老年人医护安全监测的可穿戴式系统设计*

李吉龙，李允俊

(延边大学 工学院，延吉 133002)

老年人医护安全监测的可穿戴式系统设计*

李吉龙，李允俊

(延边大学 工学院，延吉 133002)

本文设计了一种老年人活动监测系统，利用三轴加速度传感器、脉搏及血氧饱和度传感器，实现对老年人群的运动监测、脉搏监测及摔倒报警。本系统可以减轻监护人的监护压力，使监护人可以在不在现场的情况下，获取被监护人的每日活动信息，并可在被监护人发生摔倒时及时获取相关信息并采取相应的措施，防止一些意外的发生。测试结果表明，本系统具有良好的稳定性，具有一定的社会意义及实用价值。

老年人活动监测；三轴加速度传感器；脉搏及血氧饱和度传感器；SVM分类算法

引 言

我国已进入快速老龄化时代，老年人口基数巨大、增长迅速、高龄化严重，青壮年人群的社会抚养压力不断增大，老龄化服务产业进入了黄金时期[1]。特别是“空巢老人”的比例不断增大，多数老年人的健康状况无法得到及时监测，在发生意外跌倒或突发疾病时，可能会因为无法得到及时救助而受到严重伤害，甚至丧失生命[2]。因此，利用现代化技术设计移动医疗设备，减轻监护人对老年人等特殊人群的长期监护压力，实现身体健康状况的自动化管理成为了现代医疗服务的发展趋势。

本文设计一种老年人活动监测系统，以Raspberry Pi 3为开发平台，结合三轴加速度传感器、脉搏及血氧饱和度传感器实现数据采集，利用GPRS技术实现摔倒报警、脉搏数据异常报警，利用Bluetooth连接智能手机APP实现数据查询与存储，可以实现对老年人的远程监护，从而大大减轻年轻人的监护压力。

1 系统总体架构设计

本设计主要分为可穿戴设备模块和智能手机APP模块两大部分。可穿戴设备模块以树莓派3(Raspberry Pi 3)为平台，扩展三轴加速度传感器、脉搏及血氧饱和度传感器用于数据采集，GPRS模块及Bluetooth模块用于数据传输。当三轴加速度传感器采集到数据后，利用FIR数字低通滤波器对数据进行滤波降噪处理，并利用峰值检测算法、支持向量机(SVM)算法实现对被监护人的运动检测及摔倒监测，监测到发生摔倒时，通过GPRS模块发送报警短信至监护人；当脉搏及血氧饱和度传感器采集到数据时，对脉搏与血氧数据进行阈值分析，并可在数据出现异常时通过GPRS模块发送报警短信至监护人。

智能手机APP模块用于实现人体活动数据的接收、显示及存储。手机APP通过Bluetooth与可穿戴设备连接进行数据传输，可以直观显示被监护人的运动量及实时脉搏与血氧数据，监护人可以掌握被监护人的日常运动量及脉搏血氧情况，了解被监护人的日常身体状况。本系统构架如图1所示。

图1 系统架构图

2 可穿戴设备模块设计

图2 人体状态识别流程图

可穿戴设备模块主要包含两大部分：第一部分是利用三轴加速度传感器对人体行为进行识别，主要包含寄存器初始化、数据采集、数据预处理、特征提取及算法识别，计步检测采用基于时间窗的峰值检测算法、摔倒监测采用SVM算法；第二部分是利用脉搏及血氧饱和度传感器，实现心率及血氧饱和度数据的采集，并设定报警阈值。当出现摔倒报警、脉搏异常及血氧饱和度异常报警时，通过GPRS模块发送报警信息至监护人，实现对被监护人的远程监护。本设计采用的人体状态识别流程图如图2所示。

2.1 三轴加速度传感器数据的预处理

三轴加速度传感器采用基于微机电系统(MEMS)技术的ADXL345型传感器，其内置的模数转换可将三轴加速度的数字信号通过I2C或SPI总线输出，分辨率可达13位(±16 g)，本设计选用的量程为±8 g，采样频率为50 Hz，满足人体正常活动的需求[3]。ADXL345型三轴加速度传感器建立的人体坐标系如图3所示。

图3 人体坐标系

为减少运算的复杂度，降低传感器姿态对加速度数据的影响，本设计将采集到的三轴加速度传感器数据做归一化处理，其计算公式如下：

由于抖动等外界条件的影响，采集到的数据中包含噪声，为了提高系统的识别效果，需要对数据进行滤波处理[4]。人在正常活动的情况下，其频率一般为0.5～5 Hz，本设计采用FIR数字低通滤波器，以5 Hz为截止频率，对合成的加速度A做低通滤波降噪处理。滤波前后数据曲线对比如图4所示。

2.2 计步检测算法

经过对计步算法的研究，本设计采用基于时间窗的峰值检测算法，设定时间窗及峰谷差值阈值，提高计步算法的精度。算法的第一个判定条件是出现一对峰、谷值，然后将波峰与波谷差值与阈值的比较，如果差值大于阈值，则进入下一个判定，判定采样数据是否满足时间窗口，如果满足，则对计步值做加1处理。由于正常人行走两步之间的间隔为[0.2s,2s]，采样频率为50 Hz，换算后，采集到的数据应为[10,100]个，因此时间窗口设定为[15,85]较为合适。计步算法流程图如图5所示。

SVM算法是一个二分类模型，从线性可分的情况下最优分类面提出，通过核函数设定松弛变量和惩罚因子参数等，将低维空间中线性不可分问题转移到高维空间解决的算法，一般包括采集数据、准备数据、分析数据、训练算法生成分类器、测试算法、使用算法等过程。SVM算法与神经网络算法相比，不仅拥有较高的识别率，而且对硬件的要求较低，应用更为广泛，更加适合嵌入式设备。因此本设计采用支持向量机区分人体的日常生活活动状态与摔倒状态。本设计中SVM分类算法使用Python语言实现。Python语言中的Numpy函数库具有强大的数据处理功能，处理数据速度比C语言更快、占用内存更小。SVM分类算法以径向基(RBF)为非线性支持向量机的核函数，利用序列最小优化算法(SMO)对样本训练，并不断调整参数，生成分类器并保存。具体实现步骤如下：

图4 滤波前后数据对比图

图5 计步算法流程图

① 编写svm.py文件，主要通过SMO算法根据采集到的数据进行训练，并产生一个分类器；

② 编写object _ json.py文件，通过自定义的json编码函数将产生的分类器对象永久保存，当不需要更新分类时可以直接使用load()函数直接加载分类器文件，节省每次都需要训练分类器的时间；

③ 编写testsvm.py文件作为测试用例，主要功能为加载分类器，并对采集到的数据进行测试；

④ C语言调用Python文件，需要加载头文件#include ，并初始化Python解释器，然后通过PyImport_ImportModule()函数导入object _ json.py及testsvm.py文件。

摔倒监测流程如图6所示。

2.4 脉搏及血氧饱和度传感器

图6 摔倒监测流程

脉搏及血氧饱和度传感器主要采集老年人的脉搏及血氧饱和度数据。老年人作为慢性疾病的多发人群，需要长期监测脉搏、血氧饱和度、血压、血糖等主要体征[5]。本设计主要以软件方式设定脉搏及血氧饱和度报警阈值，当脉搏与血氧传感器采集的数据超出阈值范围时，可穿戴设备可立即通过GPRS发送报警信息至监护人。表1为脉搏与血氧饱和度阈值设定范围。

表1 脉搏与血氧饱和度阈值设定

3 智能手机APP模块设计

智能手机APP模块主要通过Bluetooth与可穿戴设备连接，接收由Raspberry Pi 3采集到的活动数据、脉搏及血氧饱和度数据，分别使用Pedometer_fragment与SPO2_fragment嵌入到MainActivity中。Pedometer_fragment主要通过CircleBar显示当前计步数据，并创建两个Activity实现锻炼计划的设置及历史数据的存储与显示。SPO2_fragment可以通过采集按钮采集被监护人当前的心率状态及血氧饱和度状态，利用TextView及ProgressView显示心率及血氧饱和度数据。

智能手机APP界面如图7所示。

图7 智能手机APP界面

4 测试与结果

本设计的测试主要分为两大部分：数据有效传输准确率的测试与计步检测及摔倒监测算法准确率的测试。数据的有效传输测试主要通过Bluetooth传输计步及心率、血氧饱和度等历史数据，通过GPRS通信技术发送摔倒报警、心率异常报警或血氧饱和度异常报警短信。测试结果表明，在Bluetooth与GPRS网络连接通畅的情况下，数据传输的准确性可达到100%。

算法准确率的测试主要分为计步检测算法、SVM摔倒监测算法测试。计步检测主要是对人体运动量的直观显示，可以知道用户规划的运动目标。摔倒监测主要是检测人体是否受到危害的监测，因此漏报的危害性远大于虚警的危险性，因此本设计遵循“宁虚勿漏”的原则对SVM算法进行不断测试与改进。笔者随机选取了3位测试者对计步检测算法与摔倒监测算法进行测试，测试结果如表2所列。

表2 计步检测算法与摔倒监测算法测试

结 语

[1] 李山，李鹏飞，田雨.基于移动医疗的老年人健康管理系统设计与实现[J].中国数字医学, 2015(8): 2-4,18.

[2] 程旸.老年人活动监测系统研究[D].天津：天津大学,2009.

[3] 李娜，侯义斌， 黄樟钦，等. 基于三轴加速度信号的实时人体状态识别算法[J].北京工业大学学报, 2012(11): 1689-1693.

[4] 苟涛. 基于可穿戴式三轴加速度传感器的人体行为识别[J].自动化应用, 2015(12): 61-62.

[5] 王君玲. 移动智能慢性病体征监测管理系统的研究与设计[D].广州：南方医科大学，2014.

参考文献

[1] Tsai C C, Shih S C, Lin S C. Adaptive Nonlinear Control Using RBFNN for an Electric Unicycle [C]//Proceedings of the 2008 IEEE International conference on System, Man and Cybernetics, Singapore,2008:12-15.

[2] Lin S C, Tsai C C. Sliding-Mode Control of an Electric Unicycle Using Fuzzy Radial-Basis Function Neural Networks [C]//Proc.of 2009 National Symposium on System Science and Engineering,Tamsui,Taipei,2009:0316.

[3] 李向东，刘伟. 串联型稳压电路的设计 [J]. 周口师范高等专科学校学报，2001，18(5)：19-20.

[4] 赖义汉，王凯. 基于MPU6050的双轮平衡车控制系统设计 [J].河南工程学院学报，2014，26(1)：53-57.

[5] 张垒. 无刷直流电机控制系统的设计与研究 [D]. 衡阳：南华大学，2012.

[6] 张团善，何颖. 卡尔曼滤波在两轮自平衡代步车姿态检测中的应用 [J].单片机与嵌入式系统应用，2014(5):33-35.

[7] 赵磊. 两轮平衡车建模与系统设计 [D].成都：西南交通大学，2013.

叶秀敏(硕士研究生)，研究方向为嵌入式系统设计。

(责任编辑：杨迪娜 收稿日期：2016-10-31)

Elder Activity Monitoring System of Wearable Devices

Li Jilong,Li Yunjun

(Institute of Technology,Yanbian University,Yanji 133002,China)

In the paper,an activity monitoring system for the elderly is designed,which uses the three-axis acceleration sensor,the pulse and the oxygen saturation sensor to achievethe elderly population movement monitoring,the pulse monitoring and the fall alarm.So that the guardians can obtain the information of the elderly's daily activities in anywhere,and can take some appropriate measures to prevent some accidents happened.The experiment results show that the system is stable,and has a certain social significance and practical value.

elderly activity monitoring system;three-axis acceleration sensor;pulse and oxygen sensor;SVM classification algorithm

TP319

A

�迪娜

2016-11-28)