论文部分内容阅读
摘 要：采用SVM阈值跌倒检测算法测量老人跌倒以及其它常见的老人运动行为中的加速度峰值，两者进行比较，从而确定老人跌倒检测软件中设定的发出警报的阈值。
关键词：Android；老人跌倒；SVM阈值测定
由于老年人的身体各项机能均有不同程度的退化，以及中风、脑血管疾病、心绞痛等老年疾病的困扰，老年人群体中出现跌倒的意外情况大大增多，而其产生的后果更加严重。目前，跌倒是造成我国65岁以上老年人伤害死亡的首要原因。第一时间检测老人跌倒状况并及时通知抢救是减少伤害死亡的最有效途径。
区分人体跌倒时加速度的峰值与其它老人常见运动行为中加速度峰值的差异，是检测老人跌倒情况的基本原理。基于此原理，采用SVM阈值算法，初步确定了跌倒时人体加速度阈值，设计了基于Android平台的老人跌倒检测软件。
1 软件功能原理简介
基于Android平台的老人跌倒检测软件主要用JAVA语言进行开发，借助于Android SDK和Eclipse IDE进行软件功能的实现，Eclipse 中提供了丰富的java环境，编译完成后用Android Developer Tools进行打包，便可安装于安卓手机。
该软件主要借助于安卓手机中自带的三轴加速度传感器获取老人运动所产生的加速度，根据SVM阈值跌倒检测算法计算人体各项运动时其加速度幅度值。利用人体在不同运动行为下的加速度幅值与跌倒行为中加速度幅值的明显差异，从而判断老人是否摔倒。当老人跌倒时，随身携带的手机加速度幅值会明显大于软件设置的报警阈值B，这时手机便会自动报警，若15s内手机没有响应动作，软件便会自动发送短信通知老人的监护人详细的地点，以便及时抢救。
2 加速度阈值测定
2.1 跌倒检测分析
人体会因受到外力或失去平衡而跌倒，跌倒时人体会呈现出向某一方向倾倒状态，导致重心发生变化而在某一方向上产生一定的加速度[1]。因此，运动状态的改变可以借助加速度变化来体现，剧烈程度不同运动的导致不同的加速度幅值的改变，而老人一般不会做剧烈程度很大的活动，跌倒瞬间所导致的加速值应该明显高于其他活动所导致的加速度幅值。此外，跌倒还具有随意性，不同方向的跌倒和不同程度的摔倒都会导致不同的加速度幅值，因此软件加速度阈值的确定需要综合不同情况的跌倒来得到。
2.2 跌倒检测相关算法
加速度可更好的反映运动变化情况[2]，为了更好的满足人体运动模型，将手机固定在腰间，采用三轴加速度传感器来获取不同方向的加速度值，人体竖直站立时，ax ，ay ，az 分别代表人体左右，人体垂直和人体前后方向的加速度，即人体站立或匀速行走时，理论上，ax ，az的值均为0，ay 的值等于g[3]。且ax ，ay ，az分别与手机自带的三轴加速度方向相对应，可更好的突出实验结果的灵敏度，提高实验数据的准确性。由于跌倒具有随机性，跌倒过程中，人的加速度，速度，和位移都发生了变化[4]，因此不能用一轴的加速度变化值来判断人体的跌倒情况，我们采用SVM阈值跌倒检测方法，利用公式（1）计算手机获取到的三个方向的加速度值，从而得到其加速度幅值SVM。
SVM= （1）
手机固定在人体腰间，手机加速度传感器获取的加速度值近似等于人体所具有的加速度值，本文便是通过计算老人正常活动而产生手机加速度幅度变化来判断老人活动状态，由此确定老人跌倒的加速度阈值。
2.3 跌倒数据测定
我们通过实验测量老人们正常生活中的行为动作产生的各个方向的加速度值并计算其加速度幅度值SVM，我们测量的行为有：向前跌倒，向后跌倒，左侧跌倒，右侧跌倒，正常行走，上、下楼梯，弯腰，坐下、起立，慢跑。一般老人都不会做剧烈运动，加速度幅值变化不会太大，而老人摔倒后加速度幅值会发生突变，明显高于其他活动所产生的加速度幅值。该试验对象1人，年龄22岁，身高178cm，身体健康。实验工具为同一款手机。每个实验项目重复测量10次，记录其每次的加速度幅值的峰值。利用公式（2）分别计算其每个实验项单元的峰值的平均值为：
（2）
其中ai为每次每个实验项单元的峰值，为每个实验项单元的峰值的平均值。
得到老人几种正常生活运动所产生加速度幅值的峰值数据如表一所示：
表一
2.4 数据分析及验证
由表一可判断出老人上楼，下楼等日常活动的加速度幅值比较平稳，均在11m/s2左右，无明显的波动，且相比于跌倒所产生的加速度幅值>14m/s2有明显差距。该试验结果表明我们的假设猜想没有问题，我们采用的分类统计学SVM阈值跌倒检测实验算法能很好的满足我们的实验要求与实验目的。
2.5 阈值确定
本文通过对SVM算法的分析，结合了一种基于分类统计学的分析判别的老人跌倒检测算法，把老人正常可能出现的行为动作分类统计，分别对不同类别行为进行实验测量，与跌倒时的结果进行比对，从而确定老人随机跌倒的加速度幅值的最小值，即为该软件在这部手机中需要设定的加速度幅度阈值B。为了确保老人摔倒后能及时得到救治，我们取表一中跌倒产生的加速度幅值的最小值14.5m/s2，即B=14.5m/s2.。
3 实验总结及展望
（1）实验存在误差。由于手机和测试对象的不同，不同android手机的传感器灵敏度不同，且本试验的实验对象为学生，不能完全的模仿老人的日常生活状态。
（2）实验阈值的确定不存在普遍性。实验阈值的确定仅限于该试验所用手机，不具有普遍适用性。
（3）该试验所采用的SVM算法仅根据加速度幅值的大小来判断老人的跌倒情况，接下来我们将结合加速度的方向来确定老人具体的跌倒方向，从而更加准确的确定老人的跌倒情况。
参考文献：
[1]倪逸扬. 基于Android平台的老人跌倒检测软件[J]. 计算机光盘软件与应用，2013，16：55-57.
[2]金纯，尹远阳. 一种基于统计学判别分析的老人摔倒检测算法的研究[J]. 计算机应用研究，2014，01：89-91+94.
[3]王荣，章韵，陈建新，等.基于三轴加速度传感器的人体跌倒检测系统设计与实现[J]. 计算机应用，2012，32（ 5） ： 1450-1453.
[4]崔英辉，詹林. 基于三轴加速度传感器的老人摔倒检测[J]. 现代电子技术，2013，03：130-132.
作者简介：毛广玮，徐州医学院医学影像学院在读
关键词：Android；老人跌倒；SVM阈值测定
由于老年人的身体各项机能均有不同程度的退化，以及中风、脑血管疾病、心绞痛等老年疾病的困扰，老年人群体中出现跌倒的意外情况大大增多，而其产生的后果更加严重。目前，跌倒是造成我国65岁以上老年人伤害死亡的首要原因。第一时间检测老人跌倒状况并及时通知抢救是减少伤害死亡的最有效途径。
区分人体跌倒时加速度的峰值与其它老人常见运动行为中加速度峰值的差异，是检测老人跌倒情况的基本原理。基于此原理，采用SVM阈值算法，初步确定了跌倒时人体加速度阈值，设计了基于Android平台的老人跌倒检测软件。
1 软件功能原理简介
基于Android平台的老人跌倒检测软件主要用JAVA语言进行开发，借助于Android SDK和Eclipse IDE进行软件功能的实现，Eclipse 中提供了丰富的java环境，编译完成后用Android Developer Tools进行打包，便可安装于安卓手机。
该软件主要借助于安卓手机中自带的三轴加速度传感器获取老人运动所产生的加速度，根据SVM阈值跌倒检测算法计算人体各项运动时其加速度幅度值。利用人体在不同运动行为下的加速度幅值与跌倒行为中加速度幅值的明显差异，从而判断老人是否摔倒。当老人跌倒时，随身携带的手机加速度幅值会明显大于软件设置的报警阈值B，这时手机便会自动报警，若15s内手机没有响应动作，软件便会自动发送短信通知老人的监护人详细的地点，以便及时抢救。
2 加速度阈值测定
2.1 跌倒检测分析
人体会因受到外力或失去平衡而跌倒，跌倒时人体会呈现出向某一方向倾倒状态，导致重心发生变化而在某一方向上产生一定的加速度[1]。因此，运动状态的改变可以借助加速度变化来体现，剧烈程度不同运动的导致不同的加速度幅值的改变，而老人一般不会做剧烈程度很大的活动，跌倒瞬间所导致的加速值应该明显高于其他活动所导致的加速度幅值。此外，跌倒还具有随意性，不同方向的跌倒和不同程度的摔倒都会导致不同的加速度幅值，因此软件加速度阈值的确定需要综合不同情况的跌倒来得到。
2.2 跌倒检测相关算法
加速度可更好的反映运动变化情况[2]，为了更好的满足人体运动模型，将手机固定在腰间，采用三轴加速度传感器来获取不同方向的加速度值，人体竖直站立时，ax ，ay ，az 分别代表人体左右，人体垂直和人体前后方向的加速度，即人体站立或匀速行走时，理论上，ax ，az的值均为0，ay 的值等于g[3]。且ax ，ay ，az分别与手机自带的三轴加速度方向相对应，可更好的突出实验结果的灵敏度，提高实验数据的准确性。由于跌倒具有随机性，跌倒过程中，人的加速度，速度，和位移都发生了变化[4]，因此不能用一轴的加速度变化值来判断人体的跌倒情况，我们采用SVM阈值跌倒检测方法，利用公式（1）计算手机获取到的三个方向的加速度值，从而得到其加速度幅值SVM。
SVM= （1）
手机固定在人体腰间，手机加速度传感器获取的加速度值近似等于人体所具有的加速度值，本文便是通过计算老人正常活动而产生手机加速度幅度变化来判断老人活动状态，由此确定老人跌倒的加速度阈值。
2.3 跌倒数据测定
我们通过实验测量老人们正常生活中的行为动作产生的各个方向的加速度值并计算其加速度幅度值SVM，我们测量的行为有：向前跌倒，向后跌倒，左侧跌倒，右侧跌倒，正常行走，上、下楼梯，弯腰，坐下、起立，慢跑。一般老人都不会做剧烈运动，加速度幅值变化不会太大，而老人摔倒后加速度幅值会发生突变，明显高于其他活动所产生的加速度幅值。该试验对象1人，年龄22岁，身高178cm，身体健康。实验工具为同一款手机。每个实验项目重复测量10次，记录其每次的加速度幅值的峰值。利用公式（2）分别计算其每个实验项单元的峰值的平均值为：
其中ai为每次每个实验项单元的峰值，为每个实验项单元的峰值的平均值。
得到老人几种正常生活运动所产生加速度幅值的峰值数据如表一所示：
表一
2.4 数据分析及验证
由表一可判断出老人上楼，下楼等日常活动的加速度幅值比较平稳，均在11m/s2左右，无明显的波动，且相比于跌倒所产生的加速度幅值>14m/s2有明显差距。该试验结果表明我们的假设猜想没有问题，我们采用的分类统计学SVM阈值跌倒检测实验算法能很好的满足我们的实验要求与实验目的。
2.5 阈值确定
本文通过对SVM算法的分析，结合了一种基于分类统计学的分析判别的老人跌倒检测算法，把老人正常可能出现的行为动作分类统计，分别对不同类别行为进行实验测量，与跌倒时的结果进行比对，从而确定老人随机跌倒的加速度幅值的最小值，即为该软件在这部手机中需要设定的加速度幅度阈值B。为了确保老人摔倒后能及时得到救治，我们取表一中跌倒产生的加速度幅值的最小值14.5m/s2，即B=14.5m/s2.。
3 实验总结及展望
（1）实验存在误差。由于手机和测试对象的不同，不同android手机的传感器灵敏度不同，且本试验的实验对象为学生，不能完全的模仿老人的日常生活状态。
（2）实验阈值的确定不存在普遍性。实验阈值的确定仅限于该试验所用手机，不具有普遍适用性。
（3）该试验所采用的SVM算法仅根据加速度幅值的大小来判断老人的跌倒情况，接下来我们将结合加速度的方向来确定老人具体的跌倒方向，从而更加准确的确定老人的跌倒情况。
参考文献：
[1]倪逸扬. 基于Android平台的老人跌倒检测软件[J]. 计算机光盘软件与应用，2013，16：55-57.
[2]金纯，尹远阳. 一种基于统计学判别分析的老人摔倒检测算法的研究[J]. 计算机应用研究，2014，01：89-91+94.
[3]王荣，章韵，陈建新，等.基于三轴加速度传感器的人体跌倒检测系统设计与实现[J]. 计算机应用，2012，32（ 5） ： 1450-1453.
[4]崔英辉，詹林. 基于三轴加速度传感器的老人摔倒检测[J]. 现代电子技术，2013，03：130-132.
作者简介：毛广玮，徐州医学院医学影像学院在读