基于Android手机多传感器的老人跌倒检测技术研究与实现

程一风，李 达，张翔晨

（华中师范大学 湖北 武汉　430079）

基于Android手机多传感器的老人跌倒检测技术研究与实现

程一风，李 达，张翔晨

（华中师范大学 湖北 武汉430079）

为了减少因跌倒后救治不及时给老人身心带来的伤害，文中提出了一种基于Android手机多传感器的跌倒检测方法。利用三轴加速度传感器和气压计，检测跌倒时加速度和海拔高度的变化特征，实现跌倒判定。同时考虑到不同体格特征的人群身高、体重、年龄等的差异，文中引入了合理的阈值调节机制。并且，文中基于此方法在Android智能手机平台上设计实现了跌倒检测系统，实验结果表明该系统的检测准确率86%。

跌倒检测；Android；三轴加速度传感器；气压计

随着中国人口老龄化程度的加深，老年人的健康安全监护问题成为了一个巨大的社会难题。由于身体机能衰退等原因，老年人的生活自理能力逐步下降，难免遭受一些意外伤害，其中跌倒问题显得尤为突出。调查显示，意外跌倒成为了老年人健康的“头号杀手”，它会给老人的身心带来巨大的伤害，若是救治不及时，不仅会大大加深伤害程度，甚至有可能危及生命。因此，研究老人跌倒检测问题具有非常重要的社会意义。

现有的跌倒检测系统主要包括基于图像的检测系统、基于声频信号的分析、基于穿戴式的装置检测。基于图像的检测方法由摄像头对老人的运动实时监测，其准确度较高，但不足之处在于不能保证用户的隐私。基于声频信号的监测装置安装比较复杂，资金投入也比较大。基于穿戴式的装置检测对于老年人的限制最小，精度也较高。但还是存在一些问题，例如老人需要佩戴特殊的检测装置，但在日常生活中老人很难保证随时佩戴，导致检测效果大打折扣。并且目前大部分的穿戴检测装置需要使用者以固定方向佩戴在固定位置（如腰部），这或多或少会影响到老人的日常活动。

因此，本文提出一种新型可穿戴式检测方法。以智能手机作为载体，利用手机中集成的三轴加速度传感器和气压计，通过阈值判断实现跌倒检测。该方法有如下优点：

1）用户仅需携带手机便能进行跌倒检测，无需携带额外的检测设备，大大降低了对老人日常生活的影响。

2）引入气压计进行联合判断能有效减小误报率。生活中一些如跑步、起立等行为的加速度变化特征与跌倒相似，若单独采用加速度传感器检测跌倒，在进行这类活动时可能会引起误报。引入气压计检测跌倒时海拔高度的变化，能有效排除以上相似行为误报的可能性，从而更进一步降低误报率。

3）无需固定手机放置的位置与方向。现有的一些检测设备通过检测跌倒时人体方向的变化实现判别，而本文中提出的方法无需依赖角度的变化，因此对手机放置的方位没有限制。

1　基于智能手机多传感器的跌倒检测方法

1.1传感类型和数据预处理

本设计利用智能手机本身集成的加速度传感器和气压计，采用阈值判断的方法实现跌倒检测功能。三轴加速度传感器能够测量空间中三轴的加速度分量；气压计能够检测所处环境的气压强度，从而计算出当前的海拔高度。

数据预处理包括滑动平均滤波和加速度合成两大部分。其具体内容如下：

1）由于外界环境因素以及传感器自身的精度问题，传感器所采集的数据或多或少会存在“噪声”，为了提高判断的正确率，降低噪声的干扰，本文采用滑动平均滤波的方法对合加速度和海拔高度数据进行平滑处理，减小尖峰或低谷噪声的影响。

2）三轴加速度传感器输出的原始数据是以其规定的直角坐标系X、Y、Z 3个方向上的分量值。为了消除放置角度和方向的影响，本文选取合加速度作为研究量，其计算公式为式（1）：

1.2跌倒特征分析

1）合加速度特征分析

根据大量实验及相关研究文献［1-2，4］发现，合加速度值在人体跌倒时呈现出一个先减小后增大的趋势。这是符合理论的，人体在失去平衡向下倾倒的过程中处于类似自由落体的状态，这时合加速度会急剧减小，而在接触地面的一瞬间，人体由运动状态突然转变为静止状态，在很短的时间内速度降为0，故此阶段合加速度会急剧增大，且随后的静止状态将至少持续3 s［5］，其特征如图1所示。

在老人的正常行为中，合加速度的变化是十分复杂的，其中很多行为也伴随着规律的加速度变化。例如坐下、起立、乘坐电梯、慢跑、跳跃等。“坐下”这个动作的加速度变化趋势与跌倒相同，但由于速度的变化较为缓慢，可以通过控制检测时间的窗口大小来消除这类动作对检测准确率的干扰。

图1　跌倒合加速度

图2　跌倒前后海拔高度记录

2）海拔高度特征分析

在日常生活中，老人的一些正常行为由于加速度变化趋势与跌倒相似，若只通过合加速度的变化来检测判断，仍存在一定可能被误判为跌倒。所以，本文引入气压计检测海拔高度的变化，以此来进行辅助判断，减小误判的可能。

用户在佩戴装置的状态下发生跌倒，装置所处的海拔高度将会发生明显的改变。具体大小会根据每个人的身高，身材比例不同而有所差异。进行模拟实验时，考虑到跌倒具有一定的危险性，因此由多名不同身高的青年志愿者模拟老人的跌倒过程。跌倒前后的海拔高度变化曲线图如图2所示。

“跳跃”和“跑步”的合加速度变化曲线分别如图3与图4所示。由图可知，这两项行为的合加速度变化曲线在某一时间段内与跌倒相似，可能会产生误报。但“跳跃”前后的海拔高度相同；“跑步”的海拔高度在窗口时间内无明显的变化，故而本文提出使用气压计进行辅助判断的方法可消除类似行为的误报。

图3　跳跃合加速度

图4　跑步合加速度

1.3跌倒检测算法

根据以上分析得到的跌倒特征，本文将跌倒检测过程分为4个阶段。在第一阶段检测失重状态，系统将实时检测合加速度，若其小于门限amin，说明进入失重状态。若出现失重，则进入第二阶段，判断是否在一定时间内发生碰撞，即检测在0.8 s内合加速度值是否大于门限amax，若符合这一条件，则说明发生人体发生碰撞；第三阶段检测是否出现静止状态，即在检测到合加速度值超过amax后，延时0.5 s，再检测随后的0.5内合加速度是否维持在g左右（g为重力加速度，其大小是9.8m/s2）。若满足这一条件，将进行第四阶段的海拔高度差检测，取达到阈值amin时刻前0.5 s内的海拔高度平均值和第三阶段中0.5 s内的海拔高度平均值相减，若其差值大于阈值hmax，则判定为跌倒，触发报警。具体流程如图5所示。

图5　算法流程图

初始设置加速度的阈值amax=1.5 g、amin=0.8 g，海拔高度差的阈值hmax=0.6 m。但由于使用者的身体特征如身高、体重等以及性别、年龄会对检测结果产生一定的影响［3］，故采用动态门限设置，即加速度的阈值amax以及海拔高度差的阈值hmax会根据使用者输入的个人信息进行微调，在一定程度上降低个体的差异对检测结果的影响。其中，根据个人的身高和体重信息，可以得到身体质量指数（BMI），如式（2）所示。

2　实验结果与分析

为了验证系统的检测性能，并且考虑到老人跌倒具有一定的危险性，测试实验选取30名青年自愿者进行了多次不同佩戴方式，不同跌倒方式的测试实验。本文主要研究同一平面上的跌倒。同一平面上的跌倒方式又可根据人体跌倒前的状态进行分类：直立跌倒、蹲下跌倒、弯腰跌倒和坐下跌倒等，且每种方式又有前后左右之分。这里综合各种情况考虑，具体的测试方案及其准确率如表1所示。

表1　测试次数及成功率

从实验结果可知，本系统得到了较高的检测准确率，对跑步等正常的日常行为的误判较小。佩戴方式灵活多样，且不同佩戴位置对检测性能的影响甚微，可忽略不计，这极大地减小了装置对老人日常生活的影响，是很多现有检测方法所不具备的。但是，由于坐下时身体的加速度特征以及气压计变化与跌倒时的特征非常接近，因此该种情况的误报率比其他情况要高，且其准确率依赖于坐下的高度及坐下时的快慢，然而老年人的日常行为比较缓慢，所以因坐下导致的误报率的增加不会太明显。

3　结束语

文中主要针对老人的跌倒检测问题进行了研究。文章通过观测和比较大量的行为样本数据，提取了跌倒行为加速度和海拔高度的变化特征，并在此基础上提出了基于阈值判断的多传感器跌倒检测方法。考虑到智能手机的普及及其丰富的传感器资源，本文利用Android智能手机平台设计了一个跌倒检测系统，并设计实验验证了检测的正确率。本系统具备准确性高、便捷及成本低廉等特点，具有很强的实用性。

［1］王荣，章韵，陈建新.基于三轴加速度传感器的人体跌倒检测系统设计与实现［J］.计算机应用，2012，32（5）:1450-1452.

［2］张爱华，王璐.基于三维加速度传感器设计的跌倒检测［J］.中国组织工程研究与临床康复，2010，14（48）:9029-9032.

［3］Cao Y，Yang Y，Liu W H.E-FallD:A fall detection system usingandroid-basedsmartphone［C］//FuzzySystemsand Knowledge Discovery（FSKD），2012 9th International Conference on.IEEE，2012:1509-1513.

［4］Wibisono W，Arifin D N，Pratomo B A，et al.Falls detection and notification system using tri-axial accelerometer and gyroscope sensors of a smartphone［C］//Technologies and ApplicationsofArtificialIntelligence（TAAI），2013 Conference on.IEEE，2013:382-385.

［5］Koshmak G，Linden M，Loutfi A.Evaluation of the androidbasedfalldetectionsystemwithphysiologicaldata monitoring［C］//Engineering in Medicine and Biology Society （EMBC），2013 35th Annual International Conference of the IEEE.IEEE，2013:1164-1168.

［6］Cheng J，Chen X，Shen M.A framework for daily activity monitoring and fall detection based on surface electromyography and accelerometer signals［J］.Biomedical and Health Informatics，IEEE Journal of，2013，17（1）:38-45.

Research and implementation of fall detection based on Android phone

CHENG Yi-feng，LI Da，ZHANG Xiang-chen
（Central China Normal University，Wuhan 430079，China）

Aiming at avoiding the sever injury caused by elders falling down without prompt treatment，this paper develops a method of falling-down detection system based on multisensor in Android phones.This system utilizes three-axis accelerometer and barometer to detect the changes of acceleration and altitude to determine whether a falling down accident has occurred. Taking it into consideration that different individuals differ in bodily features like height，weight and age，This paper introduces a reasonable threshold adjusted mechanism.It also reveals that the system has been implemented on the Android smart phone platform with experimental results’showing that the detection accuracy of the system is 86%.

fall detection；the Android platform application；three-axis accelerometer；barometer

TN929.53

A

1674-6236（2016）14-0181-03

2015-08-15稿件编号：201508083

华中师范大学2014年大学生创新创业训练计划立项A类项目（A2014057）

程一风（1994—），男，湖北武汉人。研究方向：通信。