CN105286874A - 一种用于预测老年人跌倒风险的系统及方法 - Google Patents

Abstract

本发明公开了一种用于预测老年人跌倒风险的系统及方法，包括压力传感器模块：用于检测人体的脚底压力信息；信号采集模块：用于将脚底压力信息转换为电压信号；上位机处理模块：用于接收电压信号并将其转换为脚底压力信息；数据分析模块：对上位机处理模块获得的脚底压力信息进行计算分析得到人体步态数据，并通过步态数据评估跌倒风险，具体为采用人体步态数据与正常人步态数据进行比较，当步态数据超出正常人步态数据范围时，跌倒风险较大。本发明能够获得老年人摔倒风险数据，方便快捷地预测老年人的步态平衡和跌倒风险。

Description

一种用于预测老年人跌倒风险的系统及方法

技术领域

本发明涉及一种跌倒预测设备，具体涉及一种用于预测老年人跌倒风险的系统及方法。

背景技术

2014年我国60岁以上人口数量已突破两亿，已步入老龄化快速发展期。跌倒是造成老年人意外伤害的最多发原因，据统计，60岁以上老年人每年大约有三分之一的人曾经跌倒，在超过80岁的高龄老年人群当中，身体伤害至少有50％是由于跌倒造成的。目前，老年人的健康问题正获得社会越来越多人的关注。对于老年人而言，跌倒的发生并不是一种意外，而是存在潜在的不可见因素。

当前针对于老年人跌倒问题研究，主要集中在判断跌倒的发生及其严重程度以及最后通过什么样的方式来传达老年人求救信息这两个方面。

事实上，老年人的跌倒行为是可以预防和控制的，随着老年人肌力的退化，平衡能力和反应能力的减弱，跌倒的风险会随之增加，故而通过对老年人的走路品质的有效评估，指导行走行为过程，进行积极有效地干预，可大大降低其跌倒的发生，减少跌倒危害。

发明内容

本发明的目的在于提供一种用于预测老年人跌倒风险的系统及方法，以克服上述现有技术存在的缺陷，本发明能够获得老年人摔倒风险数据，方便快捷地预测老年人的步态平衡和跌倒风险。

为达到上述目的，本发明采用如下技术方案：

一种用于预测老年人跌倒风险的系统，包括压力传感器模块：用于检测人体的脚底压力信息；信号采集模块：用于将脚底压力信息转换为电压信号；上位机处理模块：用于接收电压信号并将其转换为脚底压力数据；数据分析模块：对上位机处理模块获得的脚底压力数据进行计算分析得到人体步态数据，并通过步态数据评估跌倒风险，具体为采用人体步态数据与正常人步态数据进行比较，当步态数据超出正常人步态数据范围时，跌倒风险较大。

进一步地，所述系统还包括无线传输模块：用于将信号采集模块得到的电压信号通过蓝牙传送至上位机处理模块。

进一步地，所述压力传感器模块包括两个设置有若干压力传感器的鞋垫，每个鞋垫上的压力传感器不少于两个。

进一步地，所述数据分析模块还能够根据脚底压力数据和步态数据获得人体重心移动轨迹曲线，并通过人体重心移动轨迹曲线评估跌倒风险，具体为采用用户人体重心移动轨迹曲线与正常人人体重心移动轨迹曲线进行比较，当人体重心移动轨迹曲线超出正常人人体重心移动轨迹曲线范围时，跌倒风险较大。

进一步地，所述人体重心移动轨迹曲线通过压力中心投影算法获得，压力中心投影算法公式如下：

$\begin{array}{cc}{M}_x=\Σy_i{F}_{Z,i}& y_{COP}=M_x/\ΣF_{Z,i}\end{array}$

$\begin{array}{cc}{M}_y=\Σx_i{F}_{Z,i}& x_{COP}=M_y/\ΣF_{Z,i}\end{array}$

其中，x_i，y_i表示第i个压力传感器的坐标值；F_Z,i表示第i个传感器的压力值；x_COP，y_COP表示人体重心移动轨迹的坐标值。

进一步地，所述系统还包括数据显示模块，所述数据显示模块能够实时显示上位机处理模块获得的脚底压力信息、步态数据以及人体重心移动轨迹曲线。

进一步地，所述数据显示模块中设有预警装置，预警装置中设置有步态数据以及人体重心移动轨迹曲线的正常范围阈值，当步态数据或人体重心移动轨迹曲线超出对应的正常范围阈值时，预警装置能够发出跌倒高风险预警。

一种用于预测老年人跌倒风险的方法，包括以下步骤：

步骤一：采集人体的脚底压力信息；

步骤二：对脚底压力信息进行计算分析得到人体步态数据，并根据脚底压力信息和步态数据获得人体重心移动轨迹曲线；

步骤三：采用人体步态数据和人体重心移动轨迹曲线与正常人步态数据和正常人人体重心移动轨迹曲线分别进行比较，当步态数据或人体重心移动轨迹曲线超出对应的正常范围时，跌倒风险较大。

进一步地，步骤一中采用两个设置有若干压力传感器的鞋垫采集人体的脚底压力信息，且每个鞋垫上的压力传感器不少于两个。

进一步地，所述人体重心移动轨迹曲线通过压力中心投影算法获得，压力中心投影算法公式如下：

$\begin{array}{cc}{M}_x=\Σy_i{F}_{Z,i}& y_{COP}=M_x/\ΣF_{Z,i}\end{array}$

$\begin{array}{cc}{M}_y=\Σx_i{F}_{Z,i}& x_{COP}=M_y/\ΣF_{Z,i}\end{array}$

其中，x_i，y_i表示第i个压力传感器的坐标值；F_Z,i表示第i个传感器的压力值；x_COP，y_COP表示人体重心移动轨迹的坐标值。

与现有技术相比，本发明具有以下有益的技术效果：

本发明系统利用压力传感器模块检测人体的脚底压力信息，然后利用信号采集模块将脚底压力信息转换为电压信号，利用上位机处理模块接收电压信号并将其转换为脚底压力信息，利用数据分析模块对上位机处理模块获得的脚底压力信息进行计算分析得到人体步态数据，采用人体步态数据与正常人步态数据进行比较，当步态数据超出正常人步态数据范围时，则可以判断用户的跌倒风险较大，由此对老年人的走路品质进行有效评估，指导行走行为过程，进行积极有效地干预，可大大降低其跌倒的发生，减少跌倒危害。

进一步地，本发明采用无线传输模块将信号采集模块得到的电压信号通过蓝牙传送至上位机处理模块，可以减少测试中的连线问题，简化设备，减少测试设备对行走过程的干扰。

进一步地，本发明采用更加直观的压力中心点投影算法，绘制出相应的人体重心在足底投影的移动轨迹，人体重心轨迹的变化与足底压力存在密切的关系，采用用户人体重心移动轨迹曲线与正常人人体重心移动轨迹曲线进行比较，当人体重心移动轨迹曲线超出正常人人体重心移动轨迹曲线范围时，可以判断用户的跌倒风险较大。

进一步地，本发明设置数据显示模块，首先可以实时显示采集的原始足底多路压力信号，平且区别显示出来；第二，可以显示通过数据分析而得的多个步态数据值；第三，可以显示人体行走过程中的重心投影轨迹。

进一步地，数据显示模块中设有预警装置，预警装置中设置有步态数据以及人体重心移动轨迹曲线的正常范围阈值，当步态数据或人体重心移动轨迹曲线超出对应的正常范围阈值时，预警装置能够发出跌倒高风险预警。

本发明方法通过采集人体的脚底压力信息；并对脚底压力信息进行计算分析得到人体步态数据，根据脚底压力信息和步态数据获得人体重心在脚底投影的移动轨迹曲线；采用人体步态数据和人体重心移动轨迹曲线与正常人步态数据和正常人人体重心移动轨迹曲线分别进行比较，当步态数据或人体重心移动轨迹曲线超出对应的正常范围时，跌倒风险较大，由此对老年人的走路品质进行有效评估，指导行走行为过程，进行积极有效地干预，可大大降低其跌倒的发生，减少跌倒危害。

附图说明

图1是本发明的系统组成结构示意图；

图2是本发明实施例的压力传感器分布示意图；

图3是本发明的信号采集电路；

图4是本发明的软件流程图。

具体实施方式

下面结合附图对本发明作进一步详细描述：

人类的步态是一组复杂的运动，通常由若干周期组成。每一个步态周期又分为站立相和举步相两个阶段，而站立相由中间稳定期、脚后跟着地期和推进期三个阶段组成。通过研究行走过程中人类的髋、膝、踝等关节的运动规律以及足底压力有关的物理量，可为老年人跌倒风险预测提供理论支持。行走过程中，人的身体姿势不断改变，身体重心不断变化，而在人的行走过程中身体姿势的改变具有周期性，所以人体重心变化也会存在周期性。通过步态行走过程中人体重心的周期性变化规律，可对老年人跌倒风险进行预估。

本发明主要从老年人跌倒风险预测出发，提出一种基于压力传感与数据分析的智能鞋垫系统设计，主要原理是基于压力中心投影方法来判断老年人步态行走过程的重心变化情况，作为老年人步态平衡评估系统，进而对其跌倒风险进行预估，获得老年人摔倒风险数据，方便快捷地预测老年人的步态平衡和跌倒风险。

参见图1至图4，本发明一种用于预测老年人跌倒风险的系统，包括压力传感器模块、信号采集模块、无线传输模块、上位机处理模块、数据分析模块和数据显示模块六个部分。

所述的压力传感器模块由两只内置多个压力传感器的鞋垫组成，通过压力传感器采集用户的脚底不同位置的压力信息。为了获得精确的脚部压力数据，所需的压力传感器个数不少于两个，主要布置于脚掌和足跟等着力点处，压力传感器个数越多，则测量结果越精确。一种单个鞋垫内置六个薄膜压力传感器的鞋垫布局样式如图2所示。

所述的信号采集模块由信号采集电路组成，主要将压力传感器的压力变化转化为可供AD采集的电压信号的变化，通过运算放大器搭建同相比例放大器或者反相比例放大器实现。整个模块采用微型计算机处理芯片作为控制中心，搭建供电等外围设备，使得12路I/O数据采集接口不断更新采集数据，存储在RAM模块中。该模块使用腰带绑在测试者腰部，通过便携式电池供电，应用约一米长的排线由腰部连接到脚底两只鞋垫上的各个压力传感器，连接线在连接过程中尽可能不影响正常行走过程。

所述的无线传输模块其功能是进行短距离的数据传输，在信号采集模块完成信号采集后，通过蓝牙传送至上位机处理模块。该模块集成在信号采集模块的微型处理器中，增加无线信号发射装置，通信距离在五米。

所述的上位机处理模块主要接受无线传输模块的蓝牙信号，获得压力传感器模块的所有压力传感器的压力信息，并通过所述的数据分析模块依次区分哪一路压力传感器的信号，分别存储并滤波预处理。

所述的数据分析模块可以利用所采集的多路信号压力值进行计算分析，即可以得到脚跟与脚掌的着地顺序与压力分布，进一步计算得到人体步态数据，分析包括得到步态周期，重心位置等。其中的步态包含步长、步调、步幅、步宽等，从而提供准确步态数据系统。在此基础上可以进一步获得相应的人体重心移动轨迹曲线，即通过足底压力在脚底区域的分布图，计算行走过程中每个时刻的压力的中心点所处的脚底位置，也就是重心在脚底的投射点，从而得到整个行走过程中的重心投射位置的制动轨迹，更加直观地判定对老年人的跌倒风险进行预测。

所述的数据显示模块可以将采集到各路足底压力信号实时显示在上位机屏幕，同时可以将计算所得步态数据依次显示，从而对老年人行走的步态品质做一个直观的检测，在行走品质出现偏差时，预测老年人跌倒的风险值超过设定阈值的时候，给予预警。

下面对本发明的操作过程做进一步详细描述：

本发明的系统组成框图如图1所示，分为数据采集部分，上位机处理部分和计算结果三个部分。具体主要分为六个模块，分别为压力传感器模块、信号采集模块、无线传输模块、上位机处理模块、数据分析模块和数据显示模块六个部分。下面将按此六个模块展开说明具体的实施方式。

对于压力传感器模块，本发明在每一只鞋上布置了六个薄膜传感器，最终薄膜压力传感器在鞋垫上的布局样式如图2所示。考虑到压力传感器位于脚部位置，因此传感器厚度要求要小，不能影响正常的行走。由于Flexiforce尺寸很薄，且具有很好的弯曲性能，将其布置在压力鞋垫本体中进行足底压力测量时，几乎不会影响原来的足底压力分布状况。因此选择了美国TekscanFlexiforce的电阻式压力传感器，型号为A201，传感区域直径为9.5mm，厚度为0.208mm。在此采用6个传感器来检测受力情况，通过导线连接至绑在腰间的信号采集模块。

对于信号采集模块，在运算放大器的选择上也挑选单电源供电、集成度高、低功耗的元件，还需放大器为单通道电源放大器，具有极低的失调电压、宽信号带宽以及低输入电压和电源噪声，本设计选择型号为MCP6001的运算放大器。并且通过I/O口连接到STM32单片机上。供电电源来自便携式电池供电，并通过电路板中的电源转换模块输出的电源。

对于无线传输模块，本发明需要将采集到的数据无线发送给上位机数据处理模块，这样可以减少测试中的连线问题。蓝牙模块也集成在电路板上，在可穿戴的设备中本设计对于距离没有很高的要求，所以蓝牙传输满足本设计的要求，蓝牙无线通信协议是公知常识，方便简单。将数据传到上位机进行处理，在传回PC机的过程串口通过STM32单片机进行数据交换。在电路板中集成了总多电路模块，串口通信的接口也包含其中，电源转换模块中需要将电压转换成处理器所需的标准电压，还包含晶振电路等。整个信号采集和无线传输模块集成在一块电路板上，与电池一起放置在绝缘盒子里，绑在腰间，随着测试者行走过程中，实时测量采集发送数据回上位机。

对于上位机数据处理模块，系统软件流程图如图4所示，依次采集鞋垫传感器系统中的12个压力传感器的压力信息，然后通过蓝牙传输发送给上位机。上位机将采集到的多路足底压力数据经同步确定每一路压力信号的时间差和双足交替支撑的时间间隔，从而确定行走步态的右脚单独支撑时间，双脚支撑时间，左脚单独支撑时间，计算出左右脚支撑和摆腿的比例。再根据不同压力传感器放置的位置，估算出步长、步调、步幅、步宽等信息，从而获得准确步态数据系统。

对于数据分析模块，系统软件根据采集的信息进一步评估跌倒风险，例如根据现有预处理所得的时间和空间的步态参数，可以有效地评估左右两边行走是否平衡，支撑过程是否平衡，在处理数据时，可通过神经网络、模糊控制等方式，从而评估出行走的品质，当某些指标超出正常人步态参数的范围时，预测测试者跌倒风险较大。除了对步态品质的专业评估，本发明还添加了更加直观的压力中心投影算法，绘制出相应的人体重心在足底投影的移动轨迹。人体重心轨迹的变化与足底压力存在密切的关系，根据公式将每一个的压力传感器的坐标和每一个压力传感器的压力值相乘后进行求和，再将每个计算值加权平均获得重心的位置坐标，最终可以获得相应的人体重心移动轨迹曲线。压力中心投影算法公式如下所示：

$\begin{array}{cc}{M}_x=\Σy_i{F}_{Z,i}& y_{COP}=M_x/\ΣF_{Z,i}\end{array}$

$\begin{array}{cc}{M}_y=\Σx_i{F}_{Z,i}& x_{COP}=M_y/\ΣF_{Z,i}\end{array}$

x_i，y_i：第i个压力传感器的坐标值。

F_Z,i：第i个传感器的压力值。

x_COP，y_COP：人体重心移动轨迹的坐标值。

人体重心轨迹的变化能够反映更加直观地人体在行走过程中的稳定性，将采集的压力数据通过压力中心投影算法绘制出人体重心移动轨迹，人体中心移动轨迹不同可以预测多种典型的跌倒风险。第一，人体在行走过程中，如果重心轨迹不能顺利地从一只脚移动到另一只脚，说明另一只脚的支撑能力减弱，存在较高的跌倒风险。第二，如果重心轨迹在一个步态周期不断地在两只脚来回移动，说明此时测试者身体左右晃动幅度较大，平衡能力较差，存在较高的跌倒风险。第三，如果重心轨迹在某一只脚不能顺次前移，而是反复前后移动，说明测试者身体前后晃动幅度较大，行走的推进能力不足，存在较高的跌倒风险。根据这些异于正常步态的信息，该设备可以预测出较高的跌倒风险，从而及时提醒测试者，稳定行走，减少跌倒的风险。

对于数据显示模块，本发明采用MATLAB的GUI界面设计处理。首先可以实时显示采集的原始足底多路压力信号，平且区别显示出来。第二，可以显示通过数据分析而得的多个步态参数值。第三，可以显示本发明提出的人体行走过程中，重心投影轨迹，同时设定各个参数和轨迹的正常范围阈值，超出阈值给予跌倒高风险预警。

Claims (10)

1.一种用于预测老年人跌倒风险的系统，其特征在于，包括压力传感器模块：用于检测人体的脚底压力信息；信号采集模块：用于将脚底压力信息转换为电压信号；上位机处理模块：用于接收电压信号并将其转换为脚底压力数据；数据分析模块：对上位机处理模块获得的脚底压力数据进行计算分析得到人体步态数据，并通过步态数据评估跌倒风险，具体为采用人体步态数据与正常人步态数据进行比较，当步态数据超出正常人步态数据范围时，跌倒风险较大。

2.根据权利要求1所述的一种用于预测老年人跌倒风险的系统，其特征在于，所述系统还包括无线传输模块：用于将信号采集模块得到的电压信号通过蓝牙传送至上位机处理模块。

3.根据权利要求1所述的一种用于预测老年人跌倒风险的系统，其特征在于，所述压力传感器模块包括两个设置有若干压力传感器的鞋垫，每个鞋垫上的压力传感器不少于两个。

4.根据权利要求3所述的一种用于预测老年人跌倒风险的系统，其特征在于，所述数据分析模块还能够根据脚底压力数据和步态数据获得人体重心移动轨迹曲线，并通过人体重心移动轨迹曲线评估跌倒风险，具体为采用用户人体重心移动轨迹曲线与正常人人体重心移动轨迹曲线进行比较，当人体重心移动轨迹曲线超出正常人人体重心移动轨迹曲线范围时，跌倒风险较大。

5.根据权利要求4所述的一种用于预测老年人跌倒风险的系统，其特征在于，所述人体重心移动轨迹曲线通过压力中心投影算法获得，压力中心投影算法公式如下：

M_x＝Σy_iF_Z,iy_COP＝M_x/ΣF_Z,i

M_y＝Σx_iF_Z,ix_COP＝M_y/ΣF_Z,i

其中，x_i，y_i表示第i个压力传感器的坐标值；F_Z,i表示第i个传感器的压力值；x_COP，y_COP表示人体重心移动轨迹的坐标值。

6.根据权利要求3所述的一种用于预测老年人跌倒风险的系统，其特征在于，所述系统还包括数据显示模块，所述数据显示模块能够实时显示上位机处理模块获得的脚底压力信息、步态数据以及人体重心移动轨迹曲线。

7.根据权利要求6所述的一种用于预测老年人跌倒风险的系统，其特征在于，所述数据显示模块中设有预警装置，预警装置中设置有步态数据以及人体重心移动轨迹曲线的正常范围阈值，当步态数据或人体重心移动轨迹曲线超出对应的正常范围阈值时，预警装置能够发出跌倒高风险预警。

8.一种用于预测老年人跌倒风险的方法，其特征在于，包括以下步骤：

步骤一：采集人体的脚底压力信息；

步骤二：对脚底压力信息进行计算分析得到人体步态数据，并根据脚底压力信息和步态数据获得人体重心移动轨迹曲线；

步骤三：采用人体步态数据和人体重心移动轨迹曲线与正常人步态数据和正常人人体重心移动轨迹曲线分别进行比较，当步态数据或人体重心移动轨迹曲线超出对应的正常范围时，跌倒风险较大。

9.根据权利要求8所述的一种用于预测老年人跌倒风险的方法，其特征在于，步骤一中采用两个设置有若干压力传感器的鞋垫采集人体的脚底压力信息，且每个鞋垫上的压力传感器不少于两个。

10.根据权利要求9所述的一种用于预测老年人跌倒风险的方法，其特征在于，所述人体重心移动轨迹曲线通过压力中心投影算法获得，压力中心投影算法公式如下：

M_x＝Σy_iF_Z,iy_COP＝M_x/ΣF_Z,i

M_y＝Σx_iF_Z,ix_COP＝M_y/ΣF_Z,i

其中，x_i，y_i表示第i个压力传感器的坐标值；F_Z,i表示第i个传感器的压力值；x_COP，y_COP表示人体重心移动轨迹的坐标值。