基于可穿戴設備的實時運動監測方法研究

孟 瑤

(遼東學院信息工程學院 遼寧 丹東 118000)

0 引 言

在可穿戴計算的架構中，計算系統是像眼鏡、手表或衣服一樣穿戴在身上，并可基于情景的變化與用戶互動。其通過形態各異的顯示器、方便易用的輸入設備、大量環境感知元器件、無線局域網發揮著用戶智能助手的作用。21世紀以來，可穿戴技術取得了顯著進步，并開始進入普通人的視野和生活。一方面，移動互聯網快速發展，無論是無線網絡的承載能力和普及程度還是移動智能設備的性能都取得了長足的進步，這為可穿戴設備的開發提供了良好的技術基礎。另一方面，人們對于更加自由、便捷和個性化的信息處理的需求打開了可穿戴設備的應用市場[1]。目前已面世的可穿戴設備按主要功能可劃分為四類：健身類、健康類、資訊類、體感類。其中，健身健康類產品的出貨量遙遙領先于其他類別的產品，有望成為最早取得突破性發展的應用方向[2]。該類設備通過內置的傳感器采集諸如心電、呼吸、血壓、身體活動、溫度等信號，從而為佩戴者提供生理和環境信息[3-4]。李潤川等[5]設計與實現的健康監測系統使用可穿戴心電檢測儀采集心電信號，傳輸至云平臺供醫生診斷，并將檢驗結果派發給手機端顯示。劉林鋒等[6]提出了一種針對軍校學員的運動狀態識別方法，利用加速度數據采集設備獲取運動數據，使用閾值識別提取的特征值，實現了對七類運動狀態的識別。范長軍等[7]使用深度神經網絡對從多類傳感器獲取的慣性和生理等多模態數據進行特征提取和融合，從而實現人體活動識別。高香玉[8]提出了一種人體行為監測方法，使用加速度計采集活動數據，借助云平臺轉發至后臺服務端進行數據分析，實現動作類別識別和跌倒報警。孫子文等[9]提出了一種基于加速度傳感器的閾值方法進行人體跌倒監測，其針對跌倒行為的三個階段，使用支持向量機設定多重閾值。此類研究已取得了一定的成果，但也存在一些問題。首先，多數研究通過消耗計算資源來提高準確性，難以向設備佩戴者持續反饋實時監測結果。其次，通常使用仿真實驗來分析性能，實地實驗結論較少。最后，缺乏對系統可用性的評價，無法了解用戶對系統的接受程度。

針對以上問題，本文設計一種用于可穿戴設備的運動監測系統，以實現與個人運動狀況相關的實時反饋。通過用戶穿戴的健康胸帶，可隨時隨地采集心電和活動信號并傳輸至移動設備。安裝于移動設備的應用程序接收生理信號，借助心率監測和步伐監測算法進行實時分析，并顯示相關運動參數。實驗驗證了本文方法的有效性與可行性。

1 可穿戴運動監測系統

1.1 系統結構

如圖1所示，該可穿戴運動監測系統由三部分構成：(1) 用于生理信號采集的健康胸帶；(2) 用于實時生理信號分析和反饋的移動應用程序；(3) 用于數據存儲的服務器。

圖1 可穿戴運動監測系統結構

健康胸帶內置的心電傳感器和加速度計分別負責采集佩戴者的心電信號和身體活動加速度信號。移動終端(如智能手機、平板電腦等)安裝有專門的應用程序，其與健康胸帶無線連接，以接收心電和加速度信號，并使用心率監測和步伐監測算法進行數據分析，向用戶展示提取的實時參數。

1.2 健康胸帶

如圖1所示，健康胸帶內置心電傳感器、加速度計、電路模塊、通信模塊和電源模塊。其中，心電傳感器用于檢測佩戴者心臟活動，采樣率240 Hz。健康胸帶內置3個心電傳感器，其采集的信號通過數字紗線傳輸至電路模塊，如圖2所示。該電路也內嵌1個三軸加速度計，用于采集身體活動產生的加速度信號，采樣率240 Hz。通信模塊使用藍牙實現健康胸帶和移動終端的無線通信。

圖2 健康胸帶

1.3 移動應用程序

移動應用程序用于實時處理心電和活動加速度信號，并生成反映用戶運動狀況的參數，主要功能如下。

(1) 展示運動成績。用戶可以在運動過程中隨時查看自己的實時步數、實時心率和實時行走距離(如圖3所示)，也可查看實時心電圖或加速度信號圖。

圖3 實時運動參數反饋

(2) 保存運動成果。每次運動后，詢問用戶是否保存該次記錄。若用戶選擇保存，則應用程序計算并顯示該次運動的總步數、總行走距離、熱量消耗等參數(如圖4所示)，并將信號和相關參數轉發至遠程服務器，實現數據的長期存儲。

圖4 當前運動成果展示

(3) 回顧運動成果。應用程序從服務器下載歷史運動記錄，以日/周/月為單位向用戶展示歷史運動成績，用戶也可查看周/月運動趨勢圖。圖5右部展示了某個月的運動情況，包括總時長、總熱量消耗、總天數、總行走距離、總步數和日平均行走距離；圖5左部展示了某個月里每日運動目標達成情況(以255 kcal為日運動目標)和每日行走距離的折線圖(因界面布局空間有限，所顯示的最大距離為600 m)。

圖5 月運動情況統計

2 信號分析

移動應用程序實現了兩種信號分析算法：心率檢測和步伐檢測。

2.1 心率檢測

從心電傳感器獲取的信號波形類似標準導聯II心電圖，故對Pan等[10]開發的QRS檢測算法進行改進以適應本系統心電信號。改進的算法包括以下步驟，R波檢測結果如圖6所示。

1) 累積固定長度的心電信號。

2) 應用均值濾波器和帶通濾波器對心電信號進行濾波。

3) 對濾波降噪后的信號依次進行微分、逐點平方和移動窗口積分。

4) 基于積分波形的峰值，導出閾值。

5) 根據閾值，檢測QRS波群的R波。

6) 計算當前R波和前一個R波之間的位置間隔，即RR間隔。

7) 根據歷史RR間隔和R波峰值，判斷當前R波的合法性。

8) 若當前R波合法，結合采樣率，計算當前心率。

圖6 R波檢測

2.2 步伐檢測

步伐檢測算法的輸入數據為三向加速度信號、用戶性別和身高，輸出數據為實時步數和實時行走距離。算法包括以下步驟，觸地點檢測結果如圖7所示。

1) 累積固定長度的加速度信號。

2) 將三軸加速度信號合并為一個信號量。

3) 基于歷史觸地峰值計算閾值，初值為0。

4) 應用Savitzky-Golay濾波器進行濾波。

5) 根據過零點，檢測觸地位置。

6) 根據閾值，判斷當前觸地位置的合法性。

7) 若當前觸地位置合法，累積步數加1。

8) 根據峰值和谷值，計算極差。

9) 根據極差、用戶性別和身高，計算出當前的步長，步長計算公式見式(1)-式(3)。

(1)

K=0.45·(L/1 000)+0.057

(2)

(3)

式中：SL代表步長估值(m)；rmax和rmin分別為峰值和谷值；L是腿長估值(mm)，H是身高(mm)。

10) 當前步長與歷史行走距離相加，得到當前的行走距離。

圖7 觸地點檢測

3 用戶實驗

為了分析心率檢測和步伐檢測算法的性能，以及評價所開發系統的可用性，進行了實地用戶實驗。

3.1 方 法

10位男性受試者(20歲至30歲)參與了用戶研究實驗，結果如表1所示。

表1 受試者信息(N=10)

受試者佩戴健康胸帶進行運動，使用安裝于平板電腦上的應用程序查看自己的表現。在受試者短暫熟悉應用程序后，使用跑步機分別以2 km/h、4 km/h、6 km/h、8 km/h和10 km/h的速度進行步行或跑步運動，總運動距離為2.5 km。運動結束后，受試者填寫關于系統使用體驗的調查問卷。

3.2 結 果

(1) 心率檢測算法性能。為了評估心率檢測算法的性能，將檢測到的R波和實際R波進行了比較。圖8比較了每個受試者的實際R波數量、采用Pan-Tompkins(PT)算法檢測的R波數量和采用本文改進算法檢測的R波數量。Pan-Tompkins算法錯誤率的平均值為-2.73%，其標準差為1.28；本文改進算法錯誤率的平均值為-2.13%，其標準差為0.99。表明改進算法更加適應本系統采集的心電信號。另外，兩種心率檢測算法的錯誤率均為負值(即檢測值小于實際值)，表明算法低估了受試者的R波數量。這是由于高強度身體活動(如跑步)產生了偽影和噪聲，從而導致漏檢情況發生。

圖8 實際R波數量、PT算法和改進算法檢測 R波數量的比較(N=10)

(2) 步伐檢測算法性能。為了評估步伐檢測算法的性能，將檢測到的步數和距離，與相對應的實際值進行了比較，結果分別如圖9和圖10所示。特別地，排除了2例未遵循指定運動方案的受試者。步數錯誤率的平均值為-11.02%，其標準差為1.66；距離錯誤率的平均值為-7.88%，其標準差為5.32。步數和距離的錯誤率均為負值(即檢測值小于實際值)，表明算法低估了步數和距離，這也源于高強度活動引發的漏檢現象。

圖9 實際步數和檢測步數的比較(N=8)

圖10 實際距離和檢測距離的比較(N=8)

通過分析5個運動強度(2 km/h、4 km/h、6 km/h、8 km/h和10 km/h)的受試者數據發現，低強度運動誤差與整體誤差顯著相關(相關系數r=0.739，顯著性p<0.05)。如圖11所示，受試者以2 km/h速度運動時，步數檢測錯誤率高達-95.51%，而以其他速度運動時，錯誤率極低。表明該步伐檢測算法更適應于中高強度運動。此外，步伐檢測基于相同原因，出現了如心率檢測類似的漏檢情況，這也對步數和距離的低估產生了一定的影響。

圖11 步數檢測錯誤率和運動速度的關系(N=8)

運動追蹤產品多以智能手機、智能手環等硬件設備為載體，常基于GPS計算距離等運動參數。圖12圍繞運動距離，比較了實際距離、使用運動軟件Sports Track Pro檢測的距離和應用本文算法檢測的距離。由于GPS受環境影響較大，該實驗沒有使用室內跑步機，于戶外操場(360 m)實施，受試者以中等強度(約4～6 km/h)繞場一周運動。Sports Track Pro錯誤率的平均值為5.93%，其標準差為2.59；本文算法錯誤率的平均值為3.78%，其標準差為0.28。表明相較基于GPS的運動跟蹤方法，基于加速度計的檢測方法除了存在環境影響小的優勢外，還在統計步行或跑步運動距離方面具有更高的精度。特別地，該實驗結論也與圖11一致，本文算法在受試者進行中等強度運動時的檢測錯誤率為正值，表明存在較低的誤檢情況。

圖12 實際距離、Sports Track Pro和本文算法檢測 距離的比較(N=10)

(3) 系統可用性。運動后調查問卷圍繞系統易用性、信息可靠性、穿戴舒適性、界面美觀性和運動激勵性5個測量值對運動穿戴系統的可用性進行評估。問卷中的問題答案選項采用5分量表(1分表示“完全不同意”，5分表示“完全同意”)評分。每個測量值的得分取所有受試者評分平均值。

為了探討每個測量值對用戶接受度的影響，使用IBM SPSS Statistics 20，分析了目標變量“考慮在未來使用該系統”與問卷中每個測量值之間的相關性，結果如表2所示。所有相關性均為正相關，表明這5個測量值都對受試者繼續使用運動穿戴系統產生了積極影響。其中：*表明顯著性p<0.05(測量值與目標變量在0.05水平上顯著，即二者顯著相關的概率大于等于95%)；**表明顯著性p<0.01(測量值與目標變量在0.01水平上顯著，即二者顯著相關概率大于等于99%)。因此，表2中存在4個測量值與目標變量具有統計學意義上的顯著相關性。

表2 測量值與目標變量之間的相關性(N=10)

相關系數越大，相關性越強。相關系數在0.4～0.7之間是中度相關，0.7～0.9是高度相關，0.9～1.0是極高相關。據此可分析5個測量值對目標變量“考慮在未來使用該系統”產生的影響：

1) 測量值“系統易用性”與目標變量具有極高相關性(r=0.905,p<0.01)，表明受試者認為運動穿戴系統操作簡單、使用方便，所以愿意繼續使用該系統。

2) 測量值“信息可靠性”與目標變量具有高度相關性(r=0.770,p<0.01)，表明受試者認為系統反饋的參數(即步數、距離和心率)較為可信，所以愿意繼續使用該系統。

3) 測量值“穿戴舒適性”與目標變量具有低度相關性(r=0.238)，表明健康胸帶穿著的舒適程度不滿足受試者的需求。

4) 測量值“界面美觀性”與目標變量具有中度相關性(r=0.595,p<0.05)，表明受試者認為移動應用程序的界面設計基本滿足其需求，對繼續使用該系統的意愿有貢獻。

5) 測量值“運動激勵性”與目標變量具有高度相關性(r=0.748,p<0.01)，表明受試者認為使用該系統輔助運動起到了鼓勵運動的作用，所以愿意繼續使用它。

綜上所述，5個測量值中的系統易用性、信息可靠性、界面美觀性和運動激勵性與目標變量存在顯著相關性，穿戴舒適性與目標變量的相關性較低。

4 結 語

本文提出一種由健康胸帶、移動終端和服務器構成的可穿戴運動監測系統，其提供與運動心電和加速度信號相關的實時反饋與歷史查閱。招募10位受試者進行了實地用戶實驗，以分析信號處理算法的性能和調查系統可用性。結果表明，心率檢測算法的R波數量錯誤率為-2.13%；步伐檢測算法的步數錯誤率為-11.02%，距離錯誤率為-7.88%。該系統在系統易用性、信息可靠性、穿戴舒適性、界面美觀性和運動激勵性方面，均對用戶接受度產生了積極影響。其中系統易用性、信息可靠性、界面美觀性和運動激勵性與受試者繼續使用該系統存在顯著相關性。下一步研究可改進信號處理算法以降低錯誤率，也可改進健康胸帶的穿戴方式(如內嵌至背心中)以提高舒適度。