CN107909771B - 一种基于无线传感网络的人员跌倒报警系统及其实现方法 - Google Patents

Abstract

本发明公开了一种基于无线传感网络的人员跌倒报警系统及其实现方法，该系统利用加速度传感器测得的重力加速度在X、Y、Z轴的分布情况来识别人员姿态，通过统计过去3秒内姿态偏离度超过阈值的概率来避免蹲下，起立的误报，通过方差计算来避免跳跃、奔跑的误报，通过室内定位来识别主动躺下休息和意外摔倒，并在人员跌倒后进行报警，可以推送人员跌倒的时间，人员跌倒后的照片，室内的环境，以及跌倒的位置给远程的客户端。

Description

一种基于无线传感网络的人员跌倒报警系统及其实现方法

技术领域

本发明涉及一种人员跌倒检测系统和方法，特别是涉及一种无线传感网络下的跌倒检测方法，属于计算机通信与生物医学信号处理技术的交叉领域。

背景技术

随着经济社会的发展，人口老龄化问题已经成为困扰很多国家的问题。根据中国国家统计局公布的2015年人口普查结果显示，截至2015年末，65岁及以上人口总数达到1.4386亿人，占人口总数比例为10.5％，老年抚养比达到14.3％。根据联合国公布的最新标准，中国已经进入了老年化社会。同时，一方面，跌倒会对老人的身体健康造成一定的危害，或者是老人某些疾病的预兆与发作，如果得不到及时的救治，将会危及老人的生命。另一方面，跌倒也会影响老人的心理健康，使老人产生一定的心理阴影。

而目前的跌倒检测主要存在以下问题：

1)无法区分主动躺下和意外跌倒。

2)跌倒后报警推送给家属的信息太少，无法让家属做进一步的判断。

3)对人员正常的活动，例如跳跃、跑步等情况容易误报。

4)对缓慢跌倒的情况无法做到准确报警。

为了让居家人员(尤其是老人)增强自己的安全保障，同时让子女放心，本发明设计了一种基于无线传感网络的跌倒检测与报警系统。利用多源信息感知，降低了人员正常情况下的误报概率，同时对人员跌倒的情况作出准确的报警与信息推送。

发明内容

技术问题：

本发明的目的是提出一种安装于室内的基于无线传感网络的人员跌倒检测与报警系统以及实现方法。

技术方案：

本发明建立了一种基于无线传感网络的人员跌倒报警系统，其组成包括：用于数据处理与报警的本地服务器、加速度传感器模块、室内定位模块、环境感知模块、无线图像传感器模块。

其中，本地服务器通过协调器以ZigBee协议对其他各个模块进行控制。本地服务器实时分析处理各个模块发送的数据，并控制各个模块的工作与联动。如果检测到人员跌倒，本地服务器通过互联网向家属的客户端发送报警信息。

加速度传感器模块通过ZigBee协议向本地服务器传输数据。加速度传感器模块包含CC2530、数字三轴加速度传感器MMA8451、蜂鸣器、电源。加速度传感器模块放置于人员的腰部，可以利用重力加速度在X、Y、Z轴的分布情况来识别当前人员的姿态，设定发送频率为50HZ。

室内定位模块包括N个用于定位的锚节点。人员携带的加速度传感器模块通过获取与N个锚节点的RSSI数据(RSSI为接收信号强度指示)，通过加权质心定位算法计算人员的位置。室内定位模块通过ZigBee协议向本地服务器传输数据。

环境感知模块包含CC2530、温湿度传感器DHT11、烟雾传感器MQ2、一氧化碳传感器MQ7、PM2.5传感器Sharp GP2Y10、电源。用于在跌倒后推送室内环境到家属客户端，可供医生做初步的原因诊断。环境感知模块通过ZigBee协议向本地服务器传输数据。

无线图像传感器模块由萤石C6摄像头构成。人员跌倒后，人员身上的蜂鸣器会报警，通过萤石C6的听声辩位功能拍摄人员的照片，并推送到手机端。无线图像传感器模块通过WiFi向本地服务器传输数据。

一种基于无线传感网络的人员跌倒报警方法，具体实施步骤如下：

步骤1：将加速度传感器模块佩戴于人员的腰上，佩戴角度任意。将用于室内定位的N个锚节点以网格状放置于家中尽量分散的N个位置，使得所有锚节点中，任意两个锚节点之间的最小距离尽可能大。此处锚节点个数N根据房屋面积大小确定，面积在40平方米以下，放置4个，面积大于等于40平方米，小于80平方米，放置6个锚节点，面积大于等于80平方米，小于120平方米，放置9个锚节点，面积在120平方米以上，每增加40平方米，增加3个锚节点。放置完毕后，在本地服务器中，以任意一个锚节点为坐标原点，以正东方向为x轴正方向，正北方向为y轴正方向，输入所有其他锚节点相对于选定的原点的坐标值(x_i,y_i),1≤i≤N-1。设定屋内床加上沙发的总数量为k，在以上建立的坐标系中，其坐标范围分别为Cx_imin≤x≤Cx_imax,Cy_imin≤y≤Cy_imax，1≤i≤k，表示k个矩形区域，其中Cx_imin表示第i个床或沙发的横坐标最小值，Cx_imax表示第i个床或沙发横坐标的最大值，Cy_imin表示第i个床或沙发纵坐标的最小值，Cy_imax表示第i个床或沙发纵坐标的最大值。这里认为本发明只适用于矩形沙发和矩形床。

步骤2：启动加速度传感器模块后的前5秒内，系统首先进行站立姿态的识别。以加速度传感器模块自身建立三维坐标系，MMA8451数字三轴加速度传感器能够测量到当前重力加速度G在加速度传感器自身坐标系下的分布情况。由于重力加速度G始终垂直向下，而加速度传感器的姿态会随着人员姿态的改变而改变，所以，重力加速度G在加速度传感器坐标系下的分布情况也会随之变化。因此，可以利用重力加速度在加速度传感器坐标系下的分布情况来标识当前人员的姿态。

具体过程如下：

步骤2-1)加速度传感器模块启动后的5秒内，系统提示要求人员站立，并且保持稳定。与此同时，在加速度传感器模块启动后的这5秒内，加速度传感器模块以50HZ的频率，通过ZigBee协议向本地服务器发送250条数据，本地服务器储存这250条数据，每一条数据包含实时的重力加速度G在加速度传感器X、Y、Z轴分解后的大小，分别记为X(i),Y(i),Z(i)。对250组X(i),Y(i),Z(i)分别求平均值，得到

步骤2-2)验证站立姿态的识别过程中，人员是否稳定站立。通过求样本数据方差实现。先分别求X(i),Y(i),Z(i)样本数据的方差，分别记为Sx₁ ²,Sy₁ ²,Sz₁ ²：

然后相加求和来作为整体数据的方差S₁ ²的大小：

S₁ ²＝Sx₁ ²+Sy₁ ²+Sz₁ ²

当稳定站立的时候，样本方差较小，当站立时前后走动或者跳跃，样本方差较大。当S₁ ²≤Th1的时候，系统判定人员站立识别的过程稳定，并将步骤2-1所求得的

作为人员站立时的静态数据，也就是标定了站立时加速度传感器的佩戴角度，进入步骤3。当S₁ ²＞Th1时，系统判定站立识别的过程中人员在运动，所得的

没有参考意义，不能作为人员站立时的静态数据，并提示重新进行识别，重新进行步骤2。

步骤3：进入系统正式工作阶段。计算当前人员的实时姿态偏离度。姿态偏离度描述了当前姿态与静态站立时的姿态的偏离程度。以当前加速度传感器实时传来的重力加速度的分布情况X(i),Y(i),Z(i)，结合步骤2所得的静态站立的数据，计算当前未经过滤波的姿态偏离度P(i)，计算公式如下：

步骤4：由于MMA8451加速度传感器容易受到背景噪声的干扰，产生的数据会有轻微的抖动，所以，系统对过去10条姿态偏离度P(i)进行均值滤波得到

将结果

作为当前滤波后的姿态偏离度，用长度为150的环形队列数组H保存过去3秒的滤波后的姿态偏离度数据。并不断用当前最新的数据

替换掉队列H中最老的数据，以保证当前数组H中的数据是最近3秒内的数据。

步骤5：对当前环形队列数组H中的姿态偏离度

进行统计。统计

出现的概率。如果计算得出的概率值＞Th3，系统判定人员当前姿态不正常，进入步骤6。否则，当前姿态正常，重新进行步骤3。

步骤6：由于跳跃、奔跑等剧烈活动也会引起姿态偏离度

的增大，但是跳跃、奔跑等剧烈活动与人员跌倒后的区别是跳跃、奔跑会导致重力加速度G在加速度传感器模块的X、Y、Z轴分布情况不稳定，测得的X(i)、Y(i)、Z(i)数据方差较大，而人员跌倒后，由于人员躺在地上，身体姿态相对稳定，计算得到的X(i)、Y(i)、Z(i)方差较小。所以，在步骤5的基础上，姿态偏离度大不仅仅可能由于跌倒引起，也可能由于跳跃、奔跑等剧烈活动引起，而计算过去3s内的X(i)、Y(i)、Z(i)的数据方差可以进行区分：

当S₂ ²≥Th4的时候，系统判定人员正在剧烈运动，姿态偏离度大是由于运动引起，不进行报警，重新进入步骤3。此处，S₂ ²是一个方差值，其定义为：S₂ ²＝Sx₂ ²+Sy₂ ²+Sz₂ ²。其中，Sx₂ ²,Sy₂ ²,Sz₂ ²分别为过去3秒X(i),Y(i),Z(i)的方差。此处，X(i),Y(i),Z(i)为加速度在以加速度传感器自身建立的三维坐标系下X、Y、Z轴分解后的大小；

当S₂ ²＜Th4的时候，系统判定，当前人员已经稳定躺下，进入步骤7。

步骤7：在步骤6的基础上，人员稳定躺下，一方面可能是因为跌倒引起，另一方面，也可能是由于人员主动躺在床上休息。系统通过室内定位的结果来进行区别，当定位的结果是在床上，则判断当前人员躺在床上休息，否则，判断人员跌倒。

人员的室内定位，采用加权质心定位算法。本地服务器发送信号D给人员佩戴的加速度传感器模块，人员佩戴的加速度传感器模块接收到信号D后，获取其与N个锚节点的RSSI值R_i,1≤i≤N，并发送到本地服务器，其中，RSSI为接收信号强度指示。假设当前人员位置为(Xe,Ye)。加权质心计算公式为：

其中，1≤i≤N，x_i,y_i为步骤1中预先设置的第i个锚节点的坐标值。

为第i个锚节点被赋予的权重，d_i为人员与第i个锚节点之间的距离，预先在房间内测量多组RSSI数据R_i与对应的距离d_i，通过MATLAB进行曲线拟合，得到R_i与d_i的经验公式：

d_i＝a₁×R_i ³+a₂×R_i ²+a₃×R_i+a₄

受地面材质、房屋大小、墙面等因素的影响，上式中的系数a_j,1≤j≤4会因不同的房屋而随之改变。所以室内定位模块需要预先测量并通过MATLAB最小二乘拟合，求出R_i与d_i函数关系中的系数a_j。

由此可以得到人员的位置(X_e,Y_e)。如步骤1所述，设定屋内有k个床，其坐标范围为Cx_imin≤x≤Cx_imax,Cy_imin≤y≤Cy_imax，1≤i≤k，分别为k个矩形区域。如果当前的定位结果(X_e,Y_e)落入上述的矩形区域内，则不进行报警，重新进入步骤3。否则，判断人员跌倒，进入报警程序步骤8。

步骤8：启动报警程序，具体步骤如下：

步骤8-1)由本地服务器发送信号A给人员佩戴的加速度传感器模块，启动模块上的蜂鸣器，进行本地报警。

步骤8-2)：由本地服务器发送信号B给无线图像传感器模块。无线图像传感器模块采用萤石C6摄像头。此摄像头具有听声辩位功能，在摄像头接收到信号B后，无线图像传感器模块利用步骤8-1触发的人员身上的蜂鸣器报警声进行位置识别，并拍摄到人员的照片，传送给本地服务器。

步骤8-3)：本地服务器发送信号C给环境感知模块。环境感知模块接收到信号C后，采集家中的温度、湿度、一氧化碳浓度、烟雾浓度、PM2.5浓度，采集完成后将这些信息发送到本地服务器。

步骤8-4)：本地服务器将上述信息进行整合，将以下信息通过互联网推送到远程的手机客户端、电脑客户端：

a)人员已经跌倒，以及跌倒的时间。

b)步骤8-2拍摄到的跌倒后人员的照片。

c)步骤8-3获取到的当前室内的温度、湿度、一氧化碳浓度、烟雾浓度、PM2.5浓度，以及各个量是否超过正常范围。

d)步骤7获取的人员跌倒的位置。

有益效果

本发明有以下3个优势：

1)结合室内定位技术，根据定位结果，能够识别人员主动躺下休息还是意外跌倒。

2)人员跌倒后，能够推送室内的温度、湿度、一氧化碳浓度、烟雾浓度、PM2.5数值、人员跌倒的位置。这些信息可以帮助医生进行初步的跌倒原因诊断。

3)人员跌倒后，能够拍摄并推送人员跌倒后的照片给家属，可以供家属进行进一步的人工判断，进一步避免误报。

附图说明

图1是本发明的系统结构示意图。

图2是加速度传感器模块构造示意图，其中CC2530为Zigbee通信模块，MMA8451为数字三轴加速度传感器。

图3是加速度传感器模块坐标系，其中F为加速度传感器模块。

图4是锚节点个数N＝9的情况下的室内定位示意图。

图5是环境感知模块构造示意图，其中CC2530为Zigbee通信模块，DHT11为温湿度传感器，MQ2为烟雾传感器，MQ7为一氧化碳传感器，Sharp GP2Y10为PM2.5传感器。

图6是本发明的方法流程图。

图7是信号D的数据包内容。

图8是信号A的数据包内容。

图9是信号B的数据包内容。

图10是信号C的数据包内容

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例1：

本发明建立了一种基于无线传感网络的人员跌倒报警系统及其实现方法，其系统结构如图1所示，包括：

1)用于数据处理与报警的本地服务器

2)加速度传感器模块

3)室内定位模块

4)环境感知模块

5)无线图像传感器模块

其中，本地服务器通过协调器以ZigBee协议对其他各个模块进行控制。本地服务器实时分析处理各个模块发送的数据，并控制各个模块的工作与联动。如果检测到人员跌倒，本地服务器通过互联网向家属的客户端发送报警信息。此处，协调器包含CC2530、天线、电源。本地服务器选取Lenovo Y50个人计算机，装载Windows764位操作系统。本地服务器与协调器之间通过串口通信。本地服务器通过互联网与各个客户端进行通信。

加速度传感器模块通过ZigBee协议向本地服务器传输数据。加速度传感器模块的构造如图2所示，包含CC2530、数字三轴加速度传感器MMA8451、蜂鸣器、电源。加速度传感器模块放置于人员的腰部。以加速度传感器模块自身建立三维坐标系，如图3所示，MMA8451数字三轴加速传感器能够测量到当前重力加速度G在加速度传感器自身坐标系下的分布情况。由于重力加速度G始终垂直向下，而加速度传感器的姿态会随着人员姿态的改变而改变，所以，重力加速度G在加速度传感器坐标系下的分布情况也会随之变化。因此，可以利用重力加速度在加速度传感器坐标系下的分布情况来标识当前人员的姿态。设定三轴加速度传感器MMA8451的量程选择为-1g～+1g，发送频率为50HZ。

室内定位模块包括9个用于定位的锚节点，其构造如图4所示。人员携带的加速度传感器模块通过获取与9个锚节点的RSSI数据，通过加权质心定位算法计算人员的位置。RSSI为信号强度指示，可以反映人员携带的加速度传感器模块与锚节点之间的通信信号强度，进而可以计算出加速度传感器模块与锚节点之间的距离。各个锚节点包含CC2530、天线、电源。室内定位模块通过ZigBee协议向本地服务器传输数据

环境感知模块构造如图5所示，包含CC2530、温湿度传感器DHT11、烟雾传感器MQ2、一氧化碳传感器MQ7、PM2.5传感器Sharp GP2Y10、电源。用于在跌倒后推送室内环境到家属客户端，可供医生做初步的原因诊断。环境感知模块通过ZigBee协议向本地服务器传输数据。

无线图像传感器模块由萤石C6摄像头构成。人员跌倒后，人员身上的蜂鸣器会报警，通过萤石C6的听声辩位功能可拍摄到人员的照片，并推送到手机端。无线图像传感器模块通过WiFi向本地服务器传输数据。

基于无线传感网络的人员跌倒检测与报警方法，流程图如图6所示，具体步骤如下：

步骤1：将加速度传感器模块佩戴于人员的腰上，佩戴角度任意。测试房间包含1个客厅，1个卧室，1个卫生间，面积一共80平方米。放置室内定位的锚节点，此处一共需要9个锚节点，其中，客厅放置4个锚节点，分别放置于客厅的4个角落；卧室一共需要4个节点，放置于卧室的4个角落；卫生间需要一个节点，放置于距离客厅最远的那个角落。放置完毕后，在本地服务器中，以卫生间的锚节点为坐标原点，以正东方向为x轴正方向，正北方向为y轴正方向，输入所有其他锚节点相对于选定的原点的坐标值(x_i,y_i),1≤i≤8。屋内有一个床，一个沙发，床加上沙发的总数k为2，在以上建立的坐标系下，床的坐标范围分别为0≤x≤2.5，3≤y≤5，沙发的坐标范围为6≤x≤6.7，3≤y≤7，分别是两个矩形区域，这里认为本发明只适用于矩形沙发和矩形床。

步骤2：站立姿态的识别。由于人员的佩戴角度是任意的，所以，为了能够通过重力加速度在加速度传感器模块坐标系下的分布情况判别人员姿态是否偏离站立姿态，要进行站立姿态的识别。启动加速度传感器模块后的前5秒内，系统首先进行站立姿态的识别。以加速度传感器模块自身建立三维坐标系，如图3所示，MMA8451数字三轴加速度传感器能够测量到当前重力加速度G在加速度传感器自身坐标系下的分布情况。由于重力加速度G始终垂直向下，而加速度传感器的姿态会随着人员姿态的改变而改变，所以，重力加速度G在加速度传感器坐标系下的分布情况也会随之变化。因此，可以利用重力加速度在加速度传感器坐标系下的分布情况来标识当前人员的姿态。

具体过程如下：

步骤2-1)加速度传感器模块启动后的5秒内，系统提示要求人员站立，并且保持稳定。与此同时，在加速度传感器模块启动后的这5秒内，加速度传感器模块以50HZ的频率，通过ZigBee协议向本地服务器发送250条数据，本地服务器储存这250条数据，每一条数据包含实时的加速度在加速度传感器X、Y、Z轴分解后的大小，分别记为X(i),Y(i),Z(i)。对250组X(i),Y(i),Z(i)分别求平均值，得到

步骤2-2)验证站立姿态的识别过程中，人员是否稳定站立。如果步骤2-1的过程中，人员稳定站立，则X(i),Y(i),Z(i)只包含重力加速度在X、Y、Z轴的分布；如果步骤2-1的过程中，人员站立不稳定或者人员运动，则一方面，重力加速度在X、Y、Z轴的分布将不稳定，另一方面X(i),Y(i),Z(i)不仅仅包含重力加速度在X、Y、Z轴的分布，还包含人员运动产生的加速度在X、Y、Z轴的分布。正常情况下，人员不会持续不断的向某一特定方向做加速度恒定的加速运动，所以，人员运动产生的加速度在X、Y、Z的分布也是不稳定的。所以，可以通过求250条数据中X(i),Y(i),Z(i)的方差进行判别，三个维度的方差分别记为Sx₁ ²,Sy₁ ²,Sz₁ ²，计算公式如下：

然后相加求和来作为整体数据的方差S₁ ²的大小，计算公式为：

S₁ ²＝Sx₁ ²+Sy₁ ²+Sz₁ ²

当稳定站立的时候，由于加速度只包含重力加速度，且分布稳定，所以样本方差较小；当站立时前后走动，或者跳跃，加速度为重力加速度和运动加速度的矢量和，由于重力加速度的分布不稳定，且运动加速度也不稳定，所以样本方差较大。

当S₁ ²≤50000的时候，系统判定人员站立识别的过程稳定，并将步骤2-1所求得的

作为人员站立时的静态数据，也就是标定了站立时加速度传感器的佩戴角度，进入步骤3。当S₁ ²＞50000时，系统判定站立识别的过程中人员在运动，所得的

没有参考意义，不能作为人员站立时的静态数据，并提示重新进行识别，重新进行步骤2。

步骤3：进入系统正式工作阶段。计算当前人员的实时姿态偏离度。姿态偏离度描述了当前姿态与静态站立时的姿态的偏离程度。以当前加速度传感器实时传来的重力加速度的分布情况X(i),Y(i),Z(i)，结合步骤2所得的静态站立的数据，计算当前未经过滤波的姿态偏离度P(i)，计算公式如下：

步骤4：由于MMA8451加速度传感器容易受到背景噪声的干扰，产生的数据会有轻微的抖动，所以，系统对过去10条姿态偏离度P(i)进行均值滤波得到

将结果

作为当前滤波后的姿态偏离度，用长度为150的环形队列数组H保存过去3秒的滤波后的姿态偏离度数据。并不断用当前最新的数据

替换掉队列H中最老的数据，以保证当前数组H中的数据是最近3秒内的数据。此处，环形队列数组是一种实现队列功能的数据结构，其长度决定了队列的容量，在环形队列数组中，当收到一个新元素的时候，如果队列没有满，则会将新元素放置在队列末端，如果队列里面的元素已经存满，则会用新元素替换掉队列中最老的元素。此处，最老的元素是指当前队列所有元素中最先进入队列的元素。

步骤5：对当前环形队列数组H中的姿态偏离度

进行统计。统计

出现的概率。如果计算得出的概率值＞0.9，系统判定人员当前姿态不正常，进入步骤6。否则，当前姿态正常，重新进行步骤3。此处，当

时，人员身体的姿态倾斜程度已经超过了正常范围。之所以要统计概率，是因为人员的蹲下，起立的情况也会引起姿态偏离度的短暂增加，但是环形队列数据H中姿态偏离度

的概率不会超过0.9，所以通过统计环形队列数组H中

的概率，可以避免蹲下、起立的误报。

步骤6：由于跳跃、奔跑等剧烈活动也会引起姿态偏离度

的增大，且因为跳跃和奔跑的持续时间会比较长，会导致步骤5中

的概率超过0.9。但是跳跃、奔跑等剧烈活动与人员跌倒后的区别是跳跃、奔跑会导致重力加速度G在加速度传感器模块的X、Y、Z轴分布情况不稳定，此外，由于运动产生的加速度并不是一个方向和大小不变的矢量，也会加大X、Y、Z轴上分布的加速度的不稳定性，所以测得的X(i)、Y(i)、Z(i)数据方差较大，而人员跌倒后，由于人员躺在地上，身体姿态相对稳定，计算得到的X(i)、Y(i)、Z(i)方差较小。所以，在步骤5的基础上，姿态偏离度大不仅仅可能由于跌倒引起，也可能由于跳跃、奔跑等剧烈活动引起，而计算过去3秒内的X(i)、Y(i)、Z(i)的数据方差可以进行区分：

S₂ ²＝Sx₂ ²+Sy₂ ²+Sz₂ ²

当S₂ ²≥600000的时候，系统判定人员正在剧烈运动，姿态偏离度大是由于运动引起，不进行报警，重新进入步骤3。当S₂ ²＜600000的时候，系统判定，当前人员已经稳定躺下，进入步骤7。

步骤7：在步骤6的基础上，人员稳定躺下，一方面可能是因为跌倒引起，另一方面，也可能是由于人员主动躺在床上休息。系统通过室内定位的结果来进行区别，当定位的结果是在床上，则判断当前人员躺在床上休息，否则，判断人员跌倒。

人员的室内定位，采用加权质心定位算法。本地服务器发送信号D给人员佩戴的加速度传感器模块，人员佩戴的加速度传感器模块接收到信号D后，获取其与N个锚节点的RSSI值R_i,1≤i≤N，并发送到本地服务器，该信号D的数据包内容如图7所示。假设当前人员位置为(Xe,Ye)。加权质心计算公式为:

其中，1≤i≤N，x_i,y_i为步骤1中预先设置的第i个锚节点的坐标值。

为第i个锚节点被赋予的权重，d_i为人员与第i个锚节点之间的距离，预先在房间内测量多组RSSI数据R_i与对应的距离d_i，通过MATLAB进行曲线拟合，可以得到R_i与d_i的经验公式：

d_i＝0.00011×R_i ³-0.0738×R_i ²+16.03×R_i-1150.4

由此可以得到人员当前的位置(X_e,Y_e)。步骤1中床的坐标范围分别为0≤x≤2.5，3≤y≤5，沙发的坐标范围为6≤x≤6.7，3≤y≤7，分别是两个矩形区域，这里认为本发明只适用于矩形沙发和矩形床。如果(X_e,Y_e)落入了上述矩形区域之内，则不进行报警，重新进入步骤3。否则，判断人员跌倒，进入报警程序步骤8。此处，当0≤X_e≤2.5并且3≤Y_e≤5，或者，6≤X_e≤6.7并且3≤Y_e≤7时，判断人员位置(X_e,Y_e)落入了矩形区域。

步骤8：启动报警程序，具体步骤如下：

步骤8-1)由本地服务器发送信号A给人员佩戴的加速度传感器模块，启动模块上的蜂鸣器，进行本地报警，该信号A的数据包内容如图8所示。

步骤8-2)：由本地服务器发送信号B给无线图像传感器模块，该信号B的数据包内容如图9所示。无线图像传感器模块采用萤石C6摄像头。此摄像头具有听声辩位功能，在摄像头接收到信号B后，无线图像传感器模块利用步骤8-1触发的人员身上的蜂鸣器报警声进行位置识别，并拍摄到人员的照片，传送给本地服务器。

步骤8-3)：本地服务器发送信号C给环境感知模块，该信号C的数据包内容如图10所示。环境感知模块接收到信号C后，采集家中的温度、湿度、一氧化碳浓度、烟雾浓度、PM2.5浓度，采集完成后将这些信息发送到本地服务器。

步骤8-4)：本地服务器将上述信息进行整合，将以下信息通过互联网推送到远程的手机客户端、电脑客户端：

a)人员已经跌倒，以及跌倒的时间。

b)步骤8-2拍摄到的跌倒后人员的照片。

c)步骤8-3获取到的当前室内的温度、湿度、一氧化碳浓度、烟雾浓度、PM2.5浓度。以及各个量是否超过正常范围。

d)步骤7获取的人员跌倒的位置。

Claims (4)

1.一种基于无线传感网络的人员跌倒报警系统，该系统包括：用于数据处理与报警的本地服务器、加速度传感器模块、室内定位模块、环境感知模块、无线图像传感器模块；

其中，本地服务器通过协调器以ZigBee协议对其他各个模块进行控制，本地服务器实时分析处理各个模块发送的数据，并控制各个模块的工作与联动；如果检测到人员跌倒，本地服务器通过互联网向家属的客户端发送报警信息；

加速度传感器模块通过ZigBee协议向本地服务器传输数据，加速度传感器模块包含CC2530、数字三轴加速度传感器MMA8451、蜂鸣器、电源；加速度传感器模块放置于人员的腰部，利用重力加速度在X、Y、Z轴的分布情况来识别当前人员的姿态，设定发送频率为50HZ；

室内定位模块包括N个用于定位的锚节点，人员携带的加速度传感器模块通过获取与N个锚节点的RSSI数据，通过加权质心定位算法计算人员的位置；室内定位模块通过ZigBee协议向本地服务器传输数据；

环境感知模块包含CC2530、温湿度传感器DHT11、烟雾传感器MQ2、一氧化碳传感器MQ7、PM2.5传感器Sharp GP2Y10、电源；用于在跌倒后推送室内环境到家属客户端，可供医生做初步的原因诊断；环境感知模块通过ZigBee协议向本地服务器传输数据；

无线图像传感器模块由萤石C6摄像头构成，人员跌倒后，人员身上的蜂鸣器会报警，通过萤石C6的听声辩位功能拍摄人员的照片，并推送到手机端；无线图像传感器模块通过WiFi向本地服务器传输数据，其特征在于，

其实现方法包括以下步骤：

1)佩戴加速度传感器模块、放置室内定位模块；

2)识别佩戴者的站立姿态；

3)计算佩戴者的姿态偏离度P(i)；

4)对佩戴者的姿态偏离度进行滤波并存储；

5)统计过去3秒，

出现的概率，如果概率值＞Th3，则进入步骤6)；否则，返回步骤3)；此处，

为步骤3)中所述姿态偏离度P(i)经过均值滤波后的数值；

6)计算方差S₂ ²，如果S₂ ²≥Th4，返回步骤3)；否则，进入步骤7)；此处，S₂ ²是一个方差值，其定义为：S₂ ²＝Sx₂ ²+Sy₂ ²+Sz₂ ²；其中，Sx₂ ²,Sy₂ ²,Sz₂ ²分别为过去3秒X(i),Y(i),Z(i)的方差；此处，X(i),Y(i),Z(i)为加速度在以加速度传感器自身建立的三维坐标系下X、Y、Z轴分解后的大小；

7)采用加权质心定位算法定位人员位置；如果判定位置为床上，重新进入步骤3)；否则进入步骤8)；

8)启动报警程序。

2.如权利要求1所述的报警系统，其特征在于，所述实现方法步骤2)具体包括：

2-1)加速度传感器模块启动后的5秒内，向本地服务器发送250条数据，每一条数据包含加速度在以加速度传感器自身建立的三维坐标系下X、Y、Z轴分解后的大小，分别记为X(i),Y(i),Z(i)；对250组X(i),Y(i),Z(i)分别求平均值得到

2-2)对步骤2-1)的250组X(i),Y(i),Z(i)分别求方差，得到Sx₁ ²，Sy₁ ²，Sz₁ ²，然后计算S₁ ²，其定义式为S₁ ²＝Sx₁ ²+Sy₁ ²+Sz₁ ²，当S₁ ²≤Th1时，进入步骤3)；否则重新执行步骤2-1)。

3.如权利要求2所述的报警系统，其特征在于，所述实现方法步骤3)中的姿态偏离度的定义为：

其中

为步骤2-1)中对X(i),Y(i),Z(i)分别求得的平均值，X(i),Y(i),Z(i)为加速度传感器当前的加速度数据。

4.如权利要求2所述的报警系统，其特征在于，所述实现方法步骤8)的具体步骤为：

8-1)本地服务器发送信号A给加速度传感器模块进行本地报警；

8-2)本地服务器发送信号B给无线图像传感器模块，采集人员图像；

8-3)本地服务器发送信号C给环境感知模块，采集家中的温度、湿度、一氧化碳浓度、烟雾浓度、PM2.5浓度；

8-4)本地服务器将信息整合汇总，将以下信息推送给远程手机客户端、电脑客户端：

a)人员已经跌倒，以及跌倒的时间；

b)步骤8-2拍摄到的跌倒后人员的照片；

c)步骤8-3获取到的当前室内的温度、湿度、一氧化碳浓度、烟雾浓度、PM2.5浓度；以及各个量是否超过正常范围；

d)步骤7)获取的人员跌倒的位置。

Images