基于加速度傳感器的人體姿態(tài)識別系統(tǒng)

吳超

（長江大學電子信息學院，湖北 荊州 434023）

當今中國，人口老齡化加速，空巢家庭﹑失獨家庭大量涌現(xiàn)。在這樣的家庭里，子女長期不在老人身邊或者老人永遠失去了自己的子女，對于這樣一類人群來說，一旦身體健康出現(xiàn)問題或者突發(fā)意外事件，往往只能自己面對和承受。獨自一個人在家時生病或發(fā)生意外后很長時間無人問津的悲劇經(jīng)常見諸報道。對于他們來說，晚年不僅無法安度，相反會成為他們?nèi)松詈蟮目嚯y期。

微機電系統(tǒng) （MEMS）是由微傳感器﹑微動作器以及信號處理和控制電路組成的微系統(tǒng)。集小體積﹑微重量﹑性能穩(wěn)定等諸多優(yōu)點于一身，在慣性測量中有著極其重要的發(fā)展空間，其中包含的加速度傳感器更是在眾多應(yīng)用領(lǐng)域中扮演者不可或缺的角色。對于空巢老人或失獨老人來說，利用微機電系統(tǒng)測量在人體運動過程中不斷變化的加速度和姿態(tài)，從而計算出其在某一特定空間里的運動軌跡［1］，一旦出現(xiàn)意外，如心臟病突發(fā)或腦溢血突發(fā)而導(dǎo)致的跌倒或被物體絆倒等，則能夠?qū)崟r監(jiān)測出人體加速度的突然變化，并在第一時間向相關(guān)機構(gòu)發(fā)出報警求教信號，從而最大限度降低悲劇的發(fā)生。為此，筆者采用加速度傳感器實時檢測3個自由度上人體加速度數(shù)據(jù)和人體姿態(tài)數(shù)據(jù)［2］，結(jié)合試驗設(shè)置了理想的閾值，能較準確地監(jiān)測人體的姿態(tài)。

1 系統(tǒng)結(jié)構(gòu)設(shè)計

基于加速度傳感器的人體姿態(tài)識別系統(tǒng)構(gòu)成如圖1所示。數(shù)據(jù)采集模塊佩戴于被測試者胸前。筆者采用MPU－6050九軸運動處理傳感器采集人體的運動軌跡信號。當人體在做日常的一般運動以及突發(fā)跌倒時，三軸MEMS陀螺儀和三軸加速度計分別將其測量的模擬量轉(zhuǎn)化為3個16位可輸出的數(shù)字量，得到的結(jié)果直接送入單片機進行相關(guān)處理，然后經(jīng)nRF2401無線傳輸模塊傳送到接收計算機。另外，為了避免引發(fā)誤報警，可通過芯片中的I2C接口連接一個第三方的數(shù)字傳感器。

圖1 系統(tǒng)結(jié)構(gòu)框圖

2 跌倒振動檢測

人體出現(xiàn)的全部的跌倒狀態(tài)中，行走過程中出現(xiàn)意外而引起的跌倒所占的比例約為39%，上下樓發(fā)生的跌倒所占的比例約為20%，登高或轉(zhuǎn)身發(fā)生的跌倒所占的比例約為24%，上下床發(fā)生的跌倒所占的比例約為13%，因為意識喪失而導(dǎo)致的近似自由落體的跌倒所占的比例約為9%，從事高風險工作出現(xiàn)的意外跌倒所占的比例約為12%。

人體在平時的活動中，除了從靜止到開始運動和從運動到逐漸靜止威作2個階段以外，在運動過程中可以認為是一個平穩(wěn)的過程。尤其對于老年人，其在日常生活中的動作普遍都比較平緩，運動幅度一般來講都不大。而一旦有意外突發(fā)，如心臟病突發(fā)、腦溢血突發(fā)或者被物體絆倒，這時人體的自我控制機能喪失，發(fā)生跌倒［3］。雖然人體在跌倒時，相對于在平穩(wěn)運動或相對靜止情況下的三軸加速度值會有一個明顯的激增變化，但是由于個體存在差異，人體在發(fā)生跌倒的過程中的情況也沒有固定的模式可循，因此利用對人體在空間中3個方向上的加速度分量的閾值分別設(shè)置來檢測是否有跌倒發(fā)生就不能體現(xiàn)一般性。

人體發(fā)生跌倒后，在最終靜止之前會與地面或其他物體表面發(fā)生強烈的碰撞。那么發(fā)生的強烈碰撞勢必會引起人體在空間中3個相互垂直軸向上加速度值的突然地強烈的變化。與此同時，如果對在空間中3個正交方向上所測得的加速度值的平方求和后再開方，得到的值即為人體發(fā)生跌倒后與某一物體產(chǎn)生碰撞所引起的振動幅值:

根據(jù)這種方法所測得的人體振動幅值又可以反過來驗證人體所受到?jīng)_擊的猛烈程度，因此可以根據(jù)A值的大小來判斷人體在某一時刻是否有跌倒發(fā)生的可能。A值的正確設(shè)置是準確判別的關(guān)鍵。由于老年人生理的特點，在平常的日常生活中，他們的動作相對來說較平緩，出現(xiàn)劇烈運動的可能性很小。表1是根據(jù)10名測試對象（平均年齡62歲）在日常生活中測得的A值范圍。筆者認為2.8g是比較理想的A值，能準確區(qū)分突發(fā)跌倒和日常行為，這與文獻［4］相符。

圖2為人體跌倒后的A值試驗曲線，從圖中可以看到，在4.65s時有一個較大的A 值，取值大約為3.5g。該值為人體在跌倒后去地面發(fā)生碰撞的時候產(chǎn)生的一個沖擊力，可以看出該值比絕大多數(shù)的日?；顒影l(fā)生的振動的幅值要大得多。

表1 日常動作A值范圍

圖2 跌倒后人體振動幅值曲線

3 人體姿態(tài)檢測

雖然根據(jù)三自由度合成的人體加速度數(shù)據(jù)能客觀反映出人體在某一時刻的狀態(tài)，但是難免發(fā)生錯誤報警的情況。因此，為了保證人體姿態(tài)檢測系統(tǒng)的穩(wěn)定性和可靠性，在系統(tǒng)檢測到A值大于設(shè)定閾值的同時，對人體軀干相對于地表的傾斜角度進行檢測判別。人體在跌倒發(fā)生以后，通常情況下，身體緊貼跌落位置的表面。此時，人體與跌倒位置表面平行，而與重力加速度的方向近似為一直角。如果因為跌倒位置本身不與重力加速度指向垂直而導(dǎo)致人體跌倒后與重力加速度指向不成直角關(guān)系，但是有一點可以肯定，此時人體與重力加速度指向的夾角的數(shù)值會比較大。人體跌倒后狀態(tài)如圖3所示。人體在正常狀態(tài)下，身體軀干與地表的夾角近似等于90°?？紤]到老年人的生理特點，脊柱與地表的夾角也不小于75°。經(jīng)過試驗證明，對于老年人來說，在身體健康正常，意識清醒的情況下，如果身體上半身軀體和地表間的夾角小于60°，那么身體就會失去平衡，隨之引發(fā)跌倒。人體倒地后，身體軀干與地表間的夾角近似等于0°。在該檢測系統(tǒng)中，當人體加速度值大于系統(tǒng)所設(shè)置的閾值的同時，檢測人體與地表夾角值θ，來綜合評判人體是否出現(xiàn)跌倒的情況［5］。當A≥2.8g時，若θ值在0°～60°，則判為跌倒發(fā)生，立即觸發(fā)報警。

圖3 人體跌倒后狀態(tài)

檢測人體與地表夾角可以利用陀螺儀完成。當一個旋轉(zhuǎn)物體的旋轉(zhuǎn)軸所指的方向不受外力影響時，是不會改變的，故陀螺儀在穩(wěn)定條件下能保持方向。人體軀干受外力或因其自身原因發(fā)生傾斜時，相當于陀螺儀受到了外力的影響，旋轉(zhuǎn)軸所指的方向隨之改變，那么傾斜的角度隨之可以被測算出來。

筆者所使用的 MPU－6050，集成了三軸MEMS加速度計、三軸MEMS陀螺儀以及一個可擴展的數(shù)字運動處理器DMP（Digital Motion Processor），可用I2C接口連接一個第三方數(shù)字傳感器，如磁力計。這樣利于三軸加速度傳感器和三軸陀螺儀進行動作和姿態(tài)的檢測，用三軸磁力計對積累誤差做修正，則能更準確地檢測運動方式和運動軌跡。

姿態(tài)檢測流程圖如圖4所示。若θ值在60°～90°，則等待10s后重新根據(jù)數(shù)據(jù)評判跌倒是否發(fā)生。

圖4 人體姿態(tài)檢測流程圖

表2 系統(tǒng)實際監(jiān)測結(jié)果

表2所示為系統(tǒng)實際檢測結(jié)果，當人體處于睡眠或靜坐狀態(tài)時，即使人體與地表的夾角在發(fā)出警報的范圍內(nèi)，但由于此時的振動幅值沒有達到報警的閾值，故系統(tǒng)任務(wù)人體仍處于正常狀態(tài)；當人體在運動過程中，如果振動幅值和傾角值都在正常范圍之內(nèi)，系統(tǒng)只處于狀態(tài)探測中，一旦兩個監(jiān)測值異常，則發(fā)出警報。在測試過程中，針對靜止、慢走、快走和小跑等4種狀態(tài)，每種狀態(tài)得到5個測試數(shù)據(jù)，在整個20個測試數(shù)據(jù)中，只出現(xiàn)1次誤報，其余19次測試的結(jié)果都在正常范圍之內(nèi)，系統(tǒng)的可靠性達到95%。

4 結(jié)語

提出了一種由加速度檢測和傾斜角檢測相結(jié)合的人體姿態(tài)識別的方法。該方法不僅監(jiān)測人體在運動過程中由三軸加速度值合成的人體運動振動幅值，同時也監(jiān)測人體運動時人體與地表的夾角值。在監(jiān)測時結(jié)合2組參數(shù)，既不會發(fā)生虛報也不會發(fā)生漏報，能有效保證系統(tǒng)運行的有效性和可靠性。

［1］劉勃，胡三慶，宋慶恒 .基于加速計的三維空間運動追蹤系統(tǒng) ［J］.華中科技大學學報 （自然科學版），2009（6）:40－44.

［2］趙翔，杜普選 .基于MEMS加速度計和陀螺儀的姿態(tài)檢測系統(tǒng) ［J］.鐵路計算機應(yīng)用，2012（3）:15－18.

［3］胡錚 .略談祖國醫(yī)學對腦溢血的認識 ［J］.貴陽中醫(yī)學院學報，1980（2）:25－26.

［4］Kangas M，Konttila A，Winblad I，et al.Determination of simple thresholds for accelerometry－based parameters for fall detection［A］.Engineering in Medicine and Biology Society，29thAnnual International Conference of the IEEE ［C］.2007:1367－1370.

［5］秦勇，藏希喆 .基于MEMS慣性傳感器的機器人姿態(tài)檢測系統(tǒng)的研究 ［J］.傳感器技術(shù)學報，2007（2）:298－301.