0 引言

    根據(jù)南京市三所養(yǎng)老院養(yǎng)老機(jī)構(gòu)內(nèi)愿意合作的老人進(jìn)行跌倒現(xiàn)狀的問卷調(diào)查顯示：養(yǎng)老機(jī)構(gòu)老年人跌倒發(fā)生率為39.2%,，影響因素包括睡眠狀況,、慢性病史、外界環(huán)境和服藥史^[1],。因此,，針對中高齡老人意外傷害發(fā)生率較高的問題,，建立一套完整的遠(yuǎn)程監(jiān)護(hù)系統(tǒng)，用于監(jiān)測老人的日?；顒訝顟B(tài)以及周邊環(huán)境是很有必要的。

    目前對獨(dú)居老人監(jiān)護(hù)系統(tǒng)已有相關(guān)研究,，如浙江工業(yè)大學(xué)2007年設(shè)計的基于活動量分析的獨(dú)居老人遠(yuǎn)程監(jiān)護(hù)系統(tǒng)^[2],，能夠通過采集數(shù)據(jù)建立預(yù)測模型，但不具有實(shí)時監(jiān)控功能,；如楊海建^[3]等人設(shè)計的基于物聯(lián)網(wǎng)技術(shù)的老人監(jiān)護(hù)智能系統(tǒng),，具備及時報警功能，但會出現(xiàn)謊報,、誤報等情況,；重慶郵電大學(xué)2012年設(shè)計的智能家居中老人跌倒遠(yuǎn)程監(jiān)護(hù)系統(tǒng)^[4]，在增加了取消報警按鍵后減小了誤報率,，但仍有誤報可能,，并且監(jiān)測系數(shù)單一；如石棟^[5]等人通過支持向量機(jī)算法（SVM）對數(shù)據(jù)進(jìn)行處理后進(jìn)行上傳,，但其僅通過跌倒特征量 SVM 的閾值判斷,，算法單一，無法測量除跌倒以外的其他異常行為,。

    本設(shè)計基于以上問題,，通過多傳感器感知設(shè)備采集老人的日常活動信息,，除了及時報警功能,，采用異常判定算法等多混合算法定期更新計算老人日常生活規(guī)律數(shù)據(jù)，其在防止跌倒誤報產(chǎn)生的同時,，對老人除跌倒以外的其他異常行為通過算法進(jìn)行預(yù)測判斷,，并通過 WiFi上傳到大數(shù)據(jù)平臺，用戶可以通過APP隨時隨地查看老人當(dāng)前狀態(tài),，以及階段性生活規(guī)律,。

1 系統(tǒng)總體方案設(shè)計

    本設(shè)計的智能監(jiān)護(hù)系統(tǒng)主要由三部分組成: 智能監(jiān)護(hù)設(shè)備、網(wǎng)絡(luò)傳輸模塊,、監(jiān)護(hù)中心服務(wù)平臺,。系統(tǒng)總拓?fù)鋱D如圖1所示。

1.1 智能監(jiān)護(hù)設(shè)備

    智能監(jiān)護(hù)設(shè)備硬件電路主要包括：主處理芯片電路,、具備多個傳感器的傳感器單元電路（其中包括溫度,、濕度、環(huán)境光,、磁場,、加速度、震動等多個高精度傳感器）、無線WiFi傳輸電路 ,、DC/DC電壓轉(zhuǎn)換電路,、數(shù)據(jù)存儲電路、時鐘電路,、模塊轉(zhuǎn)換開關(guān)電路等,。系統(tǒng)硬件結(jié)構(gòu)圖如圖2所示。

1.2 網(wǎng)絡(luò)傳輸模塊

    網(wǎng)絡(luò)傳輸模塊介于智能監(jiān)護(hù)設(shè)備與監(jiān)護(hù)中心平臺,、監(jiān)護(hù)端之間,，是通信的橋梁，由數(shù)據(jù)鏈路層,、網(wǎng)絡(luò)層,、數(shù)據(jù)傳輸層構(gòu)成，實(shí)現(xiàn)對智能監(jiān)護(hù)設(shè)備采集信息的獲取與發(fā)送功能,。其中數(shù)據(jù)鏈路層采用IEEE 802.11 WiFi傳輸協(xié)議,，直接與互聯(lián)網(wǎng)相連；網(wǎng)絡(luò)層與數(shù)據(jù)傳輸層通過TCP/IP傳輸協(xié)議將智能監(jiān)護(hù)設(shè)備所采集的老人及周邊環(huán)境的特定狀態(tài)數(shù)據(jù)通過無線WiFi直接同步到監(jiān)護(hù)中心服務(wù)平臺中,。

1.3 監(jiān)護(hù)中心服務(wù)平臺

    監(jiān)護(hù)中心服務(wù)平臺即數(shù)據(jù)應(yīng)用層,，采用HTTP超文本傳輸協(xié)議，主要由數(shù)據(jù)平臺,、PC監(jiān)護(hù)端,、手機(jī)監(jiān)護(hù)端構(gòu)成。數(shù)據(jù)平臺主要負(fù)責(zé)對智能監(jiān)護(hù)設(shè)備所上傳數(shù)據(jù)進(jìn)行接收,、分析,、整合、報警并保存,。PC監(jiān)護(hù)端用于方便醫(yī)護(hù)人員以及老人家人觀察老人的活動狀態(tài)以及周邊環(huán)境數(shù)據(jù),，以圖表的形式顯示所采集數(shù)據(jù)，并可以直接下載到指定文件夾,，以EXCEL的形式保存,，使其在沒有網(wǎng)絡(luò)的情況下也可以查看所采集到的數(shù)據(jù)。

2 系統(tǒng)實(shí)現(xiàn)及關(guān)鍵技術(shù)

2.1 數(shù)據(jù)實(shí)時采集與校驗(yàn)

    智能監(jiān)護(hù)設(shè)備即系統(tǒng)的數(shù)據(jù)采集端,，采集數(shù)據(jù)的精度和正確性決定了誤報率的高低以及是否能準(zhǔn)確預(yù)測出老人的健康狀況,，但現(xiàn)實(shí)生活中數(shù)據(jù)采集會受到傳感器精度、測量電路性能以及人為誤操作等其他很多因素影響,。僅僅采用高精度傳感器和優(yōu)化電路的方法是不夠的,。為了確保數(shù)據(jù)傳輸?shù)恼_性和完整性，本設(shè)計采用CRC校驗(yàn)技術(shù)（即循環(huán)冗余檢驗(yàn)技術(shù)）^[7],。對通過CRC校驗(yàn)的傳感器輸出數(shù)據(jù)進(jìn)行發(fā)送和存儲,，對未通過CRC校驗(yàn)的傳感器輸出數(shù)據(jù)讀取CRC校驗(yàn)錯誤值,。

2.2 無線通信與配置模塊設(shè)計

    當(dāng)智能監(jiān)測設(shè)備需要向監(jiān)護(hù)中心服務(wù)平臺上傳數(shù)據(jù)時，首先通過無線通信模塊進(jìn)行WiFi連接,，當(dāng)WiFi連接成功時,，處理模塊進(jìn)行待上傳的數(shù)據(jù)的讀取操作，若讀取成功則進(jìn)行所述智能監(jiān)測設(shè)備與監(jiān)護(hù)中心服務(wù)平臺之間的連接,。無線通信模塊能夠工作在AP模式和STA模式,，采用無線AP模式配置方法對設(shè)備進(jìn)行配置。設(shè)備作為主機(jī)發(fā)送WiFi,，目前支持TCP和HTTP模式，用戶可通過手機(jī)或PC無線配置操作并查看設(shè)備當(dāng)前的配置信息,、傳感器讀取信息,、錯誤信息等，還可將數(shù)據(jù)直接存入大數(shù)據(jù)平臺,，用戶可隨時隨地查看,。

2.3 算法的研究與實(shí)現(xiàn)

    根據(jù)石棟等人所使用的支持向量機(jī)(SVM)的算法^[10]，其采用信號向量模SVM特征量將空間的加速度或角速度變化集合為一矢量^[11],，然而高齡老人所處的狀態(tài)是多樣,、易變的，僅通過閾值來判斷跌倒情況,，測量范圍具有局限性,，并且不具備防止誤報警的功能。

    本設(shè)計采用個性化異常判定算法,，針對不同應(yīng)用與場景選擇最優(yōu)算法,。其在防止跌倒誤報產(chǎn)生的同時，對老人除跌倒以外的其他異常行為進(jìn)行預(yù)測判斷,，下面以加速度傳感器為例,，通過舉例詳細(xì)說明本設(shè)計所應(yīng)用的算法。

    圖3給出的是加速度在運(yùn)動過程中的變化曲線,，是老人跌倒時的運(yùn)動曲線,。假設(shè)設(shè)備此時應(yīng)用于老人的跌倒檢測被固定在被測的人體上。

    如圖3所示(此圖中縱坐標(biāo)為加速度幅值的256倍,，即加速度幅值=縱坐標(biāo)值/256,，單位為g)，其中y軸（垂直方向）的加速度曲線,，其正常靜止?fàn)顟B(tài)下應(yīng)該為-1 g,；x軸（前后方向）和z軸（左右方向）的加速度曲線，其正常靜止?fàn)顟B(tài)下應(yīng)該為0 g,；最上方曲線為三軸加速度的矢量和,，其正常靜止?fàn)顟B(tài)下應(yīng)該為+1 g,。

    此時采用峰值檢測的方法，峰值檢測算法的基本原理：設(shè)備根據(jù)x,、y,、z三軸中加速度變化最大的一個軸來判斷老人是否跌倒。算法步驟如下：

    (1)首先獲得所述加速度傳感器在s時間段內(nèi)依次輸出的加速度數(shù)據(jù),，所述加速度數(shù)據(jù)具有x軸加速度,、y軸加速度和z軸加速度，執(zhí)行步驟(2),；

    (2)判斷加速度傳感器的采樣頻率是否高于預(yù)設(shè)采樣頻率(注：在采樣頻率過高時,，可以采用奇偶校驗(yàn)的方式進(jìn)行采樣，這種方法可以在減少采樣頻率的同時最大程度地還原原始形態(tài)),，是則執(zhí)行步驟(4),，否則執(zhí)行步驟(3)；

    (3)計算：

    然后執(zhí)行步驟(5),；

    (5)將F(s)與預(yù)設(shè)值進(jìn)行比較,，并根據(jù)比較結(jié)果確定用戶當(dāng)前是否處于跌倒?fàn)顟B(tài)。

    如圖4所示,，可以準(zhǔn)確測量出老人的跌倒情況,，但是如果跌倒造成了嚴(yán)重的后果(如導(dǎo)致了人的昏迷)，那么人體會在更長的一段時間內(nèi)都保持靜止,，并不會產(chǎn)生峰值,。由于老年人的運(yùn)動相對比較慢，在普通的步行過程中,，加速度變化不會很大,。圖4所示是老人正常行走時的運(yùn)動曲線，也不會出現(xiàn)較大峰值,。此時,，無法判斷老人當(dāng)前狀態(tài)，一旦老人跌倒了而不是行走緩慢,，后果將會是很嚴(yán)重的,。

    如圖4所示，此時應(yīng)采用動態(tài)閾值檢測算法,。動態(tài)閾值檢測算法的步驟如下：

    (1)首先獲得所述加速度傳感器在s時間段內(nèi)依次輸出的加速度數(shù)據(jù),；所述加速度數(shù)據(jù)具有x軸、y軸和z軸加速度,，執(zhí)行步驟(2),；

    (2)當(dāng)所采集加速度數(shù)據(jù)達(dá)到N個后，計算N個加速度數(shù)據(jù)的均值作為動態(tài)閾值,，執(zhí)行步驟(3),；

    (3)將計算出動態(tài)閾值后每次獲得的加速度數(shù)據(jù)與該動態(tài)閾值進(jìn)行比較,，并根據(jù)比較結(jié)果確定用戶是否邁出步伐，執(zhí)行步驟(4),；

    (4)當(dāng)計算出動態(tài)閾值后獲得的加速度數(shù)據(jù)再次達(dá)到N個后,，重新計算N個加速度數(shù)據(jù)的均值并更新動態(tài)閾值，返回步驟(3),。

    這種算法具有自適應(yīng)性,，能夠測量出老人的運(yùn)動與靜止情況，但無法判斷出異常峰值（例如老人跌倒）,。

    通過上面的舉例說明可以看出,，單就一種算法無法滿足不同用戶的需求，本設(shè)計針對不同用戶,，應(yīng)用不同算法用于檢測不同環(huán)境,。實(shí)現(xiàn)個性化異常判定算法，根據(jù)用戶需求,、使用場景等對設(shè)備進(jìn)行個性化設(shè)置，滿足用戶需求,。此類算法不僅應(yīng)用于加速度傳感器,，還可應(yīng)用于其他傳感器。

3 試驗(yàn)與結(jié)果分析

    本系統(tǒng)在錦州市某養(yǎng)老院部分中高齡獨(dú)居老人家中進(jìn)行試驗(yàn),，基于WiFi的中高齡老人多算法智能監(jiān)護(hù)系統(tǒng),，讓每個老人隨身攜帶智能監(jiān)護(hù)設(shè)備，同時在他們家中的床下,、衛(wèi)生間門上,、藥瓶上、房間內(nèi)都布置了智能監(jiān)護(hù)設(shè)備,。

    實(shí)驗(yàn)證明,，通過多維度的數(shù)據(jù)組合可全方位實(shí)時監(jiān)測到老人的活動狀態(tài)、房間內(nèi)溫濕度,、老人半夜的翻身情況,、上衛(wèi)生間次數(shù)以及時間長度、是否按時吃藥等數(shù)據(jù),，并能分析得出老人睡眠狀況,、慢性病史、外界環(huán)境和服藥史等,。

    另外,，為了驗(yàn)證本設(shè)計中防止誤報的異常判定算法的正確性，進(jìn)行了跌倒后昏迷狀態(tài)判斷及跌倒后起身緩慢運(yùn)動狀態(tài)判斷兩組附加實(shí)驗(yàn)測試,。由于本實(shí)驗(yàn)具有偶然性和危險性,，所以實(shí)驗(yàn)由10名同學(xué)盡量模擬老人緩慢行走的步速完成,。每組項(xiàng)目都進(jìn)行100次測試，其中一組實(shí)驗(yàn)結(jié)果如圖5,、圖6,、圖7所示。

    如圖5所示,，老人在第3 s～8 s之間摔倒,，之后起身緩慢運(yùn)動。則在第3 s～8 s之間系統(tǒng)采用峰值檢測算法,，一旦峰值來臨之后（在第8 s之后）采用閾值檢測算法檢測出老人起身并緩慢運(yùn)動,。此時系統(tǒng)不進(jìn)行報警，避免了誤報警的發(fā)生,。

    如圖6所示,，老人在第3 s～8 s之間摔倒，之后陷入昏迷狀態(tài),。在第3 s～8 s之間系統(tǒng)采用峰值檢測算法,，在第8 s之后采用閾值檢測算法檢測出老人陷入昏迷。此時系統(tǒng)立即報警并通知醫(yī)生和老人的家人,。

    如圖7所示,，老人在第3 s～13 s時加速度幅值明顯大于在第13 s～33 s時，此時采用動態(tài)閾值檢測算法,，在第3 s～13 s時的動態(tài)閾值為在此時間段內(nèi)加速度數(shù)據(jù)的均值經(jīng)計算為0.73,，同理計算在第13 s～33 s時間段內(nèi)動態(tài)閾值為0.17?？梢钥闯鰞蓚€時間段內(nèi)閾值相差較大,，在第13 s～33 s時，如果不變化閾值則根本無法判斷老人是否處于運(yùn)動狀態(tài),。

4 結(jié)論

    針對以往相關(guān)研究^[1-4,，11]中出現(xiàn)的誤報率高的問題，本設(shè)計采用個性化異常判定算法,，針對不同應(yīng)用與場景,，對比不同算法的傳感器反應(yīng)靈敏度、準(zhǔn)確度結(jié)果進(jìn)行計算,。經(jīng)實(shí)驗(yàn)測試:系統(tǒng)可在精準(zhǔn)地預(yù)測老人日常生活規(guī)律的同時減少95%的誤報率,。

參考文獻(xiàn)

[1] 丁亞媛，何貴蓉,，陳洋,，等.養(yǎng)老機(jī)構(gòu)老人跌倒現(xiàn)狀分析[J].全科護(hù)理，2014(31)：2883-2884.

[2] 湯一平,，顧校凱,，孫黌杰,，等.基于活動量分析的獨(dú)居老人遠(yuǎn)程監(jiān)護(hù)系統(tǒng)的研究[J].計算機(jī)工程與應(yīng)用，2007(3)：211-213.

[3] 楊海健,，席桂清,，辛元明，等.基于物聯(lián)網(wǎng)技術(shù)的老人監(jiān)護(hù)智能系統(tǒng)的研究與設(shè)計[J].科技創(chuàng)新與應(yīng)用,，2016(2)：66-67.

[4] 肖麗,，付蔚，王平.智能家居中老人跌倒遠(yuǎn)程監(jiān)護(hù)系統(tǒng)的設(shè)計[J].電視技術(shù),，2012(13)：131-134.

[5] 石棟,，張克華，徐彪.獨(dú)居老人云智能跌倒實(shí)時檢測系統(tǒng)的開發(fā)[J].計算機(jī)工程與應(yīng)用,，2016(19)：259-264.

[6] 姚七棟,，張春玉.CRC校驗(yàn)及其軟件實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2006(13)：67-68,，71.

[7] 楊理勤,，穆新華，鄭振云.常量金標(biāo)準(zhǔn)物質(zhì)定值中離群值的統(tǒng)計識別[J].巖礦測試,，2013(3)：483-486.

[8] 郁丹紅,，賈曉斌.基于生物藥劑學(xué)性質(zhì)的中藥組分相似性分析方法的建立[J].中國中藥雜志，2013(12)：1847-1850.

[9] 張強(qiáng),，王寶華，楊成梧.基于二階平均法和Melnikov法準(zhǔn)周期負(fù)荷擾動電力系統(tǒng)混沌振蕩分析[J].電工技術(shù)學(xué)報,，2006,，21(6)：115-121.

[10] 張衛(wèi)東，張偉年.電力系統(tǒng)混沌振蕩的參數(shù)分析[J].電網(wǎng)技術(shù),，2000,，24(12)：17-20.

[11] 王榮，章韻,，陳建新.基于三軸加速度傳感器的人體跌倒檢測系統(tǒng)設(shè)計與實(shí)現(xiàn)[J].計算機(jī)應(yīng)用,，2012(5)：1450-1452，1456.

作者信息：

王  暢1,，孫福明1,，李  漾2

（1.遼寧工業(yè)大學(xué) 電子與信息工程學(xué)院，遼寧 錦州121001,；2.大連云動力科技有限公司,，遼寧 大連116000）