付慧群1,張秀峰2,劉文濤3
?。?. 民政部一零一研究所,,北京100070; 2. 國(guó)家康復(fù)輔具研究中心,,北京 100176,; 3. 哈爾濱工業(yè)大學(xué) ,黑龍江 哈爾濱 150001)
摘要: 針對(duì)一些老年人在行走或站立時(shí)突發(fā)跌倒的情況,開發(fā)了一種跌倒檢測(cè)裝置,。通過(guò)這種檢測(cè)裝置,,在老年人跌倒觸地前發(fā)出電信號(hào)觸發(fā)穿戴式氣囊保護(hù)裝置開關(guān)快速充氣,以保護(hù)要著地的人體部位,。研究主要基于ADXL345三軸加速度計(jì)構(gòu)建一單片機(jī)系統(tǒng),,通過(guò)理論分析、算法研究及實(shí)驗(yàn)研究等實(shí)現(xiàn)了該檢測(cè)裝置的功能,。實(shí)驗(yàn)結(jié)果表明:該系統(tǒng)靈敏,、可靠,,可以在人體跌倒0.15 s內(nèi)發(fā)出警報(bào)信號(hào),并為穿戴式氣體保護(hù)裝置提供準(zhǔn)確的觸發(fā)信號(hào),。
關(guān)鍵詞: 三軸加速度計(jì),;跌倒閾值;防跌倒,;檢測(cè)裝置
中圖分類號(hào):TP216+.3文獻(xiàn)標(biāo)識(shí)碼:ADOI: 10.19358/j.issn.1674-7720.2017.04.027
引用格式:付慧群,張秀峰,劉文濤.基于ADXL345防跌倒檢測(cè)裝置的研制[J].微型機(jī)與應(yīng)用,,2017,36(4):90-93.
0引言
隨著我國(guó)社會(huì)發(fā)展,人口老齡化趨勢(shì)逐漸明顯,。根據(jù)2010年全國(guó)第六次人口普查[1]結(jié)果,,我國(guó)60歲以上人口數(shù)已經(jīng)接近1.78億, 65歲以上人口數(shù)接近1.19億,,說(shuō)明我國(guó)早已經(jīng)處于老齡化社會(huì),。在老年人群中摔倒是比較突出的現(xiàn)象,據(jù)國(guó)內(nèi)外學(xué)者調(diào)查研究[25],,65歲以上人群中每年有1/3的人發(fā)生一次或者一次以上的跌倒,, 80歲以上的老年人群在一年中跌倒的概率甚至?xí)_(dá)到50%。在美國(guó)跌倒已經(jīng)成為70周歲以上老年人死亡的第六大原因,,在英國(guó)跌倒是75歲以上老年人受損傷后的主要死亡原因,在我國(guó)每年至少有2千萬(wàn)老年人發(fā)生跌倒,。跌倒產(chǎn)生的醫(yī)療費(fèi)用極高,如何減少跌倒造成的傷害已經(jīng)成為國(guó)內(nèi)外研究人員的一個(gè)研究焦點(diǎn),。
國(guó)外防跌倒的相關(guān)研究比國(guó)內(nèi)起步早一些[6],,韓國(guó)首爾大學(xué)的研究人員研究了一款佩戴于人體胸部的跌倒探測(cè)系統(tǒng),它由加速度傳感器,、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(rèn)為人體摔倒,。實(shí)驗(yàn)證明,它對(duì)前后摔倒具有較高的敏感性,,但對(duì)左右方向的摔倒卻不夠敏感[7],。美國(guó)相關(guān)人員研制的一款多位置佩戴的監(jiān)測(cè)系統(tǒng),將三軸加速度傳感器和陀螺儀分別佩戴于胸部和腿部,,通過(guò)閾值算法對(duì)跌倒的檢測(cè)成功率達(dá)到了92%[8],。重慶大學(xué)相關(guān)人員開發(fā)了一種基于壓力傳感器的跌倒探測(cè)系統(tǒng),可以把壓力傳感裝置貼在鞋底,,通過(guò)對(duì)人腳底壓力參數(shù)進(jìn)行跌倒判別,,對(duì)用戶非正常步態(tài)進(jìn)行識(shí)別,對(duì)跌倒的有效判別率達(dá)到85%以上[9]。浙江大學(xué)的學(xué)者研究出了基于加速度傳感器和心電檢測(cè)電極的監(jiān)測(cè)系統(tǒng),,能夠根據(jù)加速度的變化和心率的變化判斷人體的實(shí)時(shí)狀態(tài)[10],。從目前的研究來(lái)看,跌倒檢測(cè)系統(tǒng)算法的成功率有待提高,,算法的誤報(bào)情況較嚴(yán)重,,保護(hù)系統(tǒng)響應(yīng)較慢、可靠性差,。另外,,還可以看出三軸加速度傳感器是跌倒檢測(cè)系統(tǒng)中的重要組件,基于三軸加速度閾值檢測(cè)算法的應(yīng)用較為普遍,。而陀螺儀的應(yīng)用效果并不好,,主要是陀螺儀有嚴(yán)重的零點(diǎn)漂移現(xiàn)象?;谝陨戏治?,本文提出基于ADXL345三軸加速度計(jì)設(shè)計(jì)一個(gè)單片機(jī)跌倒檢測(cè)系統(tǒng)。
1設(shè)計(jì)過(guò)程
1.1設(shè)計(jì)方案
本設(shè)計(jì)是基于一個(gè)三軸加速度計(jì)的預(yù)測(cè)系統(tǒng),,總體方案如圖1所示。
1.2元器件選型
?。?)三軸加速度計(jì)選用ADXL345,,主要因?yàn)椋捍思铀俣扔?jì)功耗超低,分辨率高(13位),可達(dá)3.9 mg/LSB,; 數(shù)字輸出,,不用考慮A/D轉(zhuǎn)換模塊; 非常適合移動(dòng)設(shè)備,,可在傾斜檢測(cè)中測(cè)量靜態(tài)重力加速度,,還可以測(cè)量運(yùn)動(dòng)或沖擊導(dǎo)致的動(dòng)態(tài)加速度。
?。?)系統(tǒng)單片機(jī)選用MSP430F149系列單片機(jī),,主要因?yàn)椋捍藛纹瑱C(jī)是一款16位的單片機(jī),處理能力非常強(qiáng),功耗很低,, 開發(fā)與編程比較方便,;片上外圍資源比較多,例如集成了A/D轉(zhuǎn)換模塊等,。
1.3算法研究
?。?)總體方案
將三軸加速度計(jì)平放于平面上,x,、y,、z三軸中哪個(gè)軸與重力加速度方向重合則該軸的加速度輸出值為1個(gè)g,其他兩個(gè)軸的數(shù)值為0,。本設(shè)計(jì)采用的算法是基于總體加速度閾值的算法,,即:a=a2x+a2y+a2z ,其中ax,、ay,、az分別代表三個(gè)軸的加速度輸出值,a代表總體的加速度幅值,。閾值法就是基于a的判別方法,。
(2)跌倒數(shù)據(jù)特征分析
通過(guò)ADAMS-LifeMOD軟件對(duì)人體的跌倒過(guò)程進(jìn)行仿真,,仿真過(guò)程如圖2所示,。
對(duì)應(yīng)的人體重心的運(yùn)動(dòng)加速度幅值變化如圖3所示,從圖中可看出:測(cè)量的人體加速度曲線隨著跌倒動(dòng)作單調(diào)遞減,,在觸地瞬間劇增,。要實(shí)現(xiàn)跌倒的預(yù)測(cè),須在觸地之前將跌倒的趨勢(shì)預(yù)判出來(lái),,并且留出足夠的時(shí)間驅(qū)動(dòng)氣囊保護(hù)裝置,。另外,利用實(shí)驗(yàn)裝置進(jìn)行測(cè)量的實(shí)驗(yàn)數(shù)據(jù)也支持了上述仿真結(jié)果,,如圖4,、圖5所示。
?。?)算法分析
步行,、跑步時(shí)加速度曲線如圖6、圖7所示,。通過(guò)與走路,、跑步情況對(duì)比,發(fā)現(xiàn)跌倒數(shù)據(jù)單調(diào)遞減時(shí)間明顯長(zhǎng),,遞減幅度也較大,,這可作為算法設(shè)計(jì)的一個(gè)突破口?;陂撝捣ǖ乃惴煞譃橐韵颅h(huán)節(jié):
?、偌铀俣乳撝蹬袆e環(huán)節(jié)
SVM代表總體加速度的幅值。設(shè)定閾值為0.9g,,如果采樣點(diǎn)的SVM值小于0.9g,,則進(jìn)入下一環(huán)節(jié)進(jìn)行判斷。
?、跁r(shí)間閾值判別環(huán)節(jié)
連續(xù)滿足SVM<0.9的采樣點(diǎn)數(shù)目與時(shí)間成正比,,對(duì)時(shí)間T可以設(shè)定一個(gè)閾值,取其值為0.35 s。如果T>0.35 s,則可以認(rèn)定該組數(shù)據(jù)是一組摔倒的可疑數(shù)據(jù),,進(jìn)入下一環(huán)節(jié)進(jìn)行判定,。
③均值閾值判別環(huán)節(jié)
在0.35 s內(nèi)一直滿足SVM<0.9的條件已經(jīng)比較苛刻,經(jīng)過(guò)實(shí)驗(yàn)證明,,在步行,、下樓過(guò)程中仍然有一定幾率出現(xiàn)誤報(bào),于是又加入了第三個(gè)環(huán)節(jié),。即在過(guò)去0.35 s內(nèi)的加速度均值G如果小于0.7,,則認(rèn)為跌倒事件發(fā)生。最終算法如圖8所示,。
2實(shí)驗(yàn)研究
2.1實(shí)驗(yàn)結(jié)果
實(shí)驗(yàn)證明上述算法可以準(zhǔn)確區(qū)分日?;顒?dòng)和跌倒,對(duì)于跌倒檢測(cè)成功率比較高,,走路等日?;顒?dòng)中出現(xiàn)誤報(bào)的次數(shù)比較少。實(shí)驗(yàn)結(jié)果如表1所示,。
2.2實(shí)驗(yàn)分析
?。?)誤報(bào)情況分析
誤報(bào)常發(fā)生于把裝置由桌面或者地面拿起的過(guò)程中,另外在步行過(guò)程中如果地面有較大起伏也有誤報(bào)發(fā)生,,但次數(shù)較少,。另外,通過(guò)調(diào)整三個(gè)閾值的大小可有效進(jìn)行過(guò)濾,。本設(shè)計(jì)原則是不允許出現(xiàn)誤報(bào),,在此基礎(chǔ)之上再盡量減少漏報(bào)情況,。
?。?) 漏報(bào)境況分析
漏報(bào)常發(fā)生于較緩慢的跌倒,例如膝蓋彎曲到一定程度后再跌倒可能會(huì)出現(xiàn)漏報(bào),。針對(duì)該情況該算法還有待提高,,不過(guò)就跌倒造成的傷害而言,這種情況無(wú)疑是沖擊傷害較小的情況,。
?。?)時(shí)間裕度分析
對(duì)于已判跌倒情況,從報(bào)警信號(hào)發(fā)出到人體接觸地面這段時(shí)間稱為時(shí)間裕度,,該算法裕度的大小受限于設(shè)定的三個(gè)閾值大小,。另外受限于測(cè)量手段的缺失,不能準(zhǔn)確測(cè)出裕度的大小,。根據(jù)MATLAB仿真結(jié)果,,該裕度在0.1~0.2 s之間,如果對(duì)閾值進(jìn)行微調(diào),將有助于該裕度提升,,但誤報(bào)的幾率會(huì)有所上升,。
(4)電氣性能分析
該系統(tǒng)采用3.6 V鋰電池供電,,平時(shí)工作電流在6 mA左右,,光耦導(dǎo)通時(shí)工作電流在15 mA左右。在電池放電降低到2.5 V以上時(shí)都可以正常工作,。
?。?)其他性能分析
對(duì)于閾值參數(shù)的微調(diào),可以通過(guò)一個(gè)四線的撥碼開關(guān)來(lái)實(shí)現(xiàn),,共有16種狀態(tài)可供選擇,。該裝置保留了EEPROMAT24C256,用于以后繼續(xù)的實(shí)驗(yàn),,該存儲(chǔ)芯片的數(shù)據(jù)可以通過(guò)RS232接口傳輸出到計(jì)算機(jī)上進(jìn)行分析,。如果以后產(chǎn)品定型,可考慮去掉存儲(chǔ)器模塊和RS232模塊,,以減小功耗和體積,。
3結(jié)論
綜上所述,本裝置無(wú)論從算法的提出還是硬件的制作均保證了原創(chuàng)性,,是獨(dú)立,、完整的算法體系。該算法能夠有效識(shí)別跌倒的發(fā)生,,并且給出了輸出信號(hào),。該硬件平臺(tái)可以對(duì)程序進(jìn)行調(diào)試,并且可以儲(chǔ)存實(shí)驗(yàn)數(shù)據(jù),,為以后的實(shí)驗(yàn)及算法的繼續(xù)優(yōu)化提供了基礎(chǔ),。
參考文獻(xiàn)
[1] 中華人民共和國(guó)國(guó)家統(tǒng)計(jì)局. 2010年第六次全國(guó)人口普查主要數(shù)據(jù)公報(bào) (第1號(hào))[J]. 中國(guó)計(jì)劃生育學(xué)雜志,,2011, 19(8): 511-512.
?。?] CHUNG P C, LIU C D. A daily behavior enabled hidden Markov model for human behavior understanding[J]. Pattern Recognition, 2008, 41(5): 1589-1597.
[3] NADEEM A, ANDREA C. Multifeature object trajectory clustering for video analysis[J]. IEEE Transactions on Circuits and Systems for Video Technology,, 2008, 18(11): 1555-1564.
?。?] 佟麗娜. 基于力學(xué)量信息獲取系統(tǒng)的人體摔倒過(guò)程識(shí)別方法研究[D]. 合肥: 中國(guó)科學(xué)技術(shù)大學(xué),2011.
?。?] 張軍. 基于視頻的運(yùn)動(dòng)人體異常行為分析識(shí)別研究[D]. 西安: 西安電子科技大學(xué),,2009.
[6] MATHIE M J,CELLER B G, LOVELL N H, et al. Classification of basic daily movements using a triaxial accelerometer[J]. Medical and Bioloigcal Engineering and Computing, 2004, 42: 670-687.
?。?] PURWAR A, JEONG D U, CHUNG W Y. Activity monitoring from realtime triaxial accelerometer data using sensor network[C].International Conference on Control, Automation and Systems, 2007: 2402-2407.
?。?] Li Qiang, STANKOVIC J A, HANSON M A, et al. Accurate, fast fall detection using gyroscopes and accelerometerderived posture information[C]. Sixth International Workshop on Wearable and Implantable Body Sensor Networks, 2009: 138-143.
?。?] 石欣. 基于壓力感知步態(tài)的運(yùn)動(dòng)人體行為識(shí)別研究[D]. 重慶: 重慶大學(xué),2010.
?。?0] 文耀鋒. 一種實(shí)時(shí)的跌倒姿態(tài)檢測(cè)和心率監(jiān)控系統(tǒng)的研究[D]. 杭州: 浙江大學(xué),,2008.