鄢丽娟 张彦虎

摘要

随着我国人口老龄化趋势增加，如何照看老年人成为社会关注的焦点。系统在对手表式报警系统的研究基础上进行了硬件改进升级，通过人体心率传感器、体温传感器采集老人生理状态数据;加速度传感器、陀螺仪、压力传感器多传感器相互配合来判断老人是否摔倒，一旦确认摔倒后立刻通过远程通信通知监护人，使其能够获得及时救助。研究结果表明：老人意外摔倒智能报警腰带监测系统可以有效地为老人的健康及安全出行增添一份强有力的保障。

【关键词】报警腰带 智能手表 摔倒检测 GPS定位 加速度传感器 远程通信

随着人口的老龄化程度加速加深，中国的养老产业正作为最具潜力的产业之一而不断发展，政府在十三五规划中，在养老服务领域提出了积极开展应对人口老龄化行动的相关举措。显然，中国已经进入老龄化社会，老年人的安全问题如何更好地解决是当今的焦点社会问题之一。由于老年人听力、视力、认知水平、平衡协调能力等方面的下降，以及脑血管疾病、骨质疏松等慢性疾病的增加，老年人跌倒事件发生的概率大大增加，所引发的各种社会问题已经不容忽视了，因此，开展对老年人摔倒报警系统的研究极为重要。

1研究现状

随着计算机技术和通信技术的发展，已经可以通过便携式电子设备检测人体的跌倒。目前，国外已经有针对老年人跌倒监测系统的相关研究，如：A.Blake borough[7]设计的房间内基于地板振动检测的跌倒检测器。A.Sixsmith等[8]研制的基于红外信号和图像信息的检测器。但是由于成本，便携性和应用范围的限制，其应用推广受到限制。国内尚无远程监测跌倒的产品，但关于跌倒监测算法和系统设计的研究很多，如：汪波涛等[9]基于多点传感融合算法的人体跌倒监测系统。系统以STM32F103作为核心处理器，在手腕、腰部、脚踝上使用MPU9250九轴姿态传感器协助进行人体姿态监测，提出了基于多传感器区协作融合的方法，用于准确监测人体跌倒状态，降低误报率，并利用蓝牙4.0技术形成人体监测体域网。在手腕上加设取消报警按钮，进一步减少误报率。谢开明等[10]设计的基于GPRS的跌倒检测报警系统，在SMV阈值算法基础上，辅以倾角检测，提高了算法的有效性，可以更有效的区分日常生活和跌倒。江进宝等[11]设计的基于智能手表的老人摔倒及其生理监测系统产品及解决方案，能在一定程度内解决老年人防摔倒项目的部分问题，系统采用的是以智能手表作用系统的穿戴装配硬件，手表虽然是现代非常热门的智能产品外观形式，但是作为老年人防摔倒产品还是存在一定的不足，其原因是，手表式防摔倒系统没有充分利用人体工程学原理，产品的技术核心是利用加速度传感器、陀螺仪、压力传感器三者相互配合来实现对老人体位变化进行实时监测，而产品佩戴位置相比较用于跌倒系统检测而言，腰部相比手腕更符合人体工程学，收集的加速度值和陀螺仪等数据值对判断摔倒姿势更为准确，可以大大降低产品的误报率，提高产品的实用性。

2系统总体设计

本文所设计的智能报警腰带包括硬件和手机APP两部分。硬件由老人来穿戴、软件通过监护人手机进行安装。

腰带穿戴后该系统的各模块对老人的生理状态进行实时的检测，并与标准值进行比较，如有任何异常变化趋势，都会发送报警信号到监护人手机。摔倒模块使用加速度传感器、陀螺仪、压力传感器的组合综合判断出老人摔倒时，主控系统立即发出摔倒报警信号，并且语音报警模块立即打开以产生报警声音，同时远程通信模块向监护人发送摔倒警报信息和老人的当前位置信息。监护人可随时在手机端查看老人的位置以及身体基本状况。APP与腰带交互通信设计如图1。

3系统硬件设计

采用腰带形式为智能产品外观，提高监测数据准确率。根据人体工程学，腰部是人体重心所在，系在腰上又稳定，跟手环手表等设备外观相比，有天然独到的优势。

智能防摔倒腰带的硬件系统包括主控模块、人体生理状态检测、远程通信模块、摔倒检测模块、GPS定位模块和语音报警模块。监护人和系统通过移动通信网络相互通信。主控模块采用MSP430芯片作为整个系统的控制芯片，负责确定摔倒报警信号，提取GPS定位信息，控制报警声音的开关等功能。

4核心模块设计

4.1摔倒检测模块

4.1.1摔倒检测分析

人体正常活动时，产生的加速度是有限的。但是在发生摔倒时，摔倒一般持续的时间较短，大约在l-2s之内，当身体失去平衡后，身体会在某一瞬间倾斜，身体的剧烈动作会使加速度发生很大的改变。多数情况下，摔倒发生后人体的身体姿态也会改变，一般由站立或者平坐转变成躺倒，而身体各个部位的加速度、速度以及位移也发生巨大变化，我们以产生的加速度值来判断老人是否跌倒。

4.1.2摔倒检测算法

智能腰带通过内置多个传感器来获取体位信息，如加速度传感器、陀螺仪、压力传感器等。通过三层检测实现对老人是否摔倒做出准确检测。加速度传感器获取人体摔倒前三个轴向的加速度、摔倒前后的加速度差值。陀螺仪传感器可以根据物体的实时运动产生不同的参数值。压力传感器能够实时监测物体各个方向的压力变化，并通过它们监测老人的行走和各种姿势，并通过三者的相应变化，来综合判断老人是否摔倒。若超过设定的阈值，则生成摔倒报警信号触发语音报警模块。

由于人体运动过程具有复杂多样性特点，具有不确定性，但不同运动又具有典型特征，提取姿态特征向量区别不同运动类型，人体运动特征向量包括速度、加速度、加速度向量差值SVM（ Signal vector magnitude）、微分加速度幅值平均绝对值MADS（ Mean absolute value ofdifferential）、偏航角yaw等。人體摔倒是一种瞬时的剧烈活动，这个过程可以分解为初始安全、失去平衡、撞击地面、倒地平衡静止几种状态，摔倒方向有前倾、后仰、左侧、右侧，如图2所示。

人体由安全状态到摔倒状态加速度及加速向量差值SVM变化过程由零增加再减小，微分加速度幅值平均绝对值MADS变化过程由零增加再减小;垂直偏航角yaw即人体与地面夹角远大于900或小于900，正常直立约为900;系统采用三级阀值判断人体摔倒状态，定义人体垂直地面方向为z轴、前后方面为x、左右方向为y轴，具体如下：

（1）

其中：mx、my、mz分别为x、y、z轴的加速度。

MADS

（2）

其中;T为时间周期

yaw =arctan

4.2防误报模块

设置缓冲确认时间，以降低摔倒误报率。当系统判定老人摔倒了，我们此时设定了缓冲时间，如果老人没有摔倒，他可以选择不拨打电话或不发送短信来防止系统误判。如果老人没有在60s内作出反应，那么系统就要自动发出“求救”信息。

5实验结果分析

为测试系统改进后的性能，特将手表式系统和腰带式系统在同样情景下进行了系统测试，系统测试包括3个部分：检测人体摔倒准确率、GPS定位误差、GSM模块远程发送报警信号实时性。根据人体日常行为和姿态，将手表式与腰带式人体跌倒监测系统分别穿戴于手腕和腰部，模拟跑步、走路、坐下、蹲下、上下楼、弯腰、摔倒等大概率行为，在相同的实验环境和频次的前提条件下，进行测试系统的准确度与稳定性，判断人体摔倒后GPS测试地点与实际摔倒地点误差;记录对比人体摔倒事件发生时间与手机接收报警信号时间，测试系统实时性，测试结果如表1所示。

从试验结果来看，在跑步环节，手表式系统出现误报1次，腰带式出现误报O次;在坐下环节中，有靠背情况下两个系统均出现1次误报警;蹲下环节，手表式系统出现误报警2次，腰带式系统0次误报警;弯腰环节中，手表式系统出现误报警0次，腰带式系统1次报警;在跌倒环节测试中，手表式系统收到报警95次，腰带式系统收到报警次数99次。

在上述测试的350次不应该出现报警的各种情况下，手表式系统出现跌倒误报4次，腰带式系统出现2次。平均误报率分别为1.14%、0 57%;在100次应该出现报警的情况下，手环式系统有5次未检测到，腰带式系统有1次未检测到。漏报率分别为5%、1%。如表2所示。

经过综合分析实验结果数据，腰带式系统整体综合平均误报率

6待拓展模块

未来科技发展趋势的背景下，本文再结合产品特点和人性化使用体验，规划设计了如下的几个拓展功能，在接下来的几年时间进行后续优化和升级：

（1）腰带与老人行走辅助器的合二为一功能;

（2）智能腰带的冬夏智能取暖降温功能。

7结束语

本文提出了一种基于物联网的老人意外摔倒报警腰带系统的设计方案，生产成本低，准确率高，实用性强，且硬件产品外观设计科学，便于携带，符合当前市场发展趋势，未来将受到许多老年人家庭用户的关注，这款防摔倒智能报警腰带系统的研究实现，将在一定程度上缓解我国步入老龄化社会所面临的压力，智能防摔倒腰带的研究可以实现更好地将科技创新技术服务于老年人的生活，用智能科技改善老年人生活质量，能够帮助家人在忙于工作的同时可以更全面周全地给予老年人亲情照顾。

参考文献

[1]倪逸扬，基于Android平台的老人跌倒检测软件[J].计算机光盘软件与应用，2013，16 （16）：55-57.

[2]许继平，李景涛，彭森，基于三轴加速度传感器的老年人摔倒检测系统[J].计算机仿真，2 014，31（12）： 434-437.

[3]毕庆生，冯笃，老年人跌倒警报器的研究[J].电子制作，2 016 （01）：5.

[4]李扬，可穿戴设备的突破口[J].高科技与产业化，2014 （06）： 90-93.

[5]佟丽娜，基于力学量信息获取系统的人体摔倒过程识别方法研究[D].中国科学技术大学，2011.

[6]杨冬叶，赵勇，我国空巢老年人的现状与对策[J].现代临床护理，2004 （05）： 60-62.

[7]A. Blakeborough and M.S.Williams.“Measurement of floor vibrationsusing a heel drop test”， Proceedingsof the Institution of CivilEngineers， Structures&Buildings 156，November 20031ssue SB4 [C]. Pages367-371.

[8]A. Sixsmith and N. Johnson， “Smartsensor to detect the falls ofthe elderly，”[C]. IEEE PervasiveComputing， vol.3， no.2， pp. 42-47，April-June 2004.

[9]汪波涛，张珣.基于多点传感融合算法的人体跌倒监测系统设计[J].单片机与嵌入式系统应用，2015，15 （11）： 62-65.

[10]谢开明，基于GPRS的跌倒检测报警系统的设计与实现[D].重庆：重庆大学，2010.

[11]江进宝，王富城，赵永祥，杨烈君，基于智能手表的老人摔倒及其生理监测系统设计[J].福建电脑，2018， 34 （03）： 21-22+13.

[12]梁力，基于老年人摔倒行为识别模型的计算机视觉监控系统[J].科技通报，2013， 23 （10）： 224-229.

[13]许继平，李景涛，彭森等，基于三轴加速度传感器的老年人摔倒检测系统[J].计算机仿真，2014， 31（12）： 434-437.

[14]Ren-JyeDzeng， Yi-Cho Fang， I-ChungChen. A feasibility study of usingsmartphone built-in accelerometers todetect fall portents[J]. Automationin Construction， 2014， 38 （4）： 74-86.

[15]Bogdan Kwolek， Michal Kepski.Human fall detection on embeddedplatform using depth maps andwireless accelerometer [J]. ComputerMethods and Programs in Biomedicine，2014，117 （3）： 489-501.

[16]宴勇.可穿戴式人体跌倒监测与定位系统设计与实现[J].洛阳理工学院学报（自然科学版），2016，26 （02）： 71-75.

[17]刘鹏，卢潭城，吕愿愿等，基于MEMS三轴加速度传感器的摔倒检测[J].传感技术学报，2014， 27 （04）： 570-575.

[18]刘勇.基于模式识别的跌倒检测仪研究[D].重庆：重庆大学，2014： 26-49.

[19]金纯，尹远阳，一种基于统计学判别分析的老人摔倒检测算法的研究[J].计算机应用研究，2 01 4，31（01）：107-111.

[20]张军建，基于三轴加速度传感器的体位突变检测研究[D].济南：山东师范大学，2 014：2 5-47.

[21]陈天华，张小驰，许继平，基于三轴加速度传感器和电子罗盤的人体摔倒监测系统[J].测控技术，2015，35 （02）： 232-235.

[22]吴志强，曹蕾，王凯等.基于智能手机的人体跌倒检测系统设计[J].计算机工程与设计，2014，31（04）：136-140.