基于極限學(xué)習(xí)機(jī)的老人防摔倒系統(tǒng)設(shè)計(jì)

沈雪微++毛文濤

摘 要：如何提高老年人的健康和生活質(zhì)量受到社會(huì)廣泛關(guān)注，老齡社會(huì)的到來也給我們?cè)谛４髮W(xué)生提出了許多新的研究課題，介紹一種為高危年老人群設(shè)計(jì)的檢測監(jiān)護(hù)系統(tǒng)。系統(tǒng)的功能實(shí)現(xiàn)主要有兩大部分組成，即利用WiFi技術(shù)，結(jié)合極限學(xué)習(xí)機(jī)算法的精確定位以及六軸加速度傳感器融合相應(yīng)算法實(shí)現(xiàn)的人體行為識(shí)別。介紹了關(guān)于系統(tǒng)方案設(shè)計(jì)、上位機(jī)程序的算法實(shí)現(xiàn)等，從多個(gè)角度詮釋本系統(tǒng)，在當(dāng)今老齡化趨勢(shì)日益嚴(yán)重的大環(huán)境下，為社會(huì)提供一種特殊群體安全保障方案。

關(guān)鍵詞：老齡化；實(shí)時(shí)定位；行為識(shí)別；信息融合；特征提??；ELM

中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2015）05-00-04

0 引 言

1980年，我國全面推行計(jì)劃生育政策，隨著社會(huì)發(fā)展和計(jì)劃生育政策的全面實(shí)施，我國人口漸趨老齡化現(xiàn)象已經(jīng)受到社會(huì)各界的廣泛關(guān)注，老齡社會(huì)的到來也給我們?cè)谛４髮W(xué)生提出了許多新的研究課題。

據(jù)估計(jì)，到2030年，中國人口的年齡結(jié)構(gòu)將更趨向于老年人口多于青年人口的倒金字塔形。此外，目前中國城市老年人空巢家庭（包括獨(dú)居）的比例已達(dá)49.7%，與2000年相比提高了7.7個(gè)百分點(diǎn)。

在當(dāng)今老齡化趨勢(shì)日益嚴(yán)峻、報(bào)道老年人事故頻發(fā)的時(shí)代，為高危老年人群設(shè)計(jì)一種基于極限學(xué)習(xí)機(jī)的老人防摔倒檢測系統(tǒng)迫在眉睫，本系統(tǒng)針對(duì)老年人和傷殘病弱者及工作在高危場所人群等特殊群體而設(shè)計(jì)，由于他們是意外發(fā)生高危人群，容易發(fā)生摔倒等行為并且后果嚴(yán)重，因而實(shí)時(shí)監(jiān)護(hù)十分必要。本系統(tǒng)的實(shí)現(xiàn)既減少了他們摔倒后因無及時(shí)相救可能產(chǎn)生的嚴(yán)重后果，又使得這些人的安全保障有了很大提高；另一方面也減輕了社會(huì)和子女的壓力，是一件對(duì)全社會(huì)都有益的事情。

1 現(xiàn)狀分析

1.1 市場分析

目前國內(nèi)大多數(shù)針對(duì)高危特殊人群摔倒檢測及處理的技術(shù)研究依然只停留在醫(yī)療照顧的消極被動(dòng)層面。而在西方發(fā)達(dá)國家，特別是美國、日本，近些年，有許多大學(xué)和研究機(jī)構(gòu)在政府和社會(huì)的支持下開展了人性化的、以改善老人生活品質(zhì)、提升高齡體弱人群安全系數(shù)為目標(biāo)的各種技術(shù)的研究工作。

1.2 需求分析

針對(duì)老年人活動(dòng)特點(diǎn)，及感覺系統(tǒng)、平衡能力減退等特點(diǎn)，當(dāng)前需要開發(fā)一套摔倒檢測監(jiān)護(hù)系統(tǒng)。此系統(tǒng)具有利用WiFi技術(shù)實(shí)時(shí)定位的功能，還能夠通過六軸加速度傳感器獲取數(shù)據(jù)，結(jié)合有效算法對(duì)老年人活動(dòng)行為進(jìn)行監(jiān)測，及時(shí)發(fā)現(xiàn)危險(xiǎn)并得到救助。故為滿足兩大需求，該方案需配備以下功能：

（1）數(shù)據(jù)采集功能

利用系統(tǒng)提供的各種AP節(jié)點(diǎn)對(duì)傳感器數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)控和采集，傳感器主要針對(duì)老年人行為活動(dòng)、生理狀態(tài)進(jìn)行檢測。

（2）無線傳輸功能

WiFi接入的AP節(jié)點(diǎn)接收無線傳感器的檢測數(shù)據(jù)，AP把數(shù)據(jù)裝入一種特定的數(shù)據(jù)結(jié)構(gòu)中，并將其通過以太網(wǎng)發(fā)送至客戶終端進(jìn)行進(jìn)一步處理、分析。

（3）現(xiàn)場預(yù)警顯示

根據(jù)相應(yīng)現(xiàn)實(shí)需求，向周圍群眾等人進(jìn)行通知，以便于實(shí)現(xiàn)現(xiàn)場及時(shí)救護(hù)工作，從而避免危險(xiǎn)發(fā)生。

（4）用戶終端通知

該功能主要作用是對(duì)終端用戶進(jìn)行通知報(bào)警，與此同時(shí)定位信息一并發(fā)送至終端，再由用戶終端進(jìn)行一系列救護(hù)請(qǐng)求等處理措施。

2 設(shè)計(jì)方案

2.1 方案功能

根據(jù)上述需求，本方案需要實(shí)現(xiàn)以下功能：

（1）信息讀取功能

通過WiFi節(jié)點(diǎn)傳遞信息，其中包括節(jié)點(diǎn)的ID號(hào)、RSSI值及其他一些基本信息。

（2）報(bào)警信息采集功能

由行為識(shí)別檢測裝置自動(dòng)觸發(fā)，當(dāng)檢測到老人有摔倒情況等發(fā)生時(shí)，會(huì)及時(shí)發(fā)送至WiFi接入點(diǎn)AP。

（3）信息融合功能

利用WiFi的優(yōu)點(diǎn)，實(shí)現(xiàn)技術(shù)多用，通過將其采集到的信息與數(shù)據(jù)庫中的參考值進(jìn)行對(duì)比，確定最佳定位方案。

（4）無線傳輸功能

將從每一處獲取的消防員位置信息和通過煙霧傳感器和溫度傳感器獲取的周圍環(huán)境信息通過無線傳輸，發(fā)送至WiFi接入點(diǎn)AP。

（5）AP端信息采集[5]

由定位終端將接收到的數(shù)據(jù)信息發(fā)送給AP，AP把數(shù)據(jù)裝入一種特定的數(shù)據(jù)結(jié)構(gòu)中，并將其通過以太網(wǎng)發(fā)送至遠(yuǎn)程終端的定位服務(wù)器。

（6）信息數(shù)據(jù)處理

該部分工作由管理系統(tǒng)自動(dòng)完成，該系統(tǒng)可以將搜集到的數(shù)據(jù)信息處理并與標(biāo)準(zhǔn)數(shù)據(jù)庫中的參考值進(jìn)行對(duì)比，將結(jié)果反饋給遠(yuǎn)程終端，其中包括通過WiFi采集到的數(shù)據(jù)信息。

圖1 系統(tǒng)總流程

2.2 設(shè)計(jì)方案特點(diǎn)

根據(jù)對(duì)老年人活動(dòng)及防護(hù)現(xiàn)狀的調(diào)查與分析，設(shè)計(jì)新系統(tǒng)時(shí)應(yīng)充分利用WiFi和傳感器的特點(diǎn)，以確保滿足設(shè)計(jì)的最終目的，在設(shè)計(jì)中具備以下幾個(gè)特點(diǎn)：

（1）實(shí)時(shí)性、準(zhǔn)確性

本系統(tǒng)屬于遠(yuǎn)程檢測系統(tǒng)，實(shí)時(shí)性和準(zhǔn)確性是最基本的要求，只有確保布置在監(jiān)控區(qū)域的檢測裝置準(zhǔn)確反饋老年人活動(dòng)行為信息，才能給危險(xiǎn)中的老年人提供及時(shí)救助，且為救護(hù)人員開展工作節(jié)省時(shí)間耗損。

（2）可靠性、抗干擾性

系統(tǒng)利用WiFi模塊工作，提供較強(qiáng)的抗干擾能力以適應(yīng)老年人所涉及的各種環(huán)境情況，保證系統(tǒng)連續(xù)可靠的運(yùn)行[4]。

（3）實(shí)用性

遠(yuǎn)程終端通過無線技術(shù)接收到摔倒報(bào)警的同時(shí)，可以確定老人所處的位置，簡單可行。

（4）可擴(kuò)展性

本系統(tǒng)能夠?qū)崿F(xiàn)多種技術(shù)的融合，在應(yīng)用該系統(tǒng)時(shí)，能夠?qū)⑵湟浦疗渌麍龊?，并且能夠和其他無線技術(shù)融合，增強(qiáng)系統(tǒng)的穩(wěn)定性。

3 行為識(shí)別模塊

本系統(tǒng)中的行為識(shí)別是基于六軸加速度傳感器的行為識(shí)別方法，實(shí)現(xiàn)的通用框架如圖2所示，其中主要包含四個(gè)部分。數(shù)據(jù)采集負(fù)責(zé)操作傳感器部件，獲取用戶行為采樣數(shù)據(jù)，例如加速度、陀螺儀或者生命體征。通常為了滿足研究內(nèi)容需要，部署的傳感器個(gè)數(shù)通常為一個(gè)到多個(gè)不等，傳感器具有通訊能力，與完成數(shù)據(jù)處理的移動(dòng)設(shè)備組成身體局域網(wǎng)（BANs）或者個(gè)人局域網(wǎng)（PANs），相互之間通過WiFi無線網(wǎng)絡(luò)進(jìn)行通訊。特征值提取主要負(fù)責(zé)根據(jù)采樣數(shù)據(jù)獲得行為的特征值，既包括統(tǒng)計(jì)性特征值，如均值、方差、相關(guān)性和能量等，還包括結(jié)構(gòu)性特征值，如自回歸模型系數(shù)等。特征值的選取會(huì)直接影響到行為識(shí)別結(jié)果的精確度，所以是研究的主要內(nèi)容。

圖2 通用框架

3.1 數(shù)據(jù)預(yù)處理

本系統(tǒng)使用六軸加速度傳感器提取加速度、角速度信號(hào)，構(gòu)建成庫，該數(shù)據(jù)庫包括44位不同采集者的12類動(dòng)作（包括本文需要的靜止、走路、跑步三種動(dòng)作），本文選取了其中10位不同采集者的上述3種動(dòng)作的加速度數(shù)據(jù)作為原始加速度信號(hào)。原始加速度信號(hào)不僅包含了各種動(dòng)作對(duì)應(yīng)的加速度信號(hào)，還包含了各種噪聲，為提高系統(tǒng)的識(shí)別效果， 通常在原始加速度信號(hào)進(jìn)行特征提取前需要對(duì)其進(jìn)行預(yù)處理， 預(yù)處理的方法通常有平滑、去噪、歸一化、加窗等。與此同時(shí)，為了減少噪聲對(duì)行為識(shí)別的影響，本文采用FIR濾波器對(duì)加速度信號(hào)進(jìn)行濾波處理。

3.2 特征提取

通過對(duì)近年來人體運(yùn)動(dòng)模式識(shí)別系統(tǒng)中使用的信號(hào)特征的統(tǒng)計(jì)分析，本系統(tǒng)中將特征提取方案綜合起來歸納為三類：時(shí)域分析法、頻域分析法和時(shí)頻分析法。

（1）時(shí)域分析法

從時(shí)域加速度信號(hào)提取特征，也就是直接對(duì)加速度信號(hào)提取特征，相比于頻域分析法和時(shí)頻分析法具有提取方法簡單、計(jì)算量小的優(yōu)點(diǎn)，加速度信號(hào)的傳統(tǒng)時(shí)域特征有均值（mean）、方差或均方差（standard deviation ）、能量（Signal power）、兩軸之間的相關(guān)系數(shù)（Correlation between axes）、峰值強(qiáng)度（Peak intensity）。

（2）頻域分析法

對(duì)加速度傳感器信號(hào)進(jìn)行時(shí)域到頻域的轉(zhuǎn)換后從頻域提取相應(yīng)特征，常用的時(shí)域到頻域轉(zhuǎn)換方法有快速傅里葉變換（Fast Fourier Transform，F(xiàn)FT）和離散余弦變換（Discrete Cosine Transform，DCT）。比較常見的頻域特征有FFT系數(shù)、DCT系數(shù)、能譜密度（Power Spectral Density， PSD）、頻域熵（Frequence-domain Etropy，F(xiàn)DE）。

（3）時(shí)頻分析法

相對(duì)時(shí)域分析法和頻域分析法而言出現(xiàn)較晚，傳統(tǒng)的傅里葉變換只能提取加速度信號(hào)的頻域特征，丟棄了信號(hào)的時(shí)域信息，小波變換的出現(xiàn)很好地解決了這一問題。與傳統(tǒng)傅里葉變換相比，小波變換是時(shí)間和頻率的局部變換，解決了許多傅里葉變換不能解決的問題。

3.3 極限學(xué)習(xí)機(jī)（ELM）

不同于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，為增強(qiáng)構(gòu)建網(wǎng)絡(luò)的整體性能，極限學(xué)習(xí)機(jī)ELM是在單隱層神經(jīng)網(wǎng)絡(luò)（Single hidden Layer Feed-forward Neural networks， SLFNs）基礎(chǔ)上提出的一種高效的機(jī)器學(xué)習(xí)方法，如圖3所示。單隱含層前饋神經(jīng)網(wǎng)絡(luò)（SLFM）具有良好的學(xué)習(xí)能力，因此應(yīng)用廣泛。ELM中所有的隱層參數(shù)均為隨機(jī)產(chǎn)生，不需要煩瑣的迭代過程，該方法隨機(jī)給定神經(jīng)元權(quán)值中的輸入權(quán)值和閾值，然后通過正則化原則計(jì)算輸出權(quán)值，神經(jīng)網(wǎng)絡(luò)依然能逼近任意連續(xù)系統(tǒng)。

圖3 極限學(xué)習(xí)機(jī)

ELM 算法可總結(jié)如下：

給定訓(xùn)練數(shù)據(jù)集Ω={（xi，ti）|xi∈Rn，ti∈Rm，i=1，…，N}，激活函數(shù)g∶R→R和隱節(jié)點(diǎn)個(gè)數(shù)L。

① 隨機(jī)選取輸入權(quán)值ai及閾值bi，i=1，2…N。

② 計(jì)算隱層輸出矩陣H。

③ 計(jì)算輸出權(quán)重β∧=H*T，其中T=（t1，t2，…，tN）T。

由上面所述，我們可以看出：極限學(xué)習(xí)機(jī)只要一次設(shè)定隱含層參數(shù)L、激勵(lì)函數(shù)、權(quán)值w和偏移量b，無須調(diào)整。由此可看出，相較于傳統(tǒng)的學(xué)習(xí)方法，ELM具有參數(shù)選擇容易，學(xué)習(xí)速度快，具有良好的泛華能力。

4 WiFi定位模塊

該模塊分為兩部分，一部分是后臺(tái)服務(wù)器，利于遠(yuǎn)程終端及時(shí)了解事發(fā)老人狀況，另一部分可以在現(xiàn)場獲取定位信息。

4.1 數(shù)據(jù)庫構(gòu)建

定位服務(wù)器主要由計(jì)算機(jī)和相應(yīng)的數(shù)據(jù)庫軟件組成，接收由以太網(wǎng)發(fā)送過來的數(shù)據(jù)信息，然后對(duì)數(shù)據(jù)進(jìn)行相應(yīng)的處理，主動(dòng)將處理過的信息發(fā)送到消防指揮中心。

待定位區(qū)域內(nèi)有很多固定的參考標(biāo)簽，將此標(biāo)簽的位置信息通過定位服務(wù)器送入數(shù)據(jù)庫集中的標(biāo)準(zhǔn)數(shù)據(jù)庫中；然后將WiFi工作時(shí)的定位信息經(jīng)由定位服務(wù)器送到數(shù)據(jù)庫集中的定位數(shù)據(jù)庫；最后，將標(biāo)準(zhǔn)數(shù)據(jù)庫與定位數(shù)據(jù)庫中的位置信息進(jìn)行比對(duì)，計(jì)算出誤差較小的一種定位方式，選取為最終定位方式。

其中定位數(shù)據(jù)庫中的數(shù)據(jù)每隔一段時(shí)間就會(huì)將參考標(biāo)簽的位置信息更新一次，相應(yīng)的分析處理部分就會(huì)對(duì)定位數(shù)據(jù)庫與標(biāo)準(zhǔn)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行分析對(duì)比，以便能夠及時(shí)確定最優(yōu)的定位方式，增強(qiáng)系統(tǒng)的抗干擾性。

4.2 上位機(jī)顯示

上位機(jī)處理界面如圖4所示。

圖4 上位機(jī)處理界面

其中，圖片顯示地圖范圍，為實(shí)驗(yàn)仿真時(shí)自行繪制的教學(xué)樓走廊模擬，一個(gè)方格表示兩塊地磚（2.5 m*2.5 m）。軟件可對(duì)地圖進(jìn)行自行設(shè)定，算法精度明確展示，數(shù)據(jù)獲取與定位功能兼具。

4.3 定位算法概述

該模塊采用實(shí)時(shí)WiFi定位方法，基于移動(dòng)終端和應(yīng)用場景中廣泛布置且為使用狀態(tài)的無線路由器，經(jīng)過數(shù)據(jù)采集、信號(hào)傳送、構(gòu)建數(shù)據(jù)庫、定位服務(wù)器等幾個(gè)過程。其主要特征在于包括采樣和定位兩個(gè)階段：

（1）數(shù)據(jù)訓(xùn)練（采樣）

由圖可以看出，定位算法中主要采用ELM和SVM方法。其中，ELM為前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法——極限學(xué)習(xí)機(jī)，在上文中已有重點(diǎn)介紹，經(jīng)過系統(tǒng)提前進(jìn)行AP信號(hào)采集組成數(shù)據(jù)庫后，通過ELM算法將進(jìn)行數(shù)據(jù)訓(xùn)練仿真，結(jié)果如圖5所示。

采樣階段Sl：在應(yīng)用場景中分布設(shè)置參考點(diǎn)（Xi、Yi、Zi），所述參考點(diǎn)的數(shù)量和分布密度與定位精度成正比配置，i為大于1的整數(shù)。

采樣階段S2：依次在各個(gè)參考點(diǎn)上測量來自不同無線路由器的RSS值，將相應(yīng)的MAC地址與參考點(diǎn)位置信息記錄，直至遍歷所有參考點(diǎn)，所采樣的信息存儲(chǔ)于云端服務(wù)器形成備用位置信息數(shù)據(jù)庫。

圖5 數(shù)據(jù)訓(xùn)練仿真結(jié)果

（2）位置確定

在本設(shè)計(jì)方案中，除了利用ELM、SVM算法對(duì)采集信號(hào)數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，位置的具體確定采用指紋特征提取方式，即基于指紋端點(diǎn)以及分叉點(diǎn)指紋特征點(diǎn)的提取是指紋匹配的關(guān)鍵步驟。

定位階段S3：移動(dòng)終端進(jìn)入應(yīng)用場景后，在待定位點(diǎn)上接收部分無線路由器的RSS值，訪問云端服務(wù)器并參照位置信息數(shù)據(jù)庫在云端服務(wù)器依據(jù)匹配算法計(jì)算位置估計(jì)值。

經(jīng)Matlab仿真表明，本方法與傳統(tǒng)方法相比，明顯提高了指紋初提取的速度，同時(shí)在去偽時(shí)考慮到了特征點(diǎn)方向場之間的關(guān)系，從而提高了指紋特征點(diǎn)提取的準(zhǔn)確性。

5 結(jié) 語

本系統(tǒng)設(shè)計(jì)方案利用物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)對(duì)老年人安全出行活動(dòng)進(jìn)行遠(yuǎn)程監(jiān)控管理和模擬訓(xùn)練，該方案的關(guān)鍵之處在于對(duì)老年人的活動(dòng)信息進(jìn)行實(shí)時(shí)采集并將數(shù)據(jù)進(jìn)行高效傳輸，通過WiFi技術(shù)進(jìn)行精確定位并發(fā)送至遠(yuǎn)端，以實(shí)現(xiàn)及時(shí)救助。本方案旨在為遠(yuǎn)端老年人家屬提供其活動(dòng)的信息，以保障老年人自身安全、危險(xiǎn)狀況下的及時(shí)救助?；跇O限學(xué)習(xí)機(jī)的老人防摔倒檢測系統(tǒng)的實(shí)現(xiàn)大大提高了高危情況下醫(yī)護(hù)人員的救助效率，極大程度地保障了人員安全。

參考文獻(xiàn)

[1]王金云，周暉杰，紀(jì)政.復(fù)雜背景中的人臉識(shí)別技術(shù)研究[J].計(jì)算機(jī)工程，2013，39（8）：196-199.

[2]宋克臣.局部二值模式方法研究與展望[J].自動(dòng)化學(xué)報(bào)，2013，39（6）：730-744.

[3]彭力，劉凱，李超.傳感器網(wǎng)絡(luò)仿真與監(jiān)控系統(tǒng)的開發(fā)[J].計(jì)算機(jī)仿真，2010，27（1）： 170-173.

[4] MATLAB中文論壇.MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社，2010.

[5]謝秀穎， 王建， 張桂青.基于北斗系統(tǒng)的建筑設(shè)備物聯(lián)網(wǎng)定位模塊研制[J]. 計(jì)算機(jī)工程與設(shè)計(jì)，2014，35（10）：3428-3434.

[6]王視環(huán).混合無線定位技術(shù)應(yīng)用研究[J]. 信息化研究， 2010，36（3）：43-46.

[7]劉敏. 基于Wi-Fi的電子標(biāo)簽定位算法[D]. 上海：上海海事大學(xué)， 2012.