王 振， 肖明波

(杭州電子科技大學(xué) 通信工程學(xué)院，浙江 杭州 310018)

數(shù)據(jù)融合的跌倒檢測(cè)系統(tǒng)設(shè)計(jì)*

王 振， 肖明波

(杭州電子科技大學(xué) 通信工程學(xué)院，浙江 杭州 310018)

為解決跌倒檢測(cè)中檢測(cè)設(shè)備功耗高、報(bào)警范圍受限、攜帶不便等難題，結(jié)合Arduino與Android設(shè)計(jì)了基于MPU6050的跌倒檢測(cè)系統(tǒng)，提出了基于數(shù)據(jù)融合的并行閾值算法，通過(guò)對(duì)5位實(shí)驗(yàn)者的模擬測(cè)試，該算法實(shí)現(xiàn)了97.6 %的精確度和99.2 %的特異性。實(shí)驗(yàn)表明:算法和方案在方便攜帶的基礎(chǔ)上能較為準(zhǔn)確地實(shí)現(xiàn)人體跌倒檢測(cè)并及時(shí)定位報(bào)警。

跌倒檢測(cè)； 數(shù)據(jù)融合； 并行閾值算法； Arduino； Android

0 引 言

目前，國(guó)內(nèi)外大部分跌倒檢測(cè)系統(tǒng)的研究并沒(méi)有給出完整的系統(tǒng)設(shè)計(jì)方案，只針對(duì)跌倒檢測(cè)算法做出了研究，且大多計(jì)算量較大、設(shè)計(jì)復(fù)雜、價(jià)格昂貴，難以得到廣泛的應(yīng)用。Shibuya N等人提出基于步態(tài)分析的支持向量機(jī) (support vector machine，SVM)跌倒檢測(cè)算法[1,2]，實(shí)現(xiàn)了對(duì)人體活動(dòng)的分類識(shí)別，并有效的檢測(cè)到跌倒事件。Jantaraprim P等人提出了基于時(shí)間窗的SVM雙閾值判決法[3]檢測(cè)人體摔倒，算法簡(jiǎn)單有效。2012年深圳愛(ài)福萊科技有限公司推出了檢測(cè)跌倒并且自動(dòng)發(fā)送求救信息的手機(jī)—愛(ài)福萊A03[4]，它能夠自動(dòng)檢測(cè)跌倒事件、并對(duì)跌倒地點(diǎn)自動(dòng)定位、報(bào)警，但生產(chǎn)成本太高，采樣器也只采用了單一的三軸加速度計(jì)，可靠性不高。2015年，重慶郵電大學(xué)聯(lián)合北京醫(yī)院開(kāi)發(fā)了一種基于多閾值判決法的跌倒檢測(cè)系統(tǒng)[5]，將六軸慣性運(yùn)動(dòng)傳感器MPU6050和GMS/GPS模塊集成在一起，增大了裝置的體積和開(kāi)發(fā)成本。

本文提出了一種基于數(shù)據(jù)融合的并行閾值算法，并設(shè)計(jì)開(kāi)發(fā)出以Arduino為硬件平臺(tái)，MPU6050為采樣器，Android App自動(dòng)定位報(bào)警的跌倒檢測(cè)系統(tǒng)，具有體積小、運(yùn)行穩(wěn)定可靠等優(yōu)勢(shì)，成本低、操作簡(jiǎn)單，擁有較大的市場(chǎng)空間。

1 跌倒檢測(cè)系統(tǒng)設(shè)計(jì)

系統(tǒng)控制器采用Arduino Nano開(kāi)發(fā)板[6]，相較于其他開(kāi)發(fā)板，該控制板體積小、功耗低、功能強(qiáng)大，其主控制芯片為ATmega328，可提供14路數(shù)字I/O接口(其中6路作為脈寬調(diào)制(PWM)輸出)和8路模擬輸入接口，完全滿足系統(tǒng)設(shè)計(jì)需求。跌倒檢測(cè)系統(tǒng)的示意框圖如圖1所示，系統(tǒng)主要由跌倒檢測(cè)模塊和報(bào)警通知模塊兩大部分組成。

圖1 跌倒檢測(cè)系統(tǒng)示意框圖

跌倒檢測(cè)模塊中，首先將MPU6050接入到Arduino控制板的數(shù)據(jù)端和時(shí)鐘端，并通過(guò)I2C串口通信傳輸數(shù)據(jù)。Arduino通過(guò)Z相應(yīng)轉(zhuǎn)換及系統(tǒng)設(shè)定的數(shù)據(jù)融合算法提取相應(yīng)特征值，進(jìn)而由文中提出的并行閾值算法判斷跌倒事件是否發(fā)生。若跌倒事件觸發(fā)，則小燈閃爍，警報(bào)響起；如果20 s內(nèi)沒(méi)有解除警報(bào)，藍(lán)牙模塊HC—05就會(huì)通過(guò)Arduino的串行輸出和輸入通信與上位機(jī)藍(lán)牙進(jìn)行通信，并傳輸“true”給手機(jī)App端。硬件電路設(shè)計(jì)原理圖2所示。

圖2 硬件電路設(shè)計(jì)原理

報(bào)警通知模塊中，當(dāng)上位機(jī)App后臺(tái)監(jiān)聽(tīng)到“true”時(shí)，系統(tǒng)自動(dòng)定位用戶當(dāng)前位置，并將用戶當(dāng)前位置以短信形式發(fā)送到監(jiān)護(hù)人手機(jī)。Android App的設(shè)計(jì)流程圖如圖3所示。Android App的主要設(shè)計(jì)程序?yàn)椋菏褂肂luetooth Adapter的start Discovery()方法搜索藍(lán)牙設(shè)備，通過(guò)BluetoothSocket建立通信并實(shí)施監(jiān)聽(tīng)。當(dāng)后臺(tái)監(jiān)聽(tīng)到“true”字符的時(shí)候，觸發(fā)getLocation()方法調(diào)用百度API自動(dòng)定位當(dāng)前位置，同時(shí)觸發(fā)事件，通過(guò)SmsManager向預(yù)先設(shè)定好的手機(jī)號(hào)發(fā)送當(dāng)前所讀取到的經(jīng)緯度以及對(duì)應(yīng)位置。Android App端的界面圖和收到的短信內(nèi)容如圖4所示。

圖3 APP設(shè)計(jì)流程

圖4 APP界面和報(bào)警短信內(nèi)容

2 數(shù)據(jù)融合

MPU6050是由陀螺儀和三軸加速度傳感器組成。陀螺儀輸出角速度，角速度與時(shí)間積分計(jì)算角度，其積分時(shí)間Dt越小，輸出角度越精確。但陀螺儀的原理決定了它的測(cè)量基準(zhǔn)是自身，并沒(méi)有系統(tǒng)外的絕對(duì)參照物，且Dt不可能無(wú)限小，所以,積分的累積誤差會(huì)隨著時(shí)間流逝迅速增加，最終導(dǎo)致輸出角度與實(shí)際不符。而加速度傳感器測(cè)量的是重力方向，在無(wú)外力加速度的情況下，能準(zhǔn)確輸出Roll/Pitch兩軸姿態(tài)角度，且角度不會(huì)有累積誤差。但是加速度傳感器實(shí)際上是用微系統(tǒng)(MEMS)技術(shù)檢測(cè)慣性力造成的微小形變，而慣性力與重力本質(zhì)是一樣的，所以，加速度計(jì)不會(huì)區(qū)分重力加速度與外力加速度，當(dāng)系統(tǒng)在三維空間做變速運(yùn)動(dòng)時(shí)，其輸出變得不準(zhǔn)確。在沒(méi)有其他參照物的基礎(chǔ)上，要得到較為準(zhǔn)確的身體傾斜角，就要利用信息融合揚(yáng)長(zhǎng)避短，結(jié)合兩者的優(yōu)點(diǎn)，摒棄各自缺點(diǎn)，設(shè)計(jì)算法在短時(shí)間尺度內(nèi)增加陀螺儀的權(quán)值，在更長(zhǎng)時(shí)間尺度內(nèi)增加加速度權(quán)值，這樣系統(tǒng)輸出角度就接近真實(shí)值了。

本文采用聯(lián)合卡爾曼融合算法[7]，先分散處理，再全局融合，各子濾波器并行運(yùn)行。聯(lián)合卡爾曼濾波融合框圖如圖5所示。

圖5 聯(lián)合卡爾曼濾波融合框圖

根據(jù)卡爾曼基本方程，局部濾波方程為

Xi(k,k-1)=Φi(k,k-1)Xi(k-1)

Xi(k)=Xi(k,k-1)+Ki(k)[Zi(k)-Hi(k)Xi(k,k-1)]

Pi(k)=[1-Ki(k)Hi(k)]Pi(k,k-1)

式中i=1，2；X為被估計(jì)狀態(tài)；Φ為狀態(tài)轉(zhuǎn)移陣；Γ為系統(tǒng)噪聲驅(qū)動(dòng)陣；Q為系統(tǒng)噪聲序列的方差陣；R為量測(cè)噪聲序列的方差陣；H為量測(cè)陣；K為濾波增益；Z為X的量測(cè)；P為估計(jì)均方誤差。

主濾波器只負(fù)責(zé)信息融合處理，不進(jìn)行濾波運(yùn)算，取系統(tǒng)的全局估計(jì)值為各局部濾波器加權(quán)和，即

X(k,k-1)=β1X1(k,k-1)+β2X2(k,k-1)

式中β1+β2=1。β1和β2均為子濾波器的權(quán)值。

在信息融合的過(guò)程中，如果某一子濾波器的狀態(tài)估計(jì)精度高，則主濾波器對(duì)該子濾波器輸出的利用權(quán)重就大；反之，其利用權(quán)重就小[8]。這種結(jié)構(gòu)的子濾波器相互獨(dú)立，沒(méi)有反饋?zhàn)饔脦?lái)的相互影響，能夠保障系統(tǒng)的容錯(cuò)性能最好。同時(shí)數(shù)據(jù)計(jì)算量少，有利于數(shù)據(jù)獲取的實(shí)時(shí)性。

為驗(yàn)證算法的適用性，實(shí)驗(yàn)中，截取一部分人體繞豎直方向轉(zhuǎn)動(dòng)的運(yùn)動(dòng)信息，通過(guò)融合算法得到角度值，并與常見(jiàn)的一階、二階互補(bǔ)濾波得到的角度值以及原始數(shù)據(jù)做出對(duì)比。如圖6所示，看出：原始數(shù)據(jù)包含許多噪聲，經(jīng)過(guò)一階濾波之后數(shù)據(jù)平滑，但是數(shù)據(jù)的穩(wěn)定性相對(duì)于二階濾波和卡爾曼濾波融合略差，而二階互補(bǔ)濾波后的數(shù)據(jù)仍摻雜不明顯的高頻信號(hào)，故卡爾曼濾波融合更適于本文研究。

圖6 傾斜角度值對(duì)比

3 基于數(shù)據(jù)融合的并行閾值算法

人體跌倒屬于一種短暫性的活動(dòng)，身體加速度的幅度峰值變化較大，人體跌倒的過(guò)程中，身體的傾斜角度也是在變化的，最終變化幅度為80°～100°。經(jīng)典閾值算法根據(jù)加速度幅值和傾斜角度的優(yōu)先級(jí)進(jìn)行判斷，然而這種算法的缺點(diǎn)是，當(dāng)一些檢測(cè)對(duì)象做劇烈運(yùn)動(dòng)時(shí)，會(huì)出現(xiàn)誤判、漏判的問(wèn)題。參照經(jīng)典閾值算法，本文所提取的特征值如下

θ=arccos((ax×bx+ay×by+az×bz)/AM/BM)

跌倒檢測(cè)系統(tǒng)的主要應(yīng)用對(duì)象是病人和老人，他們的日常行為往往只有走路，坐下站起，上下樓和彎腰。人體行為的幅度和持續(xù)時(shí)間是不可控的，所以，這些日常行為往往會(huì)對(duì)跌倒行為的檢測(cè)產(chǎn)生干擾。但跌倒行為有一個(gè)日常行為所不具備的特征點(diǎn)，即θ和AM是同步大幅度變化的。由圖7可以看出，在采樣周期為20 ms的前提下，人體在實(shí)際跌倒過(guò)程中，由于多種因素影響，AM會(huì)降低到接近0.4gn，緊接著人體與地面發(fā)生撞擊，在加速度曲線中會(huì)產(chǎn)生一個(gè)很大的沖擊，AM高達(dá)2.1gn。AM大幅度變化的同時(shí)，隨著跌倒行為的發(fā)生，人體會(huì)發(fā)生翻轉(zhuǎn)，傾斜角度遞增變化。而人體跌倒的時(shí)間一般在2～4 s，通過(guò)分析，跌倒過(guò)程中，失重狀態(tài)大約持續(xù)0.6～1.2 s，撞擊狀態(tài)持續(xù)大約0.7～1.5 s。基于這些特征變化，本文提出基于數(shù)據(jù)融合的并行閾值算法，流程圖如圖8所示。

圖7 跌倒時(shí)AM變化和θ變化

圖8 人體跌倒檢測(cè)流程圖

4 系統(tǒng)性能測(cè)試

為了驗(yàn)證本文提出算法的可行性和準(zhǔn)確性，邀請(qǐng)了5名健康志愿者(4男1女，年齡22～25歲，身高160～182cm)，在實(shí)驗(yàn)樓內(nèi)模擬病患者和老年人，分別進(jìn)行走路，上下樓，站起蹲下一系列連貫的日常行為，并模擬跌倒動(dòng)作：前后跌倒、左右跌倒。實(shí)驗(yàn)中，共采集100組數(shù)據(jù)與現(xiàn)有的算法做對(duì)比，得到的結(jié)果為通過(guò)組數(shù)。如表1與表2所示，其中，表2所得到的準(zhǔn)確率為算法的特異性。

表1 跌倒檢測(cè)實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)

表2 日常行為實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)

根據(jù)相關(guān)資料[2]，SVM算法的準(zhǔn)確率為98.7 %，特異性為99.5 %。從表1可以看出，本文提出的算法準(zhǔn)確率為97.6 %，特異性為99.2 %。在準(zhǔn)確率上，基于數(shù)據(jù)融合的并行閾值算法優(yōu)于經(jīng)典閾值算法，略低于SVM算法。在特異性上，本文算法與SVM算法持平，高于經(jīng)典閾值算法。然而SVM算法雖然精度高，但是計(jì)算量大，實(shí)時(shí)性低，對(duì)處理器要求高，功耗大。經(jīng)典閾值算法的實(shí)時(shí)性，功耗低，精度卻偏低。而本文提出的基于數(shù)據(jù)融合的并行閾值算法，在保留經(jīng)典閾值算法優(yōu)點(diǎn)的基礎(chǔ)上，提高了精度和實(shí)時(shí)性，降低了功耗，實(shí)現(xiàn)了最初的設(shè)計(jì)目標(biāo)。

5 結(jié) 論

本文在經(jīng)典閾值法的基礎(chǔ)上提出了基于數(shù)據(jù)融合的并行閾值算法，并將跌倒檢測(cè)模塊和Android App相結(jié)合，這樣既方便了被檢測(cè)者的攜帶，又消除了報(bào)警范圍的局限性，實(shí)現(xiàn)了對(duì)跌倒事件的高精度檢測(cè)。此外，系統(tǒng)還具有功耗低、操作簡(jiǎn)單、成本低、精度較高、故障發(fā)生率低等優(yōu)點(diǎn)，不僅可以解決老年人及病人的跌倒檢測(cè)和報(bào)警問(wèn)題，在醫(yī)療康復(fù)方面，也能夠?qū)祻?fù)中的病人起到輔助看護(hù)的作用，并且可以輔助醫(yī)生通過(guò)采集到的數(shù)據(jù)了解病人康復(fù)情況。

[1] Shibuya N,Nukala B T,Rodriguez A I,et al.A real-time fall detection system using a wearable gait analysis sensor and a support vector machine(SVM)classifier[C]∥2015 the Eighth International Conference on Mobile Computing and Ubiquitous Networking(ICMU),IEEE,2015:66-67.

[2] 鄭漢卿，谷安.物體輪廓識(shí)別算法的應(yīng)用研究[J].自動(dòng)化技術(shù)與應(yīng)用，2016,35(1)：106-110.

[3] Jantaraprim P,Phukpattaranont P,Limsakul C,et al.Improving the accuracy of a fall detection algorithm using free fall characte-ristics[C]∥IEEE International Conference on Electrical Engineering/Electronics Computer Telecommunications and Information Technology,Chiang Mai,Thailand,2010:501-504.

[4] 深圳市愛(ài)福萊科技有限公司.全球首款自動(dòng)求救的老人手機(jī)[DB/OL].[ 2012—10—26].http:∥www.beareyes.com.cn/2/lib/201210/26/20121026269.htm.

[5] 卓從彬,楊龍頻,周 林,等.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)[J].電子器件,2015(4):821-825.

[6] 趙英杰.Arduino互動(dòng)入門設(shè)計(jì)[M].北京:科學(xué)出版社,2014.

[7] 陳玉坤,司錫才,李志剛.聯(lián)合卡爾曼濾波在多傳感器信息融合技術(shù)中的應(yīng)用[J].彈箭與制導(dǎo)學(xué)報(bào),2005,25(4):946-948.

[8] 何艷麗,黃飛龍.多傳感器自動(dòng)站的數(shù)據(jù)融合效果及優(yōu)勢(shì)分析[J].氣象,2015(8):1028-1035.

Design of fall detection system based on data fusion*

WANG Zhen, XIAO Ming-bo

(School of Communication Engineering,Hangzhou Dianzi University,Hangzhou 310018,China)

Aiming at problem of high power consumption,limited range of alarm and inconvenience for carrying existing in fall detection devices,a fall detection system is designed based on MPU6050,using Arduino and Android.A parallel threshold algorithm based on data fusion is proposed,which achieves accuracy of 97.6 % and specificity of 99.2 % as shown by the simulation test of five subjects.Experiments show that the proposed algorithm and scheme can achieve accurate detection and timely location and alarming of human body fall,as well as portability.

fall detection; data fusion; parallel threshold algorithm; Arduino; Android

2016—06—07

浙江省重點(diǎn)實(shí)驗(yàn)室建設(shè)基金資助項(xiàng)目(GK130907208001)

10.13873/J.1000—9787(2017)06—0086—04

R 318

A

1000—9787(2017)06—0086—04

王 振(1993-)，男，通訊作者，碩士研究生，主要研究方向?yàn)榍度胧较到y(tǒng)設(shè)計(jì)、通信與信息系統(tǒng)，E—mail:zhen_always@sina.com。

肖明波(1971-)，男，博士，教授，主要從事過(guò)程控制與優(yōu)化、無(wú)線通信等研究工作。