人體跌倒遠(yuǎn)程監(jiān)測(cè)系統(tǒng)設(shè)計(jì)

2.2 算法設(shè)計(jì)

依據(jù)人體在行走、站立和跌倒所損耗的能量的不同，通過實(shí)驗(yàn)可以得出在不同動(dòng)作下其能量損耗的閾值范圍。因此在后臺(tái)的數(shù)據(jù)分析方法上提出了引入能量損耗的方法進(jìn)行分析。能量損耗是動(dòng)態(tài)加速度的平方在特定時(shí)間域上的積分，其表達(dá)如公式（9）示[7]：

本文a=1，能量損耗的計(jì)算以每個(gè)采樣窗體為單位進(jìn)行。

針對(duì)老年人的生活狀況特點(diǎn)進(jìn)行分析，并結(jié)合實(shí)際設(shè)計(jì)了相應(yīng)的跌倒檢測(cè)算法。算法流程如圖3所示，流程圖從整體上描述了跌倒檢測(cè)判斷的過程。算法從開始到“數(shù)據(jù)傳輸”這部分的實(shí)現(xiàn)都是在用戶終端實(shí)現(xiàn)，整個(gè)信號(hào)的預(yù)處理過程都是以一個(gè)采樣窗體為基本單位，如果在一個(gè)采樣時(shí)間內(nèi)檢測(cè)到疑似數(shù)據(jù)，則將此單位內(nèi)的數(shù)據(jù)都傳輸至后臺(tái)進(jìn)行進(jìn)一步的確認(rèn)處理，否則，丟棄該數(shù)據(jù)段繼續(xù)采集加速度信號(hào)。

在后臺(tái)的數(shù)據(jù)處理階段，主要是利用能量損耗進(jìn)行分析并輔以特定時(shí)間內(nèi)的人體v、s、Φ計(jì)算分析來提高系統(tǒng)檢測(cè)的準(zhǔn)確性。

3 實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證算法的準(zhǔn)確性，邀請(qǐng)了10位60歲以上老人進(jìn)行試驗(yàn)，但在跌倒實(shí)驗(yàn)環(huán)節(jié)出于安全考慮沒有讓老人參與而是邀請(qǐng)了學(xué)生進(jìn)行模擬摔倒（在墊子上完成）。實(shí)驗(yàn)的跌倒方式分為：向前/向后跌倒未平躺、向前/向后跌倒后平躺、向左/向右側(cè)跌倒。依據(jù)這幾種跌倒方式設(shè)計(jì)了一套如表1所示的動(dòng)作。每一次實(shí)驗(yàn)的實(shí)驗(yàn)者都隨機(jī)從中選出一些動(dòng)作并結(jié)合真正的跌倒組合一套完整的實(shí)驗(yàn)動(dòng)作。系統(tǒng)以45 Hz的采樣頻率進(jìn)行樣本的采集，并通過設(shè)計(jì)的算法進(jìn)行數(shù)據(jù)的分析處理。

實(shí)驗(yàn)者從上述的動(dòng)作中隨機(jī)選取動(dòng)作組合進(jìn)行實(shí)驗(yàn)，每名實(shí)驗(yàn)者需進(jìn)行5組實(shí)驗(yàn)，10名實(shí)驗(yàn)者共需完成50組實(shí)驗(yàn)。

實(shí)驗(yàn)統(tǒng)計(jì)結(jié)果如表1所示，通過實(shí)驗(yàn)數(shù)據(jù)可知所設(shè)計(jì)的跌倒檢測(cè)方法有較高的準(zhǔn)確率，能夠分辨絕大部分的跌倒事件，但在對(duì)跌倒后沒有平躺事件和滑倒并迅速回復(fù)平衡的情況存在一定的誤報(bào)率。

本文構(gòu)建了基于三維加速度傳感器、微處理器和無線通信模塊為核心的跌倒檢測(cè)模塊，通過實(shí)驗(yàn)證明了其有效性，能夠較好地區(qū)分日常活動(dòng)和跌倒事件。在數(shù)據(jù)預(yù)處理上采取了基于1-class SVM的數(shù)據(jù)分類算法提取可疑數(shù)據(jù)，并創(chuàng)新性地提出了利用人體活動(dòng)損耗的能量差異進(jìn)行跌倒的最終判定，在確保系統(tǒng)的準(zhǔn)確性上增加了對(duì)特定時(shí)域內(nèi)的人體的姿態(tài)分析（對(duì)速度、位移及人體傾角的計(jì)算分析），取得了一定的成效。但在用戶終端對(duì)原始數(shù)據(jù)的分類處理上還需要對(duì)1-class SVM算法做進(jìn)一步的改進(jìn)。