0 引言

    根據(jù)南京市三所養(yǎng)老院養(yǎng)老機(jī)構(gòu)內(nèi)愿意合作的老人進(jìn)行跌倒現(xiàn)狀的問卷調(diào)查顯示：養(yǎng)老機(jī)構(gòu)老年人跌倒發(fā)生率為39.2%，影響因素包括睡眠狀況、慢性病史、外界環(huán)境和服藥史^[1]。因此，針對(duì)中高齡老人意外傷害發(fā)生率較高的問題，建立一套完整的遠(yuǎn)程監(jiān)護(hù)系統(tǒng)，用于監(jiān)測(cè)老人的日常活動(dòng)狀態(tài)以及周邊環(huán)境是很有必要的。

    目前對(duì)獨(dú)居老人監(jiān)護(hù)系統(tǒng)已有相關(guān)研究，如浙江工業(yè)大學(xué)2007年設(shè)計(jì)的基于活動(dòng)量分析的獨(dú)居老人遠(yuǎn)程監(jiān)護(hù)系統(tǒng)^[2]，能夠通過采集數(shù)據(jù)建立預(yù)測(cè)模型，但不具有實(shí)時(shí)監(jiān)控功能；如楊海建^[3]等人設(shè)計(jì)的基于物聯(lián)網(wǎng)技術(shù)的老人監(jiān)護(hù)智能系統(tǒng)，具備及時(shí)報(bào)警功能，但會(huì)出現(xiàn)謊報(bào)、誤報(bào)等情況；重慶郵電大學(xué)2012年設(shè)計(jì)的智能家居中老人跌倒遠(yuǎn)程監(jiān)護(hù)系統(tǒng)^[4]，在增加了取消報(bào)警按鍵后減小了誤報(bào)率，但仍有誤報(bào)可能，并且監(jiān)測(cè)系數(shù)單一；如石棟^[5]等人通過支持向量機(jī)算法（SVM）對(duì)數(shù)據(jù)進(jìn)行處理后進(jìn)行上傳，但其僅通過跌倒特征量 SVM 的閾值判斷，算法單一，無法測(cè)量除跌倒以外的其他異常行為。

    本設(shè)計(jì)基于以上問題，通過多傳感器感知設(shè)備采集老人的日?；顒?dòng)信息，除了及時(shí)報(bào)警功能，采用異常判定算法等多混合算法定期更新計(jì)算老人日常生活規(guī)律數(shù)據(jù)，其在防止跌倒誤報(bào)產(chǎn)生的同時(shí)，對(duì)老人除跌倒以外的其他異常行為通過算法進(jìn)行預(yù)測(cè)判斷，并通過 WiFi上傳到大數(shù)據(jù)平臺(tái)，用戶可以通過APP隨時(shí)隨地查看老人當(dāng)前狀態(tài)，以及階段性生活規(guī)律。

1 系統(tǒng)總體方案設(shè)計(jì)

    本設(shè)計(jì)的智能監(jiān)護(hù)系統(tǒng)主要由三部分組成: 智能監(jiān)護(hù)設(shè)備、網(wǎng)絡(luò)傳輸模塊、監(jiān)護(hù)中心服務(wù)平臺(tái)。系統(tǒng)總拓?fù)鋱D如圖1所示。

1.1 智能監(jiān)護(hù)設(shè)備

    智能監(jiān)護(hù)設(shè)備硬件電路主要包括：主處理芯片電路、具備多個(gè)傳感器的傳感器單元電路（其中包括溫度、濕度、環(huán)境光、磁場(chǎng)、加速度、震動(dòng)等多個(gè)高精度傳感器）、無線WiFi傳輸電路 、DC/DC電壓轉(zhuǎn)換電路、數(shù)據(jù)存儲(chǔ)電路、時(shí)鐘電路、模塊轉(zhuǎn)換開關(guān)電路等。系統(tǒng)硬件結(jié)構(gòu)圖如圖2所示。

1.2 網(wǎng)絡(luò)傳輸模塊

    網(wǎng)絡(luò)傳輸模塊介于智能監(jiān)護(hù)設(shè)備與監(jiān)護(hù)中心平臺(tái)、監(jiān)護(hù)端之間，是通信的橋梁，由數(shù)據(jù)鏈路層、網(wǎng)絡(luò)層、數(shù)據(jù)傳輸層構(gòu)成，實(shí)現(xiàn)對(duì)智能監(jiān)護(hù)設(shè)備采集信息的獲取與發(fā)送功能。其中數(shù)據(jù)鏈路層采用IEEE 802.11 WiFi傳輸協(xié)議，直接與互聯(lián)網(wǎng)相連；網(wǎng)絡(luò)層與數(shù)據(jù)傳輸層通過TCP/IP傳輸協(xié)議將智能監(jiān)護(hù)設(shè)備所采集的老人及周邊環(huán)境的特定狀態(tài)數(shù)據(jù)通過無線WiFi直接同步到監(jiān)護(hù)中心服務(wù)平臺(tái)中。

1.3 監(jiān)護(hù)中心服務(wù)平臺(tái)

    監(jiān)護(hù)中心服務(wù)平臺(tái)即數(shù)據(jù)應(yīng)用層，采用HTTP超文本傳輸協(xié)議，主要由數(shù)據(jù)平臺(tái)、PC監(jiān)護(hù)端、手機(jī)監(jiān)護(hù)端構(gòu)成。數(shù)據(jù)平臺(tái)主要負(fù)責(zé)對(duì)智能監(jiān)護(hù)設(shè)備所上傳數(shù)據(jù)進(jìn)行接收、分析、整合、報(bào)警并保存。PC監(jiān)護(hù)端用于方便醫(yī)護(hù)人員以及老人家人觀察老人的活動(dòng)狀態(tài)以及周邊環(huán)境數(shù)據(jù)，以圖表的形式顯示所采集數(shù)據(jù)，并可以直接下載到指定文件夾，以EXCEL的形式保存，使其在沒有網(wǎng)絡(luò)的情況下也可以查看所采集到的數(shù)據(jù)。

2 系統(tǒng)實(shí)現(xiàn)及關(guān)鍵技術(shù)

2.1 數(shù)據(jù)實(shí)時(shí)采集與校驗(yàn)

    智能監(jiān)護(hù)設(shè)備即系統(tǒng)的數(shù)據(jù)采集端，采集數(shù)據(jù)的精度和正確性決定了誤報(bào)率的高低以及是否能準(zhǔn)確預(yù)測(cè)出老人的健康狀況，但現(xiàn)實(shí)生活中數(shù)據(jù)采集會(huì)受到傳感器精度、測(cè)量電路性能以及人為誤操作等其他很多因素影響。僅僅采用高精度傳感器和優(yōu)化電路的方法是不夠的。為了確保數(shù)據(jù)傳輸?shù)恼_性和完整性，本設(shè)計(jì)采用CRC校驗(yàn)技術(shù)（即循環(huán)冗余檢驗(yàn)技術(shù)）^[7]。對(duì)通過CRC校驗(yàn)的傳感器輸出數(shù)據(jù)進(jìn)行發(fā)送和存儲(chǔ)，對(duì)未通過CRC校驗(yàn)的傳感器輸出數(shù)據(jù)讀取CRC校驗(yàn)錯(cuò)誤值。

2.2 無線通信與配置模塊設(shè)計(jì)

    當(dāng)智能監(jiān)測(cè)設(shè)備需要向監(jiān)護(hù)中心服務(wù)平臺(tái)上傳數(shù)據(jù)時(shí)，首先通過無線通信模塊進(jìn)行WiFi連接，當(dāng)WiFi連接成功時(shí)，處理模塊進(jìn)行待上傳的數(shù)據(jù)的讀取操作，若讀取成功則進(jìn)行所述智能監(jiān)測(cè)設(shè)備與監(jiān)護(hù)中心服務(wù)平臺(tái)之間的連接。無線通信模塊能夠工作在AP模式和STA模式，采用無線AP模式配置方法對(duì)設(shè)備進(jìn)行配置。設(shè)備作為主機(jī)發(fā)送WiFi，目前支持TCP和HTTP模式，用戶可通過手機(jī)或PC無線配置操作并查看設(shè)備當(dāng)前的配置信息、傳感器讀取信息、錯(cuò)誤信息等，還可將數(shù)據(jù)直接存入大數(shù)據(jù)平臺(tái)，用戶可隨時(shí)隨地查看。

2.3 算法的研究與實(shí)現(xiàn)

    根據(jù)石棟等人所使用的支持向量機(jī)(SVM)的算法^[10]，其采用信號(hào)向量模SVM特征量將空間的加速度或角速度變化集合為一矢量^[11]，然而高齡老人所處的狀態(tài)是多樣、易變的，僅通過閾值來判斷跌倒情況，測(cè)量范圍具有局限性，并且不具備防止誤報(bào)警的功能。

    本設(shè)計(jì)采用個(gè)性化異常判定算法，針對(duì)不同應(yīng)用與場(chǎng)景選擇最優(yōu)算法。其在防止跌倒誤報(bào)產(chǎn)生的同時(shí)，對(duì)老人除跌倒以外的其他異常行為進(jìn)行預(yù)測(cè)判斷，下面以加速度傳感器為例，通過舉例詳細(xì)說明本設(shè)計(jì)所應(yīng)用的算法。

    圖3給出的是加速度在運(yùn)動(dòng)過程中的變化曲線，是老人跌倒時(shí)的運(yùn)動(dòng)曲線。假設(shè)設(shè)備此時(shí)應(yīng)用于老人的跌倒檢測(cè)被固定在被測(cè)的人體上。

    如圖3所示(此圖中縱坐標(biāo)為加速度幅值的256倍，即加速度幅值=縱坐標(biāo)值/256，單位為g)，其中y軸（垂直方向）的加速度曲線，其正常靜止?fàn)顟B(tài)下應(yīng)該為-1 g；x軸（前后方向）和z軸（左右方向）的加速度曲線，其正常靜止?fàn)顟B(tài)下應(yīng)該為0 g；最上方曲線為三軸加速度的矢量和，其正常靜止?fàn)顟B(tài)下應(yīng)該為+1 g。

    此時(shí)采用峰值檢測(cè)的方法，峰值檢測(cè)算法的基本原理：設(shè)備根據(jù)x、y、z三軸中加速度變化最大的一個(gè)軸來判斷老人是否跌倒。算法步驟如下：

    (1)首先獲得所述加速度傳感器在s時(shí)間段內(nèi)依次輸出的加速度數(shù)據(jù)，所述加速度數(shù)據(jù)具有x軸加速度、y軸加速度和z軸加速度，執(zhí)行步驟(2)；

    (2)判斷加速度傳感器的采樣頻率是否高于預(yù)設(shè)采樣頻率(注：在采樣頻率過高時(shí)，可以采用奇偶校驗(yàn)的方式進(jìn)行采樣，這種方法可以在減少采樣頻率的同時(shí)最大程度地還原原始形態(tài))，是則執(zhí)行步驟(4)，否則執(zhí)行步驟(3)；

    (3)計(jì)算：

    然后執(zhí)行步驟(5)；

    (5)將F(s)與預(yù)設(shè)值進(jìn)行比較，并根據(jù)比較結(jié)果確定用戶當(dāng)前是否處于跌倒?fàn)顟B(tài)。

    如圖4所示，可以準(zhǔn)確測(cè)量出老人的跌倒情況，但是如果跌倒造成了嚴(yán)重的后果(如導(dǎo)致了人的昏迷)，那么人體會(huì)在更長的一段時(shí)間內(nèi)都保持靜止，并不會(huì)產(chǎn)生峰值。由于老年人的運(yùn)動(dòng)相對(duì)比較慢，在普通的步行過程中，加速度變化不會(huì)很大。圖4所示是老人正常行走時(shí)的運(yùn)動(dòng)曲線，也不會(huì)出現(xiàn)較大峰值。此時(shí)，無法判斷老人當(dāng)前狀態(tài)，一旦老人跌倒了而不是行走緩慢，后果將會(huì)是很嚴(yán)重的。

    如圖4所示，此時(shí)應(yīng)采用動(dòng)態(tài)閾值檢測(cè)算法。動(dòng)態(tài)閾值檢測(cè)算法的步驟如下：

    (1)首先獲得所述加速度傳感器在s時(shí)間段內(nèi)依次輸出的加速度數(shù)據(jù)；所述加速度數(shù)據(jù)具有x軸、y軸和z軸加速度，執(zhí)行步驟(2)；

    (2)當(dāng)所采集加速度數(shù)據(jù)達(dá)到N個(gè)后，計(jì)算N個(gè)加速度數(shù)據(jù)的均值作為動(dòng)態(tài)閾值，執(zhí)行步驟(3)；

    (3)將計(jì)算出動(dòng)態(tài)閾值后每次獲得的加速度數(shù)據(jù)與該動(dòng)態(tài)閾值進(jìn)行比較，并根據(jù)比較結(jié)果確定用戶是否邁出步伐，執(zhí)行步驟(4)；

    (4)當(dāng)計(jì)算出動(dòng)態(tài)閾值后獲得的加速度數(shù)據(jù)再次達(dá)到N個(gè)后，重新計(jì)算N個(gè)加速度數(shù)據(jù)的均值并更新動(dòng)態(tài)閾值，返回步驟(3)。

    這種算法具有自適應(yīng)性，能夠測(cè)量出老人的運(yùn)動(dòng)與靜止情況，但無法判斷出異常峰值（例如老人跌倒）。

    通過上面的舉例說明可以看出，單就一種算法無法滿足不同用戶的需求，本設(shè)計(jì)針對(duì)不同用戶，應(yīng)用不同算法用于檢測(cè)不同環(huán)境。實(shí)現(xiàn)個(gè)性化異常判定算法，根據(jù)用戶需求、使用場(chǎng)景等對(duì)設(shè)備進(jìn)行個(gè)性化設(shè)置，滿足用戶需求。此類算法不僅應(yīng)用于加速度傳感器，還可應(yīng)用于其他傳感器。

3 試驗(yàn)與結(jié)果分析

    本系統(tǒng)在錦州市某養(yǎng)老院部分中高齡獨(dú)居老人家中進(jìn)行試驗(yàn)，基于WiFi的中高齡老人多算法智能監(jiān)護(hù)系統(tǒng)，讓每個(gè)老人隨身攜帶智能監(jiān)護(hù)設(shè)備，同時(shí)在他們家中的床下、衛(wèi)生間門上、藥瓶上、房間內(nèi)都布置了智能監(jiān)護(hù)設(shè)備。

    實(shí)驗(yàn)證明，通過多維度的數(shù)據(jù)組合可全方位實(shí)時(shí)監(jiān)測(cè)到老人的活動(dòng)狀態(tài)、房間內(nèi)溫濕度、老人半夜的翻身情況、上衛(wèi)生間次數(shù)以及時(shí)間長度、是否按時(shí)吃藥等數(shù)據(jù)，并能分析得出老人睡眠狀況、慢性病史、外界環(huán)境和服藥史等。

    另外，為了驗(yàn)證本設(shè)計(jì)中防止誤報(bào)的異常判定算法的正確性，進(jìn)行了跌倒后昏迷狀態(tài)判斷及跌倒后起身緩慢運(yùn)動(dòng)狀態(tài)判斷兩組附加實(shí)驗(yàn)測(cè)試。由于本實(shí)驗(yàn)具有偶然性和危險(xiǎn)性，所以實(shí)驗(yàn)由10名同學(xué)盡量模擬老人緩慢行走的步速完成。每組項(xiàng)目都進(jìn)行100次測(cè)試，其中一組實(shí)驗(yàn)結(jié)果如圖5、圖6、圖7所示。

    如圖5所示，老人在第3 s～8 s之間摔倒，之后起身緩慢運(yùn)動(dòng)。則在第3 s～8 s之間系統(tǒng)采用峰值檢測(cè)算法，一旦峰值來臨之后（在第8 s之后）采用閾值檢測(cè)算法檢測(cè)出老人起身并緩慢運(yùn)動(dòng)。此時(shí)系統(tǒng)不進(jìn)行報(bào)警，避免了誤報(bào)警的發(fā)生。

    如圖6所示，老人在第3 s～8 s之間摔倒，之后陷入昏迷狀態(tài)。在第3 s～8 s之間系統(tǒng)采用峰值檢測(cè)算法，在第8 s之后采用閾值檢測(cè)算法檢測(cè)出老人陷入昏迷。此時(shí)系統(tǒng)立即報(bào)警并通知醫(yī)生和老人的家人。

    如圖7所示，老人在第3 s～13 s時(shí)加速度幅值明顯大于在第13 s～33 s時(shí)，此時(shí)采用動(dòng)態(tài)閾值檢測(cè)算法，在第3 s～13 s時(shí)的動(dòng)態(tài)閾值為在此時(shí)間段內(nèi)加速度數(shù)據(jù)的均值經(jīng)計(jì)算為0.73，同理計(jì)算在第13 s～33 s時(shí)間段內(nèi)動(dòng)態(tài)閾值為0.17。可以看出兩個(gè)時(shí)間段內(nèi)閾值相差較大，在第13 s～33 s時(shí)，如果不變化閾值則根本無法判斷老人是否處于運(yùn)動(dòng)狀態(tài)。

4 結(jié)論

    針對(duì)以往相關(guān)研究^{[1-4，11]}中出現(xiàn)的誤報(bào)率高的問題，本設(shè)計(jì)采用個(gè)性化異常判定算法，針對(duì)不同應(yīng)用與場(chǎng)景，對(duì)比不同算法的傳感器反應(yīng)靈敏度、準(zhǔn)確度結(jié)果進(jìn)行計(jì)算。經(jīng)實(shí)驗(yàn)測(cè)試:系統(tǒng)可在精準(zhǔn)地預(yù)測(cè)老人日常生活規(guī)律的同時(shí)減少95%的誤報(bào)率。

參考文獻(xiàn)

[1] 丁亞媛，何貴蓉，陳洋，等.養(yǎng)老機(jī)構(gòu)老人跌倒現(xiàn)狀分析[J].全科護(hù)理，2014(31)：2883-2884.

[2] 湯一平，顧校凱，孫黌杰，等.基于活動(dòng)量分析的獨(dú)居老人遠(yuǎn)程監(jiān)護(hù)系統(tǒng)的研究[J].計(jì)算機(jī)工程與應(yīng)用，2007(3)：211-213.

[3] 楊海健，席桂清，辛元明，等.基于物聯(lián)網(wǎng)技術(shù)的老人監(jiān)護(hù)智能系統(tǒng)的研究與設(shè)計(jì)[J].科技創(chuàng)新與應(yīng)用，2016(2)：66-67.

[4] 肖麗，付蔚，王平.智能家居中老人跌倒遠(yuǎn)程監(jiān)護(hù)系統(tǒng)的設(shè)計(jì)[J].電視技術(shù)，2012(13)：131-134.

[5] 石棟，張克華，徐彪.獨(dú)居老人云智能跌倒實(shí)時(shí)檢測(cè)系統(tǒng)的開發(fā)[J].計(jì)算機(jī)工程與應(yīng)用，2016(19)：259-264.

[6] 姚七棟，張春玉.CRC校驗(yàn)及其軟件實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2006(13)：67-68，71.

[7] 楊理勤，穆新華，鄭振云.常量金標(biāo)準(zhǔn)物質(zhì)定值中離群值的統(tǒng)計(jì)識(shí)別[J].巖礦測(cè)試，2013(3)：483-486.

[8] 郁丹紅，賈曉斌.基于生物藥劑學(xué)性質(zhì)的中藥組分相似性分析方法的建立[J].中國中藥雜志，2013(12)：1847-1850.

[9] 張強(qiáng)，王寶華，楊成梧.基于二階平均法和Melnikov法準(zhǔn)周期負(fù)荷擾動(dòng)電力系統(tǒng)混沌振蕩分析[J].電工技術(shù)學(xué)報(bào)，2006，21(6)：115-121.

[10] 張衛(wèi)東，張偉年.電力系統(tǒng)混沌振蕩的參數(shù)分析[J].電網(wǎng)技術(shù)，2000，24(12)：17-20.

[11] 王榮，章韻，陳建新.基于三軸加速度傳感器的人體跌倒檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用，2012(5)：1450-1452，1456.

作者信息：

王  暢1，孫福明1，李  漾2

（1.遼寧工業(yè)大學(xué) 電子與信息工程學(xué)院，遼寧 錦州121001；2.大連云動(dòng)力科技有限公司，遼寧 大連116000）