2 系统实现
2.1 系统应用程序
Android是一个开源移动操作系统,它有一个强大的基于java框架的软件开发工具包(SDK),还有SQLite数据库管理系统,本文在Android智能手机平台开发实现了跌倒检测应用程序。跌倒应用程序由4大部分组成:
(1)FallDetectionServICe:Android后台服务应用进程,它长时间运行在手机应用程序进程的主线程内,不会干扰其他组件或用户界面。
(2)FallAlertActivity:与用户交互的Activity组件,该Activity可以被创建、启动、恢复、暂停和销毁,它是应用程序的可见部分。
(3)SensorManager:”SensorManager”允许应用程序使用手机传感器,使用它来读取手机加速度传感器和陀螺仪的读数。
(4)UserLOCationManager:使用UserLocationManager可以允许应用程序使用GPS获取定位数据,紧急情况下可以确定用户地理位置。
2.2 系统检测流程
本系统跌倒检测算法是基于人体运动加速度和角速度信号设计的,通过分析人体主要运动过程与跌倒过程的SVMA和SVMW数据,以及对SVMW数据的进一步处理来区分日常生活活动与跌倒。图8为跌倒检测算法流程图:①后台服务监测SVMA数值的变化,如果SVMA大于SVMAT ,进入下一步;②等待SVMA数值恢复到正常范围内,再设置延时10s,等待用户稳定,进入下一步;③角速度数据分析,如果SVMW大于SVMWT ,进入下一步;④对SVMW数据公式化处理得到特征值W,如果W 大于WT ,确认发生跌倒,触发报警处理。
图8 跌倒检测流程
2.3 系统主要内容
系统集成了智能手机的传感功能和信号处理技术,它的主要功能是检测意外情况下跌倒,然后与用户的紧急联系人通过电话和SMS信息进行联系。该应用程序还可以获得用户的地理位置,此外它有一个一键紧急救助按钮和紧急警报取消机制,可防止假警报。
当系统检测到一个跌倒,会弹出通知窗口并且有声音警报,用户可以在一个可设置的特定时间范围内取消警报请求。如果没有发生真正的跌倒,用户可以在报警等待时间范围内简单取消请求。如果是一个真正的跌倒,则用户的救助联系人将会立即收到SMS报警信息。
图9为应用程序屏幕截图,主界面有7个主要按钮,“ON/OFF”滑动开关按钮,来控制开始后台跌倒检测服务和停止服务;“紧急联系电话”按钮,可以添加3个紧急救助联系人号码;“紧急联系信息”按钮,用来编辑发送的紧急信息内容;“报警等待时间”按钮,用来设置检测到跌倒发生与发送报警信息之间的等待时间;“一键快速求救”按钮,直接触发跌倒报警事件,当用户发生跌倒而手机未检测到时的手动求救按钮; “设置”按钮用来设置开启GPS服务、设置传感器工作模式以及报警方式、声音选择等;“退出”按钮,则是完全退出应用程序。
图9 应用程序屏幕
3 实验与结果分析
3.1 实验装置及设计
跌倒检测算法测试手机为LGP970,其配置有Android2.3操作系统、德州仪器1GHz的CPU、主屏尺寸4.0英寸。日常生活主要活动动作频率都低于20HZ,设置手机内置加速度传感器和陀螺仪的信号采样频率皆为50HZ,以满足实验的需求。本系统为使实验结果符合人们日常携带手机的方式,选择胸部口袋作为实验过程中手机在人体的佩戴位置。检测算法是对传感器输出数据的信号向量模进行处理,故实验中对手机在口袋中的放置方位没有要求。
实验者为20名青年学生:10男10女,年龄在22-30岁,身高155-185CM,体重40-80KG。出于安全考虑未请老年人参与,实验者模拟老年人日常生活中步行、上下楼梯、慢跑、快速坐下、快速躺下、坐下起立、躺下起立和跌倒等活动动作。实验在不同时间段完成,实验过程中地上放置有厚海绵垫,每个实验者被要求重复实验动作2次,且每个动作要求在10s内完成。实验者的动作描述见表2。
表2 实验者的动作描述
3.2 结果分析
为评估检测算法的性能,通常定义以下评估方式:跌倒检测中可能出现的4种情况:真阳性(TP):跌倒发生,设备检测到。假阳性(FP):设备检测到跌倒,但实际并未发生。真阴性(TN):正常活动,设备并未检测到跌倒发生。假阴性(FN):跌倒发生,但设备并未检测到。敏感性体现了算法识别跌倒的能力,测量真实的摔倒被检测到的概率
特异性是日常生活活动被检测到的概率
图10 (a)显示了本文系统算法检测结果敏感性的表现,算法能精确地检测到后向跌倒、左侧跌倒和右侧跌倒,前向跌倒假阴性较高是因为向前跌倒时人们下意识弯曲膝盖,两手掌去支地缓冲,所以产生的SVM 峰值较小,但这种情况一般损伤不严重,跌倒者大多数保持清醒,如需救助仍可通过应用程序的“一键救助按钮”。靠墙缓慢跌倒过程动作缓慢且比较随意复杂,算法检测结果假阴性较高,然而这种跌倒给跌倒者带来的伤害是有限的。从100例记录中得到算法的敏感性是88%。图10 (b)显示了本文算法检测结果特异性的表现,算法可以区分出大多数日常活动,然而快速坐下时带有后仰动作、以较快速度躺下和手机日用有时候会触发假阳性,从180例记录中得到算法特异性为92%。
图10 跌倒检测算法性能
4 结束语
本文设计了一种基于智能手机的人体跌倒检测系统,利用手机内置加速度传感器和陀螺仪监测人体运动时的加速度和角速度信号,对采集到的信号数据进行处理和分析,提出了基于信号向量模和特征量W 相结合的检测算法,同时对该算法的有效性进行了评估。实验结果表明,该系统能够有效区分跌倒与其它日常生活行为动作,且检测结果的假阳性和假阴性较低。本系统方案具有使用简单方便、成本低、使用范围广、实时响应快的优点,此外,系统还能够定位用户跌倒位置及使用报警机制来减少假警报。后续工作中,将会考虑对加速度传感器和陀螺仪信号数据进行数据融合,使算法对人体姿态描述更加准确。
上一篇：用功率计测量插入损耗的方法
