基于mems加速度傳感器的人體姿態(tài)檢測技術(shù)

基于mems加速度傳感器的人體姿態(tài)檢測技術(shù)

平衡是指人體在運(yùn)動(dòng)或外部運(yùn)動(dòng)時(shí)控制重心，保持站立狀態(tài)，防止人們因自身的運(yùn)動(dòng)或外部運(yùn)動(dòng)而掉落。在日常生活中，人體依靠前庭、視覺和主體意識的“平衡三個(gè)詞”來維持平衡。然而，許多疾病通常會導(dǎo)致平衡障礙，尤其是老年人長期患病的嚴(yán)重問題。在中國65歲以上的老年人中，有相當(dāng)一部分人倒下。隨著年齡的增長，跌倒的發(fā)生率和年齡組的發(fā)病率都在增加。通過及時(shí)幫助老年人創(chuàng)造身體條件，是評估老年人平衡能力、身體功能和衰老程度的有效手段。人體姿態(tài)檢測的主要手段有圖像分析和加速度分析兩種.圖像分析的算法較復(fù)雜,系統(tǒng)龐大,實(shí)時(shí)性差;加速度分析算法相對簡便,系統(tǒng)小,實(shí)時(shí)性好.現(xiàn)在,國外對利用加速度信號研究人體姿態(tài)識別和分類的相關(guān)理論研究較多,跌倒作為一種重要的人體姿態(tài),其探測是其中的一個(gè)識別類.這些研究的重點(diǎn)主要是探測的準(zhǔn)確率,較少考慮算法的實(shí)時(shí)性.加速度監(jiān)測主要是利用射頻或者Zigbee等技術(shù)在一定范圍的室內(nèi)實(shí)現(xiàn).為了得到較高的準(zhǔn)確率,采用的加速度分析算法大多比較復(fù)雜,計(jì)算量大,實(shí)時(shí)性差.國內(nèi)研究者提出的跌倒探測的終端設(shè)計(jì)方案,對探測后的報(bào)警處理問題解決得不夠完善.大部分的設(shè)計(jì)方案中,跌倒報(bào)警信息并不提供跌倒者的位置和人體姿態(tài)信息,給提供及時(shí)救助增加了困難.少數(shù)提供定位信息的方案,采用全球定位系統(tǒng)(globalpositioningsystem,GPS)定位.這種定位方式精度低,對信號強(qiáng)度的依賴大,而且會給定位系統(tǒng)增加定位計(jì)算的負(fù)擔(dān),進(jìn)而大大提高了功耗.為了兼顧實(shí)時(shí)性和準(zhǔn)確率,設(shè)計(jì)采用基于三軸向加速度傳感器的多級人體跌倒探測算法對老年人的活動(dòng)狀態(tài)進(jìn)行監(jiān)測,支持自動(dòng)定位和遠(yuǎn)程報(bào)警.當(dāng)探測到老年人跌倒時(shí),采用GPSOne技術(shù)定位并通過短消息服務(wù)(shortmessagingservice,SMS)報(bào)警.1人體行為的檢測方法1.1加速度g方向一致對人體建立自然坐標(biāo)系O-x0y0z0和動(dòng)態(tài)坐標(biāo)系O-xyz.在自然坐標(biāo)系O-x0y0z0中,人體豎直站立,取人體冠狀面法向向前為x0軸正方向,矢狀面法向向左為y0軸正方向,水平面法向向下為z0軸正方向.此時(shí),z0方向與重力加速度g方向一致.對于動(dòng)態(tài)坐標(biāo)系O-xyz,無論人處于靜止還是運(yùn)動(dòng)狀態(tài),始終取人體冠狀面法向向前為x軸正方向,矢狀面法向向左為y軸正方向,水平面法向向下為z軸正方向.x軸、y軸、z軸構(gòu)成的左手系在人體豎直站立時(shí)與自然坐標(biāo)系完全重合.將加速度傳感器佩戴到人體腰椎位置時(shí),其3個(gè)敏感方向分別與動(dòng)態(tài)坐標(biāo)系的3個(gè)軸向一致.因此,動(dòng)態(tài)坐標(biāo)系下3個(gè)軸向的加速度分量就是傳感器3個(gè)相應(yīng)的敏感方向的加速度輸出(ax,ay,az),記其合加速度為a.當(dāng)處于靜止?fàn)顟B(tài)時(shí),人體只受重力加速度g作用(即a=g),方向沿z0正方向.設(shè)z軸與水平面(x0-O-y0平面)的夾角為θ(見圖1),則有|az|=gsinθ(1)故夾角θ為θ=arcsin|az|g(2)θ=arcsin|az|g(2)1.2svm和mads的電子鼻svm和mads人體加速度向量幅值SVM(signalvectormagnitude)和微分加速度幅值的絕對平均值MADS(meanabsolutevalueofdifferentialSVM)是區(qū)分人體運(yùn)動(dòng)狀態(tài)的重要參量.SVM通過計(jì)算加速度幅度表征人體運(yùn)動(dòng)的劇烈程度,其值越大表明運(yùn)動(dòng)越劇烈.其定義為SVM=a2x+a2y+a2z??????????√(3)SVΜ=ax2+ay2+az2(3)MADS通過計(jì)算SVM的微分絕對值的時(shí)間平均表征人體運(yùn)動(dòng)狀態(tài)變化的劇烈程度,其值越大表明運(yùn)動(dòng)狀態(tài)變化越劇烈.其定義為MADS=1T∫T0|ΜADS=1Τ∫0Τ|SVM′|dt(4)在動(dòng)態(tài)坐標(biāo)系下考察SVM和MADS,可監(jiān)測人體的運(yùn)動(dòng)強(qiáng)度和運(yùn)動(dòng)狀態(tài)變化強(qiáng)度.跌倒屬于劇烈的運(yùn)動(dòng)過程,通過考察SVM可將低強(qiáng)度的運(yùn)動(dòng)狀態(tài)(如步行和站立)濾除掉.跌倒也是運(yùn)動(dòng)狀態(tài)變化最劇烈的日常活動(dòng),通過考察日常劇烈運(yùn)動(dòng)過程的MADS可作為跌倒的判據(jù).2svm的持續(xù)時(shí)間多級跌倒探測算法主要分為3級.每一級算法都獨(dú)立地進(jìn)行一次跌倒判斷,后一級算法只針對前一級已判斷為跌倒的狀態(tài)進(jìn)行計(jì)算.具體判斷過程如下.第1級判據(jù)為SVM.選擇適當(dāng)?shù)拈撝?將人體運(yùn)動(dòng)區(qū)分為劇烈運(yùn)動(dòng)和非劇烈運(yùn)動(dòng).坐、臥及正常行走等日?；顒?dòng)屬于非劇烈運(yùn)動(dòng)狀態(tài),而快速行走、跌倒等屬于劇烈運(yùn)動(dòng)狀態(tài).當(dāng)?shù)拱l(fā)生時(shí),SVM會明顯增大,通常峰值超過1.5g(g為重力加速度).對于某些老年人而言,正常行走和跌倒時(shí)的SVM均會超過1.5g,但是跌倒過程中SVM超過1.5g的持續(xù)時(shí)間較長.通過實(shí)驗(yàn)測定,老年人正常行走時(shí)的SVM大于1.5g的持續(xù)時(shí)間一般不會超過40ms,而跌倒情況SVM超過1.5g的持續(xù)時(shí)間較長.設(shè)計(jì)系統(tǒng)采樣率為150Hz,因此可將連續(xù)超過6個(gè)采樣點(diǎn)的SVM大于1.5g,即其持續(xù)時(shí)間超過40ms,作為第1級算法的判據(jù).圖2是老年人跌倒時(shí)SVM的變化情況.其中,合加速度大于1.5g的采樣點(diǎn)用“o”點(diǎn)表示,而超過1.5g的連續(xù)6個(gè)以上的采樣點(diǎn)用“*”點(diǎn)表示.從圖中可以看出,雖然“o”點(diǎn)構(gòu)成了A、B、C、D、E、F多個(gè)峰簇,但是,“*”點(diǎn)只構(gòu)成了F一個(gè)峰簇.因此,通過前級檢測的峰簇只有F峰.第2級主要計(jì)算通過第1級算法的“嫌疑”峰簇的MADS,并與其閾值做比較.由于跌倒是運(yùn)動(dòng)狀態(tài)變化最劇烈的活動(dòng),適當(dāng)選擇閾值可將跌倒的特異性區(qū)分出來.實(shí)驗(yàn)表明,老年人跌倒時(shí),MADS明顯增大,當(dāng)峰值超過0.36g/s時(shí),則認(rèn)為人體跌倒了.圖3為對圖2中檢出的峰簇F進(jìn)行MADS計(jì)算的結(jié)果.第3級作為輔助判斷主要用于降低第2級的誤判率,同時(shí)豐富報(bào)警信息的內(nèi)容.第3級對第2級判斷為跌倒的情況作進(jìn)一步的判斷.首先,系統(tǒng)每間隔10s通過計(jì)算最近50個(gè)采樣點(diǎn)的z軸加速度的方差檢測人體狀態(tài)是否穩(wěn)定.實(shí)驗(yàn)表明,穩(wěn)定狀態(tài)下方差小于0.5g.如果10次檢測均未穩(wěn)定,則認(rèn)為是誤判;反之,則進(jìn)行人體姿態(tài)判別.人體姿態(tài)主要通過計(jì)算人體軀干與水平面的傾角θ(即z軸與x0-O-y0平面的夾角)來判別.如果計(jì)算得到θ小于40°,可認(rèn)為確實(shí)跌倒并將人體跌倒后的姿態(tài)作為報(bào)警輔助信息發(fā)送出去;反之,則認(rèn)為是誤判.3輸出電壓系統(tǒng)的硬件部分主要包括加速度信號采集模塊、按鍵與顯示模塊、CDMA無線通信模塊以及以MSP430F1611為核心的微控制器模塊等.系統(tǒng)結(jié)構(gòu)與功能框圖如圖4所示.加速度信號采集模塊的核心部分是基于MEMS的單芯片三軸向低重力加速度傳感器MMA7260QT.它采用信號調(diào)理、單極低通濾波器和溫度補(bǔ)償技術(shù),并提供4個(gè)量程.它帶有低通濾波器并已做零g補(bǔ)償.它將三軸向加速度轉(zhuǎn)化為電壓值輸出.設(shè)置MMA7260QT的量程為±4g(300mV/g),當(dāng)人體處于靜止直立狀態(tài)時(shí),兩水平方向?yàn)?g,輸出電壓1.65V;豎直方向?yàn)?g,輸出電壓1.95V;考慮到老年人行動(dòng)能力有限,其加速度幅值最大不超過2.5g,即輸出電壓范圍在0.90~2.40V之間.系統(tǒng)的核心控制和計(jì)算選用TI公司的MSP430F1611單片機(jī).該單片機(jī)具有低電源電壓、超低功耗等突出優(yōu)點(diǎn),非常適合電池供電的便攜產(chǎn)品.其片內(nèi)的8通道12位ADC可設(shè)置的最大電壓范圍為0V至Vcc(3.3V).因此,單片機(jī)無需信號調(diào)理就可與傳感器直接相連.通信模塊采用ANYDATA公司的CDMA模塊DTGS-800,工作在832MHz頻段,功耗為0.32W.采用全功能串口控制,擁有高達(dá)152kb/s的數(shù)據(jù)傳輸速率,支持機(jī)卡分離(R-UIM),可通過AT命令進(jìn)行遠(yuǎn)程服務(wù),內(nèi)置TCP/IP協(xié)議棧,提供SMS和無線數(shù)據(jù)傳輸功能,支持GPSOne定位技術(shù).按鍵與液晶顯示模塊主要完成人機(jī)交互任務(wù).顯示部分采用LM0802,主要用于顯示系統(tǒng)狀態(tài).系統(tǒng)提供手動(dòng)報(bào)警和手動(dòng)取消報(bào)警按鍵,以降低漏判與誤判給用戶帶來的損失.系統(tǒng)軟件設(shè)計(jì)采用嵌入式操作系統(tǒng)μC/OS-Ⅱ.μC/OS-Ⅱ具有內(nèi)核超小、實(shí)時(shí)性和可移植性較好的優(yōu)點(diǎn),可用于內(nèi)部存儲資源有限的MSP430F1611,并能滿足系統(tǒng)對實(shí)時(shí)性的較高要求.系統(tǒng)以150Hz采樣3個(gè)軸向加速度,每次記錄最近10s的加速度數(shù)據(jù),根據(jù)此數(shù)據(jù),系統(tǒng)進(jìn)行多級探測以減小誤判的幾率.當(dāng)系統(tǒng)確定人體跌倒后,進(jìn)行本地蜂鳴報(bào)警.如果出現(xiàn)誤判,用戶可在蜂鳴30s內(nèi)通過按鍵手動(dòng)取消報(bào)警以防止誤報(bào)警.如果用戶沒有取消報(bào)警,系統(tǒng)將自動(dòng)進(jìn)行定位,并將定位、姿態(tài)和報(bào)警信息等以短信的形式發(fā)送到目標(biāo)手機(jī)上.除此之外,設(shè)計(jì)還支持手動(dòng)報(bào)警功能,以防止漏報(bào)警的情況發(fā)生.另外,數(shù)據(jù)也可通過手動(dòng)方式傳輸?shù)奖O(jiān)護(hù)中心.4正?；顒?dòng)與排放的分級算法實(shí)驗(yàn)1對年齡在65~70歲之間的健康受試者進(jìn)行活動(dòng)分類測試,包括步行、下蹲、坐下、爬樓、慢跑等各測試50人次.實(shí)驗(yàn)2由5名年齡在20~25歲之間的健康受試者分別進(jìn)行10次跌倒模擬測試.實(shí)時(shí)采集整個(gè)實(shí)驗(yàn)過程的加速度數(shù)據(jù),實(shí)驗(yàn)1和實(shí)驗(yàn)2主要考察分級跌倒判斷算法的通過率,實(shí)驗(yàn)結(jié)果如表1所示.表中的通過率對于第1級而言,是指第1級判為跌倒的例數(shù)占該項(xiàng)實(shí)驗(yàn)的次數(shù)的百分比;對于后級而言,則是本級被判為跌倒的例數(shù)在前一級被判為跌倒的例數(shù)中所占的百分比.從表中最終的實(shí)驗(yàn)結(jié)果可以看出,分級算法可以準(zhǔn)確地將正?；顒?dòng)與跌倒區(qū)分開;對跌倒活動(dòng)的判別準(zhǔn)確率達(dá)96%.實(shí)驗(yàn)3由5名年齡在20~25歲之間的健康受試者分別進(jìn)行從行走態(tài)到前撲、從行走態(tài)到跌倒后左側(cè)臥、右側(cè)臥各5次跌倒測試.對于實(shí)驗(yàn)3,通過分級計(jì)算,全部被標(biāo)記為跌倒,計(jì)算跌倒后的傾角,并統(tǒng)計(jì)出傾角小于10°、20°、30°和40°的例數(shù)占該姿態(tài)總實(shí)驗(yàn)次數(shù)的百分比β,結(jié)果如表2所示.從表中可以看出跌倒后角度分布,故可以設(shè)定40°作為跌倒的異常姿態(tài)角度閾值判據(jù).實(shí)驗(yàn)結(jié)果表明,第1級算法對低強(qiáng)度的運(yùn)動(dòng)有很好的濾除作用.第2級算法對較高強(qiáng)度的運(yùn)動(dòng)進(jìn)行進(jìn)一步的分析,可有效地將跌倒信號提取