logo资料库

论文研究-基于Android手机的老人跌倒检测方法的研究与设计 .pdf

发布时间：2022-05-29 发布人：admin 分类：说明书 资料大小：0.56M 资料格式：pdf 举报 版权申诉
第1页 / 共7页
第2页 / 共7页
第3页 / 共7页
第4页 / 共7页
第5页 / 共7页
第6页 / 共7页
第7页 / 共7页
资料共7页，全文预览结束
    中国科技论文在线 http://www.paper.edu.cn 基于 Android 手机的老人跌倒检测方法的研 究与设计 段亚素，余文** 5 10 15 （北京邮电大学计算机学院，北京 100876） 摘要：伴随着中国人口老龄化及中国家庭结构的变化，空巢家庭比重逐年增加。为了减轻中 青年抚养老人的压力，本文借助 Android 手机普遍性这一优点，提出一种基于 Android 的老 人跌倒检测算法。该系统基于人体不同行为下的加速度和身体所处高度值的变化特征，通过 数据采集、数据滤波、数据特征提取等过程，并在现有方法的基础上，引入对失重数据的统 计分析，实现了对跌倒行为与其他日常行为的区分；在系统检测出老人跌倒时，将老人位置 等信息以求救的形式通知监护人。实验表明，本文设计的基于 Android 手机的老人跌倒检测 方法具有较高的准确率。 关键词：跌倒检测；Android 手机；传感器；失重 中图分类号：TP399 Research and Design of Fall Detection for Elderly People Based on Android DUAN Yasu, YU Wen 20 (School of Computer Science,Beijing University of Posts and Telecommunications,Beijing 100876) 25 30 Abstract: With the aging of China's population and the change of China's family structure, the proportion of empty-nest families is increasing year by year. In order to reduce the pressure of young people to support the elderly, this paper takes the advantages of the universality of Android phones to design a fall detection algorithm for elderly people. The system is based on the change of acceleration and height value of the body. Through the process of data acquisition, data filtering, data feature extraction and so on, and on the basis of the existing methods, the statistical analysis of weightlessness data is introduced to distinguish the fall behavior form other behavior. When the fall is detected, the system will send the location and other information of the elderly to the guardian in the form of notice. Experiments show that the android-based system of fall detection for the elderly has high accuracy rate. Key words: Fall Detection; Android Mobile Phone;Sensors;Weightlessness 0 引言 35 中国人口老龄化趋势及空巢现象日益明显，很多家庭的年龄层次处于“4+2+l”（四位 老人，两位夫妻，一个孩子）模式[1]。中青年夫妻除了承担日常高强度、不间歇的工作以外， 还需担负抚养四位老人的重担。由于老年人自理能力逐渐下降，各类身体机能方面都极易发 生意外。特别是空巢老人群体意外发生跌倒，且不能及时得到救助的情况，将会给自身及其 子女带去身心创伤。然而，移动互联网时代的到来，给我们的生活增添不少便利色彩，以手 40 机为代表的移动终端使用越来越广泛，其便携性和易用性使得其逐渐融入人们的生活。因此， 研究如何更好的借助智能手机来缓解上述社会问题将有非常重要的社会意义和实用价值。 经相关资料查询，目前针对老人跌倒的检测方法主要有：视频图像分析法、穿戴式装置 作者简介：段亚素（1991-），女，北京邮电大学 14 级硕士研究生，主要研究方向：移动端应用 通信联系人：余文（1964-），男，北京邮电大学计算机学院副教授，主要研究方向：高性能计算、分子计 算及神经网络计算等. E-mail: yuwen@bupt.com.cn - 1 -
    中国科技论文在线 http://www.paper.edu.cn 检测法及基于 Android 手机内置传感器检测法[2]。虽然视频图像分析法对老人跌倒检测的识 别率很高，但却限制老人只能在室内活动，并且不能保证用户的隐私安全。穿戴式装置检测 45 法为了采集用户行为方面的数据，用户需佩戴加速度传感器、角传感器或者压力传感器等装 置，进而存在价格偏高且使用不便利等问题。 本文采用第三种方法——基于人们普遍拥有且通常随身携带的 Android 智能手机，实现 老人跌倒行为的检测[3]，并在检测出跌倒发生后及时通知监护人，降低意外的发生率。目前， 该方法大都基于加速度、角速度等传感器，采集的数据具有一定的片面性，在实验验证中， 50 发现对于一些类似跌倒的行为存在一定程度的误判。本文在前人的研究基础上，综合研究影 响跌倒检测的多类因素，改进检测算法，提高跌倒检测的准确率。 1 数据特征 跌倒是人体在无意识或失控状况下，由各种直立姿态变为躺倒姿态的过程，在这个过程 中，伴有各方向上的加速度变化、身体姿态由高到低的变化等。使用 Android 手机内嵌的三 55 轴加速度传感器及气压传感器能够很好的实时获取跌倒过程中的上述数据。 在 Android 系统中，传感器模块采用标准的三轴坐标系来表达数据，其中 X 轴是水平向 右、Y 轴是垂直向上、Z 轴是指向屏幕面板的外部。如图 1 所示，背对着屏幕的 Z 轴坐标是 负值。 60 65 70 图 1 手机三轴坐标定义图 Fig. 1 Three - axis coordinate definition of mobile phone 由于跌倒过程中手机方向不固定，单一根据某个方向上的加速度值变化情况进行跌倒阈 值判断，将产生较大误差。因此，本文采用合加速度，其与三轴加速度的关系如公式 1 所示。 （公式 1） 其中，SVM 为合加速度，ax、ay、az 分别为 x、y、z 轴三个方向上的加速度。 跌倒行为通常伴有身体姿态由高到低的变化。根据这一特点，本文采集手机内置气压传 感器数据，利用气压与海拔对应原理[4]，将采集的气压值转换成手机所处的海拔高度值，进 而获取行为前后身体高度差的变化情况，辅助跌倒检测。一般来说海拔越高，气压越低。经 查阅资料得出海拔与气压对应关系大概服从公式 2 中的表达式。 （公式 2） 其中，P 为当前的大气压，P0 为标准大气压，A 为大气压 P 对应的海拔值。 将公式 2 变形得到海拔 A 的计算公式如下： A = 44300* （公式 3） - 2 -
    中国科技论文在线 2 行为分析与算法设计 http://www.paper.edu.cn 75 从行为动作上分析，跌倒过程伴有身体由高到低的变化以及身体着地撞击事件。然而， 一些日常行为也具有跌倒过程中的部分或者全部特点，因此需要采集大量数据，分析并统计 归纳出跌倒行为不同于其他行为的特征点，最终应用于跌倒算法中。根据老人日常活动的特 点[5]，主要影响跌倒检测正确率的行为有：走路、慢跑、起立-坐下、上楼梯、下楼梯、手 机掉落等。 80 2.1 数据预处理 跌倒实验具有一定的危险性，无法邀请老年人进行数据采集。因此，本文实验邀请了 10 位 25-28 周岁的年轻人模拟老年人的上述 7 种行为，其中跌倒行为采取向前方跌倒，并 采用固定手机于实验者腰部的形式进行实验数据采集。 当使用 Android 平台提供的 API（Application Programming Interface，应用程序编程接口） 85 采集数据时，发现取得的合加速度值和海拔值是离散、且时间不均匀的。另外，当使用高精 度模式采集数据时，由于采样频率较高，得到的数据存在重复；而且自然环境也存在噪声干 扰，这必然导致算法处理结果存在误差。为了减小误差，需要先对采集得到的传感器数据进 行去重处理，然后再采用非均匀采样信号滑动滤波方法[6]对数据进行进一步预处理。 2.2 行为特点分析 90 将采集的原始数据经过一系列处理后，得到如图 2 所示的 7 种行为对应合加速度变化曲 线图。对比各种行为数据图像，可以观察出跌倒过程的加速度特点：存在某处加速度明显大 于其他行为，且在此峰值之前，会伴有一定时长的失重数据，最终合加速度平稳于重力加速 度 g（g≈9.8 m/s2）附近。根据此特点，本文采用合加速度阈值[7]判断的方式，当该系统检 测到 SVM 大于设定的合加速度阈值时，判定为老人疑似跌倒，并作为进入算法的后续一系 95 列判定的入口。 图 2 7 种行为对应的合加速度变化曲线图 Fig.2 The acceleration curve of seven kinds of behavior corresponds 由上图可得，手机掉落的数据图像与跌倒的图像非常相似。通过对现有跌倒算法[8]的研 100 究分析，发现手机掉落行为很有可能被误判为跌倒行为。因此为了减少跌倒算法的误报率， 本文引入了对完全失重的判断。将上图中的跌倒数据与手机掉落的数据进行仔细对比，可以 发现人体跌倒行为相比于手机掉落有个较大的不同点，即跌倒行为在失重阶段并非趋于零。 本文在算法中增加对失重阶段最小值的限制，从而减少了对类似于手机掉落这类行为的误 判。 - 3 -
    中国科技论文在线 http://www.paper.edu.cn 105 对比其他行为可得，走路行为、起来-坐下行为的合加速度峰值相比于跌倒行为的峰值 相差较大；慢跑行为、上楼行为、下楼行为、起来-坐下行为有可能会超出我们预先设定的 阈值，但与跌倒行为的 SVM 相比，它们具有周期性，且后期没有稳定于重力加速度 g。 由于实验数据是志愿者模拟老人的日常行为得到的，而在实际日常生活中，老人起来- 坐下的行为动作可能并不是这么缓慢，所以存在误报的可能，但该过程中的高度变化差较小， 110 可以通过高度变化情况进行区分。 为了确定算法中的一些关键性数据，本文做了大量实验，通过对采集的数据进行分类比 较，归纳得出算法中用到的各数值，如表 1 所示。 表 1 算法中用到的关键参数 Tab. 1 The key parameters used in the algorithm 表示意义 合加速度最大阈值 合加速度最小阈值 失重过程中合加速度最小值 跌倒发生时第一次失重时长统计值 合加速度首次超出阈值时刻距离合加速度稳定于 9.8 的平均时长 判定合加速度是否趋于稳定的采样时区 跌倒后期合加速度稳定方差界限值 合加速度超出 SVMmax 的时刻 t 时刻手机所处高度值 用户身高 发生跌倒时高度差变化与实验者身高的比值 符号 具体值 SVMmax 18.50m/s2 1.85m/s2 SVMmin SVMg Tg Tm Tn σ2 g ta Ht H q 变量 0.95s 1.60s 1.0s 1 变量 变量 用户输入 0.55 115 2.3 算法设计 根据上述分析，本文设计的跌倒算法一共四个关键点，如图 3 跌倒行为的合加速度变化 曲线图所示： 120 图 3 跌倒行为的合加速度变化曲线图 Fig.3 The acceleration curve of falling behavior 1. 由于跌倒行为首次着地时刻，伴有撞击事件，记当前时刻为 ta。统计得出此时的合加 - 4 -
    中国科技论文在线 速度需要超出 SVMmax； http://www.paper.edu.cn 2. 在 ta 时刻前的 Tg 时间段内，存在失重现象，并且失重时间段内的 SVM 最小值不应 125 小于 SVMmin，即人体跌倒过程中不应出现近乎完全失重现象； 3. 在 ta 时刻后的 Tn 时间段，合加速度趋于稳定； 4. ta-Tg 时刻即为疑似跌倒行为开始发生时刻，高度记为 Hta-Tg ；ta+Tm+Tn 时刻记为疑似 跌倒行为发生结束时刻，高度记为 Hta+Tm+Tn （0
    中国科技论文在线 http://www.paper.edu.cn 135 第二步：判断当前 SVM>SVMmax 是否成立，若成立，则判断为疑似跌倒，即算法入口， 并记下当前时间 ta；若不成立，继续采集数据。 第三步：判断[ta-Tg, ta]时间段中，是否有失重时间段，若成立，则计算出[ta-Tg, ta]时间 段中 SVM 最小值，记为 SVMg；若不成立，则结束循环，继续采集数据。 第四步：判断 SVMg>SVMmin 是否成立，若成立，则继续；否则，判断为手机自由掉落 140 行为，继续采集数据。 第五步：判断 SVM 是否稳定于重力加速度，即时间段[Tta+Tm，ta+Tm+Tn]内的合加速度 方差不能大于 σ2 g ，若成立，则继续；若不成立，则结束循环，继续采集数据。 第六步：获取 ta-Tg 时刻的高度，记为 Hta-Tg；获取 ta+Tm+Tn 时刻的高度，记为 H ta+Tm+Tn； 若满足 Hta-Tg-H ta+Tm+Tn>H*q，则判断为跌倒，并获取当前 GPS 位置信息，发送给监护人； 若不满足，则结束循环，继续采集数据。 145 3 实验验证与分析 为了防止参与采集数据的志愿者们再次参与算法验证带来潜在影响，实验验证过程中， 我们请了另外 10 名志愿者作为测试人员，模拟老人行为特点对上述 7 种行为各做 50 或 100 次测试，测试结果如下表 2 所示。 150 表 2 跌倒检测算法测试结果 Tab.2 The results of fall detection algorithm 测试行为 测试次数/次 报警次数/次 未报警次数/次 报警正确率/% 跌倒 走路 慢跑 起来-坐下 上楼梯 下楼梯 手机掉落 100 50 50 50 50 50 100 4 结论和展望 86 2 5 4 5 6 13 14 48 45 46 45 44 87 86 96 90 92 90 88 87 本文利用 Android 手机内嵌的三轴加速度传感器、气压传感器，采集、处理等一系列过 155 程，实现老人跌倒检测系统，优化跌倒检测判断逻辑，并引入对完全失重数据的判断，减少 日常使用中的误报率，提高跌倒检测算法的实用性。该算法可能会因为加入高度差的判断逻 辑，而丢失一些跌倒报警次数，但由于跌倒高度差变化比较小，故即使是跌倒，一般不严重， 且这种情况下大都老人会保持清醒，如需求助，可以自行使用系统的一键求救功能。 本文初始设计想引入 GPS 技术获取老人位置变化数据，辅助检测跌倒事件。但经过试 160 验得出现有的定位技术准确性不够，且延时较大，故暂时舍弃定位辅助跌倒检测，只是应用 于获取报警时刻老年人所处的位置信息。希望未来定位技术足够完善并被应用于跌倒检测 中。另外，部分国产的低端手机缺少相关传感器，本文设计的算法不能很好的应用于这类手 机，但随着相关技术的不断进步，市场上低端手机逐渐减少。 [参考文献] (References) 165 [1] 周长洪. 中国家庭结构变化的几个特征及其思考--基于"五普"和"六普"数据的比较[J]. 人口与社会， 2013，29（4）：3-8 - 6 -
    中国科技论文在线 http://www.paper.edu.cn 170 175 [2] 薛源. 基于多传感器的老人跌倒检测系统的研究与应用[D]. 武汉：武汉理工大学，2011. [3] Y Cao, Y Yang, W Liu. A fall detection system using android-based smartphone[J]. International Conference on Fuzzy Systems and Knowledge Discovery. 2012: 1509-1513. [4] 王俊彩，王福平，侯瑞峰，王成，WANG Jun-cai. 基于 BMP085 的一种便携式海拔高度测量系统设计[J]. 传感器与微系统，2011，30(12)：123-125. [5] 张强. 居家养老模式下老年人居住环境及生活行为的调查研究[D]. 上海：同济大学，2007. [6] 高玉凯，郑双雁. 非均匀采样信号的滑动滤波方法[J]. 电子应用技术，2010，36（12）：75-78. [7] W Wibisono, DN Arifin, Pratomo, B.A., T Ahmad, RM Ijtihadie. Falls detection and notification system using tri-axial accelerometer and gyroscope sensors of a smartphone[J]. Conference on Technologies & Applications of Artificial Intelligence. 2013: 382-385. [8] SH Fang,YC Liang,KM Chiu. Developing a mobile phone-based fall detection system on Android platform[J]. Computing,Communications and Applications Conference(ComComAp), 2012: 143-146. - 7 -
    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