高曉娟，徐光輝，張 歡，薛文生

（1.西安工程大學(xué) 計算機科學(xué)學(xué)院，陜西 西安710048；2.西安航空學(xué)院 圖書館，陜西 西安710077）

0 引 言

跌倒是老年人群中常見的傷害事件，會使老人遭遇諸如骨折、出血、中樞神經(jīng)系統(tǒng)損傷等身體上的傷害，如果不及時治療，就可能導(dǎo)致老人失能、癱瘓甚至死亡；此外，跌倒也會致使老人產(chǎn)生諸多心理問題，如害怕運動、擔(dān)心獨立生活等.由于跌倒嚴重威脅著老年人的身心健康，因此，如何對老年人的跌倒進行實時檢測和報警，最大限度提高老年人醫(yī)療監(jiān)護的水平，是一個非常重要的公共健康問題.

由于人體運動的復(fù)雜性、不確定性以及環(huán)境等諸多因素的影響，人體跌倒方式千差萬別，很難對其進行準確地描述和檢測.依據(jù)信號采集渠道的不同，可將目前已有的跌倒檢測技術(shù)分為3類［1］：（1）基于視頻圖像分析的跌倒檢測系統(tǒng).此類系統(tǒng)通過視頻攝像頭捕捉人體運動畫面，經(jīng)過圖像處理算法［2］，確定是否存在具有跌倒的圖像特征.由于攝像頭通常安裝在固定的地點，此類系統(tǒng)只能檢測到固定區(qū)域的人體活動，另外，還可能會泄露被檢測者的個人隱私.（2）基于聲學(xué)的跌倒檢測系統(tǒng).此類系統(tǒng)通過分析跌倒時由于沖擊而導(dǎo)致振動的頻率來檢測跌倒事件，系統(tǒng)安裝比較復(fù)雜，資金投入比較大，而且無法得到很好的精度，故只能作為其他檢測方法的輔助手段.（3）基于可穿戴設(shè)備的跌倒檢測系統(tǒng)［3-5］.此類系統(tǒng)利用多種傳感設(shè)備采集人體運動信息或姿態(tài)信息，并利用算法對其分析處理，判斷是否發(fā)生跌倒事件.基于可穿戴設(shè)備的跌倒檢測系統(tǒng)由于不受運動環(huán)境的限制而更加適合于跌倒檢測，因此具有更為廣闊的應(yīng)用前景.目前國內(nèi)外有很多此類研究裝置及方法，例如Najafi等人將陀螺儀置于人體胸前［6］，通過測定人體軀干移動的角速度來計算人體的坐立姿勢轉(zhuǎn)化，并以此為基礎(chǔ)評估人體跌倒的概率；瑞士學(xué)者開發(fā)了一款叫做Speedy的手表式檢測器原型機［7］，它含有兩個加速度計、一個微處理器和一個無線基站，通過檢測人體是否高速接近地面并且伴隨一個沖擊來判斷跌倒事件；Mathi等人在預(yù)先假定人體跌倒過程是在1～2s完成的前提下［8］，提取三軸加速度z軸方向上分量出現(xiàn)至少連續(xù)兩次脈沖信號，并根據(jù)該脈沖的峰值是否超過已定的閾值來檢測跌倒；Purwar等研究的跌倒檢測設(shè)備由一個三軸加速度傳感器、一個陀螺儀和一個傾角傳感器組成［9］，依據(jù)人體是否離開原始位置并且伴有劇烈加速度變化來檢測跌倒；Bourke等使用兩軸陀螺儀［10］，通過對人體前后及左右方向的角速度進行積分和微分運算得到傾斜角度和角加速度，最后依靠實驗設(shè)定人體軀干傾斜角度和角加速度閾值來檢測摔倒；南京郵電大學(xué)的研究人員設(shè)計的基于三軸加速度傳感器的人體跌倒檢測系統(tǒng)［5］，主要基于姿態(tài)測量特性，利用姿態(tài)角作為跌倒判斷標準；北京工業(yè)大學(xué)的研究人員提出一種基于三軸加速度傳感器的人體跌倒檢測算法［11］，通過提取運動時的超重強度、持續(xù)失重時間、傾斜角度、靜止時間為特征值，在Android智能手機上使用決策樹進行實時處理.從諸多研究文獻來看，穿戴式跌倒檢測系統(tǒng)主要利用多種傳感器采集傳感信息，通過分析跌倒特征來判別跌倒事件，為達到準確判斷的目的，或使用多個傳感設(shè)備，或運用復(fù)雜的算法，導(dǎo)致實時性稍差.

本文著力于老年人意外跌倒的識別研究，主要目的是從日?；顒又凶R別出有損傷的嚴重跌倒.文中提出了一種基于單個三軸加速度傳感器的跌倒檢測算法，通過對人體運動的加速度信息進行閾值判斷和分量變化分析來判斷跌倒事件是否發(fā)生.實驗證明該算法有效.

1 跌倒特征分析

跌倒的情況多種多樣，在某些情況下，跌倒不會引起嚴重后果，例如人在跌倒之后又迅速起身.跌倒檢測通常是為了發(fā)現(xiàn)造成傷害的跌倒事件，對于未造成傷害的跌倒，沒有必要觸發(fā)警報.能造成傷害的跌倒事件一般會經(jīng)歷三個階段：正常的日?；顒印⑼蝗坏?、持續(xù)一段時間的靜臥狀態(tài)或者有微弱運動.

通過三軸加速度傳感器采集到的傳感信息會隨著人體運動過程發(fā)生變化：正?；顒訒r加速度變化比較平穩(wěn)，可能有波動但幅度不大；而跌倒會產(chǎn)生一個強烈的沖擊力，引起加速度的猛烈變化，這個變化通常在1～2s內(nèi)完成；跌倒后的靜臥或者微弱運動通常會持續(xù)比較長的一段時間，此時合加速度接近于重力，且各軸的加速度分量與人體直立狀態(tài)時明顯不同.

跌倒檢測是一個二元決策問題，可以將表示跌倒的數(shù)據(jù)樣本歸為一類，將非跌倒的數(shù)據(jù)樣本歸為一類，如此以來表示非跌倒的數(shù)據(jù)樣本的特點就是各軸數(shù)據(jù)變化相對比較平穩(wěn)，而表示跌倒的數(shù)據(jù)樣本中通常會有一個瞬間的強烈變化.利用機器學(xué)習(xí)的算法訓(xùn)練分類器，并設(shè)計算法調(diào)整決策閾值，確保將99%以上的跌倒樣本都被分類到跌倒集合.

利用閾值對采集到的傳感信息進行分類，可以很好地將跌倒事件從比較柔和的日常活動中區(qū)分出來，但是區(qū)分劇烈的日常活動和跌倒事件，就存在著明顯不足.一些比較猛烈的日?；顒樱ū热缑土业南露祝┯袝r也會產(chǎn)生相對較大的沖擊力，因此，當(dāng)檢測到的加速度信息大于閾值時，并不意味著一定發(fā)生了跌倒事件.由于跌倒發(fā)生后，人體由豎直狀態(tài)轉(zhuǎn)換為近似水平狀態(tài)，因此可以通過對加速度傳感器的各軸分量進行分析來進一步判斷是否發(fā)生跌倒事件，即在檢測到一個疑似跌倒事件之后的一段時間內(nèi)合加速度接近于10m／s2（文中令重力加速度g等于10m／s2），而且加速度傳感器各軸的數(shù)據(jù)也發(fā)生了明顯變化，如原本在豎直方向的某軸的加速度由絕對值為10m／s2變?yōu)榻咏?，而其他兩軸的合加速度接近于重力加速度的絕對值，這時可以認為人體基本水平靜止，跌倒事件發(fā)生.

2 傳感信息采集

依據(jù)Kangas等人的研究成果［12］，固定在頭部、胸部和腰部的加速度傳感裝置能夠較好地通過加速度的變化反映整個人體軀干運動狀態(tài)和姿態(tài)變化.同時，通過多次試驗也證明將傳感器佩戴在人體的腰部比較理想，因為腰部運動狀態(tài)變化相對比較簡單，同時能滿足用戶佩戴方便的要求.進行實驗時，佩戴的三軸加速度傳感器的X軸正向水平向右，Y軸正向豎直向上，Z軸正向水平向后.

采集行走、坐下、起立、躺倒、起床、上下樓梯等日?；顒拥募铀俣葮颖靖?0組，作為非跌倒數(shù)據(jù)樣本集合，采集向前跌倒、向后跌倒、側(cè)向跌倒等不同跌倒方式的加速度樣本各40組作為跌倒數(shù)據(jù)樣本集合.為簡化跌倒檢測算法，選擇合加速度作為特征量［13］，其中x，y，z分別為經(jīng)濾波后X，Y，Z軸的加速度值.采樣的跌倒樣本數(shù)據(jù)如圖1所示，行走樣本數(shù)據(jù)如圖2所示.

圖1 跌倒時各軸輸出及特征向量值Fig.1 Acceleration-change while falling

圖2 行走時各軸輸出及特征向量值Fig.2 Acceleration-change while walking

3 跌倒檢測算法設(shè)計

采用機器學(xué)習(xí)的方法訓(xùn)練正?；顒优c跌倒的分類閾值，在進行跌倒檢測的過程中，先利用此閾值對待檢測數(shù)據(jù)進行初步分類，然后針對檢測到的疑似跌倒，進一步進行分析，根據(jù)各軸加速度分量的變化確定是否發(fā)生跌倒事件.

圖1，2可以看出，日?；顒拥募铀俣茸兓容^緩和，雖然也有可能存在合加速度突然增大的現(xiàn)象，但一般情況下其峰值明顯低于跌倒產(chǎn)生的合加速度峰值，因此可以通過確定一個合理的閾值，將跌倒數(shù)據(jù)和非跌倒數(shù)據(jù)進行初步分類，這里分類所用的閾值不宜過大，應(yīng)保證將99%以上的跌倒行為區(qū)分出來.本文選取閾值TH=1.85×10m·s-2.

在實時跌倒檢測過程中，如果某時刻檢測到加速度特征量e大于閾值，則初步判定可能有跌倒事件發(fā)生.由于一些比較猛烈的正常活動也可能會產(chǎn)生較大的加速度而觸發(fā)閾值，因此需要對觸發(fā)閾值之后一段時間的數(shù)據(jù)進行進一步分析，通過判斷X，Y，Z軸的加速度值的變化，來判斷人體是否基本處于水平靜止的狀態(tài)，以此確定是否發(fā)生跌倒事件.

跌倒以后人體上半身基本處于水平靜止?fàn)顟B(tài)，與之前的豎直狀態(tài)明顯不同.從理論上講，如果加速度傳感器緊緊地固定在人體腰部，且在人體跌倒后不發(fā)生相對移動，那么X軸和Z軸的合加速度應(yīng)該為10m／s2，而Y軸的加速度值應(yīng)變?yōu)?，但在實際測試中，在人體跌倒以后，由于碰撞、摩擦等原因，加速度傳感器與人體的相對位置會發(fā)生一些變化，而且人體也不一定能夠完全水平靜止，因而實際測試中X軸和Z軸的合加速度接近于10m／s2，Y軸的加速度值接近于0，其絕對值在小于2m／s2的范圍內(nèi)，3個軸的加速度分量都比較平穩(wěn)，變化不大.根據(jù)這些特征，通過判斷在產(chǎn)生峰值之后1min內(nèi)采集的數(shù)據(jù)確定是否跌倒.具體算法流程見圖3.

4 結(jié)果與分析

實驗采用的三軸加速度傳感器為Fscale公司的MMA7260，量程選則為±6g，靈敏度為200mV／g，采樣頻率為50Hz.實驗者為3名21～23歲之間的男性，測量數(shù)據(jù)包括行走、起立、坐下、躺倒、上下樓梯下蹲等日常行為.因為老年人的日常活動行為一般較為遲緩，所以未對跑、蹦、跳等劇烈活動進行測試.

測試結(jié)果如表1所示.數(shù)據(jù)表明，有1次猛然下蹲被誤判.究其原因，是因為過于猛烈的活動也會產(chǎn)生比較大沖擊力而使特征量e值大于閾值，而該次誤判主要是因為加速度傳感器的松動，使得方向大幅度變化，從而引起誤判.一般老年人的行為較年輕人遲緩許多，因此一般的日常行為不會產(chǎn)生太大的加速度，故而使用該識別算法進行跌倒檢測能得到更高的準確性.

5 結(jié)束語

本文提出了一種基于單個三軸加速度傳感器的跌倒檢測算法.利用機器學(xué)習(xí)方法，對各類日?；顒訕颖疽约暗箻颖具M行學(xué)習(xí)，確定合理分類閾值，使得99%以上的跌倒事件都能夠正確被分類.在進行跌倒檢測時，先利用閾值對采集的傳感信息特征量進行判斷，當(dāng)傳感信息特征值大于閾值時，可能發(fā)生跌倒事件，為了進一步準確判斷，系統(tǒng)通過對產(chǎn)生特征量峰值之后一分鐘內(nèi)的各軸加速度分量變化進行分析，從而保證算法的準確性.經(jīng)過測試，實驗平均準確率達到99%以上.該算法對于非常緩慢的跌倒識別有一定局限性，但是一般情況下，由于緩慢跌倒不會造成人體損傷而不需要觸發(fā)警報，故不影響跌倒檢測的目的和要求.

圖3 跌倒檢測算法流程圖Fig.3 Algorithm flow chart of fall detection

表1 實驗結(jié)果Table 1 Test results

［1］ NOURY N，F(xiàn)LEURY A，RUMEAU P，et al.Fall detection principles and methods［C］／／29th Annual International Conference of IEEE-EMBS，Engineering in Medicine and Biology Society，EMBC′07，Lyon，2007：1663-1666.

［2］ NGO Y T，NGUYEN Hieu V，PHAM Tuan V.Study on fall detection based on intelligent video analysis［C］／／5th International Conference on Advanced Technologies for Communications，Hanoi，2012：114-117.

［3］ NYAN M N，F(xiàn)RANCIS E H Tay，MANIMARAN M，et al.Garment-based detection of falls and activities of daily living using 3-axis MEMS accelerometer［J］.J Phys：Conf Ser，2006，34：1059-1067.

［4］ JEON A Y，KIM J H，KIM I C，et al.Implementation of the personal emergency response system using a 3-axial accelerometer［C］／／6th International Special Topic Conference on ITAB，Tokyo，2008：223-226.

［5］ 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)計與實現(xiàn)［J］.計算機應(yīng)用，2012，32（5）：1450-1452.WANG Rong，ZHANG Yun，CHEN Jianxin.Design and implementation of fall detection system using tri-axis accelerometer［J］.Journal of Computer Applications，2012，32（5）：1450-1452.

［6］ NAJAFI B，AMINIAN K，LOEW F，et al.Measurement of stand-sit and sit-stand transitions using a miniature gyroscope and its application in fall risk evaluation in the elderly［J］.IEEE Transactions on Biomedical Engineering，2002，49（8）：843-851.

［7］ DEGEN T，JACKEL H，RUFER M，et al.SPEEDY：A fall detector in a wrist watch［C］／／Proc.of 7th International Symposium on Weardable，New York，2003：184-187.

［8］ MATHIE M J，BASILAKIS J，CELLER BG.A system for monitoring posture and physical activity using accelerometers［C］／／23rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society，Istanbul，2001：3654-3657.

［9］ PURWAR Amit，JEONG Doum，CHUNG Wanyoung.Activity monitoring from real-time triaxial accelerometer data using sensor network［C］／／International Conference on Control，Automation and Systems，Seoul，2007：2402-2406.

［10］ BOURKE A，O′Brien J V，LYONS G M.Evaluation of a threshold-based tri-axial accelerometer fall detection algorithm［J］.Gait &Posture，2007，26（2）：194-199.

［11］ 李娜，侯義斌，黃樟欽.基于人體加速度特征的實時跌倒識別算法［J］.小型微型計算機系統(tǒng)，2012，33（11）：2410-2413.LI Na，HOU Yibin，HUANG Zhangqin.Implementation of a real-time fall detection algorthm based on body′s acceleration［J］.Journal of Chinese Computer Systems，2012，33（11）：2410-2413.

［12］ KANGAS M，KONTTILA A，WINBLAD I，et al.Determination of simple thresholds for accelerometer-based parameters for fall detectio［C］／／Proceedings of the 29th Annual International Conference of the IEEE on Engineering in Medicine and Biology Society.Washington DC：IEEE Computer Society，2007：1367-1370.

［13］ 張愛華，王璐.基于三維加速度傳感器設(shè)計的跌倒檢測［J］.中國組織工程研究與臨床康復(fù)，2010，14（48）：9029-9032.ZHANG Aihua，WANG Lu.Tumble detection based on three-dimensional acceleration transducer［J］.Journal of Clinical Rehabilitative Tissue Engineering Research，2010，14（48）：9029-9032.