可穿戴式跌倒检测及防护装置的研究现状

第３６卷　第３期２０１７年　６月北京生物医学工程

ＢｅｉｊｉｎｇＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ

Ｖｏｌ??３６　Ｎｏ??３Ｊｕｎｅ　２０１７

可穿戴式跌倒检测及防护装置的研究现状

王维念１　胡兆燕１，２　陈正龙２　赵柏淦１

摘　要　跌倒是影响老年人身心健康的主要因素之一，因此研制有效检测跌倒且能够保护跌倒老人的装置显得尤为重要。跌倒检测及防护装置主要包含三大模块：检测模块、控制模块和防护模块。本文总结了现有的可穿戴式跌倒检测和防护技术，对系统三大模块的功能和技术以及系统中所用的主要算法进行了具体分析，比较了现有的三种可穿戴式跌倒检测和防护装置的结构原理及各自技术上的优缺点，最后探讨了可穿戴式跌倒检测及防护装置未来的发展趋势，认为可穿戴式跌倒检测及防护装置还有很大的发展空间与市场前景。

关键词　可穿戴式设备；跌倒检测；气囊；阈值算法；加速度传感器；陀螺仪ＤＯＩ：１０??３９６９／ｊ．ｉｓｓｎ．１００２－３２０８??２０１７．０３．１７．

中图分类号　Ｒ３１８??６　　文献标志码　Ａ　　文章编号　１００２－３２０８（２０１７）０３－０３２３－０７

Ｒｅｓｅａｒｃｈｓｔａｔｕｓｏｆｗｅａｒａｂｌｅｆａｌｌｄｅｔｅｃｔｉｏｎａｎｄｐｒｏｔｅｃｔｉｏｎｄｅｖｉｃｅｓ

２　ＳｃｈｏｏｌｏｆＭｅｄｉｃａｌＩｎｓｔｒｕｍｅｎｔａｔｉｏｎＳｈａｎｇｈａｉＵｎｉｖｅｒｓｉｔｙｏｆＭｅｄｉｃｉｎｅａｎｄＨｅａｌｔｈＳｃｉｅｎｃｅｓ，Ｓｈａｎｇｈａｉ　２０００９３

Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ：ＨＵＺｈａｏｙａｎ（Ｅ?ｍａｉｌ：ｈｕｚｙ＠ｓｕｍｈｓ??ｅｄｕ??ｃｎ）

【Ａｂｓｔｒａｃｔ】　Ｆａｌｌｉｓｏｎｅｏｆｔｈｅｍａｉｎｆａｃｔｏｒｓａｆｆｅｃｔｉｎｇｔｈｅｐｈｙｓｉｃａｌａｎｄｍｅｎｔａｌｈｅａｌｔｈｏｆｔｈｅｅｌｄｅｒｌｙ，ａｎｄ１　ＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＣｏｌｌｅｇｅＵｎｉｖｅｒｓｉｔｙｏｆＳｈａｎｇｈａｉｆｏｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ　２０００９３；

ＷＡＮＧＷｅｉｎｉａｎ１，ＨＵＺｈａｏｙａｎ２，ＣＨＥＮＺｈｅｎｇｌｏｎｇ２，ＺＨＡＯＢａｉｇａｎ１

ｔｈｅｒｅｆｏｒｅ，ｒｅｓｅａｒｃｈｏｎｔｈｅｄｅｖｉｃｅｓｗｈｉｃｈａｒｅａｂｌｅｔｏｅｆｆｅｃｔｉｖｅｌｙｄｅｆｅｃｔｔｈｅｆａｌｌａｎｄｐｒｏｔｅｃｔｔｈｅｅｌｄｅｒｌｙｆｒｏｍｉｔｉｓｃｏｎｔｒｏｌｍｏｄｕｌｅａｎｄｐｒｏｔｅｃｔｉｏｎｍｏｄｕｌｅ??Ｔｈｉｓｐａｐｅｒｓｕｍｍａｒｉｚｅｓｔｈｅｅｘｉｓｔｉｎｇｗｅａｒａｂｌｅｆａｌｌｄｅｔｅｃｔｉｏｎａｎｄｐｒｏｔｅｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙ??Ｗｅａｎａｌｙｚｅｔｈｅｉｒｆｕｎｃｔｉｏｎａｎｄｔｅｃｈｎｏｌｏｇｙａｎｄｔｈｅｍａｉｎａｌｇｏｒｉｔｈｍｓｕｓｅｄｉｎｔｈｅｓｙｓｔｅｍ，ｃｏｍｐａｒｅｓｅｖｅｒａｌｗｅａｒａｂｌｅｆａｌｌｄｅｔｅｃｔｉｏｎａｎｄｐｒｏｔｅｃｔｉｏｎｓｙｓｔｅｍｓ，ａｎｄｓｕｍｍａｒｉｚｅｔｈｅａｄｖａｎｔａｇｅｓａｎｄｄｉｓａｄｖａｎｔａｇｅｓｏｆｔｈｅｂｅｌｉｅｖｅｔｈａｔｗｅａｒａｂｌｅｆａｌｌｄｅｔｅｃｔｉｏｎａｎｄｐｒｏｔｅｃｔｉｏｎｄｅｖｉｃｅｓｈａｖｅａｂｒｏａｄｄｅｖｅｌｏｐｍｅｎｔｓｐａｃｅａｎｄｍａｒｋｅｔｐｒｏｓｐｅｃｔｓ??

【Ｋｅｙｗｏｒｄｓ】　ｗｅａｒａｂｌｅｄｅｖｉｃｅｓ；ｆａｌｌｄｅｔｅｃｔｉｏｎ；ａｉｒｂａｇ；ｔｈｒｅｓｈｏｌｄａｌｇｏｒｉｔｈｍ；ａｃｃｅｌｅｒｏｍｅｔｅｒ；ｇｙｒｏｓｃｏｐｅ

ｐａｒｔｉｃｕｌａｒｌｙｉｍｐｏｒｔａｎｔ??Ｆａｌｌｄｅｔｅｃｔｉｏｎａｎｄｐｒｏｔｅｃｔｉｏｎｄｅｖｉｃｅｓｍａｉｎｌｙｉｎｃｌｕｄｅｔｈｒｅｅｍｏｄｕｌｅｓ：ｄｅｔｅｃｔｉｏｎｍｏｄｕｌｅ，

ｅｘｉｓｔｉｎｇｓｙｓｔｅｍｓ，ｆｉｎａｌｌｙｏｕｔｌｏｏｋｔｈｅｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｏｆｗｅａｒａｂｌｅｆａｌｌｄｅｔｅｃｔｉｏｎａｎｄｐｒｏｔｅｃｔｉｏｎｓｙｓｔｅｍｓ??Ｗｅ

０　引言

跌倒是损害老年人身体健康最常见的原因之一，也是一个公众广泛关注的健康问题，即使是身体状况好的老年人也容易发生跌倒。在我国６５岁以上的居民中，有超过２０％的男性、４５％左右的女性曾跌倒过，而且年纪越大，发生跌倒的可能性也就越

作者单位：１　上海理工大学机械工程学院（上海　２０００９３）

２　上海健康医学院医疗器械学院（上海　２０００９３）

通信作者：胡兆燕。Ｅ?ｍａｉｌ：ｈｕｚｙ＠ｓｕｍｈｓ??ｅｄｕ??ｃｎ

大［１］。早在１９９９年，我国就进入人口老龄化阶段，跌倒不仅伤害老年人的身心健康，而且给社会和家庭带来经济损失［２］。因此对于老年人跌倒检测及防护技术的研究显得尤为重要和迫切。

从采集老年人活动信息方式，已有的跌倒检测技术可分为三类：基于视频的摔倒检测，基于声学的摔倒检测以及基于加速度传感器的摔倒检测［３］。基于视频的摔倒检测技术［４－６］只有在装有摄像头的倒检测技术［７］容易受到外界信号的干扰，准确率不环境下才能实现，有一定的区域限制；基于声学的摔

·３２４·

北京生物医学工程　　　　　　　　　　　　　　　　　　　第３６卷

高；而基于加速度传感器的跌倒检测技术可佩戴于被测者的身上，实时检测老年人的运动状态，不受地域和其他外界信号的干扰。因此，基于加速度传感器的可穿戴式跌倒检测技术逐渐成为研究人员的主要研究方向。

１９９１年，Ｌｏｒｄ等［８］使用小型三轴加速度传感器

即启动以保护人体。除了以上主要功能模块，还有一些辅助的模块，如自动报警模块、ＧＰＲＳ定位模块和无线通信模块等。图１为典型跌倒检测防护装置的系统结构框图。

检测人体跌倒，开创了使用惯性传感器的先河。最初的跌到检测系统仅以跌倒检测为主要功能，随着研究的进一步深入，跌倒检测系统加入了其他功能模块。２００９年，日本千叶大学Ｔａｍｕｒａ［９］使用加速度２００７计和陀螺仪设计了保护人体的安全气囊防护系统。

（ｍｉｃｒｏ?ｅｌｅｃｔｒｏ?ｍｅｃｈａｎｉｃａｌ年，香港中文大学石广义利用微机电系统单元设计了一种人体保护的安全气囊系统ｓｙｓｔｅｍ，ＭＥＭＳ）惯，性开创了传感中国人体跌倒安全气囊系统研究的先河［１０］年，孙新香等［１１］设计了基于加速度传感器的跌倒检；２００８

测探测器，该系统不仅可以检测人体跌倒，还可实现报警、ＧＰＳ定位和无线通信的功能；２０１２年，中国科学院赵国如等［１２］设计了基于惯性传感器的可穿戴式跌倒检测系统；２０１５年，姚冕等［１３－１４］在可穿戴式跌到检测系统的基础上增加了跌倒防护模块。

已有的可穿戴式跌倒检测和防护技术因各模块功能实现方式不同而各有优缺点，为此本文将与可穿戴式跌倒检测和防护技术相关的检测模块、控制模块和防护模块三个主要模块的功能和技术以及系统中所用的主要算法进行了具体分析，比较了现有的三种可穿戴式跌倒检测和防护装置的结构原理及各自技术上的优缺点，最后列举了现有跌倒检测及防护装置的不足和存在的问题，以期为后续的研究提供一定参考。

１　跌倒检测防护装置

可穿戴式跌倒检测防护装置主要包括检测模块、控制模块及防护模块三部分。检测模块主要功能是实时检测老年人运动状态，并将检测到的数据传输到控制模块；控制模块再根据检测模块传出的信号判断跌倒发生与否，由于检测模块传输的数据一般是三个轴向的矢量数据，所以控制模块需对其接收的数据进行处理，对处理后的有效数据再进行分析计算，最后结合阈值判断跌倒是否发生；防护模块主要是对人体摔倒时易受伤的部位进行保护，当接收到控制模块传来跌倒的信号后，防护模块将立

图１　可穿戴式防护系统结构框图Ｆｉｇｕｒｅ１　Ｂｌｏｃｋｄｉａｇｒａｍｏｆｔｈｅｗｅａｒａｂｌｅ

ｐｒｏｔｅｃｔｉｏｎｓｙｓｔｅｍ

１??１　检测模块

可穿戴式跌倒检测系统大多是以加速度传感器为核心而设计，加速度传感器应该置于人体活动变化不大且质量较为集中的部位，相关研究已经证明腰部和胸部为放置传感器的最合适部位。佟丽娜［１５］在研究中将传感器放置于胸部，而绝大多数研究将传感器放置于腰部，考虑到设计舒适度问题，腰部为较好的选择，因此，在研究中通常将传感器置于腰部，但是需保证与腰部接触良好。以腰部为坐标原点建立人体三维坐标系，加速度传感器可以接收人体运动的三轴物理信号输入，将所接收到的信息进行滤波和Ａ／Ｄ信号转换处理，最终以可识别的电信号来表现这些变化量。

目前，跌倒检测模块主要以ＭＥＭＳ惯性传感器［１６］为跌倒检测传感单元。ＭＥＭＳ技术将微执行器、微电子器件和固态传感器融为一体，实现了信号检测和信号转换的功能，大大缩小了传感器的体积，也减小了传感器的功耗，方便使用者佩戴而不影响日常正常活动。例如，许继平等［１７］利用飞思卡尔生产的ＭＭＡ８４５１Ｑ三轴加速度传感器检测老年人运动数据，选择以胸腔部位作为特征部位建立笛卡尔坐标系，坐标系随人体躯干运动而动，ｘ轴指向躯干前方，ｙ轴指向左方，ｚ轴垂直于地面向上，测得人体运动时ｘ、ｙ、ｚ三个轴向的加速度，以得到的合加速

第３期　　　　　　王维念，等：可穿戴式跌倒检测及防护装置的研究现状

·３２５·

度值作为判断跌倒的阈值，整个系统的准确率达到了９３??９６％。只用三轴加速度计检测人体运动数据，把合加速度作为判断跌倒的阈值有时会产生误判，为了提高系统的检测精度，蒋宁等［１８］利用整合了三轴加速度计和三轴陀螺仪的六轴ＭＥＭＳ加速度传感器ＭＰＵ６５００为检测单元，得到人体运动时的加速度信息和角速度信息，以合加速度和合角速度为阈值判断跌倒，而在王国杰

［１９］

１??２　控制模块

信息来对跌倒过程进行描述。

控制模块用以接收检测模块的数据，由于检测模块传输的数据是３个轴向或更多轴向的矢量数据，不能直接用于判断跌倒算法的计算，所以控制模块需对其接收的数据进行处理，将处理后的有效数据进行分析计算，判断跌倒是否发生。如果检测的数据不在人体安全范围之内，控制模块将控制报警设计的基于惯性传

感器穿戴式跌倒防护气囊系统的研究中，将整合了三ＭＰＵ９１５０轴加速度计、三轴陀螺仪和三性传感器不仅能够检测九轴惯性传感器作为检测单元轴磁ｘ、ｙ、ｚ三轴人体运动加速度。力九轴惯计的信息，而且可以得到人体运动姿态角，陀螺仪可以检测角加速度信息，并对三轴加速度计和三轴磁力计产生的角度误差进行修正，提高了系统检测的精度。

陈天华等

［２０］

在后来的研究中使用加速度传感

器和电子罗盘作为数据采集模块，系统精确度达到了９８??８％。ＲａｌｆＳａｌｏｍｏｎ等

［２１］

使用加速度传感器和

空气压力传感器作为检测模块，检测人体活动加速度和角速度信息，为确保检测结果的准确性，用空气压力传感器检测人体表面压力大小。但空气压力会因为外界条件，如大风等干扰而变化，由此可见使用空气压力传感器的方法有一定的局限性。随着研究的进一步发展，多传感器作为检测模块采集人体活动数据被广泛用于相关研究中。

除了上述以加速度和角速度等运动信息作为跌倒判断依据外，Ｎｏｃｕａ等

［２２］

根据跌倒过程中生理参

数的变化研究出一种基于量化自主神经系统的穿戴式跌倒检测装置，其主要通过测量心率及皮肤电阻，当人即将发生危险时条件反射将引起自主神经系统行为，这种行为会引起心跳频率和皮肤电阻的变化，然后通过支持向量机算法进行跌倒识别，该装置的灵敏度达到了７０??３７％，特异度达到８０％。由于情绪变化可引起人体生理参数的变化，因此在现有研究中，大多运用惯性传感单元检测人体运动参数的方法判断跌倒是否发生。

目前，可穿戴跌倒检测装置正朝着体积小、成本低、使用方便、高鲁棒性和低误判率的方向发展，国内外研究多以加速度计、陀螺仪和磁力计整合起来作为检测单元，以更准确地实现跌倒识别。这无疑增加了系统的成本，为了降低成本和系统的复杂性，可尽量减少传感器的种类，采集运动过程中的有效

模块、防护模块等作出相应的反应，从而使得系统实现其设计的功能。考虑到可穿戴式系统应为体积小、功耗低、准确率高等特点，控制模块多为低功耗的微控制器［２３－２４］台，被广泛应用于该研究之中Ａｒｄｕｉｎｏ作为使用灵活简单的开源电子原型平

。

，例如，吴天昊［２５］在他的研究中使用Ａｒｄｕｉｎｏ开发板和Ａｎｄｒｏｉｄ手机端作为系统的控制报警模块，Ａｒｄｕｉｎｏ首先进行系统初始化，然后接收三轴加速度传感器和陀螺仪的数据并对其进行处理，即计算得到合加速度和合角速度，然后通过蓝牙装置发送到Ａｎｄｒｏｉｄ端，由Ａｎｄｒｏｉｄ端通过阈值分析算法判断跌倒是否发生。

由于加速度传感器检测到的数据为三个轴向的信息，而阈值所使用数据为三个轴向的合加速度和合角速度信息，所以需对接收的数据进行处理，具体处理方式如下。

合加速度ａ：　ａ＝ａ２ｘ＋ａ２ｙ＋２合角速度ｗ：　ｗ＝ｗ２２式中：ａ＋ａｚ＋２（１）ｘｗｙｗｚ

（２）

ｗｘ、ａｙ、ａｚ分别表示ｘ、ｙ、ｚ轴轴向加速度；

ｘ、ｗｙ、ｗｚ分别表示ｘ、ｙ、ｚ轴轴向角速度。人体坐标系建立如图２所示。

由于航向角为人体绕垂直轴所转动的角度，该

角度变化较灵敏，只要转身就会发生很大的改变，所以不作为跌倒判别的角度。故在检测人体跌倒研究中只考虑人体姿态角中的俯仰角θ和横滚角γ：

θ＝ｓｉｎ－１??ａｙ?èｇ÷

?（３）γ＝ｓｉｎ－１??ａｘ?

１??３　防护模块

èｇｃｏｓθ÷

?

（４）

防护模块经阈值判断触发后启动，主要目的是保护人体摔倒时易受伤的部位。目前，防护模块的研究主要是针对人体向后摔倒时保护人体的头部、

·３２６·

北京生物医学工程　　　　　　　　　　　　　　　　　　　第３６卷

起周围人的注意，以便跌倒老人及时得到救助。类［２７］；被动报警需要老年人及时按下报警按钮，系测到摔倒事件发生时，控制模块会发送信号给报警模块，即主动产生报警。由于老年人摔倒原因不定，目前，报警模块分为主动报警和被动报警两

统才能产生报警，主动报警不受人为控制，当系统检

图２　人体姿态角示意图

Ｆｉｇｕｒｅ２　Ｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｈｕｍａｎｂｏｄｙｐｏｓｔｕｒｅ

颈部和髋关节等易受伤部位。

防护模块主要包括气体发生器和气囊。由于人体摔倒过程的短暂性，所以气体发生器必须实现快速放气的功能，产生气体应为不易燃不易爆、对人体无害的安全气体，以满足使用要求－。

为实现如上功能，姚冕等［１３１４］在他们所设计的系统中使用ＣＯ打开放气装置。２压缩气瓶作为气源，使用舵机驱动该装置由气瓶、刺针、接头、电动舵机和连杆机构组成，其中，刺针上套有弹簧，在发生跌倒时，舵机可以通过连杆机构驱动刺针向前移动，打开气瓶后自动退回，实现放气。该系统适用于向后跌倒时对髋关节部位进行保护。Ｔａｍｕｒａ［９］则使用火药释放气体，火药放置在防爆盒里以实现安全保护作用。该系统可以实现对头部、颈部、臀部和大腿部的保护。整个防护模块包含有两个气囊和两个放气装置，当气囊未打开时，折叠放于背心内侧，发生跌倒时，会以３Ｖ电信号触发点火，产生气体使气囊膨胀，一个气囊展开向上延伸至头部，可以保护头部和颈部，另外一个气囊打开向下延伸，可以保护臀部和大腿部。通过实验证明，气囊的设计可靠地保证了其在人体与地面接触之前完全打开１??４　系统其他模块

。为了给老年人生活带来更大帮助，很多专家学者对可穿戴式跌倒检测及防护系统的研究已经不仅限于跌倒检测和防护功能，而向多功能化发展。目前，老年人跌倒检测系统除了以上三个模块，还包括

报警模块１??４??１　、ＧＰＳ当老年人发生意外摔倒时报警模块

定位模块、无线通信模块等［２６］。，报警模块会报警，引

有些可能由于头晕或其他不适病症导致摔倒，摔倒后老年人状态不定，如果发生碰撞等事件，老年人将处于意识不清醒甚至昏迷、无意识的状态，无法实现被动报警。所以，主动报警被广泛应用于相关学者

１??的研究４??２　。

ＧＰＳＧＰＳ模块能够实时监控老年人活动的地理位置

定位模块

信息，并将信息传输到远程服务平台［２８］发生意外摔倒时，远程服务平台会将老年人位置信。当老年人息发送到监护人手机，这样即使老年人在无人区域１??发生摔倒也可以尽快得到救助４??３　无线通信和远程服务平台用于存储老年人地理无线通信和远程服务平台。

位置信息和老年人监护人信息［２９］时，系统会以短信的形式发送老年人地理位置给其，当老年人摔倒监护人，以便老年人得到及时的帮助。

２　跌倒检测算法

在可穿戴式跌倒检测及防护系统中，通常使用卡尔曼滤波算法过滤噪声等外界环境造成的影响，得到准确的测量数据。阈值算法是判断跌倒是否发生的主要算法，而确定阈值的方法在相关研究中也有所差异，其中通过实验和ＳＶＭ（支持向量机算法）

确定阈值的方法较为常用［３０］２??１　基于实验的阈值算法

。姚冕等［１３－１４］通过实验法得到运动数据波形图，对日常行为活动如走路、慢跑、上下楼梯、坐下、躺下等加速度与速度数据波形图与跌倒的速度、加速度波形图进行比较分析（１）验获得人体合加速度和姿态角的波形图得到人体运动三个轴向的合加速度，得到判断跌倒的阈值。ａ。由式ＣＣ从他们的

，通过实实验数据可以得出，跌倒时合加速度最大值明显比日常活动时大，但由于最大值发生在人体与地面撞击阶段，所以不能用最大合加速度作为跌倒判断的阈值，由于最小合加速度无法识别跌倒与跑步、上下楼梯等日常活动，所以需要与俯仰角结合作为判断第３期　　　　　　王维念，等：可穿戴式跌倒检测及防护装置的研究现状

·３２７·

跌倒的阈值。最终以俯仰角最小值和合加速度最小值作为判断跌倒的阈值，跌倒报警在检测姿态角大于设定阈值的基础上，再通过检测合加速度的阈值来判定。

Ｔａｍｕｒａ等［９］利用三轴加速度计和三轴陀螺仪

３　典型的跌倒检测及防护装置

３??１　可穿戴式防护背心

２００９年，Ｔａｍｕｒａ等［９］发明设计了一种可穿戴式

安全气囊，系统可实现跌倒检测及跌倒保护功能。使用三轴加速度计和三轴陀螺仪作为检测模块，将检测到的加速度和角速度转换为可识别的数字信号传输到ＣＰＵ，ＣＰＵ将所接收的数据与设定阈值进行分别检测出人体运动时ｘ、ｙ、ｚ三轴的加速度和角速度，通过实验法得到人体运动加速度波形图和角速度波形图，把跌倒视为自由降落的过程，将跌倒过程中加速度和角速度波形图与自由降落过程进行比较，发现加速度在小于３ｍ／ｓ２时跌倒发生，在跌倒发生１ｓ时角速度达到最大值０??７ｒａｄ／ｓ，因此得出阈值：加速度为３ｍ／ｓ２度小于３ｍ／ｓ２倒发生。

，且角速度大于，角速度为０??５２０??ｒａｄ５２ｒａｄ／ｓ时／ｓ，，当加速判断跌２??２　基于ＳＶＭ的阈值算法

ＳＶＭ支持向量机算法［３１－３３］是数据挖掘常用算

法之一，是一种二类分类模型，其基本模型是定义在特征空间上的间隔最大的线性分类器。

利用支持向量机的方法把所有测试样本分为两类，一类为会发生跌倒，另外一类为不会发生跌倒，用训练样本建立模型，样本分类方程式为：ｆ（ｘ）＝ｗＴｘ＋ｂ＝ｗ１ｘ１＋ｗ２ｘ２＋…＋ｗｎｘｎ＋ｂ

　优分类界面方程为　式中：ｘ表示训练样本：

；ｆ（ｘ）为判别函数。则最（５）ｗＴ

ｘ＋ｂ＝０

（６）

根据几何间隔的定义ｎ距离最优平面的距离，可以得到任意一个训练样本ｄ＝（ｗＴｄｘ：

＋ｂ）／ｗ

（７）

最优平面将样本分为跌倒和不跌倒两类≥１，证，确定最终判断跌倒的阈值不跌倒时ｄ≤－１，采集实验样本对阈值进行验，跌倒时ｄ。

基于阈值的算法设计比较直观，实现也并不复杂，是目前较为普遍的方法。但这种方法也有不足之处，阈值的设定对识别的结果影响较大。阈值的选择通常是建立在经验或者实验数据的基础之上，实验数据一般来自年轻人，年轻人的身体状况和心理意识与老年人存在很大差别，这种差别直接影响结果的准确性。因此，基于阈值的算法对于参数的选择和阈值的大小依赖性很大，需寻求最佳有效的阈值进行计算。

比较分析，判断是否发生跌倒。防护模块由气囊和气体发生装置组成，可以实现对头部、颈、臀部、大腿部的保护，两个气囊重１??１ｋｇ，容积都为１０Ｌ，两个防爆盒子重１６０ｇ，装有１００ｍｇ火药，跌倒发生时，气囊可以在０??３３３ｓ内打开。该防护背心的腰带内置一磁性开关，只有当腰带活动扣被扣上时，系统电源才开始工作，这样便降低了系统功耗，一节碱性电池可连续使用２００ｈ左右。该系统不仅可以实现跌倒检测和防护功能３??２　可穿戴式防护腰带

，还可以实现跌倒报警功能。穿戴式跌倒检测防护装置２０１５年，姚冕等［１３－１４］设计了基于惯性传感的可

，整个装置为腰带样式，腰带左右两侧各有一个气囊。该装置包含检测模块、控制模块、报警模块、防护模块、ＧＰＳ定位模块和无线通信模块。检测模块为ＭＥＭＳ九轴惯性传感器，控制模块使用ＳＴＭ３２Ｆ４０５ＲＧ微控制器，防护模块为舵机驱动放气装置，以人体运动合加速度和身体姿态角作为阈值。传感器将检测的运动数据发送到控制模块，控制模块通过阈值算法判断跌倒事件，如果发生跌倒，跌倒预警器将产生报警，同时ＧＰＳ装置确定老年人位置，通过远程监控平台将位置信息发送到监护人手机。整个系统检测准确度高，为独居老人带来极大的便利。

美国南加利福尼亚大学ＷｅｎＪ??Ｌｉ团队［３０］设计的可穿戴式防护装置为腰带样式。检测模块使用三轴加速度计和三轴陀螺仪获取运动数据，以ＳＶＭ分类法为判断跌倒的算法，主要功能为跌倒检测和跌倒防护，防护气囊为２个，用于左右跌倒时对髋关节的防护。类似的，该系统使用伺服驱动刺针来打开压缩气瓶实现放气保护Ｔａｍｕｒａ。

［９］设计的可穿戴式防护背心不仅可以实

现对髋关节的保护，还可以保护头部和颈部，但其防护背心需穿戴于老年人衣服的外侧，体积庞大，给老年人的日常活动带来不便，且使用的火药具有较大

·３２８·

北京生物医学工程　　　　　　　　　　　　　　　　　　　第３６卷

危险性，并不可重复使用；姚冕的可穿戴式防护腰带不仅可以实现老年人跌倒检测和防护功能，而且可以实现报警、ＧＰＳ定位和远程服务的功能，但其结构复杂，且无法实现对头部和颈部的保护；ＷｅｎＪ??Ｌｉ团队［２９］设计的可穿戴式防护系统具有较高的跌倒检测率，但无法实现定位、数字存储等功能，功能较为单一。３种跌倒检测及防护装置各有其优缺点，设计一种功能齐全、便于穿戴的老年人跌倒检测和量、血糖测量等，形成集成的多功能化系统，以便可以时检测老年人的身体健康状况。

参考文献

［１］　董璐，周洁，徐国会．老年住院患者跌倒护理研究进展［Ｊ］．中

国康复理论与实践，２０１２，１８（１）：３０－３２．

ＤｏｎｇＬｕ，ＺｈｏｕＪｉｅ，ＸｕＧｕｏｈｕｉ．Ｎｕｒｓｉｎｇｃａｒｅｏｎｆａｌｌｓｉｎ－ｈｏｓｐｉｔａｌｉｚｅｄｅｌｄｅｒｌｙｐａｔｉｅｎｔｓ［Ｊ］．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＲｅｓｅａｒｃｈｏｆ

防护装置还有待于进一步研究。

４　结论与展望

本文总结了现有的可穿戴式跌倒检测和防护装置，然后具体分析了其中的检测模块、控制模块和防护模块３个主要模块的功能和主要技术，并通过讨论３种可穿戴式跌倒检测和防护装置来说明现阶段可穿戴式跌倒检测和防护装置的发展概况。现有技术和研究一定程度上能够有效解决检测老人摔倒并及时防护的问题，且有较高的特异度和灵敏度，但有些问题还需进一步解决和优化的角度分析跌倒的情况（１）现阶段，检测模块通常是根据人体运动学

。

，难免会造成一些错报或漏报的情况。在今后的研究中，可将人体运动学、摄像监控学及心理学结合起来综合考虑，以获得更高的识别精度，提高跌倒检测准确性因素（２），传感器的优化可以提高数据采集精度检测模块和算法是影响系统精确度的主要

。

，利用体积小低功耗的传感器可以增加系统穿戴的舒适度，算法的发展决定系统的特异度和灵敏度一侧跌倒时的防护（３）现有研究和技术主要针对老年人向后。

，但老年人跌倒方向存在一定的，向

不确定性，即可能向前、向后或向左右跌倒，虽然多数情况下，老人会向后跌倒，但并不能保证老人不朝其他方向跌倒，而且老人朝其他方向跌倒时也会造成比较大的伤害。因此，向前或向左右跌倒的检测与防护研究也是未来研究的方向之一人，年轻人的身体状况和心理意识与老年人存在很（４）目前的研究过程中，实验数据均来自年轻

。

大差别，对于跌倒的反应能力存在很大不同，试验数据的实用价值还未得到很好的验证。寻求更加符合老年人特征的实验样本仍是未来研究的发展方向测及防护系统还可能加入其他功能模块（５）随着微机电系统技术的发展，整个跌倒检

。

，如血压测

［２］　Ｒｅｈａｂｉｌｉｔａｔｉｏｎ李日邦，王五一Ｔｈｅｏｒｙ，谭见安ａｎｄ，Ｐｒａｃｔｉｃｅ，２０１２，１８（１）：３０等．我国人口老龄化发展的阶段３２．势和区域差异［Ｊ］．地理研究，１９９９，１８（２）：１１３－１２１．

、趋

ＬｉａｎｄＲｉｂａｎｇ，ＷａｎｇＣｈｉｎａｔｒｅｎｄ［Ｊ］．ｏｆＧｅｏｇｒａｐｈｉｃａｌｐｏｐｕｌａｔｉｏｎＷｕｙｉ，ＴａｎａｇｅｉｎｇＪｉａｎａｎ，ｅｔＲｅｓｅａｒｃｈ，１９９９，１８（２）：１１３ａｎｄａｌ．ｉｔｓＴｈｅｒｅｇｉｏｎａｌｄｅｖｅｌｏｐｍｅｎｔｄｉｆｆｅｒｅｎｃｅｓｓｔａｇｅｓ－１２１．

ｉｎ

［３］　高青发展趋势，陈洪波［Ｊ］．，冯涛医疗卫生装备，等．老年人跌倒检测系统的研究现状与

，２０１５，３６（１２）：１０２－１０５．ＧａｏｄｅｖｅｌｏｐｍｅｎｔＱｉｎｇ，ＣｈｅｎＣｈｉｎｅｓｅｔｅｎｄｅｎｃｙＨｏｎｇｂｏ，ｏｆｆａｌｌＦｅｎｇｄｅｔｅｃｔｉｏｎＴａｏ，ｅｔｓｙｓｔｅｍａｌ．Ｒｅｓｅａｒｃｈｆｏｒｔｈｅｅｌｄｅｒｌｙ［Ｊ］．

ｓｔａｔｕｓａｎｄ［４］　ＮｙａｎａｃｔｉｖｉｔｉｅｓＭＮ，Ｍｅｄｉｃａｌｈｉｇｈ?ｓｐｅｅｄｆｒｏｍＴａｙＦＥＨ，ＴａｎＥｑｕｉｐｍｅｎｔＡＷＹ，Ｊｏｕｒｎａｌ，２０１５，３６（１２）：１０２ｅｔ

ａｌ．

Ｄｉｓｔｉｎｇｕｉｓｈｉｎｇ

－１０５．

ｃａｍｅｒａｎｏｒｍａｌｃｈａｒａｃｔｅｒｉｚａｔｉｏｎａｃｔｉｖｉｔｉｅｓｂｙａｎｇｕｌａｒ［Ｊ］．ＭｅｄｉｃａｌｒａｔｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓＥｎｇｉｎｅｅｒｉｎｇａｎｄｆａｌｌ

ＰｈｙＳｉｃａ１，２００６，２８（８）：８４２ＭｏｋｈｔａｒｉａｎｄｗｅｌｌｎｅｓｓＭ，ＫｈａｌｉｌｍａｎａｇｅｍｅｎｔＬ，Ｂａｕｃｈｅｔ－８４９．

＆

［５］　ｉｎｔｈｅＬ，ｅｔｈｅａｒｔａｌ．ｏｆＡｍｂｉｅｎｔｔｈｅｃｉｔｙａｓｓｉｓｔｉｖｅ［Ｃ］．Ｔｏｕｒｓ，

ｈｅａｌｔｈ

Ｆｒａｎｃｅ：７ｔｈＴｅｌｅｍａｔｉｃｓ，２００９：２０９Ｉｎｔｅｒｎａｔｉｏｎａｌ－２１６．

ＣｏｎｆｅｒｅｎｃｅｏｎＳｍａｒｔＨｏｍｅｓａｎｄＨｅａｌｔｈ

［６］　Ｆｕａｄｄｒｅｓｓ?ｅｖｅｎｔＺＭ，ＣｕｌｕｒｉｃｅＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍｔｅｍｐｏｒａｌＥ，ＬｉｃｈｔｓｔｅｉｎｅｒｃｏｎｔｒａｓｔＰ，ｅｔａｌ．Ｆａｌｌｄｅｔｅｃｔｉｏｎｕｓｉｎｇａｎ

ｏｎＣｉｒｃｕｉｔｓｖｉｓｉｏｎｓｅｎｓｏｒ［Ｃ］．ＩＥＥＥ［７］　４２７．

ａｎｄＳｙｓｔｅｍｓ，２００８：４２４－ＬｉｔｖａｋｖｉｂｒａｔｉｏｎｓＤ，ＺｉｇｅｌＹ．ＦａｌｌｄｅｔｅｃｔｉｏｎｏｆｅｌｄｅｒｌｙＩｎｔｅｒｎａｔｉｏｎａｌａｎｄ４６３５．

ＩＥＥＥｓｏｕｎｄ［Ｃ］．ｔｈｒｏｕｇｈｆｌｏｏｒ

ＥＭＢＳＢｒｉｔｉｓｈＣｏｎｆｅｒｅｎｃｅＣｏｌｕｍｂｉａ，Ｃａｎａｄａ：３０ｔｈＶａｎｃｏｕｖｅｒ，２００８：Ａｎｎｕａｌ４６３２－

［８］　ＬｏｒｄＡｓｓｅｓｓｍｅｎｔＣＪ，Ｃｏｌｖｉｎ［Ｃ］．ＤＰ．ＡｎｎｕａｌＦａｌｌｓｉｎｔｅｒｎａｔｉｏｎａｌｉｎ

ｔｈｅｅｌｄｅｒｌｙ：ｃｏｎｆｅｒｅｎｃｅＤｅｔｅｃｔｉｏｎ

ｏｆｔｈｅＩＥＥＥ

ａｎｄ

［９］　Ｔａｍｕｒａ１９３８Ｅｎｇｉｎｅｅｒｉｎｇ－１９３９．

ｉｎｍｅｄｉｃｉｎｅａｎｄＢｉｏｌｏｇｙＳｏｃｉｅｔｙ，１９９１，１３（４）：

ｐｒｅｖｅｎｔＴ，ＹｏｓｈｉｍｕｒａＴ，ＳｅｋｉｎｅＭ，ｅｔａｌ．Ａｗｅａｒａｂｌｅａｉｒｂａｇｔｏ

［１０］　ＴｅｃｈｎｏｌｏｇｙｆａｌｌＳｈｉｉｎｉｎｊｕｒｉｅｓＢｉｏｍｅｄｉｃｉｎｅ，２００９，１３（６）：９１０［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ－９１４．

ｏｎＩｎｆｏｒｍａｔｉｏｎａｉｎｔｅｌｌｉｇｅｎｃｅｍｏｂｉｌｅＧｕａｎｇｙｉ，ＣｈｅｕｎｇａｉｒｂａｇｓｙｓｔｅｍＳｈｉｎｇｕｓｉｎｇＣｈａｎ，ＺｈａｎｇＭＥＭＳＧｕａｎｇｌｉｅ，ｅｔｓｅｎｓｏｒａｌ．Ｔｏｗａｒｄｓ

Ｂｉｏｍｉｍｅｔｉｃｓ．［２００７：６３４Ｃ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ－６３９．

ＣｏｎｆｅｒｅｎｃｅｏｎａｎｄＲｏｂｏｔｉｃｓｅｍｂｅｄｄｅｄａｎｄ

［１１］　孙新香（Ｇｐｓｏｎｅ），唐棣芳，马伟敏．基于加速度传感器和ＣＤＭＡ

１４－１７．

的跌倒探测器的设计［Ｊ］．电子技术，２００８，４５（３）：

第３期　　　　　　王维念，等：可穿戴式跌倒检测及防护装置的研究现状

ＣｏｎｆｅｒｅｎｃｅｏｆｔｈｅＩＥＥＥ，２００９：３２２５－３２２８．

·３２９·

ＳｕｎＸｉｎｘｉａｎｇ，ＴａｎｇＤｉｆａｎｇ，ＭａＷｅｉｍｉｎ．Ｄｅｓｉｇｎｏｆｆａｌｌｄｅｔｅｃｔｏｒｂａｓｅｄｏｎ３－ａｘｉｓａｃｃｅｌｅｒｏｍｅｔｅｒａｎｄＣＤＭＡ（ＧｐｓＯｎｅ）［Ｊ］．ＥｌｅｃｔｒｏｎｉｃＴｅｃｈｎｏｌｏｇｙ，２００８，４５（３）：１４－１７．

［２３］　ＳｈｉＧｕａｎｇｙｉ，ＺｈａｎｇＪｉｙｅ，ＤｏｎｇＣｈａｏ，ｅｔａｌ．Ｆａｌｌｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍ

ｂａｓｅｄｏｎｉｎｅｒｔｉａｌＭＥＭＳｓｅｎｓｏｒｓ：ａｎａｌｙｓｉｓｄｅｓｉｇｎａｎｄｒｅａｌｉｚａｔｉｏｎ［Ｃ］．Ｔｈｅ５ｔｈＡｎｎｕａｌＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｙｂｅｒ１８３４－１８３９．

［１２］　ＺｈａｏＧｕｏｒｕ，ＭｅｉＺｈａｎｙｏｎｇ，ＬｉａｎｇＤｉｎｇ，ｅｔａｌ．Ｅｘｐｌｏｒａｔｉｏｎａｎｄ

Ｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆａｐｒｅ－ｉｍｐａｃｔｆａｌｌＲｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎａｎｉｎｅｒｔｉａｌｂｏｄｙｓｅｎｓｏｒｎｅｔｗｏｒｋ［Ｊ］．Ｓｅｎｓｏｒｓ，２０１２，１２（１１）：

ＴｅｃｈｎｏｌｏｇｙｉｎＡｕｔｏｍａｔｉｏｎ，ＣｏｎｔｒｏｌａｎｄＩｎｔｅｌｌｉｇｅｎｔＳｙｓｔｅｍｓ，２０１５：

［１３］　ＭｉａｎＹａｏ，ＱｉＺｈａｎｇ，ＭｅｎｇｈｕａＬｉ，ｅｔａｌ．Ａｗｅａｒａｂｌｅｐｒｅ－ｉｍｐａｃｔ

ＦａｌｌＥａｒｌｙＷａｒｎｉｎｇａｎｄＰｒｏｔｅｃｔｉｏｎＳｙｓｔｅｍＢａｓｅｄｏｎＭＥＭＳ１５３３８－１５３５５．［２４］　ＳｏｎｇＦｕｘｉｎｇ，ＺｈａｎｇＺｈｅｎｇｊｉａｎｇ，ＧａｏＦｅｎｇ，ｅｔａｌ．Ａｎｅｖｏｌｕｔｉｏｎａｒｙ

ａｐｐｒｏａｃｈｔｏｄｅｔｅｃｔｉｎｇｅｌｄｅｒｌｙｆａｌｌｉｎｔｅｌｅｍｅｄｉｃｉｎｅ［Ｃ］．２０１５ＦｉｒｓｔＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔａｔｉｏｎａｌＩｎｔｅｌｌｉｇｅｎｃｅＴｈｅｏｒｙ，ＩｎｅｒｔｉａｌＣｏｎｆｅｒｅｎｃｅＳｅｎｓｏｒａｎｄＧＰＲＳＣｏｍｍｕｎｉｃａｔｉｏｎ［Ｃ］．１２ｔｈＩｎｔｅｒｎａｔｉｏｎａｌ２０１５：１姚冕－６．

ｏｎＷｅａｒａｂｌｅａｎｄＩｍｐｌａｎｔａｂｌｅＢｏｄｙＳｅｎｓｏｒＮｅｔｗｏｒｋｓ，护系统，马英楠［Ｊ］．集成技术，高星，等，２０１５，４（５）：６９．基于惯性传感的穿戴式跌倒预警防

－７７．

ＹａｏＭｉａｎ，ＭａｆａｌｌｅａｒｌｙｗａｒｎｉｎｇＹｉｎｇｎａｎ，ＧａｏａｎｄｐｒｏｔｅｃｔｉｏｎＸｉｎｇ，ｅｔｓｙｓｔｅｍａｌ．Ａｂａｓｅｄｗｅａｒａｂｌｅｏｎｉｎｅｒｔｉａｌｐｒｅ－ｉｍｐａｃｔ［Ｊ］．ＪｏｕｒｎａｌｏｆＩｎｔｅｇｒａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，２０１５，４（５）：６９－７７．ｓｅｎｓｏｒ

研究佟丽娜［Ｄ］．．基于力学量信息获取系统的人体摔倒过程识别方法

合肥：中国科学技术大学，２０１１．

ＴｏｎｇｉｎｆｏｒｍａｔｉｏｎＬｉｎａ．ＨｕｍａｎａｃｑｕｉｓｉｔｉｏｎｆａｌｌＲｅｃｏｇｎｉｔｉｏｎ［Ｄ］．ｍｅｔｈｏｄＨｅｆｅｉ：ＵｎｉｖｅｒｓｉｔｙｂａｓｅｄｏｎｍｅｃｈａｎｉｃａｌａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ，２０１１．

ｓｙｓｔｅｍｏｆＳｃｉｅｎｃｅ

ＭａｔｈｉｅｐｏｓｔｕｒｅＭＪ，ａｎｄＢａｓｉｌａｋｉｓｐｈｙｓｉｃａｌＪ，ｔｈｅ２３ｒｄａｃｔｉｖｉｔｙＣｅｌｌｅｒＢＧ．ＡｎｎｕａｌＩｎｔｅｒｎａｔｉｏｎａｌｕｓｉｎｇＡｓｙｓｔｅｍａｃｃｅｌｅｒｏｍｅｔｅｒｓｆｏｒｍｏｎｉｔｏｒｉｎｇ

Ｃｏｎｆｅｒｅｎｃｅ［ｏｆＣｔｈｅ

］．ＩＥＥＥ，２００１：３６５４Ｐｒｏｃｅｅｄｉｎｇｓｏｆ许继平－３６５７．

摔倒检测系统，李景涛［Ｊ］．，彭森计算机仿真，等．基于三轴加速度传感器的老年人

，２０１４，３１（１２）：４３４－４３７．ＸｕｄｅｓｉｇｎＪｉｐｉｎｇ，ＣｏｍｐｕｔｅｒｂａｓｅｄＬｉＪｉｎｇｔａｏ，Ｓｉｍｕｌａｔｉｏｎ，２０１４，３１（１２）：４３４ｏｎｔｈｒｅｅＰｅｎｇａｘｉｓＳｅｎ．ａｃｃｅｌｅｒｏｍｅｔｅｒＦａｌｌｄｏｗｎｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍ－４３７．ｆｏｒｅｌｄｅｒｌｙ［Ｊ］．［Ｊ］．蒋宁，Ｊｉａｎｇ电子世界杜玉晓．基于惯性传感器的穿戴式跌倒检测系统设计

ｉｎｅｒｔｉａｌＮｉｎｇ，Ｄｕ，２０１６（５）：１４７ｓｅｎｓｏｒｓＹｕｘｉａｏ．［Ｊ］．ＥｌｅｃｔｒｏｎｉｃｓＷｅａｒａｂｌｅ－１４９．

ｗｏｒｌｄ，２０１６，（５）：１４７ｆａｌｌｄｅｔｅｃｔｉｏｎｓｙｓｔｅｍ－ｂａｓｅｄ１４９．

ｏｎ

王国杰武汉：武汉理工大学．基于惯性传感器的跌倒防护气囊系统的研究，２０１４．

［Ｄ］．

ＷａｎｇＧｕｏｊｉｅ．Ａｎ［Ｄ］．ａｉｒｂａｇＷｕｈａｎ：ＷｕｈａｎｓｙｓｔｅｍｆｏｒＵｎｉｖｅｒｓｉｔｙｆａｌｌｐｒｏｔｅｃｔｉｏｎｏｆＴｅｃｈｎｏｌｏｇｙ，

ｂａｓｅｄｏｎ２０１４．

ｉｎｅｒｔｉａｌｓｅｎｓｏｒｓ陈天华盘的人体摔倒监测系统，张小驰，许继平，［Ｊ］．等．基于三轴加速度传感器和电子罗

测控技术，２０１５，３４（２）：１６－１９．ＣｈｅｎｍｏｎｉｔｏＴｉａｎｈｕａ，ｂａｓｅｄｏｎＺｈａｎｇ３－ａｒｍｓＸｉａｏｃｈｉ，ａｃｃｅｌｅｒｏｍｅｔｅｒＸｕＪｉｐｉｎｇ，ａｎｄｅｔｅｌｅｃｔｒｏｎｉｃａｌ．Ｓｙｓｔｅｍｃｏｍｐａｓｓ

ｆｏｒｆａｌｌ［ＳａｌｏｍｏｎＪ］．ＭｅａｓｕｒｅｍｅｎｔｔｈｅＲ，ＬｕｄｅｒＭ，ＢｉｅｂｅｒａｎｄＣｏｎｔｒｏｌＧ．Ｔｅｃｈｎｏｌｏｇｙ，２０１５，３４（２）：１６ｉＦａｌｌ－ａ－１９．

ＣｏｎｆｅｒｅｎｃｅｄｅｔｅｃｔｉｏｎＮｏｃｕａｏｎ，２０１０：２８６ｏｆｕｎｅｘｐｅｃｔｅｄ－２９１．

ｆａｌｌｓ［Ｃ］．ｎｅｗ８ｔｈｅｍｂｅｄｄｅｄＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌｓｙｓｔｅｍｆｏｒ

ｎｅｒｖｏｕｓＲ，ＮｏｕｒｙｓｙｓｔｅｍＮ，ＧｅｈｉｎｆｏｒｆａｌｌＣ，ｅｔｄｅｔｅｃｔｉｏｎａｌ．［ＥｖａｌｕａｔｉｏｎＣ］．ＡｎｎｕａｌｏｆｔｈｅＩｎｔｅｒｎａｔｉｏｎａｌ

ａｕｔｏｎｏｍｉｃ

［２５］　Ｓｙｓｔｅｍｓ吴天昊．ａｎｄ基于Ａｐｐｌｉｃａｔｉｏｎｓ，２０１５：１１０－１１４．［Ｄ］．ｇｙｒｏｓｃｏｐｅＴｉａｎｈａｏ．北京：北京工业大学３轴加速度传感器及陀螺仪的老年人摔倒识别

Ｗｕ［Ｄ］．ＦａｌｌＢｅｉｊｉｎｇ：Ｂｅｉｊｉｎｇｄｅｔｅｃｔｉｏｎ，２０１３．

ｂａｓｅｄＵｎｉｖｅｒｓｉｔｙｏｎ３ａｘｉｓｏｆＴｅｃｈｎｏｌｏｇｙ，２０１３．

ａｃｃｅｌｅｒｏｍｅｔｅｒａｎｄ

［２６］　杨俊飞充气机构的设计与实现，朱兴元，赵国如．［穿戴式跌倒护髋安全气囊系统自动

Ｊ］．现代制造工艺装备杂志，２０１６（４）：５Ｙａｎｇ－ｒｅａｌｉｚａｔｉｏｎＪｕｎｆｅｉ，９．

ｏｆｔｈｅＺｈｕＸｉｎｇｙｕａｎ，－ｉｎｆｌａｔｉｎｇＺｈａｏｍｅｃｈａｎｉｓｍＧｕｏｒｕ．ｆｏｒＴｈｅｔｈｅｗｅａｒａｂｌｅＤｅｓｉｇｎｈｉｐ?

ａｎｄ［２７］　ｐｒｏｔｅｃｔｉｎｇＷａｎｇａｉｒｂａｇ［Ｊ］．ａｕｔｏＭｏｄｅｒｎＭａｃｈｉｎｅｒｙ，２０１６（４）：５－９．

ａｐｐｌｉｃａｔｉｏｎｓＹｅｃｈａｏ，ＢａｉＸｉａｎｇｙｕ．Ｒｅｓｅａｒｃｈｏｆｆａｌｌｄｅｔｅｃｔｉｏｎａｎｄａｌａｒｍ

［２８］　Ｅｎｇｉｎｅｅｒｉｎｇ刘宇航．基于九轴惯性传感系统的穿戴式跌倒报警系统的研

ａｎｄｆｏｒＣｏｍｐｕｔｅｒ，２０１３：６１５ｔｈｅｅｌｄｅｒｌｙ［Ｃ］．－Ｓｈｅｎｙａｎｇ，６１９．ＣｈｉｎａＥｌｅｃｔｒｉｃ究与实现［Ｄ］．昆明：云南大学，２０１５．

ＬｉｕＹｕｈａｎｇ．Ｄｅｖｅｌｏｐｍｅｎｔｏｆｗｅａｒａｂｌｅｆａｌｌｄｅｔｅｃｔｏｒｓｙｓｔｅｍｂａｓｅｄ２０１５．

ｏｎｎｉｎｅａｘｉｓｉｎｅｒｔｉａｌｓｅｎｓｏｒｓ［Ｄ］．Ｋｕｎｍｉｎｇ：ＹｕｎｎａｎＵｎｉｖｅｒｓｉｔｙ，

［２９］　Ｎｇｕｙｅｎｗｅａｒａｂｌｅ

ＴＴ，Ｃｈｏｂｉｏｍｅｄｉｃａｌ

ＭＣ，Ｌｅｅｓｉｇｎａｌ

ＴＳ，ｅｔａｌ．ｍｅａｓｕｒｅｍｅｎｔ

Ａｕｔｏｍａｔｉｃｆａｌｌｔｅｒｍｉｎａｌｄｅｔｅｃｔｉｏｎ［ｕｓｉｎｇ

Ｍｉｎｎｅｓｏｔａ，ＵＳＡ：２００９：５２０３－５２０６．

Ｃ］．

［３０］　ＳｈｉｆａｌｌＧＹ，ｐｒｏｔｅｃｔｉｏｎＣｈａｎｕｓｉｎｇＣＳ，ＬｉＭＥＭＳＷＪ，ｅｔｓｅｎｓｏｒｓａｌ．ＭｏｂｉｌｅａｎｄｅｍｂｅｄｄｅｄｈｕｍａｎａｉｒｂａｇＳＶＭｓｙｓｔｅｍｆｏｒ

［３１］　［Ｊ］．ＬｕｏｕｓｉｎｇＹＬ，ＳｈｉＩＥＥＥＳｅｎｓｏｒｓＧＹ，ＬａｍＪｏｕｒｎａｌ，２００９，９（５）：４９５Ｊ，ｅｔａｌ．Ｔｏｗａｒｄｓａ－５０３．

ｃｌａｓｓｉｆｉｅｒＨｏｎｇμＩＭＵＫｏｎｇ：ｗｉｔｈＩＥＥＥＳＶＭＩｎｔｅｒｎａｔｉｏｎａｌｔｒａｉｎｉｎｇｆｏｒｆａｌｌｉｎｇ?ｍｏｔｉｏｎｈｕｍａｎＣｏｎｆｅｒｅｎｃｅｏｎｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］．ａｉｒｂａｇｓｙｓｔｅｍ

Ｂｉｏｍｉｍｅｔｉｃ?ＲＯＢＩＯ，２００５：６３４－６３９．

Ｒｏｂｏｔｉｃｓａｎｄ

［３２］　ＢｉａｎｃｈｉｐｒｅｓｓｕｒｅＦ，［Ｃ］．Ｅｎｇｉｎｅｅｒｉｎｇ，２０１０：６１９ＩＥＥＥａｎｄＲｅｄｍｏｎｄＴｒａｎｓａｃｔｉｏｎｓｔｒｉａｘｉａｌａｃｃｅｌｅｒｏｍｅｔｒｙ?ｂａｓｅｄＳＪ，ＮａｒａｙａｎａｎＭＲ，ｅｔａｌ．Ｂａｒｏｍｅｔｒｉｃ

－６２７．

ｏｎＮｅｕｒａｌＳｙｓｔｅｍｓｆａｌｌｓａｎｄｅｖｅｎｔＲｅｈａｂｉｌｉｔａｔｉｏｎ

ｄｅｔｅｃｔｉｏｎ［３３］　ＬａｉｂｏｄｙＣＦ，ＣｈａｎｇｒｅｇｉｏｎｕｓｉｎｇＳＹ，ＣｈａｏｍｕｌｔｉｐｌｅＨＣ，ｅｔｔｒｉａｘｉａｌａｌ．Ｄｅｔｅｃｔｉｏｎａｃｃｅｌｅｒｏｍｅｔｅｒｓｏｆｃｏｇｎｉｔｉｖｅｆｏｒｉｎｊｕｒｅｄ

ｆａｌｌｉｎｇ［Ｃ］．ＩＥＥＥＳｅｎｓｏｒｓＪｏｕｒｎａｌ，２０１１：７６３－７７０．ｅｌｄｅｒｌｙ

（２０１６－０９－０７收稿，２０１６－１０－２４修回）

［１４］　［１５］　［１６］　［１７］　［１８］　［１９］　［２０］　［２１］　［２２］