自动化应用www.auto-apply.com0引言研究资料显示,在我国，65岁以上的老年人每年至少跌倒1次的占50%，而80岁以上跌倒比例高达50%～80%。目前，老年人跌倒的检测检测方法主要有声学传感检测法［1］、视频图像检测法［2］、热释红外检测法［3］、压力传感检测法［4］和穿戴式检测法［5-7］，其工作原理和特点如表1所示。本文设计了一种基于STM32微处理器、无线传输技术、MEMS（微机电系统）多传感器技术的低功耗、便携式跌倒检测系统，实现对人体不同姿态的感知。该系统采用改进SMV（信号量向量）算法，能够精确判断跌倒状态，降低误判，并将跌倒信息实时发送到监护人手机。表1跌倒检测方法对比1系统硬件设计跌倒检测报警系统硬件部分主要包括数据采集部分、STM32微处理器部分、无线传输部分、电源部分和报警电路部分，系统结构如图1所示。传感器实时采集人体姿态和坐标信息，并将信息传输给微处理器进行软件滤波，然后通过改进SVM算法技术对人体姿态信息进行分析处理，从而判断是否有跌倒行为。如果系统检测到跌倒事件，立即触发报警单元并实时将信息通过短信形式发送到监护人手机。图1跌倒检测系统硬件结构1.1数据采集部分数据采集包括人体运动姿态信息以及坐标位置数据。运动姿态信息采集部分采用InvenSense公司研发的新一代九轴运动处理芯片MPU9250［8］，由2部分组成：三轴加速度计、三轴陀螺仪；AKM公司的AK8963三轴磁力计。该芯片内部自带DMP（数字运动处理器）硬件加速引擎，减轻了姿态处理运算对控制系统的负荷，从而降低开发难度，同时还具备高精度、低功耗、体积小等优点，符合本系统的便携式设计要求。MPU9250传感器实时采集三轴加速度值和三轴角速度值，并将数据通过IIC接口传输给STM32处理器进行处理。坐标位置数据采集部分采用美国Sirf公司的第三代定位芯片SiRFstarIII［9］，它是一种集成度非常高的GPS定位芯片，具有高灵敏度、低功耗、价格低等特点，可以长时间使用。1.2微处理器部分微处理器部分采用ST公司推出的一款功能强劲的芯片STM32F103ZET6，该芯片采用Cortex-M3内核，内部集成多种通信接口（如IIC、USART等），并提基于STM32的无线跌倒检测系统的设计与实现*摘要：针对老年人意外失足或者某种疾病突然发作引起的跌倒问题，设计一种便携式无线跌倒检测系统，在现有三轴加速度SMV阈值算法的基础上，建立二级阈值的人体跌倒检测算法，判断人体跌倒行为，并通过无线传输方式发送报警信息。实验测试结果表明：该系统具有实时性强、正确率高、体积小以及使用距离不受限制等特点。关键词：跌倒检测；STM32微处理器；阈值算法；无线传输刘小军1，王刚1，牛绿源1，周金俊2（1.南京理工大学泰州科技学院,江苏泰州225300;2.泰州樱田农机制造有限公司,江苏泰州225300）基金项目：江苏省高校青蓝工程项目（苏教师（2014）1号）。作者简介：刘小军（1982-），讲师，硕士研究生，研究方向为智能控制。收稿日期：2016-08-22跌倒检测方法工作原理特点声学传感检测法利用麦克风采集声音信号强度及特征，通过分析跌倒冲击导致的振动频率来判定是否发生跌倒行为。成本投入较大，安装比较复杂，而且检测干扰信号多，跌倒判断精度不高。视频图像检测法利用捕捉图像中人体的形态特征进行跌倒检测，它采用图像采集设备来获取室内图像，进而通过多帧的对比提取出跌倒信息。此类方案只能在某个区域检测到人体行为，并且也可能导致被检测者的个人隐私泄漏。压力传感检测法利用鞋垫安放的压力传感器，采集人体跌倒行为与日常行为的足底压力差异特征，对获得差异特征进行检测，从而判断是否跌倒。由于人体活动对足底压力的差异并不十分明显，此类方案达不到很好的检测效果。热释红外检测法通过红外线传感器检测人体发出的红外线信息来判断是否有人在跌倒测试范围内出现。使用区域有局限性，且难以将跌倒和其他动作区分开来，识别率较低。穿戴式检测法利用人体头部、腰部或手腕佩戴多种传感设备感知人体姿态信息或运动状态，并利用算法对其分析处理，判别是否发生跌倒行为。成本低廉、灵活方便、实用性强等优点，并且对日常生活影响较小，目前使用比较广泛。无线传输部分电源部分STM32微处理器数据采集部分报警电路部分系统解决方案29

2016自动化应用12期供512K的FLASH和64K的RAM空间，兼具低功耗、高性能等特点，完全满足数据处理、通信的要求。1.3报警电路部分报警电路包括按键和蜂鸣器两部分。当系统检测到老人发生跌倒行为后，自动触发蜂鸣器发出报警声音。按键则提供了一种手动紧急报警的功能，当老人发生意外但没有跌倒，需要求助时，可以手动按键发出报警信息。1.4无线传输部分采用SMT封装的双频GSM/GPRS模块SIM900A把发生跌倒的坐标信息发送到监护人手机［10］，数据通信方式如图2所示。该模块采用功能强大的处理器ARM9216EJ-S内核，具备语音、SMS、数据和传真信息的高速传输功能，通过RS-232与微处理器相连，其物理尺寸仅为24mm×24mm×3mm，能满足低成本、紧凑尺寸的开发要求。图2无线传输方式2系统软件设计系统软件主要包括数据采集、跌倒检测判断、按键报警以及无线传输等软件部分，整体设计思路如图3所示。图3系统软件设计流程2.1数据采集软件部分数据采集部分主要对MPU9250和SiRFstarIII模块发送指令，获取人体姿态和坐标信息。利用MPU9250传感器实时获取人体加速度信息，并计算动作的剧烈程度，从而判断老人是否发生跌倒行为，软件流程如图4所示。当老人发生跌倒或者人为发出报警时，系统会将当前坐标信息发送出去。坐标信息的获取由SiRFstarIII模块实现，其具体操作流程如图5所示。2.2跌倒检测判断部分基于加速度传感器的跌倒装置多数采用SMV算法［11］，通过检测身体跌倒时的剧烈程度是否超过某一阈值TH1（多次试验测得值），从而判断是否发生跌倒行为。SMV算法定义如下：SMV=ax2+ay2+az2姨（1）式中，ax、ay、az分别为X、Y、Z轴的加速度输出；SMV为各向加速度值变化的总体描述，反映动作的剧烈程度。上述基于阈值的二叉判决法在不考虑比较激烈的人体运动模式的时候是比较有效、准确的，但一旦加入激烈运动之后，比如“跑”、“跳”等，就会出现很多误报。为了降低误报率，对SMV阈值法进行改进，引入4个参数：SVM变化量ΔSVM、时间常数T1、T2和阈值TH2。当SMV值大于跌倒阈值TH1，则判断为“可能发生跌倒”，此时等待T1时间（其实就是等待其跌倒，因为跌倒肯定是在很短的时间内发生的），然后通过参数ΔSVM（ΔSVM=|SVMcurrent-SVMlast|，即前一刻的SVM值减去后一刻的SVM值）来判断人体是处于运动状态还是静息状态（如果跌倒之后还有能力爬起来那么就可以不发出报警，或者根本就没有跌倒，而是处于激烈运动状态），如果在时间T2之内，判断ΔSVM一直小于阈值TH2，那么人体就处于静息状态，否则就不是。跌倒检测算法流程如图6所示。2.3无线传输部分无线传输软件主要对SIM900A模块发送指令，将报警信息编辑成短信发送到监护人的手机。系统利用SIM卡入网跌倒信息发送SIM900A模块STM32微处理器开始系统初始化、开中断数据采集Y报警按键按下？N跌倒检测判断跌倒?N触发报警Y报警信息无线传输结束系统解决方案发送读写寄存器地址，获取三轴加速度信息结束配置MPU9250(加速度倍率、采样频率等)发送指令，复位MPU9250关中断，配置定时器中断（20ms）初始化IIC开始初始化串口开始采集日期、经度、纬度等信息转换数据并发送出去结束判定$存在？YN接收数据图5SiRFstarIII操作流程图4MPU9250操作流程30

自动化应用www.auto-apply.comSIM900A的短信收发功能，通过PDU模式发送unicode编码的中英文字符：首先将所要发送的字符编成PDU信息编码，然后发送相应的AT指令，将信息发送出去。短信发送流程如图7所示。图7短信发送流程3系统测试为了验证系统的可靠性、阈值的合理性和跌倒判断准确性，设计了跌倒检测装置，如图8所示。装置分为两个部分：跌倒检测设备部分及数据接收部分。跌倒检测设备佩戴在人体的腹部或腰部，实时采集人体姿态数据；数据接收部分由PC机、串口调试助手、无线收发装置组成，显示数据。图8跌倒检测装置设计正常行为（行走、原地跳、平地跑、蹲下再起立）和跌倒行为（左倒、右倒、前倒、后倒）两种行为模式，每个行为测试30组数据，结果如表2所示。从实验数据可以看出，系统有着很高的正确率，达到了设计要求。表2测试结果4结语便携无线跌倒检测系统具有实时性强、正确率高、体积小以及使用距离不受限制等特点，非常适合老年人使用。参考文献[1]ZhuangX,HuangJ,PotamianosG，etal.AcousticfalldetectionusingGaussianmixturemodelsandGMMsupervectors[C].IEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing,2009:69-72[2]FuZ,CulurcielloE,LichtsteinerP,etal.Falldetectionusinganaddress-eventtemporalcontrastvisionsensor[C].IEEEInternationalSymposiumonCircuitsandSystems,2008:424-427[3]施皖,毛丽民,俞雷,等.基于热释红外的蚂蚁搜索机器人群智系统设计[J].电子世界，2014(5):154-156[4]陈洪波,高青,冯涛,等.基于足底压力信息的跌倒姿态聚类识别方法[J].电子技术应用，2016,4(25)：113-119[5]肖二宁,张兴明,李康士,等.基于Arduino单片机的便携式老年人跌倒报警系统设计[J].电子设计工程,2016,24(9):150-152[6]石欣,张涛.一种可穿戴式跌倒检测装置设计[J].仪器仪表学报,2012,33(3):575-580[7]郑娱,鲍楠,徐礼胜,等.跌倒检测系统的研究进展[J].中国医学物理学杂志,2014,31(4):5071-5076[8]刘春阳,徐军领,程洪涛,等.MPU9250传感器的姿态检测与数据融合[J].河南科技大学学报,2015,36(4):14-17[9]李耀,昂志敏,李敏杰,等.基于3G车载移动终端的GPS定位系统设计[J].微型机与应用,2012,31(23):51-54[10]霍涛,贾振堂.基于STM32和SIM900A的无线通信模块设计与实现[J].电子设计工程,2014,22(17):106-144[11]张军建,赵捷,安佰京,等.基于三轴加速度传感器的跌倒检测研究[J].现代生物医学进展,2014,14(18):3585-3588数据采集计算SMV值开始NYSMV>TH1?等待时间T1N|△SMVT2?跌倒Y结束发送“AT+CMGS=X回车换行”（X代表发送字符数）异常处理Y返回OK?发送“AT+CMGF=0回车换行”，设置PDU模式组织PDU信息编码初始化RS-232接口开始N返回OK?异常处理N异常处理YN发送PDU信息编码发送成功？Y发送十六进制0x1A结束行为模式测试次数报警次数正确率行走300100.0原地跳30293.3平地跑30196.7蹲下再起立30293.3左倒302996.7右倒3030100前倒302893.3后倒3030100系统解决方案图6跌倒检测算法流程31