基于LoRa 的老人跌倒監護系統設計

羅文志，張自豪

（1.桂林威領電子科技有限公司，廣西桂林 541004；2.廣西師范大學電子工程學院，廣西桂林 541004）

生活水平的顯著提升及人口老齡化程度不斷加深，社會醫療服務產業得到不斷發展。針對老年群體的服務機構數量也隨之不斷增加，對于老年群體的監護服務形式需要進一步升級[1]。養老機構通過智能設備為老年人提供監護服務，可以減少監護工作的人工成本，有效提高監護質量，具有一定的社會意義和經濟價值。跌倒是老年群體面臨的意外傷害之一，可能會造成嚴重后果，需要進行有效監測[2]。如何利用科技手段為老年群體提供跌倒看護是研究的重要問題。

目前，存在很多跌倒檢測問題的研究成果，跌倒檢測的研究方法有以下幾類：一類通過圖像處理實現[3-5]，另一類通過感知設備實現[6-8]，還有一類通過穿戴設備實現[9-11]。其中，通過圖像和環境感知的檢測方法應用場所相對固定，同時監護成本很高。通過穿戴設備檢測的成本較低，且不存在泄露隱私的風險，是主流的研究方向。大量學者通過在身體軀干位置放置檢測設備，雖然可以有效地實現檢測，但是舒適度不高，推廣性較差。因此，該文通過穿戴設備設計一種基于腕部的跌倒檢測方法并形成一種監護系統，從而為老年群體提供舒適、有效的監護服務，為護理人員提供簡單、有效且實用的監護方法。

1 系統總體設計

當前，跌倒檢測的研究多是選取少量動作進行分類，但是因運動的復雜性會導致識別率不高。為了提升檢測的舒適度和準確率，以及保證監護工作的有效性，該文設計了一種跌倒監護系統，該系統由監測設備和監控設備組成。首先完成跌倒檢測算法的研究，并移植到監測設備中進行實現，然后通過LoRa 無線通信技術實現數據傳輸，最后監護人員利用監控設備及時發現險情，并進一步做出應急處理，從而保證老人的生命健康。監測設備應用于需要監護的老人，將該設備佩帶在腕部，實現跌倒行為檢測和無線發送功能。監控設備應用于護理人員，實現異常信號報警和異常人員信息顯示。在養老機構或者醫院等場所中，針對年邁老人或者術后人員，通過該方法可以極大地減少監護人員的工作量，提供及時、可靠的跌倒監護方法。該系統整體結構如圖1所示。

圖1 監護系統整體結構

2 系統硬件設計

系統的硬件有監測設備和監控設備。兩種設備采用相同的主控芯片、LoRa 無線通信模塊以及報警模塊，監測設備還包括姿態傳感器，監控設備還包括OLED 顯示模塊。因篇幅有限，該文針對主要的模塊進行介紹。為了實現良好的腕部佩戴效果，且考慮成本及功耗問題，對各功能模塊進行選型。

2.1 主控模塊

主控模塊是硬件設備數據處理中心，作為系統核心模塊，除了保證高性能、滿足實時性需求外，還需要具有低成本和低功耗的特點。因此，系統采用主流的微控制器STM32 系利芯片，因時鐘頻率高的緣故使得功耗得到了良好地控制，STM32F103C8T6具備多種接口，易于擴展各種功能模塊。該芯片能夠滿足跌倒檢測和數據傳輸的處理需求。

2.2 MPU9250運動處理模塊

在跌倒數據的采集方面，選擇型號為MPU9250的運動傳感器。該傳感器通過16 位ADC 獲取加速度計和陀螺儀的數字量，同時得到三軸加速度和三軸角速度，其中，加速度計量程為±8 g，陀螺儀量程為±256 deg/s。該傳感器體積較小，易于集成在可穿戴設備中，在功耗、尺寸、靈敏度等方面具有一定優勢。STM32F103C8T6 控制器和MPU9250 運動處理模塊通過IIC 接口進行通信。

2.3 LoRa無線通信模塊

目前，主流的無線通信技術包括藍牙、WiFi、ZigBee 和LoRa[12-13]。根據系統設計需求，采用的無線通信技術需具有遠距離、低功耗的特點。LoRa 技術滿足應用需求，可以同時在各節點間自組網。該系統采用型號為E32-433T20DC 的LoRa 模塊。該芯片工作于免費頻段410～441 MHz之間，通信距離高達3 000 m，發射功率為100 mW。STM32F103C8T6 控制器和LoRa 無線通信模塊通過SPI 接口進行通信。

2.4 OLED顯示模塊

顯示模塊應用于監控端，監控端接收數據包后進行實時顯示，方便監護人員確定發生意外的老人身份，為后續救援提供支持。顯示模塊為0.96 寸的OLED 屏，相較于LCD 屏，其厚度、響應速度都更加優越，顯示功耗為0.06 W。STM32F103C8T6 控制器和OLED 顯示模塊通過IIC 接口進行通信。

3 系統軟件設計

3.1 姿態特征

該文基于腕部進行跌倒檢測方法的研究，在研究中除了分析老年人常見的行為（如行走、慢跑、跳躍、彎腰、坐躺等），還分析其他多種常見行為動作，如上下樓、打電話、開門、舉手、鼓掌等生活行為。通過分析腕部運動數據，將上述行為中跌倒、慢跑、跳躍、鼓掌歸類為劇烈行為，其他歸為普通行為。人體不同活動產生不同的運動信息，其中，三軸加速度、三軸角速度以及姿態角等信息均可用于反映運動行為[14]。

合加速度可以反映人體運動狀態變化的劇烈程度，合角速度可以反映人體運動的劇烈程度。合加速度a和合角速度g表示如下：

圖2 所示為10 種腕部運動行為的合加速度信號，其中包括跌倒行為。

圖2 不同運動合加速度信號

從圖2 多種行為的合加速度變化曲線得出，跌倒、慢跑、跳躍以及鼓掌產生的人體合加速度極大值較大；而上下樓、走路、彎腰等運動產生的合加速度極大值較小。因此，合加速度極大值可以有效地區分跌倒和部分正常行為。合加速度極大值表示為：

圖3 列舉了跌倒、慢跑、跳躍以及鼓掌四種行為的合角速度信號。

圖3 不同運動合角速度信號

從圖3 中可以發現，跌倒后短時間會處于靜止狀態，但慢跑等劇烈運動處于持續運動狀態。因此，從角速度信號中提取有效特征如區域合角速度均值，可以更好地識別跌倒行為。其中區域合角速度均值表示為：

3.2 跌倒檢測算法

上節對跌倒有效特征進行分析，下面主要介紹一種多閾值跌倒檢測方法，檢測部位位于腕部，該方法通過確定的有效特征及其閾值大小來實現跌倒檢測。在確定閾值的實驗中采用UMAFall[15]數據集，使用SVM 尋找最佳值。具體步驟：從UMAFall 中取出樣本，利用式（1）計算各樣本合加速度信號峰值，再采用SVM 算法[16]確定閾值大小，確定特征閾值TH1=3.15 g。信號達到峰值后持續一定時延，再由式（2）計算各樣本單位區域合角速度均值，與TH1 求解過程相同，確定特征閾值TH2=29.35 deg/s。

具體流程如下：監測設備首先通過運動傳感器獲取三軸加速度和三軸角速度信號并計算其合速度。對加速度峰值特征amax進行閾值判斷，超過設定閾值后延遲1 s，再計算1 s 時間域內的合角速度均值gmean_1s。對該特征進行閾值判斷，小于設定閾值即判定為跌倒，最后系統進行報警的同時利用LoRa模塊發送數據包。監控設備工作狀態下保持信道檢測，當接收到數據后報警，通過主控模塊解析數據后利用OLED 屏顯示老人信息，及時有效地提醒監護人員進行救援工作。系統軟件設計流程圖如圖4所示。

圖4 系統軟件設計流程圖

4 實驗及結果分析

系統選擇6 名志愿者模擬老人的四種異常行為和八種日常行為，測試者將設備佩戴于腕部，每種行為進行5 次，通過記錄設備的報警次數驗證跌倒檢測算法的有效性。準確率表示各行為樣本預測正確的情況，漏報率表示發生跌倒沒有報警的情況，誤報率表示未發生跌倒依舊報警的情況。

從表1 中可以得出，跌倒檢測的平均成功率為95.8%。從表2 可以看出，存在少數漏報誤報情況，但誤報率較低。通過實驗驗證了該系統設計的跌倒檢測算法能夠較準確地區分跌倒與其他日常行為。在基于閾值分析的研究中，傳統方法大多分析加速度信號和姿態信息，但人體變化的多樣性使得很多特征無法真正應對。該文通過加速度信號確定異常行為，再通過跌倒發生后的顯著特征進行二次判定。摒棄以軀干為分析對象的傳統方法，對腕部數據進行分析，找出適合的特征，實現跌倒的實時檢測。最后，通過監控設備的輔助，實現對老人的遠程監護。

表1 跌倒行為測試數據

表2 日常行為測試數據

5 結束語

該文利用基于腕部的跌倒檢測算法實現了一種跌倒監護系統，通過LoRa 技術實現遠程報警，設備功耗較小，同時具備良好的舒適度。依托養老院或醫院等機構，可以極大地降低監護人員的工作強度，同時減小監護成本，為被監護人提供一種更好的監護服務。通過實驗測試，驗證了該系統對跌倒行為檢測的平均準確率可以達到95.8%，同時測試文中提到的多種日常行為存在較少的誤報，證明了該腕部監測設備對跌倒監護的有效性。該系統主要針對老年群體，盡可能全面地分析了多種日常行為。但是系統仍然存在一些問題，人體腕部運動的復雜性仍然存在一些行為無法一一分析，應用于各類人群仍存在難度，后續可以通過多傳感器配合使用來設計檢測算法，提高系統魯棒性。