-
文献综述 - 引言
随着老年人口的剧增，老龄化社会以及老年人的医疗保健问题已成为当今社会的突出问题。相关数据显示，中国一年当中大约有四千万个老年人跌倒，而其中占比最大的是年龄超过六十五岁的人。WHO 一项数据显示，每年世界约有超过三十万人因跌倒致死，这里面大多数都是年龄超过六十五岁的人。而三分之一的年龄超过六十五岁的人都跌倒过，三分之二十的人还出现过两次跌倒，在一年之中。而由此跌倒出现的其他问题，如手臂断裂，头部受伤等，都给老人的生活带来极大的不便，造成极大的心里压力。如何实现对老年人实行医疗监护，已经成为社会急需解决的问题。而老年人跌倒更是在老年人医疗保健问题上的重中之重，其中跌倒检测与报警的系统与相关的设备就成为了研究的热点问题。
- 国内外研究现状
国外现状：西方发达国家因为有着较强的公共医疗保险制度，对于老年人的健康问题十分的关注，在很早就对于跌倒检测进行研究。在上个世纪五十年代，老年人使用拐杖的数量居多，欧洲国家研发出了一种利用压力传感器的手持拐杖跌倒报警装置，当压力传感器检测不到压力并且持续一段时间后，就会利用集成的蜂鸣器进行报警。[1]这种报警方法在虽然在当时看来时一种可靠有效的方法，但而现如今国外对于跌倒报警开需要更高的检测精确度。在美国德州，一家名为德州仪器的公司利用毫米波传感器这种非常前沿的传感器，结合最新研发的3D点云信息算法对老年人的跌倒进行检测。德州仪器IWR6843毫米波传感器可实现高精度的跌倒检测，而无需与被监视人员接触。除了通过材料进行感应外，传感器还可在所有照明条件下进行检测，并通过利用3D点云信息为场景中的范围、角度和速度系统提供数据参数。当德州仪器毫米波传感器用作系统中的唯一技术时，它为系统在家庭或楼宇中的物理姿态提供了更大灵活性。由于毫米波技术捕获的是点云数据而非图像，因此基于毫米波技术的跌倒检测系统可用于更敏感的区域，例如家里的浴室或卧室。德州仪器毫米波传感器，系统就可检测到潜在的跌倒情况并触发响应，这样就不需要个人经常携带主动的安全警报按钮进行手动报警。
国内现状：目前国内外针对老人跌倒报警这块的研究和设备很多，按类型分有：手动报警系统、基于图像的跌倒探测系统和物理传感器跌倒检测系统。在手动报警系统中，中国一家公司研发的飞利浦的报警系统中的 HomeSafe 型号，包含一个可挂颈部的报警器。用户自主启动型跌倒报警系统是指在用户摔倒之后通过发射报警信号至相关的医疗单位或家人，以便以能够及时得到救治。通常只要按动佩戴设备的一个按钮就可以完成报警，[6]但这种报警装置是一种主动报警装置，对于跌倒行为不能进行检测需要手动进行报警。另一种跌倒报警设计就采用了压力传感器进行跌倒报警检测，通过实时检测拐杖底部的压力，当压力变为0的情况出现时，经过一段时间如果没有通过按键取消预警，就会利用无线传输模块将报警信息进行发送。利用图像的跌倒检测系统对于人体的跌倒行为检测具有很高的精准度与准确度，但需要非常清晰的图像数据，因此对于图像采集时的摄像要求十分高。[4]浙江工业大学的杨海清，石珏设计了一种基于姿态估计的静态图像跌倒检测方法，利用卷积神经网络提取人体的姿态估计，通过人体的姿态估计判断出人体是否为跌倒状态，利用分类网络进行跌倒姿态的验证。但这种方法就像上面提到的问题的一样，都需要非常良好的检测环境，适用性不是非常强。
因此对于上述跌倒检测与报警系统分析，利用各种物理传感器来对跌倒进行检测才是最主流的方式。我国对于这方面的研究已经实现了很多的产品，如北京天地弘毅科技有限公司开发的“小和”跌倒报警装置，这种方式不仅体积小，而且可以和互联网连接，发挥强大的日常监测功能。[6]但采用单一类传感器例如加速度传感器、角速度传感器或压力传感器确实可以对于跌倒检测进行判断，但在检测时的阈值处理会有很大的误差存在，所以在跌倒检测时所采用的多是多种信息互相融合进行检测的方式。因为在老年人发生跌倒时，人体的加速度、角度甚至于血压心率都会产生一个很大程度的变化，虽然每种检测方式的精确度都不是很理想，但是把每种检测的判断进行分级处理，做出第一、第二或第三的判断标准，提取各个跌倒模型下的传感器的数据特征，然后进行融合判断，实时响应度高，会有很乐观的精确度。如果在特定的场景中，再将这种思路与基于图像的跌倒检测报警技术和主动报警技术联系在一起，即可以实现实时的跌倒检测报警监控，又可以在第一时间进行紧急的救护援助，并且在精确度上能够实现最大化的优化。
（三）存在的问题
基于姿态的跌倒检测方法是利用人体的姿态估计进行跌倒检测判断，姿态估计的好坏直接影响跌倒检测效果的精度；在实际的检测中一些误检测是因为人体的坐标预测错误导致的，接下来将会对姿态估计进行更深层次的研究。跌倒检测主要是针对独居老人考虑设计的，并没有考虑多人的问题，下一步将会针对多人的场景下进行跌倒检测判断。移动终端性能限制，跌倒检测算法不能过于复杂，如果是实时判断跌倒的情况，同时还对计算时间有要求，移动终端性能有限，复杂算法难以应用，但较简单的方法又存在准确性不高的问题。需要探索更好的方法实现这两者的平衡而且高效。实施中根据采集到大量跌倒相关行为数据进行学习，提取高度相关的跌倒行为因素并进行特征提取和分类，然后针对实时采集到的个体行为数据实现跌倒检测和识别。通过计算量较小的方法检测跌倒，同时进行了一定的个性化，但从分类准确率上看，还有提高空间，后续可通过与医院、社区等进行合作，采集更多真实老年人活动数据。对老年人跌倒手机的传感单元数据进行分析。建立针对老年人的跌倒检测模型，提高其分类准确率。
- 未来的发展趋势
近几年5G技术的的实现，也会为人们带来更多的方便。5G的到来加速了物联网的发展，5G标准的推出对于物联网发展来说会带来更多的机会，利用5G的通信信息技术可以对跌倒检测进行更快地报警，甚至可以对于跌倒的位置进行精准的基站定位。
未来的跌倒检测与报警的装置会多数表现为基于多传感器的老年人日常动作识别与跌倒检测，采用多传感器如加速度传感器、磁传感器、压力传感器等信息融合来实现对于老年人群体的跌倒检测，并对跌倒险情及时预警以及联系救护。通过多传感器数据互补的形式弥补了单一传感器检测数据的不足的缺陷。
二、查阅中外文献资料目录
