引言

随着社会老龄化进程的加速，到2050年，我国65岁以上老人数量将达到4亿，占中国人口总量的30%，而跌倒是造成老年人意外伤害的主要原因之一。随着年龄的增长，老年人的身体既能下降，反应变慢，因跌倒导致的死亡率和受伤率急剧增加。所以在不影响老人日常活动的前提下，研发一种能够实时检测老人是否跌倒并及时报警，保护老人安全的跌倒监测装备具有重大意义。

目前，跌倒检测的方法有很多，从信息采集的渠道分类，可以分为以下三种：

（1）基于视频的跌倒检测方法通过在房间内安置1个或多个摄像头来捕捉人体运动画面，经过图像处理，判定老人是否跌倒。其不足之之处是只能在安装了摄像头的地方使用，且可能对检测者造成隐私泄漏。

（2）基于声学的跌倒检测方法通过分析跌倒时老人触地的音频变化来检测。其不足之之处是精度不高，一般作为其他检测方法的辅助检测。

（3）基于多传感器的可穿戴式跌倒检测方法设计一种运动微型传感器的可穿戴设备。该检测方法优点明显，不受空间的限制，可以实时地检测人体活动，比基于视频和基于声学的检测方法更适用于跌倒检测。

本文提出了一种基于MPU6050的老年人跌倒监测系统，首先利用传感器MPU6050内部集成的三轴加速度、陀螺仪组件和STM32处理器结合来实现数据采集，再运用跌倒检测算法识别跌倒事件。与此同时，采用基于android智能手机的报警系统，利用蓝牙4.0技术，将跌倒信息传输到智能手机上，手机进行语音报警并将GPS信息通过短信形式通知家人和医院，保证老人跌倒后能够得到及时救助。

1、系统结构

本系统由数据采集和分析模块及手机定位报警模块两部分组成：第一部分包括传感器MPU6050、主处理器STM32F103C8T6和HC-08蓝牙4.0模块，这模块安装在老人的腰部；第二部分由android智能手机构成，手机和蓝牙匹配后，手机启动GPS定位，通过短信将跌倒信息通知给家人和医院紧急救护系统。本系统结构如图1所示。

图1  系统结构图

1.1、主控制器

主控制器是高性能的ARMCortexTM-M332位的RISC内核单片机STM32F103C8T6，其工作频率可高达72MHz，内置高速存储器（20KBSRAM、64KBFLASH），工作电压范围在2~3.6V。

1.2、新型MEMS传感器——MPU6050

MPU6050是整合了加速度和陀螺仪的传感器，它和STM32单片机之间的通信采用400KHZ的IIC接口，其供电电压范围为5V。将STM32的引脚（SDA）和PB7（SCL）分别和MPU6050的24号引脚（SDA）和23号引脚（SCL）相连接，可实现传感器和微处理器通信。

图2  MPU6050接线图

1.3、蓝牙4.0模块——CC2540

数据传输模块采用的是蓝牙4.0技术，它将传统蓝牙，高速蓝牙和低功耗蓝牙三种规范结合在一起，其中蓝牙4.0技术最大的特点是运行功耗和待机功耗特别低，一颗CR2025电池可以供BLE4.0设备使用1年之久。本系统采用德州仪器CC25402.4GHz功率蓝牙系统单晶片，内部嵌入了一颗增强的8051内核，32MHz的运行速率，8KB的RAM以及高达256KB的FLASH，可以实现单片机和手机数据传输功能。

2、跌倒检测算法

2.1、算法设计

跌倒是指突发、不自主的、非故意的体位改变，倒在地上或更低的平面上。人体在跌倒瞬间，身体的加速度和角度在水平和垂直方向都会发生巨大的变化。人体的日常生活活动有很多种，为简化问题，我们主要考虑以下几种形式：①走路、②起立坐下、③跑、④上下楼梯、⑤原地跳、⑥弯腰，这些也最容易和跌倒行为混淆。本文研究如何有效地将人体跌到行为与日常活动区分开来。

跌倒装置的安装位置也很重要，它影响整个系统设计的稳定性和可靠性。实验显示本装置配戴在腰部最合适，因为腰部活动范围和频率比较小，而手部和上肢活动范围较大，且腰部舒适度比较好，方便检测。同时在该系统中，人体的三维空间姿态如图3所示，向右为X轴，向上为Z轴，垂直与纸面向外为Y轴。

图3  人体三维空间姿态

设X轴方向的加速度为ax，Y轴方向的加速度为ay，Z轴方向的加速度为az，则合加速度为a=ax+ay+az，为：

SVM表示人体加速度向量幅值，是区分人体运动状态的重要参数，SVM越小，人体运动越平缓，SVM越大，人体运动越激。当人体跌倒时，人体和地面接触有一个撞击阶段，此时加速度会达到峰值，比一般的行为更加明显，因此可以用阈值法来判断跌倒的发生。

从图5向后跌倒三轴合加速度曲线可以看出，老人跌倒在撞击地面阶段合加速度值达到峰值3g并在跌倒后合加速度值又迅速回落到1g。较之于图5日常行为的合加速度曲线发现：坐下起立、走路、上下楼梯、弯腰的合加速度最大不超过2g；跑步和原地跳的合加速度比较大，最高接近3g。

图5  向后跌倒合加速度曲线

为了设定阈值的大小来区分跌倒和ADL行为，设置判定阈值TH1为2.5g，这样大部分ADL行为都可以分辨出来，所以当SVM》TH1时，可以设定为疑似跌倒。然而跑步和跳的运动幅度较大，其合加速度幅值和跌倒的合加速度相似，两者容易混淆。故采用单一的和加速度阈值判断具有单一性。为提高检测精度，降低误判率，引入陀螺仪的角度参数作为二次判断。

理论上，当人跌倒经过一段时间后，人体会处于静止状态，此时人体和地面应处于水平状态，Z轴加速度为0。同时当人体向前或向后跌倒后，人体X轴角度应在-90o和90o附近；当人体向左或向右跌倒后，人体Y轴角度应在-90o和90o附近浮动。通过实验，我们选取±70o作为第二个判定条件阈值。从图7和图8可以看出虽然人体正常姿态有时能在剧烈运动时达到阈值，但是肯定不能持续维持这个值。所以我们选取要求3s内都保持这个值，这样就可以短时间内判断跌倒情况且不耽误营救。

图7  跑步的三轴角度曲线图

图8  跌倒后静止状态下的三轴角度

2.2、算法实现

系统通过IIC形式将数据从MPU6050传送到STM32单片机，STM32单片机对接收到的数据进行跌倒算法运算和判断。整个的实现过程可分为以下三个部分：

（1）检测当前和加速度SVM是否大于阈值2.5g，若小于2.5g，则返回继续采样测量；若大于2.5g，则认为疑似跌倒。

（2）若检测到疑似跌倒，延时3s，进入二次判断，检测人体角度是否在阈值范围内。若在这个范围

内，同时要求3s内保持这个范围。

（3）如果系统检测到人体运动状态同时满足以上两个条件，此时蜂鸣器鸣叫，提醒老人和老人身边行人。接着延时等待30s，如果30s内用户没有按键取消报警，则认为老人跌倒。此时将报警信号通过蓝牙4.0设备传送给手机，手机进行语音报警，并打开GPS定位，打电话和发消息通知医院和家人。

具体跌倒算法实现流程如图9所示。

图9  跌倒算法实现流程图

3、实验分析

为了验证系统和算法的有效性，实验设置为跌倒和日常生活动作两种，其中包括原地起跳、起立坐下、走路、跑、上下楼梯和前后左右四个方向跌倒。考虑到老年人的身体，不适合做剧烈运动和跌倒测试，实验选取10名20~30岁不同身高、体重、性别的年轻人来模拟实验。同时为了模仿老年人行动迟缓的特点，我们在实验者左右小腿各捆绑1kg沙袋，以达到减慢行走速度的效果。当合加速度的阈值为3.5g，X轴或Y轴角度的阈值为70o时，实验结果见表1，跌倒事件都能被准确识别并报警。

表1  跌倒事件检测成功率

表2日常活动事件检测误判率

4、结束语

本文设计开发了一种可穿戴式跌倒检测系统，该系统以STM32为主处理器，接收来自MPU6050传感器的数据并进行分析判断，并提出一种有效的检测算法。该系统还设计了有效的检测报警装置，蓝牙4.0模块向匹配的安卓手机发出报警信号，手机打开GPS，将跌倒地理信息通过短信形式向预设的手机号码和医院急救系统发送短信报警。实验结果显示，该设备穿戴方便，对于跌倒事件的判断具有较高的准确性，能第一时间报警使老人能够得到及时救治。