卓從彬，楊龍頻，周　林*，羅　丹(.重慶郵電大學(xué)通信軟件研究所，重慶400065; .北京醫(yī)院，北京00730)

?

基于MPU6050加速度傳感器的跌倒檢測(cè)與報(bào)警系統(tǒng)設(shè)計(jì)*

卓從彬1，楊龍頻2，周林1*，羅丹1
(1.重慶郵電大學(xué)通信軟件研究所，重慶400065; 2.北京醫(yī)院，北京100730)

摘要:分析不同年齡段老年人行為和跌倒?fàn)顟B(tài)變化(SVM)和姿態(tài)特征變化(姿態(tài)角)，設(shè)計(jì)一種基于加速度傳感器的跌倒檢測(cè)系統(tǒng)。使用MPU6050加速度傳感器，通過無線傳輸(HC－06藍(lán)牙模塊)將采集到的數(shù)據(jù)傳輸?shù)絇C機(jī)上保存。通過MATLAB輔助分析采集的不同年齡段老年人各種行為數(shù)據(jù)的差異性，為不同年齡段老年人設(shè)置不同的跌倒檢測(cè)閾值。仿真實(shí)驗(yàn)證明對(duì)不同年齡段的老年人設(shè)置不同跌倒檢測(cè)閾值的跌倒檢測(cè)算法與其他同一類型的跌倒檢測(cè)算法相比有到更高的準(zhǔn)確率和實(shí)用性。

關(guān)鍵詞:跌倒檢測(cè); MPU6050加速度傳感器; SVM; GSM模塊; HC－06藍(lán)牙模塊

跌倒是指突發(fā)、不自主、非故意的體位改變，倒在地上或者更低的平面上。按照國際疾病分類(ICD－10)對(duì)跌倒的分類，跌倒包括以下兩類:(1)從一個(gè)平面至另一個(gè)平面的跌落; (2)同一個(gè)平面的跌倒。跌倒是我國造成傷害死亡的第4位原因，而在65歲以上的老年人中則為首位。老年人跌倒死亡率隨年齡的增長(zhǎng)而急劇上升。跌倒除了導(dǎo)致老年人死亡外，還導(dǎo)致大量疾病，如輕則導(dǎo)致劃傷或者骨折;重則導(dǎo)致昏厥、腦血管意外，甚至導(dǎo)致癱瘓。老年人跌倒后的恐懼心理將降低老年人的活動(dòng)能力，使其活動(dòng)范圍受限，生活質(zhì)量降低［1］。而跌倒所導(dǎo)致死亡的主要原因是老年人在跌倒后沒有及時(shí)得到救治，而耽誤了最佳的搶救時(shí)間。如何準(zhǔn)確快速地檢測(cè)到老年人跌倒并及時(shí)通知親人和急救中心是本文研究的重點(diǎn)。跌倒檢測(cè)技術(shù)的方法有很多，從信號(hào)采集的渠道進(jìn)行分類，將跌倒檢測(cè)技術(shù)分為3類:(1)基于視頻的跌倒檢測(cè)系統(tǒng); (2)基于聲學(xué)的跌倒檢測(cè)系統(tǒng); (3)基于穿戴式的跌倒檢測(cè)系統(tǒng)［2］。Vaidehi V［3］等人利用安裝在室內(nèi)的攝像頭實(shí)時(shí)捕捉被觀察者的靜態(tài)特性:縱橫比(Aspect Video)和身體傾角(Inclination Angle)，通過實(shí)驗(yàn)采集到的數(shù)據(jù)來確定縱橫比和傾角的閾值，當(dāng)被觀察著的縱橫比和傾角都超過相應(yīng)的閾值時(shí)就視為跌倒事件發(fā)生，這種檢測(cè)方法只適用于室內(nèi)環(huán)境并且涉及到個(gè)人隱私泄露等限制。Chen Diansheng［4］等人，運(yùn)用Freescale公司生產(chǎn)的三維加速度傳感器MMA7260QT實(shí)時(shí)監(jiān)測(cè)被觀察者的三維加速度值，作者把跌倒過程分為3個(gè)階段:跌倒發(fā)生到與地面接觸之前;與地面接觸的瞬間和跌倒在地面后。在這3個(gè)階段分別以加速度和角度作為觀察數(shù)據(jù)。通過仿真驗(yàn)證所設(shè)計(jì)的跌倒檢測(cè)系統(tǒng)的靈敏度(Sensitivity)為97%，特異性(Specificity)為100%，其中靈敏度表示正確檢測(cè)出跌倒的能力;特異性表示正確檢測(cè)出正常行為的能力。但是該系統(tǒng)也存在一些缺點(diǎn)如:跌倒實(shí)驗(yàn)的原始數(shù)據(jù)是由22歲～26歲的年輕人為觀察模擬跌倒對(duì)象。因此，測(cè)量的跌倒數(shù)據(jù)值可能比老年人跌倒時(shí)的實(shí)際值要偏大，并且作者沒有對(duì)不同年齡段的老年人設(shè)置不同的跌倒檢測(cè)閾值等缺點(diǎn)。通過總結(jié)和比較過去的研究成果對(duì)跌倒檢測(cè)系統(tǒng)進(jìn)行以下幾點(diǎn)創(chuàng)新使得本文所設(shè)計(jì)的跌倒檢測(cè)系統(tǒng)在可靠性和實(shí)用性都有所提高。首先，在硬件上面使用MPU6050加速度傳感器，這是全球第1款9軸運(yùn)動(dòng)處理傳感器芯片，能夠更準(zhǔn)確的檢測(cè)人體的多種加速度變化來用于跌倒檢測(cè);其次，所選擇的STC12C5A60S2單片機(jī)是一款高速/低功耗/超強(qiáng)抗干擾的新一代8051單片機(jī)，它的處理速度是普通單片機(jī)的8倍～12倍，提高了跌倒檢測(cè)的準(zhǔn)確度;最后，本文在跌倒檢測(cè)算法上也有所創(chuàng)新，考慮到不同年齡段的老年人的各種行為特征存在一定差異［5］，所以本文在選擇跌倒檢測(cè)閾值時(shí)是根據(jù)分析大量不同年齡段老年人的各種行為特征，為不同年齡段老年人的跌倒檢測(cè)算法選擇不同的跌倒檢測(cè)閾值，這樣可以提高跌倒檢測(cè)系統(tǒng)的準(zhǔn)確率和實(shí)用性。綜上所述，本文所設(shè)計(jì)的跌倒檢測(cè)系統(tǒng)與之前的研究成果相比能夠提高3%～5%的準(zhǔn)確率，而且具有更高可靠性和實(shí)用性。

1　系統(tǒng)架構(gòu)設(shè)計(jì)

系統(tǒng)主要由3大部分組成:可穿戴式的跌倒檢測(cè)終端、GSM傳輸和監(jiān)測(cè)中心，如圖1所示。可穿戴式的跌到檢測(cè)終端由MPU6050加速度傳感器、STC12C5A60S2單片機(jī)和GSM模塊(BENQ M22)組成。MPU6050傳感器是全球首例9軸運(yùn)動(dòng)處理傳感器芯片，它集成有三軸MEMS陀螺儀，三軸MEMS加速度計(jì)，以及一個(gè)可供擴(kuò)展的數(shù)據(jù)運(yùn)動(dòng)處理器DMP (Digital Motion Processor)［6］，并且MPU6050傳感器的輸出為數(shù)字?jǐn)?shù)據(jù)，不需要A/D轉(zhuǎn)換器就可以直接傳送到單片機(jī)中進(jìn)行處理，這樣可以減小系統(tǒng)的能耗、誤差和整個(gè)系統(tǒng)的體積。利用MPU6050傳感器可以實(shí)時(shí)檢測(cè)人體的三軸加速度和三軸角度的變化，這些人體特征的變化是用來判斷是否有跌倒發(fā)生的有力證據(jù)。STC12C5A60S2單片機(jī)是由宏晶科技生產(chǎn)的單時(shí)鐘/機(jī)器周期(1T)單片機(jī)，是一款高速/低功耗/超強(qiáng)抗干擾的新一代8051單片機(jī)，該特性可以大大延長(zhǎng)整個(gè)跌倒檢測(cè)系統(tǒng)在一次充電后的使用時(shí)間。并且STC12C5A60S2單片機(jī)比普通51系列單片機(jī)的速度快8倍～12倍使得能夠快速地處理MPU6050傳感器采集的數(shù)據(jù)，從而提高跌倒檢測(cè)系統(tǒng)的實(shí)時(shí)性和準(zhǔn)確性。在跌倒時(shí)由GSM模塊發(fā)送報(bào)警短信到綁定的親人手機(jī)中求救。

圖1　跌倒檢測(cè)原理框圖

首先MPU6050傳感器模塊采集人體的加速度值，通過SDA接口傳送到STC12C5A60S2單片機(jī)中，單片機(jī)接收到加速度數(shù)據(jù)后，運(yùn)行存儲(chǔ)在單片機(jī)ROM存儲(chǔ)器中的跌倒檢測(cè)系統(tǒng)算法，如果判斷出跌倒發(fā)生就產(chǎn)生一個(gè)中斷，該中斷函數(shù)激活GSM模塊發(fā)生一條報(bào)警短信到被綁定的手機(jī)中求救，并且該中斷函數(shù)也將激活蜂鳴器發(fā)出求救信號(hào)向周圍人群請(qǐng)求幫助，從而實(shí)現(xiàn)跌倒后第一時(shí)間被救助。

2　跌倒檢測(cè)算法設(shè)計(jì)

人體跌倒是由于身體不自主失去平衡的行為，在跌倒的瞬間［7］，人體的重力，加速度，位移和姿態(tài)等相關(guān)量都會(huì)發(fā)生相應(yīng)的變化［8］。本研究課題結(jié)合人體在發(fā)生跌倒時(shí)的重力、加速度和姿態(tài)的變化來判斷跌倒事件，其中假設(shè)人體正前方為X軸方向，正左方為Y軸方向，豎直方向?yàn)閆軸方向，如圖2所示。

圖2　三維加速度方向圖

通過觀察和分析采集到的志愿者跌倒數(shù)據(jù)，可以跌倒的具體過程如下:首先，跌倒發(fā)生時(shí)人體的重力加速度az會(huì)有一個(gè)瞬間的下降過程，如圖3所示，其中X軸代表采樣時(shí)間(單位:ms)，Y軸代表重力加速度值(單位:gn);隨后身體在與地面接觸時(shí)會(huì)與地面產(chǎn)生一個(gè)激烈的沖擊，這個(gè)沖擊表現(xiàn)為人體的運(yùn)動(dòng)狀態(tài)值SVM會(huì)有一次突變，其中SVM為如式(1)所示;最后身體平躺在地面，此時(shí)人體z軸的角度接近0°，如圖4所示:其中X軸代表采樣時(shí)間(單位:ms)，Y軸代表人體角度值(單位:°)。

式中，ax、ay、az分別代表人體三維加速度值，即三維加速度值，如圖2標(biāo)注所示。

圖3　跌倒時(shí)重力加速度變化情況

圖4　跌倒時(shí)人體Z軸角度變化

當(dāng)身體與地面發(fā)生激烈沖擊過后，人體將躺在地面或者坐在地面，此時(shí)人體處于一個(gè)相對(duì)靜止的狀態(tài)，這時(shí)可以運(yùn)用此時(shí)人體的x、y、z軸的角度值來判斷人體的姿態(tài)。綜上所述，跌倒過程中將要設(shè)置3個(gè)閾值分別是:重力加速度閾值Tgravity、運(yùn)動(dòng)狀態(tài)閾值Tsvm和角度閾值Tangle，由于不同年齡段的老年人走路的方式有所差別，所以這3個(gè)閾值對(duì)不同的老年人所有差別，比如年齡比較大的老年人為了安全就應(yīng)該把閾值設(shè)置得比年齡較小的老年人小。只有同時(shí)滿足這3個(gè)閾值后才有可能發(fā)出報(bào)警信號(hào)。當(dāng)系統(tǒng)檢查到跌倒時(shí)會(huì)延遲30 s時(shí)間等待用戶確認(rèn)是否發(fā)出求救短信，在30 s后如果當(dāng)事人沒有解除報(bào)警，系統(tǒng)就會(huì)通過GSM模塊向監(jiān)測(cè)中心(被綁定的親人手機(jī))發(fā)出求救信號(hào)，具體流程圖為如圖5所示。

圖5　跌到檢測(cè)算法流程圖

3　實(shí)驗(yàn)測(cè)試與結(jié)果分析

3.1原始數(shù)據(jù)的采集

根據(jù)跌倒檢測(cè)系統(tǒng)的原理，需要通過分析老年人日常生活中的各種行為，找出這些行為與跌倒行為的差異，這樣一來可以獲得跌倒檢測(cè)算法中所需要的閾值。本文根據(jù)老年人的日常生活把他們?cè)谌粘Ｉ钪械男袨榉譃閮刹糠?一部分是日常行為ADL(Activities of Daily Life);另一部分則是跌倒(Fall Down)。把日常行為活動(dòng)又劃分成:水平行走、坐下、躺下、上下臺(tái)階、蹲下、慢跑和快跑(這種行為在老年人中很少發(fā)生，所以這種行為的原始數(shù)據(jù)不測(cè));跌倒又可以劃分成:向前跌倒、向后跌倒、向左跌倒和向右跌倒，具體結(jié)構(gòu)圖如圖6所示。

圖6　老年人日常行為

本文結(jié)合所應(yīng)用的跌到檢測(cè)算法，選取60歲～65歲、65歲～70歲、70歲～75歲和75歲～80歲4個(gè)年齡段的老年人作為日常行為活動(dòng)(處于安全考慮，跌倒行為的原始數(shù)據(jù)不以老年人為采集對(duì)象)原始數(shù)據(jù)的采集對(duì)象。20歲～25歲、25歲～30歲、30歲～35歲和35歲～40歲4個(gè)年齡段的青年人作為跌倒原始數(shù)據(jù)的采集對(duì)象(為了保證安全每一次跌倒都是特意地摔倒在厚度為約10cm的軟墊上)。每一個(gè)年齡段分別選擇男性和女性各5名，對(duì)每一個(gè)采集對(duì)象的上述圖6中行為各采集2 min左右。

3.2正常行為的數(shù)據(jù)采集結(jié)果

通過MATLAB仿真工具把采集到的數(shù)據(jù)繪制出，這里列出不同年齡段的老年人在水平行走時(shí)的三維加速度值和SVM值，如圖7和圖8所示，其中X軸為數(shù)據(jù)采集時(shí)間(單位:ms); Y軸為水平行走時(shí)采樣數(shù)據(jù)的SVM值(單位:gn)。從圖中可以看出年齡越大在行走時(shí)，三維加速度值變化就越平緩且SVM值就越小。

圖7　62歲老年人水平行走時(shí)的SVM值隨時(shí)間的變化圖

圖8　73歲老年人的水平行走的SVM值隨時(shí)間的變化圖

圖9　84歲老年人的水平行走的SVM值隨時(shí)間的變化圖

下面通過不同年齡段的老年人在相同行為的SVM均值進(jìn)行對(duì)比，如表1所示。

表1　不同年齡段的老年人在各種行為下最大SVM的均值

3.3跌倒行為的數(shù)據(jù)采集結(jié)果

與正常行為的數(shù)據(jù)采集一樣，以年輕人為采集對(duì)象來模擬跌倒行為的發(fā)生。下面給出兩個(gè)年齡段跌倒的運(yùn)動(dòng)狀態(tài)SVM值(這里只提取出跌倒發(fā)生前后過程中的SVM值)，如圖所示，其中X軸為數(shù)據(jù)采集時(shí)間(單位:ms); Y軸為向前跌倒時(shí)采樣數(shù)據(jù)的SVM值(單位:gn)。

圖10　30歲青年向前跌倒的SVM值隨時(shí)間的變化圖

圖11　38歲青年向前跌倒的SVM值隨時(shí)間的變化圖

從上面的圖形可以看出，在不同年齡段的年輕人的跌倒行為大致相同，在跌倒在地之前SVM值有一個(gè)瞬間的減小，這是因?yàn)樵谒さ箷r(shí)人體的重力加速度有一個(gè)瞬間的減小。從圖中可以看出在身體與地面接觸時(shí)與地面有一個(gè)沖擊，此時(shí)SVM值有一個(gè)瞬間的增大。沖擊過后身體保持不動(dòng)，此時(shí)SVM的值變化較小。

比較不同年齡段年輕人的跌倒SVM值可以看出他們的最大SVM值有明顯的不同:30歲年輕人跌倒的最大SVM值為1.72 gn; 38歲年輕人跌倒的最大SVM值為1.55 gn。這種不同與不同年齡段的老年人的日常行為(如圖7～圖9所示)的最大SVM值不同相符合。所以這兩個(gè)的一致性說明了不同年齡段的老年人的跌倒檢測(cè)算法的閾值應(yīng)該不一樣，這證明了本文提出的最后一個(gè)創(chuàng)新點(diǎn)的正確性。

4　數(shù)據(jù)分析

從上面的圖形顯示同一種行為在不同的年齡段老年人所表現(xiàn)出不同的SVM值，年齡越大在相同的行為時(shí)更加緩和。比如:上臺(tái)階時(shí)62歲老年人的SVM最大值為1.8 gn，而84歲老年人的SVM最大值為1.25 gn;水平行走時(shí)62歲老年人的SVM最大值為1.87 gn，而84歲老年人的SVM最大值為1.6 gn;坐下時(shí)62歲老年人的SVM最大值為1.43 gn，而84歲老年人的SVM最大值為1.26 gn。所以在不同年齡段應(yīng)該有不同的SVM閾值來判斷跌倒。由于本次試驗(yàn)的年輕人是跌倒在厚度為約10 cm的軟墊上，所以真實(shí)跌倒時(shí)身體與地面的沖擊將比試驗(yàn)跌倒時(shí)的沖擊大，因而跌倒時(shí)的最大SVM值將比試驗(yàn)時(shí)的最大SVM值大。這里結(jié)合所采集到的不同年齡段的年輕人在模擬跌倒時(shí)的數(shù)據(jù)，得出不同年齡段的老年人的不同閾值，如表2所示。

表2　不同年齡段設(shè)置的跌倒閾值

5　系統(tǒng)仿真與分析

本文通過MATLAB模擬不同年齡段老年人的跌倒行為，應(yīng)用表2中不同年齡段的跌倒算法閾值，對(duì)100組數(shù)據(jù)(其中有10次跌倒行為)進(jìn)行重復(fù)檢查10次。這里通過兩個(gè)參數(shù)來判斷這個(gè)系統(tǒng)的性能，分別是:True Positive(跌倒發(fā)生時(shí)準(zhǔn)確報(bào)警，TP)和False Positive(跌倒未發(fā)生時(shí)報(bào)警，F(xiàn)P)。檢查結(jié)果顯示在65歲～70歲所設(shè)置的閾值的TP均值為97.7%，F(xiàn)P均值為0.5%; 70歲～75歲的TP均值為98.4%，F(xiàn)P均值為1.1%; 75歲～80歲的TP均值為99.1%，F(xiàn)P均值為1.5%; 80歲～85歲的TP均值為99.8%，F(xiàn)P均值為3.5%。所以通過不同年齡段的老年人所表現(xiàn)出的日常行為的差異性，設(shè)置不同的跌倒檢測(cè)閾值可以得到更高的準(zhǔn)確率。雖然在仿真過程中80歲～85歲的誤報(bào)率要比其他幾個(gè)年齡段稍大一點(diǎn)，因?yàn)榭紤]到這個(gè)年齡段的老年人的特殊性，所以寧愿誤報(bào)一次也不能放過每一次跌倒的正確報(bào)警。

6　結(jié)論與展望

本文通過對(duì)跌倒行為和老年人的日常行為進(jìn)行研究，分析日常行為與跌倒行為的差異性，設(shè)計(jì)出針對(duì)不同年齡段設(shè)置的不同閾值的跌倒檢測(cè)系統(tǒng)，獲得了較高的準(zhǔn)確率。隨著我國人口老齡化趨勢(shì)的加劇，該裝置為老年人以及相關(guān)需要的人群提供穿戴式的設(shè)計(jì)。一方面，保護(hù)了使用者的隱私;另一方面，降低了老年人怕跌倒而不敢外出的恐懼，為老年人的生活帶來了便利和健康。但是本文所設(shè)計(jì)的跌倒檢測(cè)系統(tǒng)也存在不足，如:在采集跌倒的原始數(shù)據(jù)時(shí)是以年輕人為采集對(duì)象，因?yàn)槔夏耆说牡古c年輕人的跌倒有差異，所以對(duì)閾值的選擇帶來一定的影響。

參考文獻(xiàn):

［1］老年人跌倒干預(yù)技術(shù)指南［S］.衛(wèi)生部疾病預(yù)防控制局，2011.

［2］鄒眾鷹，謝存禧.基于家庭的遠(yuǎn)程健康監(jiān)護(hù)系統(tǒng)進(jìn)展［J］.計(jì)算機(jī)工程與應(yīng)用，2005，30(10):20－34.

［3］Vaidehi V，Kirupa Ganapathy，Mohan K，et al.Video Based Automatic Fall Detection Indoor Environment［C］//IEEE-International Conference on Recent Trends in Information Technology，ICRTIT 2011，MIT，Anna University，Chennai.2011:3－5.

［4］Chen Diansheng，F(xiàn)eng Wei，Zhang Yu，et al.A Wearable Wireless Fall Detection System with Accelerators［C］//Proceedings of the 2011 IEEE International Conference on Robotics and Biomimetics.2011:7－11.

［5］Hu Xinyao，Qu Xingda.An Individual-Specific Fall Detection Model Based on the Statistical Process Control Chart［J］.Safety Science，2014，64:13－21.

［6］陳煒峰，席萬強(qiáng)，周峰，等.基于物聯(lián)網(wǎng)技術(shù)的山體滑坡監(jiān)測(cè)及預(yù)警系統(tǒng)設(shè)計(jì)［J］.電子器件，2014，37(2):279－282.

［7］孫新香.基于三軸加速度傳感器的跌到檢測(cè)技術(shù)的研究與應(yīng)用［D］.上海:上海交通大學(xué)，2008.

［8］董潔，笪東旭，楊文武，等.基于STM32W的老年人心率實(shí)時(shí)監(jiān)測(cè)及跌倒檢測(cè)系統(tǒng)［J］.電子元器件應(yīng)用，2012(Z1):75－82.

卓從彬(1989－)，男，漢族，四川內(nèi)江人，重慶郵電大學(xué)通信與信息工程學(xué)院碩士研究生，主要研究方向物聯(lián)網(wǎng)應(yīng)用、無線傳感器網(wǎng)絡(luò)，6343609492@qq.com;

羅　丹(1991－)女，漢族，重慶長(zhǎng)壽人，重慶郵電大學(xué)通信與信息工程學(xué)院碩士研究生，主要研究方向物聯(lián)網(wǎng)應(yīng)用，1097342405@qq.com。

Machine Vision Technology in Application to Detecting Ill Individuals of Flocks*

WEI Changbao*，LI Ping
(Huanghuai College Information Engineering College，Zhumadian He’nan 463000，China)

Abstract:The current farm，ambient temperature，air flow，eggs，poultry manure，food and water supplies have been completely automatic controlled.However，the dead poultry in the farm has not automatic monitor and it can cause the environmental pollution.For the above mentioned various defects detected in dead poultry inspections to farm，we used the method of logic and operations to exclude the presence of part of live chickens，and by means of extracting the important features of each chicken.Based on the change of such features，It can be judged whether the chickens died or not.The experimental results can be obtained that the image recognition method can effectively enhance the detection accuracy of dead chickens.

Key words:machine vision; automatic detection; feature extraction; detection precison

doi:EEACC:6140C; 720010.3969/j.issn.1005－9490.2015.04.022

收稿日期:2014－10－21修改日期:2014－11－27

中圖分類號(hào):TP212.3

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):1005－9490(2015)04－0821－05

項(xiàng)目來源:基于物聯(lián)網(wǎng)技術(shù)的呼吸、脈博異變及跌落的實(shí)時(shí)監(jiān)測(cè)與報(bào)警的關(guān)鍵技術(shù)研究項(xiàng)目(61171190)