CN105654666B - 基于mems传感器的老年人跌倒监测方法 - Google Patents

基于mems传感器的老年人跌倒监测方法 Download PDF

Info

Publication number
CN105654666B
CN105654666B CN201610102836.1A CN201610102836A CN105654666B CN 105654666 B CN105654666 B CN 105654666B CN 201610102836 A CN201610102836 A CN 201610102836A CN 105654666 B CN105654666 B CN 105654666B
Authority
CN
China
Prior art keywords
falls
asvm
msubsup
mems sensor
old people
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201610102836.1A
Other languages
English (en)
Other versions
CN105654666A (zh
Inventor
李玉榕
杜民
陈建国
张云浦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN201610102836.1A priority Critical patent/CN105654666B/zh
Publication of CN105654666A publication Critical patent/CN105654666A/zh
Application granted granted Critical
Publication of CN105654666B publication Critical patent/CN105654666B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Alarm Devices (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及一种基于MEMS传感器的老年人跌倒监测方法，包括以下步骤：步骤S1：提供一跌倒监测装置佩戴于老年人腰部，所述跌倒监测装置包括一MEMS传感器信号采集系统，用以采集人体重心周围的加速度与角速度信号；步骤S2：所述跌倒监测装置包括一无线通信模块，所述无线通信模块通过无线传输方式将所述MEMS传感器信号采集系统采集到信号传输一移动终端上；步骤S3：所述移动终端接根据接收到的信号，采用基于加速度与角速度联合判别的方法，识别老年人跌倒行为。该方法操作简单、使用的硬件设备成本低，对老年人的跌倒行为具有极高的识别率，能够满足老年人跌倒监测的应用要求。

Description

基于MEMS传感器的老年人跌倒监测方法
技术领域
本发明涉及老人监护设备领域，特别是一种绿基于MEMS传感器的老年人跌倒监测方法。
背景技术
我国老年人口众多，跌倒可导致老年人骨折、软组织损伤和心理创伤等严重后果，是老年人伤残、失能和死亡的重要原因之一。同时，老年人跌倒带来的伤害及医疗成本不但和跌倒时撞击的剧烈程度有关，还很大程度取决于救助响应时间的长短。快速有效地发现跌倒老人并对其实施救治是降低老年人伤亡率的有效手段。对于跌到监测系统而言，其功能在于区别老年人的日常活动与跌倒行为。目前，老年人跌倒监测算法主要是通过人体的三轴加速度数据来判别跌倒行为发生，该方法数据来源单一，使得系统的准确率不高，出现的漏判情况将对用户造成巨大伤害。
发明内容
有鉴于此，本发明的目的是提供一种基于MEMS传感器的老年人跌倒监测方法，该方法操作简单、使用的硬件设备成本低，对老年人的跌倒行为具有极高的识别率，能够满足老年人跌倒监测的应用要求。
本发明采用以下方案实现：一种基于MEMS传感器的老年人跌倒监测方法，包括以下步骤：
步骤S1：提供一跌倒监测装置佩戴于老年人腰部，所述跌倒监测装置包括一MEMS传感器信号采集系统，用以采集人体重心周围的加速度与角速度信号；
步骤S2：所述跌倒监测装置包括一无线通信模块，所述无线通信模块通过无线传输方式将所述MEMS传感器信号采集系统采集到信号传输一移动终端上；
步骤S3：所述移动终端接根据接收到的信号，采用基于加速度与角速度联合判别的方法，识别老年人跌倒行为。
进一步地，所述MEMS传感器信号采集系统包括一MPU6050传感器，所述MPU6050传感器用以采集人体重心周围的加速度和角速度信号，频率设置为20Hz。由于老年人运动的频率在10Hz以内，因此将频率设置在20Hz，MPU6050传感器内部已集成的低通滤波器能够满足系统低通滤波的要求，并且MPU6050传感器解决了以往组合陀螺仪和加速度计组合使用容易产生的轴间差问题，为监测跌倒算法的实现提供了良好的条件。
进一步地，所述无线通信模块为蓝牙4.0模块，所述蓝牙4.0模块采用CC2541芯片，所述CC2541芯片通过I2C接口与所述MPU6050传感器连接；所述CC2541芯片上的51单片机对采集到的信号进行数制转换与值域转换，并将处理过的数据通过蓝牙无线传输至所述移动终端。
进一步地，所述移动终端对采集到的加速度信号和角速度信号进行处理，将加速度和角速度三轴信号分别求取其向量的矢量和，采用以下公式求取矢量和：
，
式中Ax，Ay，Az 表示X、Y、Z三个轴向上加速度传感器的输出数据值，ASVM表示合加速度矢量的幅值；
，
式中Gx，Gy，Gz表示在X、Y、Z三个轴向上角速度传感器的输出数据值，AVSVM为合角速度矢量的幅值。
进一步地，所述移动终端根据人体跌倒时ASVM产生的失重波谷值与撞击地面ASVM峰值以及跌倒AVSVM峰值联合判断跌倒事件的发生，具体为：选取阈值A1、A2、A3、t1、t2以及t；A1表示人体跌倒失重状态下ASVM阈值，A2表示跌倒撞击地面的ASVM阈值，t1，t2分别表示ASVM值小于A1和大于A2的时间点，A3表示AVSVM阈值，t表示时间阈值；判断ASVM是否低于阈值A1，在t1+t时间阈内ASVM是否大于阈值A2，在t1+t2时间阈内AVSVM是否大于阈值A3；若以上条件均成立，则判断跌倒事件发生，所述移动终端启动跌倒报警。
进一步地，所述A1的取值范围为0.4g至0.7g，A2的取值范围为2.5g至3.5g，A3的取值范围为250°/s至300°/s，时间阈值t的取值范围为0.7s至1.2s。
进一步地，所述移动终端为Android智能手机。
与现有技术相比，本发明同时进行采集数据和数据分析，方法简单且具有实时性，监测算法能够准确的判断用户是否发生跌倒。系统操作简单，佩戴器件体积小，方便老年人的使用。
附图说明
图1本发明的系统框图。
图2 跌倒过程中的ASVM曲线。
图3 跌倒过程中的AVSVM曲线。
图4基于ASVM阈值和AVSVM阈值的跌倒监测算法流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
本实施提供一种基于MEMS传感器的老年人跌倒监测方法，如图1所示，包括以下步骤：
步骤S1：提供一跌倒监测装置佩戴于老年人腰部，所述跌倒监测装置包括一MEMS传感器信号采集系统，用以采集人体重心周围的加速度与角速度信号；
步骤S2：所述跌倒监测装置包括一无线通信模块，所述无线通信模块通过无线传输方式将所述MEMS传感器信号采集系统采集到信号传输一移动终端上；
步骤S3：所述移动终端接根据接收到的信号，采用基于加速度与角速度联合判别的方法，识别老年人跌倒行为。
在本实施例中，所述MEMS传感器信号采集系统包括一MPU6050传感器，所述MPU6050传感器用以采集人体重心周围的加速度和角速度信号，频率设置为20Hz。由于老年人运动的频率在10Hz以内，因此将频率设置在20Hz，MPU6050传感器内部已集成的低通滤波器能够满足系统低通滤波的要求，并且MPU6050传感器解决了以往组合陀螺仪和加速度计组合使用容易产生的轴间差问题，为监测跌倒算法的实现提供了良好的条件。
在本实施例中，所述无线通信模块为蓝牙4.0模块，所述蓝牙4.0模块采用CC2541芯片，所述CC2541芯片通过I2C接口与所述MPU6050传感器连接；所述CC2541芯片上的51单片机对采集到的信号进行数制转换与值域转换，并将处理过的数据通过蓝牙无线传输至所述移动终端。
在本实施例中，所述移动终端为Android智能手机。
在本实施例中，所述移动终端对采集到的加速度信号和角速度信号进行处理，将加速度和角速度三轴信号分别求取其向量的矢量和，采用以下公式求取矢量和：
，
式中Ax，Ay，Az表示X、Y、Z三个轴向上加速度传感器的输出数据值，ASVM表示合加速度矢量的幅值；
，
式中Gx，Gy，Gz表示在X、Y、Z三个轴向上角速度传感器的输出数据值，AVSVM为合角速度矢量的幅值。
在本实施例中，所述移动终端根据人体跌倒时ASVM产生的失重波谷值与撞击地面ASVM峰值以及跌倒AVSVM峰值联合判断跌倒事件的发生，具体为：选取阈值A1、A2、A3、t1、t2以及t；A1表示人体跌倒失重状态下ASVM阈值，A2表示跌倒撞击地面的ASVM阈值，t1，t2分别表示ASVM值小于A1和大于A2的时间点，A3表示AVSVM阈值，t表示时间阈值；判断ASVM是否低于阈值A1，在t1+t时间阈内ASVM是否大于阈值A2，在t1+t2时间阈内AVSVM是否大于阈值A3；若以上条件均成立，则判断跌倒事件发生，所述移动终端启动跌倒报警。
在本实施例中，如图2和图3所示的分别为人体跌倒实验下的AVSM与AVSVM曲线图，从图中可以看出人体的跌倒过程分为四个阶段：站立阶段、失重阶段、撞击阶段和跌倒后恢复稳定阶段。在站立状态下，人体只受到重力和地面对人体的支撑力，此时AVSM值为1g，其中g表示重力加速度，1g=9.8m/s2；当人在发生跌倒且在撞击地面之前，人体处于失重状态。该状态下人体不受控制，此时地面对人体的支持力小于人体所受到的重力，此时AVSM小于1g；当人体撞击地面时刻，人体受到巨大的冲击力，在这一时刻，AVSM值达到峰值。随后，人体经过振动过程后倒地，此刻AVSM值为1g。由时间轴可以看出，在人体跌倒过程中，AVSM值的波谷值到波峰值的时间较短，通常在1秒内完成。且在AVSM值达到峰值时刻，AVSVM值也该时刻附近达到峰值。由于撞击时刻下，人体角速度值已经开始减小，AVSVM在AVSM到达峰值前一时刻到达峰值。
在本实施例中，如图4所示的基于ASVM阈值和AVSVM阈值的跌倒监测算法流程图。图中A1表示人体跌倒失重状态下ASVM阈值，A2表示跌倒撞击地面的ASVM阈值，t1，t2分别表示ASVM值小于A1和大于A2的时间点，A3表示AVSVM阈值，t表示时间阈值。通过接收到经过数制转换和值域转换处理的数据进行运算处理，所述移动终端判断数据是否满足ASVM出现低于阈值A1，且在时间阈内是否出现ASVM大于阈值A2和AVSVM大于阈值A3情况。若以上条件皆满足，则判断跌倒事件的发生，系统启动跌倒报警。
处于保护实验人员参加跌倒实验的安全性，跌倒实验选择在跳高垫上完成，这将导致人体撞击地面产生的ASVM值比实际情况小。通过跌倒实验和日常生活行为（如直立行走、上下楼梯、蹲下起立、快速躺下、弯腰等动作）的人体ASVM和AVSVM进行比较，选取合适的阈值。
当阈值选取为A1=0.5g，A2=3g，A3=300°/s，t=1.1s时，系统精确度为99.45%。在该阈值选取中，各别跌倒行为出现误判是由于撞击地面ASVM峰值没超过3g而没被监测出来。
当阈值选取为A1=0.6g，A2=2g，A3=200°/s，t=0.9s时，系统精确度为93.21%，该组阈值状态下虽然没有漏判事件发生，但是出现较高的误判率。该组阈值不可取。
当阈值选取为A1=0.5g，A2=2.5g，A3=250°/s，t=1s时，系统精确度为99.42%，该组阈值状态下没有发生漏判事件，精确度也达到99%以上。该组阈值适合作为该监测算法的阈值。
则在图4中的A1的取值范围在0.4g至0.7g之间，A2的取值范围在2.5g至3.5g之间，A3的取值范围250°/s至300°/s之间，时间与t的取值范围在0.7至1.2秒之间。
在本实施例中，通过跌倒产生的失重信号和撞击地面信号，以及人体角速度在跌倒状态下的信号判断跌倒事件的发生。通过引用加速度和角速度三轴信号的向量的矢量和，去除跌倒方向的不确定性对系统造成的影响，同时为用户的佩戴提供方便。
在本实施例中，通过大量的实验选取跌倒监测算法中的各项阈值，在应用中能够有效的区别跌倒行为和日常生活行为，系统达到极高的准确率。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (6)

1.一种基于MEMS传感器的老年人跌倒监测方法，其特征在于：包括以下步骤：
步骤S1：提供一跌倒监测装置佩戴于老年人腰部，所述跌倒监测装置包括一MEMS传感器信号采集系统，用以采集人体重心周围的加速度与角速度信号；
步骤S2：所述跌倒监测装置包括一无线通信模块，所述无线通信模块通过无线传输方式将所述MEMS传感器信号采集系统采集到信号传输一移动终端上；
步骤S3：所述移动终端接根据接收到的信号，采用基于加速度与角速度联合判别的方法，识别老年人跌倒行为：所述移动终端根据人体跌倒时ASVM产生的失重波谷值与撞击地面ASVM峰值以及跌倒AVSVM峰值联合判断跌倒事件的发生，其中ASVM为合加速度矢量的幅值，AVSVM为合角速度矢量的幅值，具体判断过程为：选取阈值A1、A2、A3、t1、t2以及t；A1表示人体跌倒失重状态下ASVM阈值，A2表示跌倒撞击地面的ASVM阈值，t1，t2分别表示ASVM值小于A1和大于A2的时间点，A3表示AVSVM阈值，t表示时间阈值；判断ASVM是否低于阈值A1，在t1+t时间阈内ASVM是否大于阈值A2，在t1+t2时间阈内AVSVM是否大于阈值A3；若以上条件均成立，则判断跌倒事件发生，所述移动终端启动跌倒报警。
2.根据权利要求1所述的一种基于MEMS传感器的老年人跌倒监测方法，其特征在于：所述MEMS传感器信号采集系统包括一MPU6050传感器，所述MPU6050传感器用以采集人体重心周围的加速度和角速度信号，频率设置为20Hz。
3.根据权利要求2所述的一种基于MEMS传感器的老年人跌倒监测方法，其特征在于：所述无线通信模块为蓝牙4.0模块，所述蓝牙4.0模块采用CC2541芯片，所述CC2541芯片通过I2C接口与所述MPU6050传感器连接；所述CC2541芯片上的51单片机对采集到的信号进行数制转换与值域转换，并将处理过的数据通过蓝牙无线传输至所述移动终端。
4.根据权利要求1所述的一种基于MEMS传感器的老年人跌倒监测方法，其特征在于：所述移动终端对采集到的加速度信号和角速度信号进行处理，将加速度和角速度三轴信号分别求取其向量的矢量和，采用以下公式求取矢量和：
<mrow> <mi>A</mi> <mi>S</mi> <mi>V</mi> <mi>M</mi> <mo>=</mo> <msqrt> <mrow> <msubsup> <mi>A</mi> <mi>x</mi> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>A</mi> <mi>y</mi> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>A</mi> <mi>z</mi> <mn>2</mn> </msubsup> </mrow> </msqrt> <mo>,</mo> </mrow>
式中Ax，Ay，Az表示X、Y、Z三个轴向上加速度传感器的输出数据值，ASVM表示合加速度矢量的幅值；
<mrow> <mi>A</mi> <mi>V</mi> <mi>S</mi> <mi>V</mi> <mi>M</mi> <mo>=</mo> <msqrt> <mrow> <msubsup> <mi>G</mi> <mi>x</mi> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>G</mi> <mi>y</mi> <mn>2</mn> </msubsup> <mo>+</mo> <msubsup> <mi>G</mi> <mi>z</mi> <mn>2</mn> </msubsup> </mrow> </msqrt> <mo>,</mo> </mrow>
式中Gx，Gy，Gz表示在X、Y、Z三个轴向上角速度传感器的输出数据值，AVSVM为合角速度矢量的幅值。
5.根据权利要求1所述的一种基于MEMS传感器的老年人跌倒监测方法，其特征在于：所述A1的取值范围为0.4g至0.7g，A2的取值范围为2.5g至3.5g，A3的取值范围为250°/s至300°/s，时间阈值t的取值范围为0.7s至1.2s。
6.根据权利要求1所述的一种基于MEMS传感器的老年人跌倒监测方法，其特征在于：所述移动终端为Android智能手机。
CN201610102836.1A 2016-02-25 2016-02-25 基于mems传感器的老年人跌倒监测方法 Active CN105654666B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610102836.1A CN105654666B (zh) 2016-02-25 2016-02-25 基于mems传感器的老年人跌倒监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610102836.1A CN105654666B (zh) 2016-02-25 2016-02-25 基于mems传感器的老年人跌倒监测方法

Publications (2)

Publication Number Publication Date
CN105654666A CN105654666A (zh) 2016-06-08
CN105654666B true CN105654666B (zh) 2018-03-20

Family

ID=56489880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610102836.1A Active CN105654666B (zh) 2016-02-25 2016-02-25 基于mems传感器的老年人跌倒监测方法

Country Status (1)

Country Link
CN (1) CN105654666B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106302988B (zh) * 2016-07-29 2017-12-19 广东欧珀移动通信有限公司 移动终端的跌落保护方法、装置及移动终端
CN106652340B (zh) * 2016-11-01 2019-03-08 深圳市特安电子有限公司 人体摔倒的检测方法与系统
CN106710141A (zh) * 2016-12-12 2017-05-24 东莞市广信知识产权服务有限公司 一种监控老人摔倒的电子传感系统
CN110025318A (zh) * 2018-01-11 2019-07-19 南京理工大学 一种基于加速度传感器的跌倒实时检测系统及方法
CN109166275B (zh) * 2018-09-25 2020-08-11 山东科技大学 一种基于加速度传感器的人体跌倒检测方法
CN109171687A (zh) * 2018-09-28 2019-01-11 湖南城市学院 一种监测老年人运动状况的智能化系统及控制方法
CN111466903A (zh) * 2020-04-23 2020-07-31 杭州微萤科技有限公司 一种跌倒检测方法和装置
CN113820944B (zh) * 2021-09-10 2023-12-22 江苏纽锐电子科技有限公司 一种老人智能手表系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202694517U (zh) * 2012-07-16 2013-01-23 深圳市富晶科技有限公司 跌倒报警仪
CN103142234A (zh) * 2013-01-25 2013-06-12 中国科学院深圳先进技术研究院 用于判断人体跌倒的传感器系统、方法及人体防护装置
CN104000596A (zh) * 2014-05-29 2014-08-27 上海斐讯数据通信技术有限公司 一种基于移动终端的跌倒检测方法
CN104545936A (zh) * 2014-12-31 2015-04-29 戴晓伟 腰部姿态检测方法及检测结果的触觉反馈方法
CN105243787A (zh) * 2015-06-04 2016-01-13 浙江好络维医疗技术有限公司 一种老年人跌倒报警系统、报警方法及报警器

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202694517U (zh) * 2012-07-16 2013-01-23 深圳市富晶科技有限公司 跌倒报警仪
CN103142234A (zh) * 2013-01-25 2013-06-12 中国科学院深圳先进技术研究院 用于判断人体跌倒的传感器系统、方法及人体防护装置
CN104000596A (zh) * 2014-05-29 2014-08-27 上海斐讯数据通信技术有限公司 一种基于移动终端的跌倒检测方法
CN104545936A (zh) * 2014-12-31 2015-04-29 戴晓伟 腰部姿态检测方法及检测结果的触觉反馈方法
CN105243787A (zh) * 2015-06-04 2016-01-13 浙江好络维医疗技术有限公司 一种老年人跌倒报警系统、报警方法及报警器

Also Published As

Publication number Publication date
CN105654666A (zh) 2016-06-08

Similar Documents

Publication Publication Date Title
CN105654666B (zh) 基于mems传感器的老年人跌倒监测方法
Wu et al. Portable preimpact fall detector with inertial sensors
Noury et al. A smart sensor based on rules and its evaluation in daily routines
Noury et al. A proposal for the classification and evaluation of fall detectors
JP6765505B2 (ja) 運動認識方法および装置
EP1532924A1 (en) Arrangement, method and computer program for determining physical activity level of human being
CN201691930U (zh) 一种人体运动状态监测装置
CN108652637B (zh) 一种穿戴式跌倒预测防护系统及其预测方法
Hsieh et al. A wrist-worn fall detection system using accelerometers and gyroscopes
CN105342623A (zh) 智能跌倒监护装置及其处理方法
JP2009525107A (ja) 歩行分析
Huynh et al. Fall detection system using combination accelerometer and gyroscope
Zhong et al. A real-time pre-impact fall detection and protection system
CN107233099A (zh) 分析跌倒严重程度的跌倒侦测系统及其穿戴装置
Guo et al. A threshold-based algorithm of fall detection using a wearable device with tri-axial accelerometer and gyroscope
CN106419929B (zh) 帕金森病患者姿态平衡稳定性的定量检测装置
CN105934654A (zh) 用于确定加速度计的取向的方法和装置
JP7101835B2 (ja) 運動認識システム
CN109480857A (zh) 一种用于帕金森病患者冻结步态检测的装置及方法
CN109199800B (zh) 康复机器人及其摔倒检测与防护方法
CN107146378A (zh) 一种人体跌倒判定方法及装置
CN110313917A (zh) 以日常生活动作为判断基准的跌倒传感系统及其方法
Hou et al. Triaxial accelerometer-based real time fall event detection
CN106327799A (zh) 一种在行走状态下的摔倒监测方法及系统
CN205103993U (zh) 一种智能人体跌倒监护装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant