基于人体运动状态识别的损伤风险监测系统研究

田朝辉

摘 要： 针对人体运动状态评估和损伤风险监测的可控性不好的问题，提出一种基于Android便携仪移动终端平台设计的人体运动状态识别及损伤风险检测系统设计方法。在Android移动APP终端上进行人体运动状态损伤风险监测系统的总体设计构架，分析系统的功能模块；利用Android嵌入式系统进行系统的软件开发，以S3C6410为系统的核心处理器进行人体运动状态的数据采集和分析，采用ARM1176JZF?S作为主处理内核进行便携式损伤风险监测系统软件开发，并通过WiFi接口进行操作系统移植和设备端口的兼容性设计。系统测试表明，该系统能准确实现人体运动状态识别和损伤风险监测与提示，性能可靠稳定。

关键词： 人体运动状态识别； 风险监测； ARM； Android

中图分类号： TN911?34； TP302 文献标识码： A 文章编号： 1004?373X（2017）12?0093?04

Abstract： Since the controllability for human?body motion state assessment and damage risk monitoring is poor， a design method of human?body motion state recognition and damage risk detection system is proposed， which is based on Android portable mobile terminal platform. The overall design framework of damage risk monitoring system of human?body motion state was constructed on mobile APP terminal embedded in Android system to analyze the functional module of the system. The Android embedded system is used to develop the system software. The S3C6410 is taken as the core processor of the system to acquire and analyze the data of human?body motion state. The ARM1176JZF?S is employed as the main processing kernel to develop the software of the portable damage risk monitoring system， perform the transplantation of operating system and compatibility design of equipment port through WiFi interface. The system test results show that the system can accurately recognize the human?body motion state， monitor and prompt the damage risk， and has reliable and stable performances.

Keywords： human?body motion state recognition； damage risk monitoring； ARM； Android

0 引 言

近年来，人体运动损伤导致的心血管疾病和肌肉损伤疾病逐年上升。由于人体在运动过程汇总难以实现自我生理调控，容易出现过度运动导致运动损伤。常见的运动损伤产生的生理反应有肌肉韧带拉伤、运动疲劳、心肌劳损和胫骨膜炎等。人体的运动状态有效识别和监测能防止运动损伤，通过运动状态识别合理安排训练，对碎发性运动状态损伤具有较好的防控和风险监测性能。通过统计得知，采用有效的運动状态识别和监测方法，能在统计区间70%～80%内有效避免突发性运动损伤导致的死亡和休克，通过运动损伤风险监测，发现损伤征候，并提前采取及时有效的措施。针对人体运动状态评估和损伤风险监测的可控性不好的问题，提出一种基于Android便携仪移动终端平台设计的人体运动状态识别及损伤风险检测系统设计方法，本文对系统的具体设计过程进行描述。

1 人体运动损伤风险监测系统总体设计

1.1 设计原理

运动损伤风险监测系统分为便携式移动终端系统和主控监测系统两部分。人体在运动时，采用移动便携式APP设备[1]，进行运动过程中的身体状态特征分析。系统负责实时采集人体在运动过程中的心脏、脉搏、心肺功能的肺活量、心率、肌肉劳损度和肺功能各参数指标作为状态识别和损伤风险的原始分析数据。在长期检测的情况下，充分掌握了人体运动过程中的生理指标，并且对数据进行简单的分析和处理，进行运动损伤风险性评估实验[2?3]，并对实验结果进行数据处理，结合专家系统进行生理状态指标的特征分析和状态监测，如果发现数据异常，则报警告知运动者。监测部门会对收集到的患者运动状态识别和损伤风险数据进行实时分析，如果发现患者确有危险，则立刻通过专家系统进行信息反馈，并给出异常警告和相应的预防措施[4]。运动损伤风险监测系统设计采用3层架构的设计原理，分为硬件层、中间层和软件层，根据上述设计分析得到本文设计的基于人体运动状态识别的损伤风险监测系统原理实现过程如图1所示。

1.2 系统的总体设计以及功能技术指标分析

根据上述对人体运动损伤风险监测系统的设计原理分析，进行系统的总体设计描述。系统的核心模块是人体运动生理状态特征信息采集和信息处理模块。硬件设计部分主要包括运动生理信息的传感采集模块、Android移动APP终端信息处理模块、主控模块、A/D模块以及损伤风险分析模块。采用ADSP21160处理器作为核心控制芯片进行人体运动损伤风险控制和多通道的身体特征信息采样。采用S3C6410A的嵌入式内核ARM1176JZF?S处理芯片进行信息调理和数据分析。外围电路设计中，主要有USB模块设计、时钟电路设计、Net网络通信模块设计、GPRS信息传输模块设计、A/D电路设计以及传感器调理电路设计。另外存储模块实现对运动损伤风险的FLASH缓存以及人体运动状态特征信息的RAM寄存，供电模块实现对运动损伤风险监测系统的12 V供电，得到运动损伤风险监测系统的总体设计结构图如图2所示。

根据图2设计的监测系统的总体结构框图，进行系统的功能模块化分析和设计技术指标描述。系统的数据存储模块采用的是SDRAM，FLASH，ROM等缓存结构，损伤风险监测系统的输出电压范围为0～5 mV/15～220 bmp，系统的A/D采样分辨率为0.01 mV/1 bmp。利用VIX总线的高速PCI带宽进行多通道的同步触发，通过A/D转换器模块分配到各PXI?6713模块中[5]。根据系统的设计需求和应用方向，得到本文设计的人体运动损伤风险监测系统主要技术指标参数描述见表1。

2 系统硬件设计部分

以S3C6410为系统的核心处理器进行人体运动状态的数据采集和分析。在硬件设计中，需要对USB模块设计、时钟电路设计、Net网络通信模块设计、GPRS信息传输模块设计、A/D电路设计以及传感器调理电路设计部分进行系统描述，如下：

（1） USB模块电路。该模块是利用Android移动APP终端上的接口功能，实现运动损伤风险监测系统的接口兼容性设计和数据传输通信。系统在传感器的输出端设计USB模块电路，利用内部的电路（如滤波器、转换器、放大器等）进行运动损伤风险监测的原始信息采集。USB接口设计中，采用并行外设接口（PPI）构建人体运动生理状态损伤风险监测系统的时钟中断接口，它是半双工形式，支持8个多频的LCD液晶显示，运动损伤风险监测系统具有低功耗性能，得到USB模块电路接口设计如图3所示。

（2） 时钟电路。人体运动损伤风险监测系统的时钟电路是实现损伤风险监测系统对人体运动生理状态特征信息数据的时钟中断控制。通过低电压复位进行时钟中断控制，根据Android系统的移动便携式设计需求，运动损伤信息的逻辑控制设备通过外部I/O设备与嵌入式接口相连，监测系统选用继电器实现模拟信号预处理，根据信号的大小自动调整能谱捕捉的放大倍数，选择引脚BOOTM[0：3]来设置加载模式。根据公式PERIOD =，即每隔15.454 μs刷新时钟采样频率，选用芯片为CAT24WC256执行时钟中断，引导加载的I2C E2PROM执行内部寻址和上电加载，时钟电路设计如图4所示。

（3） Net网络通信模块。Net网络通信模块是整个系统进行数据传输和专家系统分析的核心。先在Android移动APP终端上进行人体运动状态损伤风险监测系统的Net网络通信模块设计，并通过WiFi接口进行操作系统移植和设备端口的兼容性设计。使用CAN_MB_DATA3～CAN_MB_DATA0等寄存器进行运动损伤风险的状态识别和在线专家系统评估[6?7]，对运动生理指标采样的D/A的精度为16位，首先发送WREN指令，执行Net网络通信写入功能，CAN接收中断子程序，判断收到数据是否具有运动损伤的风险性，进行状态识别和判断。Net网络通信模块的芯片接口设计如图5所示。

（4） A/D电路设计。通过A/D电路设计，实现对人体运动损伤风险监测信息存储器分配和特征采样，在DSP的CE1空间，使用MC7660作为A/D芯片，通过逻辑与译码控制运动损伤信息风险监测信息的I2C加载和滤波，得到A/D电路设计如图6所示。

（5） 调理电路设计。人体运动损伤风险监测系统的传感器调理电路能实现信号调理功能，由于传感器输出的信号很微弱，在对人体运动状态识别中，需要设计信号调理电路进行滤波放大，提高识别能力。信号调理电路采用以S3C6410为系统的核心处处理器，由于人体在运动中心跳频率在60～100 次/min之间，因此在进行信号调理电路设计中，设计的信号放大倍数为100倍以上，信号滤波中设计截止频率在20 Hz以上的低通滤波器，得到电路设计如图7所示。

3 系统软件开发

在上述完成了基于人体运动状态识别的损伤风险监测系统硬件部分设计的基础上，进行软件开发，系统软件层分为两部分：操作系统层面和用户应用层面。采用ARM1176JZF?S作为主处理内核进行便携式损伤风险监测系统软件开发，并通过WiFi接口进行操作系统移植和设备端口的兼容性设计。选择Android OS进行操作系统的程序移植，首先设置工作目录，然后进行WiFi接口的交叉编译控制，最后在新的编译器中进行风险监测评估，设计代码为：

（1） 设置人体运动状态识别的工作目录：

在Android OS环境下进行程序兼容性设计：

# mkdir /myAndroid O

# cd / LOCAL_SRC

# Android APP mobile kernel data acquisition

图7 信号调理电路设计

（2） Android操作系統移植，进行WiFi接口的交叉编译控制：

删除原来的编译工具：

[root@ operating system /]# rm?rf opt

[root@localhost /]# damage risk monitoring

设置信号调理下的新的编译器：

# cd /mywork/ functional modules

# xzvf /linux/arm?linux? portable injury risk

（3） 获得vboot源码：

将vboot源码放在“/LOCAL_PACKAGE”目录下

#cd /mywork/bootloader //修改内核程序

#/FriendlyARM/.tar.gz //WiFi接口的交叉编译控制

4 实验测试分析

最后通过实证测试方法进行系统调试分析，验证系统的性能，将设计的便携式运动损伤风险监测系统佩戴于人体身上，进行为期一周的间隙性运动和运动数据采集，采集的最大摄氧量、心率等数据作为研究对象[8]。在LCD显示器上分析运动状态信息，进行风险控制，实现人体运动状态识别和运动损伤风险监测。以人体的最大摄氧量为例，得到人体运动状态中的采集输出结果如图8所示。

根据运动中的生理状态特征采集结果，对数据进行系统的分析和处理，进行运动损伤风险性评估实验，实现损伤风险监测。为了测试系统性能，以风险监测的报警准确度为测试指标，得到采用本文系统和传统的人工经验分析方法，取10名研究对象进行测试，得到对比结果如图9所示。从图9可见，采用本文系统进行运动损伤风险监测的准确性较好，对运动身体状态评估准确可靠。

5 结 语

本文提出一种基于Android便携仪移动终端平台设计的人体运动状态识别及损伤风险检测系统设计方法。在Android移动APP终端上进行人体运动状态损伤风险监测系统的总体设计构架，进行系统的功能模块分析；利用Android嵌入式系统进行系统的软件开发，以S3C6410为系统的核心处理器进行人体运动状态的数据采集和分析；采用ARM1176JZF?S作为主处理内核进行便携式损伤风险监测系统软件开发，并通过WiFi接口进行操作系统移植和设备端口的兼容性设计。系统测试表明，该系统能准确实现人体运动状态识别和损伤风险监测与提示，性能可靠稳定，具有一定的实用价值。

参考文献

[1] 张敏，金龙旭，李国宁，等.基于TDICCD空间相机图像模拟源系统设计[J].液晶与显示，2016，31（2）：208?214.

[2] 刘秀菊.基于嵌入式系统物联网的智能监测系统设计[J].计算机测量与控制，2012，20（9）：2375?2378.

[3] 雷鹏，孙可，张玉发，等.凝视光电成像系统猫眼回波特性的理论与实验研究[J].光子学报，2016，45（6）：17?23.

[4] MORENO?SALINAS D， PASCOAL A M， ARANDA J. Optimal sensor placement for multiple target positioning with range?only measurements in two?dimensional scenarios [J]. Sensors， 2013， 13（8）： 10674?10710.

[5] 杨丰盛.Android应用开发揭秘[M].北京：机械工业出版社，2010.

[6] 孙晓宇.Android手机界面管理系统的设计与实现[D].北京：北京邮电大学，2009.

[7] 陆兴华，吴恩燊.基于安卓客户端的智能家居电力控制优化设计[J].电力与能源，2015，36（5）：692?695.

[8] 宋宪强，刘晓莉.运动心肺试验在运动医学领域中的应用[J].山西中医学院学报，2004，5（4）：53?55.