基于智能手表的跌倒检测系统在养老院应用*

宋振兴 姚俊明

(济宁医学院医学信息工程学院 日照 276826)

1 引言

跌倒是老年人发病和死亡的主要因素之一，2011年原卫生部统计数据显示[1]跌倒在国内伤害死亡原因中居于第4位，而在65岁以上老年人中居于第1位。每年仅在美国就有超过1 100万次的跌倒事件[2]。除造成身体伤害外，跌倒还会产生严重的心理后果，可能导致残疾和行动不便，对他人的依赖增加，从而减少老年人的独立性[3]。

常见的跌倒检测系统是基于强垂直性加速度的检测传感器技术[4]，当老年人跌倒时发出报警信号。较新的系统通常会考虑其他能够探测设备方向的传感器，以确定用户发出的信号是否属实，如是否撒谎或站立等[5-6]。本文提出一种适用于智能手表[7]的跌倒检测系统，方便对用户进行跟踪。跌倒检测系统应用于智能手表，相当于一个独立的中央基站，相比于智能手机其优势非常明显，原因在于通常人们习惯将手机放在口袋中，只有当智能手机贴近腰部时系统才会有效工作，其他情况则无效[8-9]。针对跌倒检测系统提出一种室内定位[10]，此算法会同时考虑蓝牙信标的接收信号强度指示(Receive Signal Strength Indicator，RSSI) 以及信标放置的空间大小。在该应用的可及范围内位置[11]模块添加到跌倒检测系统中非常重要。当老人跌倒后能够及时明确跌倒位置，进而采取施救。为最终用户提供最小的成本和设置最优化过程是本系统的目标，如此每个房间使用一个最低限度的蓝牙信标，设计开发出较复杂的算法进行探测。

2 系统设计

2.1 概述

智能手表[7]内嵌安卓应用程序，利用内置的探测跌倒信息的加速度传感器[4]收集数据。使用基于阈值的算法来检测跌倒信号，充分考虑用户跌倒后的反应情况、移动距离以及用户位置。在对不同用户进行实验的基础上选择加速度阈值，当发现危急情况时会触发警报，以通知监护人。与传统系统相比智能手表的主要优势在于其直接与护理人员沟通，不涉及基站和集中报警系统，使用智能手表用户是完全自主的，跌倒检测系统是非嵌入性的。

2.2 跌倒检测算法

2.2.1 概述 用户可以像日常操作其他手表一样操作智能手表，不用担心出现任何异常，跌倒检测算法[12]是在后台服务中不断运行，本系统不会对手表内任何应用程序的正常使用造成干扰。另外为提高系统实用性，必须考虑到电池的消耗。使用基于阈值的算法，与机器学习方法[13]相比，其具有较低的计算复杂度，因此需要最低的计算能力，通过增加滤波器和使用上下文信息使本系统的灵敏度和特异性最大化。该算法能够区分日常活动和跌倒。模拟跌落示例，见图1。跌倒模式必须与日常活动模式区分开，从内置三轴加速度传感器[4]的智能手表以40赫兹对加速度数据进行采样，具体而言传感器使用的是能提供无重力分量的加速度信息(线性加速度)的传感器。

图1 模拟跌落示例

2.2.2 跌倒模式 算法的下一步是检测可能的跌倒信号。另外加速度阈值必须具有很高的灵活性，这样才能通过分析老年人日常生活的实际活动获取广泛的加速度阈值，从而保持智能手表稳定，用户愿意使用。跌倒信号的真实性必须满足以下两个条件：(1)加速度必须超过该用户配置文件中设定的速度范围(如10～18米/秒)的上限阈值。(2)在一定的时间间隔后，加速度必须超过该用户配置文件中设定的速度范围(如2～7米/秒)的一个较低阈值。其两个峰值之间的时间差用于表示用户跌倒后的身体反应，而高峰与低峰之间的时间间隔必须是灵活的，但不能超过0.5秒，这是跌倒后做出反应的最大时间长度，其好处在于提高算法的特异性，设定这两个阈值的范围能够避免错误的跌倒信号。如果在6秒的时间间隔内满足这两个条件，那么有可能是一起跌倒事件[12]。在该决策模块中每当满足两个超过阈值的条件时计数器就会增加。X轴和Y轴分别定义为计数器的较低可接受值和更高可接受值，跌倒计数器的临界值范围为：X≤计数器

图2 跌倒检测算法

2.2.3 跌倒后行为 智能手表的一个关键创新之处在于其考虑用户在跌倒事件后的行为。根据跌倒后用户的后续移动可以将跌倒分为3种类型：跌倒后无任何移动、跌倒后少量移动、恢复正常活动。如果用户在跌倒后根本不移动直接发出警报并立即通知监护者；如果用户在跌倒后能够完全恢复活动，可自行取消警报，尽可能减少虚警信号。

2.3 定位

2.3.1 概述 通过获取跌倒精确位置可以减少监护者的反应时间，能够准确完成任务，为养老院的老人和监护人员提供即时帮助。使用iBeacon技术来实现该方案，在每个房间安置一个信号浮标，iBeacon使用蓝牙的低功耗[15]来传输由兼容的应用程序或操作系统获取的通用唯一标识符，达到准确定位的目的。

2.3.2 RSSI和传播模型 在基于RSSI的定位中, 从信标发送到移动设备的信息包借助传播模块将RSSI映射到远处，其中传播模块的正确校准至关重要，因为这种转换方式会显著地影响定位精确度。公式1给出用于模拟无线信号传播损耗[16]的广泛已知方法。

(1)

其中d和d0分别表示实际距离和参考距离，r和r0分别表示实际距离和基准距离处的接收信号功率，Xσ表示一个随机变量，它是传输信号中携带的噪音数据，其数值取决于传输信道、发射机和接收机。假如以d0=1米为参考距离，假设Xσ为均值为0的高斯分布随机变量，简化模型如下：

r=p-10nlog10(d)

(2)

其中r是距离d处的接收信号功率，p是从1米远的发射机接收的接收机的信号功率，n代表路径损耗指数。正如在基于蓝牙的依据房间表面积和高度定位方法中所描述的[17]，接收一个内部和外部阈值。

2.4 房间规模和 RSSI 阈值

2.4.1 概述 设S是房间的表面积，h是房间的高度。假设一个方形房间，见图3。内切圆和外切圆的半径分别用公式3和4计算。

图3 房间结构

(3)

(4)

利用毕达哥拉斯定理，分别用公式5和6计算其斜边。

(5)

(6)

通过将计算得到的斜边的值代入传播模型公式3，即可获得这些距离处的预期RSSI值。将内部和外部RSSI阈值分别定义为上述正方形房间的内切圆和外切圆处的预期RSSI值，然后用公式7和8计算阈值。

(7)

(8)

2.4.2 RSSI分类定位算法 对于每个蓝牙信标内部和外部阈值按照上述方法计算[17]，根据获取的RSSI值，其属于以下类别之一：当RSSI大于内部阈值时属于强级别(S)，当RSSI介于内部和外部阈值之间时属于中等级别(M)，当RSSI小于外部阈值时属于弱级别(W)，当没有特定信标的信号时找不到任何类别(NF)。基于这些类别的意义对其进行排序：S>M>W>NF。任何时刻每个信标RSSI值都是获取到的N个最新RSSI值的平均值，使得每个信标可以被归为上述类别之一，然后选择最重要的非空类别。如果只有一个信标属于这个类别，过程结束，假设该特定信标被放置在房间中。当多个信标属于这个类别时计算每个信标的得分，该得分等于其测量的RSSI与其下阈值之间的差。当S是最重要的非空类别时下限阈值等于内部阈值，当M或W是最重要的非空类别时外部阈值可以是由用户选择的RSSI读取值(如-127)的全局最小值，然后得分最高的信标获胜，在最终情况下放在最大房间的信标获胜。

3 系统性能评估

3.1 跌倒检测

通过反复多次模拟仿真老年人的跌倒数据以及其实跌倒数据对跌倒检测算法[12]进行分析评估，最终验证智能手表的可靠性。日常生活活动能力包括走路、上楼梯、下楼梯、从椅子上站起、坐在椅子上等。基于这些调查数据，可看出该算法的精确度较高。对于模拟跌倒组，从参与测试的老年人中得到93.48%的灵敏性和98.54%的特异性，灵敏性和特异性的平均值表示系统的准确度达到96.01%。借助于第3方提供的云平台部署该检测系统将为养老院更好地监护老年人提供帮助。

3.2 室内定位

采用Kontakt.io智能信标，其默认配置参数设置成发射频率为3瓦、间隔时间为350毫秒，然后收集整个楼层中每个房间设定区域内的RSSI数据，对每个点上的每个信标每秒收集共200条RSSI数据，接收器放置在离地面大约70厘米的非导体表面上。为对本应用程序构建特效的传播模型，在走廊中心放置一个蓝牙信标，在距信标0.5～7米距离范围内的几个点进行多次测量，通过公式3得到传播模型参数估计值分别为p=-70.09和n=1.95。另外需考虑使用算法对收集的RSSI数据进行误差分析，力求达到最优的测试结果。

4 结语

跌倒检测是改善老年人日常生活质量的一个重要研究领域。本文介绍一个没有基站、中央报警站并工作在独立智能手表中的跌倒检测系统。对于用户来说减少佩戴医疗设备带来的烦恼。智能手表使用一种兼顾跌倒后反应和后续活动的检测算法，有利于将跌倒模式与真实跌倒匹配，减少虚假警报情况。本文主要创新之处在于使用一种基于阈值的方法使智能手表向管理员提供用户准确位置，介绍同时考虑蓝牙信标接收信号强度指示和信标放置所需空间大小的算法。此外使用模拟和真实数据对系统进行测试，验证跌倒检测系统的可行性，认为该系统能够在养老院中发挥作用。