基于安卓的跌倒检测系统

智能家居护理系统——基于安卓平台的跌倒检测

摘要

本文中，作者提出了一种基于安卓智能手机的智能家居护理系统。数据库和应用程序编程接口（API）建立在服务器端。数据库收集来自各种传感器的信息并进行存储，API则作为手机与数据库之间的桥梁，并防止私有数据泄露。在配套的安卓智能手机应用中，提供了两项功能：基于家庭内传感器数据的实时监控，以及利用智能手机内置的三轴加速度计、陀螺仪和方向传感器进行跌倒检测。当传感器数据异常时，远程控制器将立即收到通知。此外，远程控制器可通过IP摄像头查看实时图像，以确保家庭安全。关于跌倒检测，鉴于跌倒会对老年人和儿童造成严重伤害，所提出的应用能够检测跌倒事件，发送求助信息，并通过全球定位系统和谷歌地图API标明用户位置。根据本研究获得的仿真结果，该系统表现出92.5%的跌倒检测灵敏度和97.6%的特异性，证明该系统可有效用于家庭护理。

关键词 ——应用程序编程接口，跌倒检测，家庭护理，物联网，三轴加速度计

一、引言

物联网（IoT）的发展已成为全球趋势，许多相关产品和应用已被开发出来。这些包括终端设备、手持设备和可穿戴设备。所有这些设备都可以连接到互联网，能够通过互联网进行通信、查看，甚至被控制。然而，物联网技术应用于各种领域，从简单的家用电器联网到现有的工业、医疗、交通和金融网络[1]。即使应用相同，不同制造商的物联网技术也各不相同。因此，当用户需要在不同领域创建串行连接并实现集成时，可能会遇到不同的平台标准，从而导致无法连接到互联网[2]。

近年来，关于物联网及其相关市场产品的研究几乎涵盖了所有应用，例如智能家居、提高便利性、远程监控和增强安全性。在健康护理方面，可穿戴设备被广泛用于长期检测和健康参数的监测，例如心率和运动量。然而，这些设备并未针对紧急救治而设计，即使发生事故也无法提供急救。根据卫生福利部的统计数据，跌倒是继交通事故之后意外伤亡的第二大原因。发生跌倒时，老年人和幼儿尤其脆弱，因为他们可能无法及时寻求帮助。这种延误可能导致一系列并发症，造成失去独立性和高昂的医疗费用。此外，此类问题常常给受害者家属带来严重不便。

跌倒检测非常重要，尤其是对于老年人[3]。此外，心率是跌倒检测的关键因素。文献[4]报道了一种用于老年人护理的基于物联网的跌倒检测和心率监测系统。另外，文献[5]提出了一种基于可穿戴设备中多个传感器提取特征组合的跌倒检测方法与系统。该系统包括四个主要组成部分：数据预处理、分割与事件检测、特征提取与融合以及模式识别。通过使用数据集进行实证验证后，发现所提出的方法和系统适用于为老年人提供帮助。

本文的其余部分组织如下。第二部分阐述了所提出的智能家居护理系统的系统设计。第三部分解释了所提出的智能家居系统的系统设计，第四部分描述了系统的实现。第五部分涉及功能验证和实验结果。第六部分给出了我们的结论。

II. 智能家居护理系统系统设计

智能家居护理系统分为两个部分。第一部分为智能家居的系统架构，包括多种家用传感器，如温湿度传感器、红外传感器、报警铃和IP摄像头，这些设备通过ZigBee无线协议将感知信息传输至网关。信息在网关中经过处理和整合后，通过消息队列遥测传输（MQTT协议）存储到服务器（MongoDB）上的数据库中。用户需通过移动网络（3G/4G/Wi-Fi）将其智能手机连接至API服务器，并与之通信以查看这些信息。

数据库通过HTTP协议存储在服务器上。图1显示了所提出的智能家居系统架构。

第二部分是跌倒检测系统的开发。利用智能手机内置的传感器，即陀螺仪和三轴加速度计，获取跌倒的特征，并基于这些特征构建跌倒检测算法。如果检测到异常情况，系统会自动通知用户家属和医疗人员，并附带位置信息。图2展示了跌倒检测的流程图。

III. 智能家居系统的系统设计

智能家居系统具备四项功能，这些功能既可以相互独立运行，也可以相互关联，以增强功能性和安全性。

家庭监控是智能家居的核心功能，可提供全面的家庭影像和环境数据。通过智能手机应用，用户可以实时掌握家中情况，并远程控制传感器。本系统使用的传感器包括温湿度传感器、二氧化碳传感器、气体传感器、红外光位移传感器、PM2.5空气质量传感器、报警铃和IP摄像头。

提供即时通讯功能，使用户的支持群组能够保持紧密联系。这是从“智能家庭”延伸出的一项贴心设计，允许用户远程查看和控制各种传感器。此外，系统内置了用户与设备外部人员交互的功能。该功能使用两个数据库，即手机上的SQLite数据库（本地数据库）和服务器上使用的数据库（数据库服务器）。此功能的优势在于读写速度快，应用程序可直接从手机内存中检索数据并显示，无加载延迟。即使设备未连接互联网，也可查看文本记录，因此该功能可用于记录备忘录。

GPS是一项常用功能，用于在地图上显示用户位置。为此，广泛使用谷歌地图。要在应用中使用谷歌地图，我们需要向Google申请使用谷歌地图API密钥的权限，并将该密钥添加到Android项目套件中，以正确显示地图。当触发任何紧急通知时，触发的客户端将使用谷歌地图API将经纬度信息转换为实际地址，将地址信息附加到短信中，并将该短信上传至服务器，发送给所有注册用户。

为老年人或有特殊状况的人群设计了SOS功能。该功能包括紧急呼叫和用户医疗卡设置选项。医疗卡记录了用户的姓名、联系电话、紧急联系人电话和病史。用户需提前输入医疗卡内容并将其存储在本地数据库中，在无网络环境中防止未经授权访问用户的基本信息。

在紧急联系人电话设置中，可以存储多个联系人的数据，但系统在优先级设置中使用列表中第一个联系人的数据。当按下紧急呼叫按钮时，手机将直接拨打紧急联系人列表中的第一个号码。当此功能被触发时，会调用GPS定位功能，群组中的其他用户可以在谷歌地图上看到该功能触发时的位置。图3展示了医疗护理与GPS定位之间的联动功能。

IV. 跌倒检测系统设计

跌倒检测是家庭护理的核心。通常情况下，幼儿和老年人由于行动受限，可能无法及时寻求帮助，这会加重受伤严重程度并导致高额费用。因此，跌倒检测在家庭护理中至关重要。在检测到跌倒事件后，系统会询问用户是否需要启动紧急求助功能。如果在5秒内无响应，系统将向紧急联系人发送通知，这意味着用户可能严重无法移动或已失去意识，需立即获得紧急援助。然而，如果检测系统对用户的状况出现误判，用户可取消通知，以避免不必要的资源浪费。

智能手机是跌倒检测系统中的重要监测设备。通过使用内置的三轴加速度计、陀螺仪和方位传感器，可根据实验结果为各个传感器设置阈值，从而轻松实现跌倒检测功能[6]。

A. 三轴加速度计

为确保系统能够准确判断跌倒情况，采用信号矢量幅值（SVM）作为判断阈值的依据，其表达式如下所示。
$$
SVM = \sqrt{X^2 + Y^2 + Z^2} \quad (1)
$$
其中X、Y和Z分别为x、y和z轴的三个加速度变量。根据[7]中的实验结果，在跌倒事件发生前，由于跌倒导致重量丢失。在正常状态下，加速度的SVM小于15 m/s²，而在发生跌倒时，计算出的加速度的SVM大于20 m/s²。图4描绘了有无跌倒事件时测得的加速度的SVM。根据该图，跌倒事件发生在4秒时，SVM为28 m/s²。

B. 陀螺仪

根据公式(1)，可以通过将变量X、Y和Z分别设置为沿x、y和z轴的角速度来计算角速度的SVM。
$$
SVM = \sqrt{\omega_x^2 + \omega_y^2 + \omega_z^2}
$$
角速度的SVM的显著变化表示人体角度的显著变化，因此代表跌倒事件的发生。图5显示了瞬时SVM约为14 弧度/秒时的跌倒状态。根据实验结果，当角速度的SVM大于10 弧度/秒时，表示发生了跌倒状态。因此，我们将跌倒检测的阈值角速度设定为10 弧度/秒。然而，身体角度的显著变化也意味着突然的身体运动。为了准确识别跌倒事件的发生，我们还需要一个方向传感器。

C. 方向传感器

角度的SVM可以通过将公式(1)中的变量X、Y和Z分别替换为方位角、俯仰角和翻滚角来计算。最初，翻滚角的权重设为0。也就是说，合成的角度SVM仅使用方位角和俯仰角进行计算。这是因为翻滚角是沿y轴旋转的，无论跌倒方向如何（右侧、左侧、前方或后方）。在角度实验中，当角度达到50度或以上时，表示发生跌倒事件。因此，将50度作为判断跌倒事件的角度阈值。由于加速度和角速度同时达到其阈值，此时角度的SVM被存储为初始值(O₀)。在1.5秒的时间间隔内，持续记录新的SVM值并与初始值进行比较。如果角度变化大于50度，则判断发生跌倒事件。图6显示了测量的角度SVM及50度的阈值。

五、功能验证与实验结果

所提出的智能家居系统的移动应用可以执行六项功能，即家庭监控、IP摄像头操作、通信、GPS定位、紧急求救和跌倒检测。

图7显示了智能家居系统应用程序的截图。在家庭监控界面中，移动屏幕上显示了几种传感器，例如温湿度传感器、二氧化碳传感器、被动红外传感器、PM2.5传感器和警报器传感器。图8显示了用户正在使用网络摄像头的移动界面图像。请注意，智能手机显示区域可以分割成多个屏幕。

如果请求GPS功能，移动系统会首先检测定位功能是否已开启。若未开启，系统将提示用户启用定位功能，如图9所示。随后，用户可以打开谷歌地图。当发生紧急呼叫或系统检测到跌倒事件时，用户将能够在该地图上看到触发事件发生的位置。

表I比较了本研究提出的系统与现有跌倒检测系统的灵敏度和特异性。本系统92.5%的灵敏度和97.6%的特异性优于[7],[8]和[9]中开发的系统的性能。需要注意的是，灵敏度表示跌倒检测系统检测跌倒事件的能力，特异性表示跌倒检测系统排除非跌倒事件的能力。其定义如下：
$$
\text{灵敏度} = \frac{TP}{TP + FN} \times 100\% \quad (2)
$$
$$
\text{特异性} = \frac{TN}{TN + FP} \times 100\% \quad (3)
$$
其中，真阳性（TP）表示当发生跌倒事故时，系统能够准确检测到跌倒事件；假阴性（FN）表示当发生跌倒事故时（F），系统仍保持正常状态；真阴性（TN）表示当活动正常时，系统检测为正常状态；假阳性（FP）表示当活动正常时，系统却检测出跌倒事故。

参考文献	[7]	[8]	[9]	本研究
灵敏度 (%)	80.0	90.5	92.0	92.5
特异性 (%)	−	93.7	−	97.6

VI. 结论

作者提出了一种基于安卓平台的智能家居护理系统，该系统由智能家居系统和跌倒检测系统组成。一旦用户通过智能手机应用程序连接到互联网并登录系统，即可使用所有功能。设计了应用程序中的功能来控制系统。为智能家居护理系统开发的功能包括家庭监控、IP摄像头、通信、GPS定位、紧急求救和跌倒检测。当发生跌倒事件时，系统可以在谷歌地图上显示用户的精确位置，并发送紧急消息通知家人。该跌倒检测系统本身基于智能手机中可用的三种传感器，即三轴加速度计、陀螺仪和方位传感器。

根据实验结果，在加速度的SVM阈值为20 m/s²、角速度的SVM阈值为10 m/s、角度的SVM阈值为50度的条件下，本研究提出的系统灵敏度达到92.5%，特异性高达97.6%，优于现有的跌倒检测系统[7]–[9]。