基于Android的老年人智能监护系统研究
发布时间：2021-10-07 22:13
设计了一款基于Android便携式智能老年健康监护系统,系统包括跌倒检测、心率检测、地图定位3大功能模块。跌倒检测模块使用最大类间方差法计算最优阈值,采用合加速度幅值面积的曲线相似度区分跌倒行为与较高强度日常活动;采用小波阈值去噪算法去除输入信号中的噪声项,获得准确的实时心率测量结果;采用地图API的定位SDK,及时提供精确的位置服务,将异常警告及位置信息实时发送至监护人手机。系统采用Java语言进行设计开发,在Andorid平台上运行稳定。测试结果表明:跌倒检测的误报率和漏报率分别为1. 67%、2%,心率检测的平均绝对误差和平均相对误差分别为1. 6 bpm、2. 08%,可满足老年人监护的需求。
【文章来源】：重庆理工大学学报(自然科学). 2020,34(04)北大核心
【文章页数】：9 页
【部分图文】：
老年人智能监护系统总体架构
利用智能手机内置的加速度传感器进行人体运动信息采集实现跌倒检测。手机内置加速度传感器，可以返回三轴的加速度数值，手机姿态随人体姿态的改变而改变，手机加速度数值的变化可以间接反映人体运动姿态的变化[13-15]。当前基于智能手机的跌倒检测算法基本是利用某一方向轴的加速度或合加速度幅值进行跌倒判断，这类方法只能区分跌倒与步行等较低强度的日常活动，在与慢跑、下楼梯等较高强度日常活动方面判断效果不佳。本系统使用合加速度幅值面积的曲线相似度进行跌倒二次判断，从而把跌倒与较高强度日常活动进行区分。将人体跌倒、行走、坐下-起立、蹲下-起立、弯腰-起立、躺下、上楼梯、下楼梯、慢跑等所有日常活动的合加速度信号放在一起，可得到图2所示的“人体不同活动状态下的合加速度曲线”。当合加速度幅值高于某一阈值时，可将其归为类似跌倒动作。采用最大类间方差法，得到合加速度幅值最优阈值AT=20。但这种方法只能把跌倒动作和行走、上楼梯等较低强度的日常活动区分开，无法和下楼梯、慢跑等较高强度日常活动区分开。合加速度向量，其模值称为合加速度(幅值)A，为此，对合加速度向量模信号进行时间积分，得到合加速度幅值面积为
式(2)中:n为采样总数;i为采样序号;ai为拟合曲线对应的拟合离散数据点集合上的第i个值;bi为原始曲线对应的合加速度幅值面积的真实值。MSE的值越小，说明拟合曲线与原始曲线之间的相似程度越大。经过10次实验，MSE的值如表1所示，跌倒时MSE值比较高，慢跑和下楼梯时MSE值较低，设置1个MSE的阈值，就可以把跌倒动作、慢跑、下楼梯等较高强度的日常活动区分开。当MSE值高于某一阈值时，就可以判断其为跌倒动作。采用最大类间方差法得到最优阈值MSET=4.5。这是1种自适应的阈值确定方法，其基本思想是使用1个阈值将整个数据分成2个类，假如2个类之间的方差最大，那么这个阈值就是最佳阈值。
【参考文献】：
期刊论文
[1]基于Android的老年人能力评估系统的设计[J]. 李练兵,安子腾,杨鹏. 现代电子技术. 2018(12)
[2]基于Android的健康管理系统设计与开发[J]. 牟蓉,王世茹. 科学技术创新. 2018(15)
[3]基于Android应用程序的第三方类库检测系统[J]. 张超,王怀彬,王波. 天津理工大学学报. 2018(02)
[4]基于物联网的医院病房智能监护系统设计与实现[J]. 许建国,张佳,郭麦成. 现代电子技术. 2018(08)
[5]基于Android的移动警用人像识别比对系统的应用实现[J]. 余铭华. 电子技术与软件工程. 2018(07)
[6]基于儿童安全的智能监护系统[J]. 产秀秀,金玥,齐平平,洪发辉. 电子制作. 2018(02)
[7]基于物联网的多算法智能监护系统研究[J]. 王畅,孙福明,李漾. 电子技术应用. 2017(11)
[8]Lora技术在养老社区智能监护系统中的应用[J]. 吴畏,蒋德才. 自动化应用. 2017(04)
[9]基于模式识别的老年人智能监护系统研究[J]. 唐哲,李皎,王艺. 教育教学论坛. 2016(11)
[10]基于物联网技术的老人监护智能系统的研究与设计[J]. 杨海健,席桂清,辛元明,高扬. 科技创新与应用. 2016(02)
博士论文
[1]稀疏分数傅里叶变换理论及其在探测中的应用[D]. 刘升恒.北京理工大学 2016
[2]助行机器人运动控制和安全监护策略研究[D]. 徐文霞.华中科技大学 2016
[3]移动机器人粒子滤波定位与地图创建方法研究[D]. 刘洞波.湖南大学 2013
[4]可穿戴实时诊断、报警、移动健康监护系统[D]. 郑捷文.中国人民解放军军事医学科学院 2008
硕士论文
[1]基于云平台的心率检测与分析技术研究与应用[D]. 任淑梅.重庆邮电大学 2017
[2]基于人脸图像的非接触式心率测量方法研究[D]. 皮慧.东南大学 2017
[3]基于老年人健康状况监测的穿戴设备及系统设计研究[D]. 李宏太.西南交通大学 2017
[4]可穿戴心电监测装置设计与实现[D]. 牛群.哈尔滨工业大学 2016
[5]基于Android的老人健康监护系统的软件设计与实现[D]. 周银成.华中师范大学 2014
本文编号：3422871
【文章来源】：重庆理工大学学报(自然科学). 2020,34(04)北大核心
【文章页数】：9 页
【部分图文】：
老年人智能监护系统总体架构
利用智能手机内置的加速度传感器进行人体运动信息采集实现跌倒检测。手机内置加速度传感器，可以返回三轴的加速度数值，手机姿态随人体姿态的改变而改变，手机加速度数值的变化可以间接反映人体运动姿态的变化[13-15]。当前基于智能手机的跌倒检测算法基本是利用某一方向轴的加速度或合加速度幅值进行跌倒判断，这类方法只能区分跌倒与步行等较低强度的日常活动，在与慢跑、下楼梯等较高强度日常活动方面判断效果不佳。本系统使用合加速度幅值面积的曲线相似度进行跌倒二次判断，从而把跌倒与较高强度日常活动进行区分。将人体跌倒、行走、坐下-起立、蹲下-起立、弯腰-起立、躺下、上楼梯、下楼梯、慢跑等所有日常活动的合加速度信号放在一起，可得到图2所示的“人体不同活动状态下的合加速度曲线”。当合加速度幅值高于某一阈值时，可将其归为类似跌倒动作。采用最大类间方差法，得到合加速度幅值最优阈值AT=20。但这种方法只能把跌倒动作和行走、上楼梯等较低强度的日常活动区分开，无法和下楼梯、慢跑等较高强度日常活动区分开。合加速度向量，其模值称为合加速度(幅值)A，为此，对合加速度向量模信号进行时间积分，得到合加速度幅值面积为
式(2)中:n为采样总数;i为采样序号;ai为拟合曲线对应的拟合离散数据点集合上的第i个值;bi为原始曲线对应的合加速度幅值面积的真实值。MSE的值越小，说明拟合曲线与原始曲线之间的相似程度越大。经过10次实验，MSE的值如表1所示，跌倒时MSE值比较高，慢跑和下楼梯时MSE值较低，设置1个MSE的阈值，就可以把跌倒动作、慢跑、下楼梯等较高强度的日常活动区分开。当MSE值高于某一阈值时，就可以判断其为跌倒动作。采用最大类间方差法得到最优阈值MSET=4.5。这是1种自适应的阈值确定方法，其基本思想是使用1个阈值将整个数据分成2个类，假如2个类之间的方差最大，那么这个阈值就是最佳阈值。
【参考文献】：
期刊论文
[1]基于Android的老年人能力评估系统的设计[J]. 李练兵,安子腾,杨鹏. 现代电子技术. 2018(12)
[2]基于Android的健康管理系统设计与开发[J]. 牟蓉,王世茹. 科学技术创新. 2018(15)
[3]基于Android应用程序的第三方类库检测系统[J]. 张超,王怀彬,王波. 天津理工大学学报. 2018(02)
[4]基于物联网的医院病房智能监护系统设计与实现[J]. 许建国,张佳,郭麦成. 现代电子技术. 2018(08)
[5]基于Android的移动警用人像识别比对系统的应用实现[J]. 余铭华. 电子技术与软件工程. 2018(07)
[6]基于儿童安全的智能监护系统[J]. 产秀秀,金玥,齐平平,洪发辉. 电子制作. 2018(02)
[7]基于物联网的多算法智能监护系统研究[J]. 王畅,孙福明,李漾. 电子技术应用. 2017(11)
[8]Lora技术在养老社区智能监护系统中的应用[J]. 吴畏,蒋德才. 自动化应用. 2017(04)
[9]基于模式识别的老年人智能监护系统研究[J]. 唐哲,李皎,王艺. 教育教学论坛. 2016(11)
[10]基于物联网技术的老人监护智能系统的研究与设计[J]. 杨海健,席桂清,辛元明,高扬. 科技创新与应用. 2016(02)
博士论文
[1]稀疏分数傅里叶变换理论及其在探测中的应用[D]. 刘升恒.北京理工大学 2016
[2]助行机器人运动控制和安全监护策略研究[D]. 徐文霞.华中科技大学 2016
[3]移动机器人粒子滤波定位与地图创建方法研究[D]. 刘洞波.湖南大学 2013
[4]可穿戴实时诊断、报警、移动健康监护系统[D]. 郑捷文.中国人民解放军军事医学科学院 2008
硕士论文
[1]基于云平台的心率检测与分析技术研究与应用[D]. 任淑梅.重庆邮电大学 2017
[2]基于人脸图像的非接触式心率测量方法研究[D]. 皮慧.东南大学 2017
[3]基于老年人健康状况监测的穿戴设备及系统设计研究[D]. 李宏太.西南交通大学 2017
[4]可穿戴心电监测装置设计与实现[D]. 牛群.哈尔滨工业大学 2016
[5]基于Android的老人健康监护系统的软件设计与实现[D]. 周银成.华中师范大学 2014
本文编号：3422871
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/3422871.html
