基于人體跌倒檢測(cè)技術(shù)的養(yǎng)老智能報(bào)警系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及一種基于人體跌倒檢測(cè)技術(shù)的養(yǎng)老智能報(bào)警系統(tǒng)，通過利用智能手機(jī) 內(nèi)置的加速度傳感器和巧螺儀實(shí)時(shí)獲取人體運(yùn)動(dòng)姿態(tài)信息，使用跌倒檢測(cè)算法判斷跌倒事 件的發(fā)生，最后進(jìn)行智能報(bào)警。
【背景技術(shù)】
[0002] 隨著社會(huì)老齡化速度的加快和家庭結(jié)構(gòu)的演變，中國(guó)"空巢"家庭數(shù)量大量增加， 目前全國(guó)大約有1824萬的老年人生活在單身空巢家庭里面。預(yù)計(jì)到2030年，我國(guó)老齡人口 將達(dá)3億，而空巢老人家庭比例或?qū)⑦_(dá)到90%。"老齡化空巢化"引發(fā)越來越多的老年人身屯、 健康問題，老年人日常生活中的行動(dòng)安全已成為國(guó)際社會(huì)關(guān)注的焦點(diǎn)，跌倒是影響老年人 日常身屯、健康的重要因素。在我國(guó)，跌倒是傷害死亡的第四大原因，而在65歲W上的老年人 當(dāng)中則居首位。老年人跌倒會(huì)造成大量殘疾，影響老年人的日常生活質(zhì)量。老年人跌倒帶來 的傷害及醫(yī)療成本不僅與跌倒時(shí)身體受到的撞擊情況有關(guān)，在很大程度上還取決于救助時(shí) 間的長(zhǎng)短。因此能夠?qū)崟r(shí)檢測(cè)老年人跌倒事件的發(fā)生，并且在跌倒后及時(shí)發(fā)出求救信號(hào)，最 大限度降低跌倒給身體帶來的嚴(yán)重傷害，具有重要的意義。
[0003] 跌倒會(huì)對(duì)老年人的屯、理健康造成一定程度的危害，跌倒的經(jīng)歷還會(huì)給老年人留下 屯、理陰影，降低老年人對(duì)其自身身體狀況的信屯、，進(jìn)而制約老年人的行動(dòng)能力，使再次跌倒 的可能性增大。隨著醫(yī)療、信息等領(lǐng)域科技技術(shù)的不斷發(fā)展，遠(yuǎn)程醫(yī)療監(jiān)護(hù)技術(shù)取得長(zhǎng)足進(jìn) 步，發(fā)展遠(yuǎn)程監(jiān)護(hù)技術(shù)在不影響老年人日常生活的前提下，準(zhǔn)確的、及時(shí)的檢測(cè)出老年人的 跌倒事件，進(jìn)而采取必要的報(bào)警、急救等措施對(duì)改善老年人的生活質(zhì)量，提髙老年人的身屯、 健康有重大作用。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明所要解決的技術(shù)問題是針對(duì)上述現(xiàn)有技術(shù)提供一種基于智能手機(jī)內(nèi)置加 速度傳感器和巧螺儀的跌倒檢測(cè)系統(tǒng)，系統(tǒng)利用加速度傳感器和巧螺儀實(shí)時(shí)獲取人體運(yùn)動(dòng) 姿態(tài)信息，通過跌倒檢測(cè)算法判斷是否發(fā)生跌倒，最后進(jìn)行智能報(bào)警。
[000引本發(fā)明解決上述問題所采用的技術(shù)方案為:一種基于人體跌倒檢測(cè)技術(shù)的養(yǎng)老智 能報(bào)警系統(tǒng)，所述系統(tǒng)包括加速度傳感器、巧螺儀、GPS模塊、微處理器和通信模塊，其中加 速度傳感器采用=軸加速度傳感器，和巧螺儀分別負(fù)責(zé)計(jì)算出被監(jiān)護(hù)人體的運(yùn)動(dòng)加速度數(shù) 據(jù)和角速度數(shù)據(jù)，并將數(shù)據(jù)輸送給微處理器，由微處理器負(fù)責(zé)處理人體加速度數(shù)據(jù)和角速 度數(shù)據(jù)，分析判斷被監(jiān)護(hù)人所處的姿態(tài)，通過跌到檢測(cè)算法判斷人體跌倒?fàn)顟B(tài)，并通過通信 模塊發(fā)送緊急求救信息。
[0006 ]在所述微處理器中包括數(shù)據(jù)處理模塊、報(bào)警處理模塊和參數(shù)設(shè)置模塊： 數(shù)據(jù)管理模塊包括采集數(shù)據(jù)功能、存儲(chǔ)數(shù)據(jù)功能、實(shí)時(shí)處理數(shù)據(jù)功能W及識(shí)別跌倒事 件的功能，處理器會(huì)把加速度傳感器輸出的=軸加速度數(shù)據(jù)及=軸角速度數(shù)據(jù)保存在存儲(chǔ) 卡上，跌倒檢測(cè)算法一直循環(huán)執(zhí)行處理運(yùn)些數(shù)據(jù)，直到識(shí)別出預(yù)跌倒事件的發(fā)生； 報(bào)警處理模塊包括啟動(dòng)報(bào)警取消機(jī)制、啟動(dòng)模塊獲取位置信息、發(fā)送緊急信息和撥打 電話功能，當(dāng)數(shù)據(jù)管理模塊判斷到發(fā)生預(yù)跌倒時(shí)，報(bào)警處理模塊會(huì)W播放聲音或震動(dòng)的形 式提醒用戶，在一個(gè)可設(shè)置的時(shí)間范圍內(nèi)，若用戶取消警報(bào)，則認(rèn)為此次為誤警報(bào)，繼續(xù)進(jìn) 行跌倒監(jiān)測(cè)；若設(shè)置時(shí)間已結(jié)束，用戶仍無操作，則確定是一個(gè)真正的跌倒事件，并自動(dòng)獲 取用戶位置信息，發(fā)送緊急信息及撥打電話； 參數(shù)設(shè)置模塊用戶可W根據(jù)自己的使用習(xí)慣及偏好進(jìn)行設(shè)置，包括:報(bào)警等待時(shí)間、開 啟關(guān)閉、傳感器敏感度、報(bào)警方式和報(bào)警聲音。
[0007] 所述跌倒檢測(cè)算法采用基于特征量闊值的方法，特征量有合加速度特征量A、合角 速度特征量W和相似度特征量S，其中：
上述公式中，a山S.，，咕分別為加速度傳感器x、y、zS軸方向的隨時(shí)間變化輸出，并經(jīng) 中值濾波后的信號(hào);分別為巧螺儀x、y、z^軸方向隨時(shí)間變化的輸出，并經(jīng)中值 濾波后的信號(hào);Ni表示擬合離散數(shù)據(jù)點(diǎn)集合中的第i個(gè)值，Cl表示合角度離散數(shù)據(jù)點(diǎn)集合中 的第i個(gè)值，i表示t-to~t+to時(shí)段內(nèi)的各個(gè)采樣數(shù)據(jù)點(diǎn)對(duì)應(yīng)的采樣序號(hào)，Mw(Q)表示Cl集 合中的最大值； 所述跌倒檢測(cè)算法對(duì)數(shù)據(jù)實(shí)行分段處理，計(jì)算當(dāng)前時(shí)刻A值，并與合加速度At-進(jìn)行比 較;如果A>At-，則計(jì)算同一時(shí)刻的W值，并與合角速度闊值-W-T進(jìn)行比較;如果W>W-T，則等 待人體姿態(tài)穩(wěn)定，然后計(jì)算S值，并與相似度闊值St進(jìn)行比較;如果S>St，則懷疑一個(gè)跌倒的 發(fā)生，算法進(jìn)入智能報(bào)警模式;如果W上過程中出現(xiàn)任一特征量值小于其闊值，則會(huì)立即中 斷并返回到算法入口處，其中特征量A和W用來區(qū)分跌倒與較低強(qiáng)度日?；顒?dòng)，而特征量S用 來區(qū)分跌倒與較高強(qiáng)度日常活動(dòng)，而特征量用來區(qū)分跌倒與較高強(qiáng)度日?；顒?dòng)。
[0008] 在計(jì)算S值前需要啟動(dòng)一個(gè)定時(shí)器來提高對(duì)人體跌倒判斷準(zhǔn)確性。
[0009] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于： 第一，對(duì)人體跌倒過程進(jìn)行分析和建模，首次提出使用相似度特征量進(jìn)行跌倒判斷； 跌倒過程分析及模型建立:跌倒過程中會(huì)經(jīng)歷失重階段、碰撞階段和最后的靜止階段，人體 的加速度及角速度會(huì)發(fā)生較大變化。應(yīng)用=維直角坐標(biāo)系可W建立人體軀干坐標(biāo)系，W上 軀干某一位置為坐標(biāo)原點(diǎn)，軀干的正前方、軀干的左方W及軀干正上方為人體坐標(biāo)系的= 個(gè)坐標(biāo)軸方向，人體運(yùn)動(dòng)過程中任意方向的加速度向量和角速度向量均可分解為=個(gè)坐標(biāo) 軸方向上的分量。
[0010] 第二，設(shè)計(jì)了基于智能手機(jī)的跌倒檢測(cè)算法； 跌倒檢測(cè)算法設(shè)計(jì):跌倒檢測(cè)算法的目的是要區(qū)分跌倒過程和日常生活行為過程，實(shí) 驗(yàn)設(shè)計(jì)中手機(jī)被放置于人體胸部口袋處，并采集數(shù)據(jù)樣本，提取相應(yīng)的特征量作為依據(jù)。利 用進(jìn)行實(shí)驗(yàn)數(shù)據(jù)處理，得到算法中用于跌倒檢測(cè)的合加速度特征量、合角速度特征量W及 相似度特征量，其中相似度特征量為本文首次提出用于跌倒檢測(cè)的特征量。
[0011] 第=，完成了跌倒檢測(cè)系統(tǒng)軟件的設(shè)計(jì)。
[0012] 本發(fā)明跌倒檢測(cè)系統(tǒng)是基于智能手機(jī)平臺(tái)的應(yīng)用程序軟件的開發(fā)而實(shí)現(xiàn)的，選擇 操作系統(tǒng)作為應(yīng)用軟件的開發(fā)平臺(tái)，軟件設(shè)計(jì)功能模塊主要分為數(shù)據(jù)管理模塊和報(bào)警處理 模塊。其中數(shù)據(jù)管理模塊具有采集數(shù)據(jù)功能、存儲(chǔ)數(shù)據(jù)功能、實(shí)時(shí)處理數(shù)據(jù)功能，主要把傳 感器輸出的加速度數(shù)據(jù)和角速度數(shù)據(jù)保存到應(yīng)用程序建立的數(shù)據(jù)庫中，并且依據(jù)算法流程 實(shí)時(shí)處理運(yùn)些數(shù)據(jù)，直到算法檢測(cè)到一個(gè)跌倒事件的發(fā)生;報(bào)警處理模塊是智能報(bào)警模式 處理部分，包括啟動(dòng)報(bào)警取消機(jī)制、啟動(dòng)模塊獲取位置信息、發(fā)送緊急信息和撥打電話。
【附圖說明】
[0013] 圖1為本發(fā)明跌倒檢測(cè)系統(tǒng)硬件結(jié)構(gòu)圖。
[0014] 圖2為本發(fā)明的系統(tǒng)總體構(gòu)架圖。
[001引圖3為本發(fā)明中跌倒和慢跑時(shí)合角度變化曲線圖。
[0016] 圖4為本發(fā)明中跌倒時(shí)合角度曲線和擬合曲線圖。
[0017] 圖5為本發(fā)明中慢跑時(shí)合角度曲線和擬合曲線圖。
[0018] 圖6為本發(fā)明中跌倒檢測(cè)算法的流程圖。
[0019]圖7為本發(fā)明在Android平臺(tái)下的系統(tǒng)架構(gòu)圖。
[0020] 圖8為本發(fā)明的系統(tǒng)軟件功能模塊圖。
[0021] 圖9為本發(fā)明的系統(tǒng)軟件工作流程。
[0022] 圖10為本發(fā)明的系統(tǒng)軟件詳細(xì)流程。
【具體實(shí)施方式】
[0023] W下結(jié)合附圖實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)描述。
[0024] 本發(fā)明設(shè)及一種基于人體跌倒檢測(cè)技術(shù)的養(yǎng)老智能報(bào)警系統(tǒng)，硬件層面由加速度 傳感器、巧螺儀、GPS模塊、微處理器和通信模塊構(gòu)成。其中加速度傳感器采用=軸加速度傳 感器，和巧螺儀分別負(fù)責(zé)計(jì)算出被監(jiān)護(hù)人體的運(yùn)動(dòng)加速度數(shù)據(jù)和角速度數(shù)據(jù)，并將數(shù)據(jù)輸 送給微處理器，由微處理器負(fù)責(zé)處理人體加速度數(shù)據(jù)和角速度數(shù)據(jù)，分析判斷被監(jiān)護(hù)人所 處的姿態(tài)，當(dāng)檢測(cè)到跌倒事件的發(fā)生，則會(huì)通過通信模塊發(fā)送緊急求救信息，信息內(nèi)容包括 模塊獲取的位置信息、時(shí)間等。如圖1所示，為系統(tǒng)硬件層框圖。
[0025] 跌倒檢測(cè)系統(tǒng)利用傳感器技術(shù)來獲取人體運(yùn)動(dòng)過程中的姿態(tài)變化信號(hào)數(shù)據(jù)，并通 過微處理器對(duì)所采集到的信號(hào)數(shù)據(jù)進(jìn)行處理分析，使用跌倒檢測(cè)算法判斷人體所處的運(yùn)動(dòng) 狀態(tài)，當(dāng)檢測(cè)到人體發(fā)生跌倒事件時(shí)采取報(bào)警處理，使被監(jiān)護(hù)人及時(shí)獲得救助。如圖2所示。
[0026] 為研究人體跌倒過程與其它日常生活活動(dòng)的相關(guān)運(yùn)動(dòng)學(xué)參數(shù)，首先定義身體各部 位的坐標(biāo)，W軀干部位為例。W軀干一處為坐標(biāo)原點(diǎn)，X軸方向?yàn)橹赶蜍|干前方，Y軸方向指 向軀干左方，Z軸方向指向軀干上方，X軸、Y軸和Z軸互相垂直，運(yùn)動(dòng)空間中任意方向的向量 都可W分解成運(yùn)=軸方向上的分量。設(shè)在人體運(yùn)動(dòng)過程中軀干部位沿X軸方向的加速度為 ax，沿Y軸方向的加速度為aY，沿Z軸方向的加速度為az，則人體運(yùn)動(dòng)加速度向量可表示為 繞X軸方向的轉(zhuǎn)動(dòng)為Wx,繞Y軸方向的轉(zhuǎn)動(dòng)為Wy,繞巧由方向的轉(zhuǎn)動(dòng)為Wz,則人體 角速度向量可表不為W =. (Wf.，Wy，j。
[0027] 在人體跌倒模型中得到人體運(yùn)動(dòng)加速度向量可表示為:U (a,運(yùn)里稱其向 量模值為合加速度A，隨時(shí)間的變化數(shù)據(jù)A(t)可用來分析人體運(yùn)動(dòng)過程姿態(tài)變化，其計(jì)算過 程如式：
其中，分別為加速度傳感器x、y、z^軸方向的隨時(shí)間變化輸出，并經(jīng)中值濾 波后的信號(hào)。
[0028] 人體運(yùn)動(dòng)角速度向量可W表示為r = W。)，運(yùn)里稱其向量模值為合角速度 W，W隨時(shí)間的變化數(shù)據(jù)W(t)可用來分析人體運(yùn)動(dòng)過程姿態(tài)變化，其計(jì)算過程如式：
其中，唯，，>喘，^"分別為巧螺儀x、y、z^軸方向隨時(shí)間變化的輸出，并經(jīng)中值濾波后的 信號(hào)。
[0029] 相似度特征量： 1、合角度曲線 根據(jù)人體運(yùn)動(dòng)學(xué)特征，跌倒過程與慢跑等運(yùn)動(dòng)過程的人體俯仰角或者側(cè)翻角變化有很 大不同，然而采集人體運(yùn)動(dòng)姿態(tài)變化信號(hào)數(shù)據(jù)的智能手機(jī)在口袋中的放置方位具有隨意 性，因此無法直接使用巧螺儀單軸方向輸出得到的角度變化信息作為跌倒判斷的一個(gè)特征 量。運(yùn)里我們定義一個(gè)人體跌倒時(shí)軀干傾斜的合角度它是通過對(duì)角速度信號(hào)向量模數(shù)據(jù)進(jìn) 行積分得到的，如下式： r^W{t)dl Mft 其中，w(t)為人體運(yùn)動(dòng)合角速度幅值，to則是我們?yōu)榱说却梭w姿態(tài)穩(wěn)定而啟動(dòng)的一 個(gè)定時(shí)器的預(yù)設(shè)時(shí)間，一般預(yù)設(shè)時(shí)間為t〇W3-8秒為宜。
[0030] 分析跌倒與慢跑等較高強(qiáng)度運(yùn)動(dòng)的合角度曲線變化的不同，圖3所示為跌倒和慢 跑兩種運(yùn)動(dòng)過程合角度變化曲線，從圖中可W看出：跌倒曲線有明