態(tài)下的加速度數(shù)據(jù)，需對(duì)人的日常活動(dòng)進(jìn)行監(jiān)測(cè)，實(shí)驗(yàn)對(duì)象為一個(gè)健康的成年人，實(shí)驗(yàn)項(xiàng)目如下：

（1）向前、向后、向左、向右摔倒各十五次;

（2）戶外活動(dòng)如跑步、行走各十分鐘;

（3）上樓、下樓及乘坐電梯等日常動(dòng)作各十個(gè)來(lái)回;

在跌倒預(yù)警算法的設(shè)計(jì)過(guò)程中，先對(duì)跌倒動(dòng)作的波形圖進(jìn)行分析，了解跌倒動(dòng)作的特征，通過(guò)實(shí)驗(yàn)驗(yàn)證跌倒準(zhǔn)確率，再進(jìn)行日常動(dòng)作驗(yàn)證，進(jìn)行適當(dāng)?shù)膮?shù)調(diào)整。

?跌倒數(shù)據(jù)分析

圖2和圖3所示為四個(gè)方向跌倒繪得的合加速度曲線，分別為向后、前、左、右四個(gè)方向摔倒的加速度曲線。

當(dāng)人體處于站立狀態(tài)，合加速度約為g，是跌倒前的日常動(dòng)作區(qū);當(dāng)人體發(fā)生跌倒時(shí)，加速度隨時(shí)間有所波動(dòng)，該階段為跌倒預(yù)警區(qū)，時(shí)長(zhǎng)約為0.4-0.8s;當(dāng)人體觸地時(shí)，受到地面的反作用力，合加速度驟增，產(chǎn)生較大的波峰，該階段為跌倒防護(hù)區(qū)。由于該實(shí)驗(yàn)為模擬實(shí)驗(yàn)，地面上設(shè)置海綿墊，人體所受地面的沖擊力有所減緩，合加速度的峰值小于10g，最大值為9g。

向前跌倒的曲線中，出現(xiàn)兩個(gè)峰值是由于膝蓋著地也受到地面的沖擊。通過(guò)實(shí)驗(yàn)圖像及分析，對(duì)跌倒做出預(yù)警，必須將加速度的閾值設(shè)置在加速度出現(xiàn)波動(dòng)的階段，該階段合加速度a<g，可認(rèn)為人處于失重階段。

?日?；顒?dòng)數(shù)據(jù)分析

由于不需要將日常動(dòng)作進(jìn)行具體識(shí)別，故只對(duì)走路和跑步的合加速度數(shù)據(jù)曲線進(jìn)行分析。根據(jù)圖像可以看出，走路與跑步均為類周期性變化，在日?；顒?dòng)下，均存在合加速度小于g的區(qū)間，但其區(qū)間相較于摔倒較短。

根據(jù)對(duì)合加速度曲線的分析，人在靜止?fàn)顟B(tài)下的合加速度近似為g。人在跌倒時(shí)由于失重，存在合加速度a<g的情況，且合加速度越小說(shuō)明失重越嚴(yán)重。綜上，將g設(shè)定為控制裝置認(rèn)為人體處于摔倒?fàn)顟B(tài)的閾值。

3.2.2跌倒預(yù)警算法

選定加速度閾值算法作為數(shù)據(jù)比對(duì)、分析的算法，是由于合加速度大小僅取決于人體運(yùn)動(dòng)的劇烈程度，排除了運(yùn)動(dòng)方向因素的影響。算法流程如圖4所示，stm32單片機(jī)將檢測(cè)的加速度數(shù)據(jù)按式4.1計(jì)算得到合加速度，將計(jì)算所得加速度與加速度設(shè)定閾值進(jìn)行比較，當(dāng)檢測(cè)加速度大于設(shè)定閾值時(shí)，即判定人體發(fā)生跌倒;當(dāng)檢測(cè)加速度值小于設(shè)定閾值時(shí)，則繼續(xù)監(jiān)測(cè)工作。

3.3 跌倒預(yù)警算法實(shí)驗(yàn)

跌倒預(yù)警算法評(píng)判指標(biāo)為跌倒預(yù)警的準(zhǔn)確率，由于本實(shí)驗(yàn)僅對(duì)跌倒預(yù)警算法進(jìn)行評(píng)估，先不將控制系統(tǒng)與氣囊等部件相連，而是與蜂鳴器相連，分別對(duì)人體日?；顒?dòng)測(cè)試，包括行走、跑跳、上樓、下樓、乘坐電梯等。

實(shí)驗(yàn)過(guò)程中，以30s為一個(gè)行走、慢跑周期;以人體跳躍腳面離開地面2-10cm為一個(gè)跳躍周期;以15級(jí)臺(tái)階為一個(gè)上樓梯、下樓梯周期;以乘坐一樓到四樓電梯為一個(gè)上樓周期;以乘坐四樓到一樓電梯為一個(gè)下樓周期。跌倒動(dòng)作包括前倒、后倒、坐倒、右倒，5個(gè)大學(xué)生分別對(duì)上述動(dòng)作進(jìn)行20次實(shí)驗(yàn)。

一般情況下對(duì)運(yùn)動(dòng)狀態(tài)識(shí)別的評(píng)價(jià)標(biāo)準(zhǔn)有如下幾種：

真正正確（True Positive，TP），表示跌倒動(dòng)作發(fā)生，跌倒預(yù)警算法成功對(duì)其預(yù)警，蜂鳴器鳴響;

真正錯(cuò)誤（True Negative，TN），表示日常動(dòng)作發(fā)生，跌倒預(yù)警算法識(shí)別為日常動(dòng)作，蜂鳴器未鳴響;

虛假正確（False Positive，F(xiàn)P），表示日常動(dòng)作發(fā)生，跌倒預(yù)警算法誤以為是跌倒動(dòng)作，蜂鳴器鳴響，稱為誤報(bào)。

虛假錯(cuò)誤（False Negative，F(xiàn)N），表示跌倒動(dòng)作發(fā)生，跌倒預(yù)警算法誤以為是日常動(dòng)作，蜂鳴器未鳴響，稱為漏報(bào)。

準(zhǔn)確率為真正正確和真正錯(cuò)誤的次數(shù)之和與總實(shí)驗(yàn)次數(shù)的比值，定義如下：

誤報(bào)率為虛假正確的次數(shù)與真正錯(cuò)誤和虛假正確之和的比值，定義如下：

實(shí)驗(yàn)測(cè)得的各動(dòng)作的部分評(píng)判參數(shù)列于表3.3.1中：

從表中可以看出，在日常動(dòng)作中出現(xiàn)兩次下樓梯誤報(bào)成跌倒，并使蜂鳴器鳴響，下樓梯準(zhǔn)確率98%;出現(xiàn)一次坐電梯下樓誤報(bào)成跌倒，并使蜂鳴器鳴響，坐電梯下樓準(zhǔn)確率99%。其余各類日常動(dòng)作準(zhǔn)確率為100%，因此日常動(dòng)作整體準(zhǔn)確率為99.67%。在跌倒動(dòng)作中出現(xiàn)兩次前倒誤報(bào)成日常動(dòng)作，并且蜂鳴器未鳴響，前倒準(zhǔn)確率98%;出現(xiàn)三次后倒誤報(bào)成日常動(dòng)作，并且蜂鳴器未鳴響，后倒準(zhǔn)確率99%。其余各類跌倒動(dòng)作準(zhǔn)確率為100%。

總結(jié)

本文介紹了一種跌倒預(yù)警算法，根據(jù)實(shí)時(shí)加速度的大小將人體運(yùn)動(dòng)分為跌倒動(dòng)作和日常動(dòng)作，通過(guò)設(shè)置加速度閾值判斷人體運(yùn)動(dòng)狀態(tài)。將該算法植入STM32平臺(tái)進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明故該跌倒預(yù)警算法準(zhǔn)確率較高，系統(tǒng)整體控制性能良好。該系統(tǒng)對(duì)當(dāng)前老年防護(hù)市場(chǎng)具有一定的借鑒意義。

參考文獻(xiàn)：

[1]項(xiàng)鑫，王乙，中國(guó)人口老齡化現(xiàn)狀、特點(diǎn)、原因及對(duì)策[J]，中國(guó)老年學(xué)雜志，202141（18）：4151-4152.

[2]何培男，李月華，杜金朋，袁泓，李春楊，王樂(lè)為，一種新型老年防摔氣囊系統(tǒng)設(shè)計(jì)[J]，電子世界，2021（16）：160-161.

[3]陳紅霞，周冬梅，胡鉅濤，鄔佳妮，施宇， 老年人智能防摔服的設(shè)計(jì)綜述[J]，科技與創(chuàng)新，2021（09）：66-61，71.

[4]李春華，郇戰(zhàn)，陳學(xué)杰.基于加速度變化的步態(tài)識(shí)別方法[J]，傳感技術(shù)學(xué)報(bào)，2020（5）：693-698.

[5]王雅嫻，李艷梅，老年摔倒防護(hù)服裝的開發(fā)現(xiàn)狀及其發(fā)展趨勢(shì)[J]，毛紡科技，2019，47（09）：84-88.

[6]陳鵬，涂亞庚，童俊平，趙運(yùn)勇，可穿戴式跌倒檢測(cè)智能系統(tǒng)設(shè)計(jì)[J].傳感器與微系統(tǒng)，2017（36）：114-116.

[7]防摔褲子[P].蔣愛華，于清曉，曾祥森，魏振紅.中國(guó)專利：CN211932626U，2020-11-17.

[8]許繼平，李景濤，彭森，陳天華，基于三軸加速度傳感器的老年人摔倒檢測(cè)系統(tǒng)[J].計(jì)算機(jī)仿真，2014（12）434-437，450.

作者簡(jiǎn)介：

張澤芳（2001-），女，漢族，湖南邵陽(yáng)人，吉林大學(xué)本科在讀，機(jī)械工程方向。

通訊作者：

王昕（1979-），男，漢族，王昕，吉林長(zhǎng)春人，博士研究生，副教授，研究方向：機(jī)械電子工程，流體傳動(dòng)與控制。