logo资料库

论文研究-跌倒检测系统的研究进展 .pdf

发布时间：2022-05-29 发布人：admin 分类：说明书 资料大小：0.51M 资料格式：pdf 举报 版权申诉
第1页 / 共14页
第2页 / 共14页
第3页 / 共14页
第4页 / 共14页
第5页 / 共14页
第6页 / 共14页
第7页 / 共14页
第8页 / 共14页
资料共14页，剩余部分请下载后查看
    5 10 15 20 25 30 35 40 中国科技论文在线 http://www.paper.edu.cn 跌倒检测系统的研究进展# 郑娱1，鲍楠1，徐礼胜1,3，林晓洲1，黄停1，窦元珠2** （1. 东北大学中荷生物医学与信息工程学院，沈阳 110004； 2. 熙康阿尔卑斯科技有限公司沈阳，沈阳 110179； 3. 教育部医学影像计算重点实验室，沈阳 110819） 摘要：跌倒检测系统能够有效检测老年人跌倒事件的发生并及时报警，保护老年人的健康及 安全。本文对一些常见的跌倒检测的系统、算法、设备及其应用进行了比较研究，并从实验 对象、样本动作、实验环境和检测指标四个方面对建立跌倒检测系统的评价标准进行了阐述。 基于视频图像的跌倒检测系统准确性高，无需穿戴，但成本高，且易暴露用户的个人隐私。 可穿戴式的跌倒检测系统不会暴露用户隐私，可用于室外检测，灵活性好，但会影响人体活 动。环境式的跌倒检测系统无需穿戴，不影响人体活动，且不易暴露用户隐私，但误判率较 高。本文系统地概述了跌倒检测系统的常见技术和算法，提出了评价标准的基础框架，对于 进一步的研究设计、商品化开发具有一定指导意义。 关键词：跌倒检测；视频图像；穿戴式；环境式；评价标准 中图分类号：R318.6 The Research Progress of Fall Detection System Zheng Yu1, Bao Nan1, Xu Lisheng1,3, Lin Xiaozhou1, Huang Ting1, Dou Yuanzhu2 (1. Sino-Dutch Biomedical and Information Engineering School, Northeastern University, 0 引言 我国第六次人口普查发现，“60 岁以上”老年人口占总人口的比重达到了 13.26%，“65 岁及以上”老年人口则达到了 8.87%。同第五次人口普查相比，“60 岁以上”人口的比重 上升 2.93 个百分点，“65 岁及以上”人口上升 1.91 个百分点[1]。我国社会的老龄化问题将 日益加剧，针对老年人的健康安全监护问题的需求日益增加。卫生部 2007 年公布的《中国 伤害预防报告》指出，老年人意外伤害的首要原因是跌倒[2]。我国 65 岁以上的社区老年人 基金项目：辽宁省自然科学基金项目(201102067); 教育部博士点基金项目(20110042120037); 中央高校基本 科研业务费探索导向重点项目(N110219001) 作者简介：郑娱，（1991-），女，硕士，主要研究方向：生物医学工程电子学。 通信联系人：徐礼胜，（1975-），男，安徽安庆人，教授，博士生导师。研究方向：生物医学智能传感与 信息获取、基于生物医学信号与影像的非线性分析和建模、移动健康技术等。E-mail: xuls@bmie.neu.edu.cn - 1 - ShenYang 110004; ShenYang 110004) 3. Key Laboratory of Medical Image Computing (Northeastern University), Ministry of Education, 2. XIKANG ALPS Technology Co. Ltd, ShenYang 110179; Abstract: Fall detection can effectively detect the fall events of the elderly, which can protect the health and safety of the elderly. The paper reviews and compares the systems, algorithms, equipment and applications of fall detection. It gives reasonable suggestions of standard about fall detection systems from four parts: experiment subject, experiment action, experiment environment and detecting indicator. Camera-based fall detection systems have high accuracy and can’t be worn, while they are expensive, and invasion of privacy. Wearable fall detection systems are cheap and more flexible, and can detect outside and protect privacy while it often influences persons’ activities. Ambient fall detection systems don’t need wear and can protect privacy while it has high error. This paper systematically details the techniques and algorithms of fall detection systems, and presents a simple framework of evaluation, which is important for the further research, design, and commercial development. Keywords: fall detection; video images; wearable; ambient; evaluation
    中国科技论文在线 http://www.paper.edu.cn 中，男性至少有 1/5 的人曾跌倒过, 女性跌倒的比例则接近 1/2，女性发生跌倒的比例远大于 男性[3]。跌倒是老年人群伤残、失能和死亡的重要原因之一。它严重影响老年人日常生活能 力、身体健康及精神状态，会给老年人造成巨大伤害，也会给家庭和社会增加了巨大的负担。 因此能够随时检测老年人跌倒事件的发生，让老年人能够及时获得救治就显得极为重要。 跌倒检测系统是一种新兴的个人或家庭远程监护系统，能够有效检测老年人是否发生跌 倒并及时报警，保护了老年人群的健康与安全。近几年，跌倒检测技术越来越受到各大学校 和研究机构的重视。国内外许多公司比如飞利浦[4]，日本 WIN[5]，深圳爱福莱科技[6]等，都 在开展或已经完成了相关产品的研发。2010 年，飞利浦公司推出了 Lifeline 紧急医疗救援系 统，拥有项链式、手表式造型，可以随身佩戴，能及时准确地检测到老人因意外或突发疾病 而发生的跌倒并连接中心请求救援，为老人提供了生命保障，如图 1 所示[4]。2010 年，日本 WIN Human Recorder 公司研制了一种只有 7 克重的固定在胸部的穿戴式健康检测系统，可 以获取心电图、体温和体动等信息，并通过无线方式将健康数据发送至智能手机或 PC，为 老年人提供健康保障，如图 2 所示[5]。将 2012 年，深圳爱福莱科技有限公司推出了“跌倒 自动求救手机”爱福莱 A03，它能够在老人发生跌倒时自动侦测、自动定位、自动报警和自 动求救，最大限度地保障了老人独居和外出期间的健康安全，如图 3 所示[6]。虽然已有不少 公司推出了跌倒检测的产品，但目前跌倒检测系统的研究仍存在诸多问题。许多研究都是在 实验室条件下进行的，动作样本与实际的人体活动仍存在一定差距，且设计的系统在舒适性、 实用性、准确率、商用性等方面还需提升。此外，跌倒检测系统没有统一的性能评价标准， 无法对不同的跌倒系统进行测试评价，这是阻碍其商业化、产业化的一个重要原因。 图 1 飞利浦 Lifeline 紧急医疗救援系统[4] Fig.1 Philips Lifeline– Medical Alert Service[4] 图 2 日本 WIN Human Recorder 穿戴式健康检测系统[5] Fig.2 Wearable Health Detection System of WIN Human Recorder[5] 图 3 爱福莱 A03[6] Fig.3 AFULY A03[6] 本文对跌倒检测的系统、算法和设备进行了比较研究，系统地概述了跌倒检测系统的常 - 2 - 45 50 55 60 65 70 75
    80 85 90 95 100 105 110 中国科技论文在线 http://www.paper.edu.cn 用技术和算法，简单介绍了其实现过程，并比较了各种技术方法的优缺点，还从实验对象、 样本动作、实验环境和检测指标四个方面进行分析，对跌倒检测系统的评价标准提供了建议。 首先，对跌倒的影响因素和跌倒过程进行了分析。其次，将跌倒检测系统分为三类：基于视 频图像的跌倒检测系统、可穿戴式的跌倒检测系统和环境式的跌倒检测系统，并从性能参数、 跌倒算法、适用场所等方面对这些系统进行了分类比较。此外，由于目前跌倒检测系统缺乏 统一的检测标准，本文从四方面对跌倒检测标准提供了建议，为未来的评价管理标准提供了 基础框架。本文进行的比较研究和提出的评价标准，对于跌倒检测系统的进一步研究设计和 商品化、产业化开发具有重要的参考价值。 本文的其余部分安排如下：第二节对跌倒的影响因素和跌倒过程进行了分析。第三节对 跌倒检测系统的系统、算法、设备及其应用进行了介绍和分析。第四节对跌到检测系统的评 价标准提出了部分建议。第五节对本文进行了总结。 1 跌倒分析 1.1 跌倒因素分析 导致老年人跌倒的影响因素很多，卫生部于 2011 年公布的《老年人跌倒干预技术指南》 中指出，“老年人跌倒既有内在的危险因素，也有外在的危险因素，老年人跌倒是多因素交 互作用的结果。”影响老年人跌倒的因素主要有以下几种[7]： 生理因素：随着年龄的增长，老年人的身体机能逐渐退化，感觉系统、中枢神经系统和 骨骼肌肉系统等功能减退，步态的稳定性下降，平衡能力和协同能力降低，反应能力下降， 这是引发老年人跌倒的主要原因。老年人骨质疏松会使与跌倒相关的骨折危险性增加[3,7]。 病理因素：老年人常患有神经系统疾病，眼部疾病，以及老年痴呆、偏瘫、昏厥等其他 各种急慢性疾病。这些疾病会影响老年人的感觉输入、神经系统功能和骨骼肌肉的协调，进 而导致跌倒危险性增加[3,7-9]。 药物因素：一方面，由于老年人身体机能下降，对药物的耐受性降低，敏感性增加，易 发生不良反应；另一方面，由于老年人极高的患病率，使得其需要长期、大量服用药物，甚 至是多种药物混合服用。老人经常服用的精神类药物、心血管药物以及镇静药等都会影响其 精神、视觉、平衡等方面，进而引起跌倒[3,7-9]。 心理因素：由于自身身体机能以及其他各项能力的下降，与社会接触减少，易导致老年 人沮丧、抑郁和焦虑的心情，进而导致其对环境危险因素的感知和反应能力下降，而害怕跌 倒的心理也会使跌倒的危险性增加[3,7]。 环境因素：室内光线不足，地面湿滑、不平坦，步行途中有障碍物，楼梯台阶等均易引 发跌倒[3,8]。 社会因素：老年人的受教育程度和收入水平，享受的社会服务和卫生服务，以及老年人 是否独居、与社会的交往和联系程度等都会影响其跌倒的发生率[7]。 这些影响因素与跌倒具有明显的相关性。在跌倒的老年人群中只有 8%的人不具备任何 影响因素，27%的人只有一种影响因素，高达 78%的人具有一种以上的影响因素[10]。因此， 个人、家庭及全社会都要对这些方面多加关注以避免老年人发生跌倒。 1.2 跌倒过程分析 跌倒是指突发、不自主的、非故意的体位改变，倒在地上或更低的平面上[7]。人体由于 自身因素或是外界原因失去平衡时，都有可能发生跌倒。跌倒的分解过程如图 4 所示。跌倒 - 3 -
    中国科技论文在线 http://www.paper.edu.cn 发生时，身体失去平衡，人体会向着某一方向倾倒，与此同时，为了恢复身体的平衡，人体 会进行自我调整。但当人体无法恢复平衡时，会向着倾倒方向倒下。在倒下时，人体在本能 作用下会以胳膊和腿支撑身躯，或者在无法支撑时，呈“平躺”姿势。因此，跌倒发生时主 要有三种可能，其一是跌倒发生后迅速恢复平衡，认为未发生跌倒事件；其二是跌倒后人体 的手臂或膝盖支撑住身体，未发生平躺，如向前跌倒时手臂和膝盖支撑呈“跪”跌姿态，向 后跌倒时手臂和臀部支撑呈“坐”跌姿势，仍认为其发生了跌倒事件；事件其三是跌倒后人 体无法支撑，完全呈平躺姿势，则认为跌倒事件发生，向任意方向的跌倒都有可能发生此情 况。后两种情况都会对老人的身心健康造成巨大影响，尤其是长时间的“平躺”跌倒状态对 老年人的伤害很大[11]。后续文献中所检测的跌倒事件也指的是后两种情况。 (a) 日常活动 (b) 意外发生 (c) 跌倒 (d) 碰撞地面 (c) 跌倒后恢复 (a) Activity of Daily Living (b) Accident (c) Falling (d) Impact (c) Recovery 图 4 向前跌倒动作的过程分解 Fig.4 The process decomposition of forward fall 跌倒一般发生在一段很短的时间段内，在此期间人体姿势变化剧烈，动能与势能相互转 化，人体受力也发生了很大变化，人体姿势通常由站立变为平躺或接近平躺，三轴加速度和 角速度产生剧烈波动，身体与地面的夹角发生了变化，其他如能量、身体高度等身体特征都 发生了巨大变化。目前，国内外许多针对跌倒检测的研究都是利用这些参数来区分日常活动 和跌倒动作，进行跌倒检测的[12-41]。 2 跌倒检测系统的原理与方法 115 120 125 130 135 140 图 5 1993-2013 历年跌倒检测文献数 Fig.5 Literatures of fall detection system during 1993-2012 由于老年人健康安全监护需求的日益增加，能够有效检测老年人是否发生跌倒的跌倒检 测系统，受到了越来越多的研究者的重视。通过 EI 检索近 20 年来跌到检测技术的相关文献， 其结果如图 5 所示。（使用“fall detection”作为标题检索词进行检索，检索时间为 1993-2012 年。）从图中可以看出，有关跌倒检测的研究发展迅速，尤其是近五年来，有关跌倒检测技 术的文献都在百篇以上，这说明越来越多的研究者参与到跌倒检测的研究当中，能够检测老 年人跌倒并进行报警的跌倒检测系统已经受到了各大研究机构的重视。 145 - 4 -
    中国科技论文在线 http://www.paper.edu.cn 近几年，针对跌倒检测的研究成果越来越多，其所应用的设备和技术也各有不同。跌倒 检测系统可分为三大类：基于视频图像的跌倒检测系统、可穿戴式的跌倒检测系统和环境式 的跌倒检测系统[12]。虽然检测跌倒的设备和技术不同，但其检测过程大致相同，如图 6 所 示[12]。 150 155 160 165 170 175 180 图 6 跌倒检测系统检测过程 Fig.6 The detect process of fall detection system 2.1 基于视频图像的跌倒检测系统 基于视频图像的跌倒检测系统是在一定区域内安装一个或几个摄像机或照相机捕捉人 体运动，采集 2D 或 3D 的视频图像，并通过相应的图像处理算法进行处理，提取跌倒动作 的图像特征，将跌倒动作和正常活动进行区分[14-21]。基于视频图像的检测技术可分为三类： (1) 基于静态的跌倒检测；(2) 基于人体姿势的跌倒检测；(3) 基于头部运动的跌倒检测[12]。 (1) 基于静态的跌倒检测 基于静态的跌倒检测系统，是利用人跌倒后长时间平躺这一情况进行检测的。基于静态 检测的系统，其主要优点是能有效减轻运算负载，因此，使用小型计算设备就能运行，降低 了制造成本，但易出现假报警，因为只要发现人躺在地上一段时间，它就会进行报警[12-13]。 Vaidehi 等人设计实现了一种基于静态人体图像特征的跌倒检测系统。该系统通过照相 机采集人体站立、跌倒、起立等动作的图片，并从中提取人体的长宽比和倾斜角度两个特征 进行跌倒判断。该系统能够有效减少计算量，但只适用于人体的静止状态，不能对人体的跌 倒过程进行动态特征提取，在准确度上有所欠缺[14]。Nait-Charif 和 McKenna 在系统中使用 全方位摄像机进行数据采集，利用架空轨迹跟踪人体运动轨迹，然后根据人体运动轨迹的变 化情况对动作进行分类。其对静态动作分辨较好，但对动态模型的准确度却有所下降[15]。 (2) 基于人体姿势的跌倒检测 基于人体姿势的跌倒检测系统，是利用了人体从站立到跌倒的过程中姿势的剧烈变化进 行检测的。优点是准确度更高，因为它是以整个人体的动作变化来判断是否发生跌倒的。缺 点是如果使用该方法判断，尤其是三维人体姿势判断，需要巨大的计算量，且该系统的制作 更复杂，成本较高[12-13]。 陈郁堂等人在系统中建立了二维骨架模型，通过计算两个骨架的距离图进行人体姿势估 计，并利用椭圆拟合检测人体形状变化，提取椭圆的角度变化及其长、短半轴的比值两个特 征，结合姿势估计和形状分析的结果对跌倒事件进行判断。该系统通过建立二维骨架模型和 形状拟合减少了计算量，能够对人体活动进行实时检测，其准确度达到了 90.9%[16]。Samantha Ng 等人设计了一种基于三维视频图像的跌倒检测系统，它通过分析人体下肢运动状态对人 体的活动进行跟踪，进而判断被检测者是否发生了跌倒事件。该方法用下肢代替整个身躯进 行跌倒检测，大大减少了系统的计算量[17]。Toreyin 等人通过提取人体形状边界框的长宽比 的小波系数作为特征，建立 HMM 模型，区分跌倒动作与日常活动，还采集了音频数据进行 辅助判断，其准确度达 100%[18]。 (3) 基于头部运动的跌倒检测 基于头部运动的跌倒检测系统，是利用了人在跌倒时头部的垂直方向上的速度会高于人 - 5 -
    185 190 195 200 205 210 中国科技论文在线 http://www.paper.edu.cn 水平方向运动时垂直方向的速度作为判据，并结合重心或者头与地面的关系来进行判断。其 优点是相比整个身体，头部图像更容易提取，运动轨迹与跌倒的相关性更高，计算量更小， 缺点是相比于人体姿势的检测，在准确度上有所欠缺[12-13]。 Rougier 等人一直致力于基于三维头部运动轨迹的跌倒检测系统的研究[19-21]。他们提出 了一种基于三维头部运动轨迹的跌倒检测系统。该系统利用 3D 椭球形对人体头部进行拟合， 然后通过 4 层、250 颗粒的分层粒子滤波器，获取头部的运动轨迹，对跌倒事件进行判断。 该系统是一个单眼视觉跌倒检测系统，只使用了一个摄影机就完成了头部轨迹的跟踪检测， 降低了系统成本，减少了计算量，其平均误差在 5%左右[20]。 基于视频图像的跌倒检测系统通常是在室内安装照相机或摄像机，多采集的是 2D 或 3D 图像信息，其准确性高，无需穿戴，能同时检测多个跌倒事件的发生，但是计算量大，成本 较高，只能在一定区域内进行检测，并且由于采集的是图像信息，容易暴露用户的个人隐私。 2.2 可穿戴式的跌倒检测系统 可穿戴式的跌倒检测系统通常采用微型的传感器，做成传感器节点，也可以嵌入到手机 或特制的衣物中采集数据，均由人体携带或穿戴在身上进行跌倒检测。其通常使用的传感器 包括加速度传感器、陀螺仪、压力传感器等[22-33]，不仅可以进行多传感器联合检测，还可以 与心电、脉搏等检测设备相结合进行检测[5]，更可以和 GPS 等无线定位装置相结合，便于 对老年人的跌倒位置进行确定[33]。穿戴式跌倒检测设备的造型很多，有项链式、手表式、 腰带式、拐杖式等，还可以内嵌到手机或特制的衣服[22-33]中。 加速度传感器能够采集一个或多个轴的加速度的大小和方向的信息，最常见的是三轴加 速度传感器。Tamrat 等人设计了一款基于三轴加速度传感器的跌倒检测系统，利用人体的 三轴加速度变化判断跌倒。它还对系统装置的穿戴方式进行了调查，在项链式、腕带式和腰 带式的装置中，75%的男性选择了腰带式装置，71.4%的女性选择了项链式装置，这对以后 的商品设计有很好的参考作用[22]。Dai 等人在系统中利用 Android G1 的手机进行开发，通 过手机中的三轴加速度传感器获取加速度信号，提取合加速度幅值和倾角进行跌倒判断，在 跌倒发生后可以直接通过手机进行拨号报警，携带方便，报警迅速，其假阴性率为 2.67%， 假阳性率为 8.7%[23]。 陀螺仪传感器能够测量一个或多个轴的方向信息，通过计算人体方向的变化来分析人体 姿势，进而判断是否发生跌倒。Almeida 等人提出了一种基于三轴陀螺仪传感器的跌倒检测 系统，它利用一个安装在拐杖上的陀螺仪芯片来测量拐杖的角速率，当速度超过阈值时，认 215 为拐杖掉落了，进而推断持拐杖的人跌倒了。拐杖与人体的联系不够紧密，所以通过检测拐 杖的状态来判断人的状态是存在一定偏差的[24]。Bourke 等人设计了一种基于两轴陀螺仪传 感器的跌倒检测系统，它有两个正交放置的陀螺仪传感器组成，利用安全带绑在胸口，通过 人体多轴的合角加速度、角速度和人体角度变化判断跌倒，该装置的敏感度、特异度和准确 度均为 100%[25]。 此外，压力传感器能够测量压力大小，是跌倒检测系统中常见的传感器之一。重庆大学 220 的石欣等人在跌倒装置采用了薄膜式压力传感器，将其设计成鞋垫放入鞋内，用于采集运动 过程中人体足底所受的压力信息，并提取压力的平均值和方差作为特征。该装置制作简单， 成本低廉，便于人体穿戴，其准确度在 85%以上[26]。 多传感器结合进行跌倒检测也是目前常用的检测方式。Baek 等人设计了一个结合三轴 加速度传感器和陀螺仪传感器的跌倒检测设备，可以作为项链佩带，能实时采集人体的三轴 - 6 -
    中国科技论文在线 http://www.paper.edu.cn 225 230 加速度数据和三轴方向，进而对人体姿势进行分析，判断跌倒事件是否发生。该系统灵活方 便，制作简单，成本低廉，其灵敏度大于 80％，特异度为 100％[27]。Li 等人也利用了三轴 加速度传感器和陀螺仪传感器联合进行跌倒检测，通过安全带捆绑在胸部，相比而言，其稳 定性更好，但对人体活动影响更大，舒适性有所下降，其敏感度为 91%，特异度为 92％[28]。 地磁传感器能够测量地磁场强度和方向。Hwang 等人设计了一种利用智能手机中的三 轴加速度传感器和地磁传感器进行跌倒检测的装置。该装置通过皮带固定在腰部，利用地磁 传感器对人体位置进行校正，再利用三轴加速度传感器获取三轴的加速度并计算角度，通过 加速度和角度的变化情况判断是否发生跌倒。该系统利用了地磁传感器进行数据校正，使得 其能够进行多方位检测，提高了准确度和检测范围，其准确度为 95%[29]。 235 气压传感器能够测量不同高度的大气压力，可用于判断人体所处位置，作为跌倒检测的 辅助判断。Tolkiehn 等人在系统中利用三轴加速度传感器采集信号，并根据人体活动方向和 倾斜角度的变化情况判断是否发生跌倒，且利用气压传感器获取人体所处的高度信息，作为 240 辅助判断。该系统主要提取了三轴加速度幅度的标准差、三轴加速度矢量的标准差、倾斜角 及倾斜角的变化量四个特征值进行检测。该系统应用了气压传感器进行辅助判断，提高了准 确度，其准确度为 86.97％，特异度为 85.24％，灵敏度为 87.77％[30]。 麦克风能够采集声音信号，是利用人体跌倒时与地面发生撞击时的声音频率来检测跌倒 的发生。人体在跌落过程中与地面发生撞击的声音频率多数小于 200Hz[36]，由此可以进行跌 倒判断。Doukas 等人提出了一种基于动作分析和音频分析的跌倒检测系统。该系统将两个 三轴加速度传感器与一个麦克风相结合，通过装在腿上的传感器节点采集人体动作数据和声 音数据，并通过支持向量机分类方法处理动作和声音数据，进行跌倒事件的判断。该系统利 用声音的频率和振幅作为辅助判断，提高了跌倒判断的准确度，其准确度为 96.72%[31]。 245 Hwang 等人设计了一种结合了三轴加速度传感器、陀螺仪和倾斜传感器的跌倒检测系 统。该系统利用智能手机进行开发，通过三轴加速度传感器来检测人体动能变化，通过陀螺 仪和倾斜传感器获取人体的姿势信息，结合两者进行跌倒判断，其准确度为 96.7%[32]。 He 等人采用了 Lenovo 智能手机中的三轴加速度传感器和 GPS 装置进行跌倒检测，利 250 用了 GPS 对老年人的跌倒位置进行锁定，有利于老年人得到及时救治[33]。 可穿戴式的跌倒检测系统由人体穿戴在身上进行检测，其优点是制作简单，成本低廉， 灵活方便，设置和操作简单，可适用的区域广泛，计算量小，不会暴露用户隐私；缺点是需 要用户长期穿戴，会对人体活动造成一定影响，准确度一般。可穿戴式的跌倒检测系统是目 前跌倒检测研究的主要趋势。 2.3 环境式的跌倒检测系统 255 环境式的跌倒检测系统通常是在人体活动的区域内安装一个或多个传感器进行人体运 动和姿势信息采集。其通常使用的传感器有压力传感器、红外线传感器、麦克风等，还可以 利用多种传感器结合进行数据采集，判断是否发生跌倒[34-39]。 李云等人设计实现了基于音频分析的麦克风阵列跌倒检测系统。该系统使用了 8 个麦克 风组成的圆形麦克风阵列进行声音信号的采集，利用声减弱技术和波束形成技术提取声音源 260 信号，并通过音频信号的梅尔频率倒谱系数对其进行分类，判断跌倒是否发生跌倒，确定声 源所在位置，即跌倒位置。该系统无需佩戴，对人体无影响，能够获得被检测者的跌倒位置， 便于进行救治，但计算量较大，其灵敏度达到 100%，特异度达到 97%[34]。 Scott 等人设计了一种床垫式或坐垫式的跌倒检测装置，将多个气囊和压力传感器相结 - 7 -
    中国科技论文在线 http://www.paper.edu.cn 265 270 合，通过气囊受到的压力变化推测人体对床或椅子的压力变化，进而检测人体的姿势变化， 判断是否发生跌倒。该系统适用于睡眠或坐时的跌倒检测，无需穿戴，舒适性好，不影响人 体活动，检测方便[35]。 多种传感器联合检测也是目前跌倒检测的研究方向之一。Litvak 等人设计了基于地面振 动和音频分析的跌倒检测系统，将加速度传感器和麦克风相结合，通过振幅和音频变化判断 是否发生了跌倒。该系统可以检测跌倒事件的发生和跌倒位置，无需穿戴，对人体活动影响 较小，第一次的敏感度和特异度分别为 95%和 95%，结合了贝叶斯估计分类后的敏感度和 特异度分别为 97.5%和 98.6%，检测效果更好[36-37]。Toreyin 等人也利用了音频信号作为辅 助分析，将准确度从 75%提高到 100%[18]。 红外线传感器能够检测人体发出的红外线信息，判断是否有人在测试范围内出现。Ariani 等人设计并实现了一种基于红外线传感器和压力传感器的夜间跌倒检测系统。该系统通过红 275 外线传感器获取人体位置，利用压力垫提取人体与地面接触的压力信息，使用决策树算法对 采集的数据进行分析，区分跌倒事件。该系统用于夜间睡眠时的跌倒检测，且无需穿戴，对 人体活动影响小，其敏感度、特异度和准确度分别为 100％、66.67％和 90.91％[38]。其后， Zhang 等人对该跌倒检测系统进行了扩展，也可用于日间的日常活动的检测，其敏感度和特 异度分别为 88.89％和 100％[39]。 环境式的跌倒检测系统多将装置固定在室内进行跌倒检测，其优点是无需穿戴，对用户 活动的影响更小，而且采用的是非图像采集，计算量小，不易暴露用户隐私；缺点是相对于 可穿戴式的跌倒检测系统，使用成本更高，其使用区域有一定局限性，误报率较高。 2.4 跌倒检测系统的比较 从前面的讨论可知，用于判断跌倒的方法很多，每种方法都有其优缺点。可将跌倒检测 系统分为三大类：基于视频图像的跌倒检测系统、可穿戴式的跌倒检测系统和环境式的跌倒 检测系统，并从跌倒检测系统的算法和性能对其进行简单比较[14-39]。 (1) 跌倒检测系统算法比较 要对跌倒动作和日常活动进行区分，就要提取相应的特征值作为依据，而跌倒检测系统 根据其所使用的设备不同，提取的特征也有所不同。常见的几种跌倒特征及相应文献如表 1 所示。在进行跌倒检测时，可以选用一个或多个特征进行检测，也计算特征的标准差、方差 等检测值作为跌倒判断的依据。 从跌倒检测算法上看，目前大多数的跌倒检测算法[14-39]都采用了阈值方法进行检测。基 于视频图像的跌倒检测系统采集的是二维或三维的图像信号，因此多与人体的运动轨迹结合 进行检测[14-21]。可穿戴式和环境式的跌倒检测系统采集的多维一维信号，因此多数是直接通 过阈值法进行跌倒判断的。在预处理部分，部分研究者通过实验结果直接提取了经验性阈值 [14-16,19-25,27-30,32,33,38,39]，还有一些研究者采用模式识别的分类方法对样本动作进行训练，提取 阈值[17,18,26,31,34,35-37]，例如 Samantha Ng 等人[17]和 Zigel 等人[37]使用的贝叶斯估计，石欣等人 [26]和 Doukas 等人[31]使用的支持向量机，Li 等人[34]使用的 BP 神经网络。Lustrek 等人还对常 用的几种模式识别分类方法进行了比较，他们发现支持向量机分类方法对跌倒动作的区分效 果最好[40]。 280 285 290 295 300 - 8 -
    分享到：
    赞 收藏

    相关推荐

    资料库

    开发技术

    共收录19306份资料，累计14个分类，关注成员有19位，主要包括：Actionscript,Javascript,PHP,VB,Perl,Delphi,Python,C#,C,Java,C++,Web开发,硬件开发,其它

    热门标签

    Actionscript Javascript PHP VB Perl Delphi Python C# C Java C++ Web开发 硬件开发 其它

    最新资料