一种用于预测老年人跌倒风险的系统及方法
【技术领域】
[0001] 本发明涉及一种跌倒预测设备，具体涉及一种用于预测老年人跌倒风险的系统及 方法。
【背景技术】
[0002] 2014年我国60岁以上人口数量已突破两亿，已步入老龄化快速发展期。跌倒是造 成老年人意外伤害的最多发原因，据统计，60岁以上老年人每年大约有三分之一的人曾经 跌倒，在超过80岁的高龄老年人群当中，身体伤害至少有50%是由于跌倒造成的。目前，老 年人的健康问题正获得社会越来越多人的关注。对于老年人而言，跌倒的发生并不是一种 意外，而是存在潜在的不可见因素。
[0003] 当前针对于老年人跌倒问题研究，主要集中在判断跌倒的发生及其严重程度以及 最后通过什么样的方式来传达老年人求救信息这两个方面。
[0004] 事实上，老年人的跌倒行为是可以预防和控制的，随着老年人肌力的退化，平衡能 力和反应能力的减弱，跌倒的风险会随之增加，故而通过对老年人的走路品质的有效评估， 指导行走行为过程，进行积极有效地干预，可大大降低其跌倒的发生，减少跌倒危害。
【发明内容】
[0005] 本发明的目的在于提供一种用于预测老年人跌倒风险的系统及方法，以克服上述 现有技术存在的缺陷，本发明能够获得老年人摔倒风险数据，方便快捷地预测老年人的步 态平衡和跌倒风险。
[0006] 为达到上述目的，本发明采用如下技术方案：
[0007] -种用于预测老年人跌倒风险的系统，包括压力传感器模块：用于检测人体的脚 底压力信息；信号采集模块：用于将脚底压力信息转换为电压信号；上位机处理模块：用于 接收电压信号并将其转换为脚底压力数据；数据分析模块：对上位机处理模块获得的脚底 压力数据进行计算分析得到人体步态数据，并通过步态数据评估跌倒风险，具体为采用人 体步态数据与正常人步态数据进行比较，当步态数据超出正常人步态数据范围时，跌倒风 险较大。
[0008] 进一步地，所述系统还包括无线传输模块：用于将信号采集模块得到的电压信号 通过蓝牙传送至上位机处理模块。
[0009] 进一步地，所述压力传感器模块包括两个设置有若干压力传感器的鞋垫，每个鞋 垫上的压力传感器不少于两个。
[0010] 进一步地，所述数据分析模块还能够根据脚底压力数据和步态数据获得人体重心 移动轨迹曲线，并通过人体重心移动轨迹曲线评估跌倒风险，具体为采用用户人体重心移 动轨迹曲线与正常人人体重心移动轨迹曲线进行比较，当人体重心移动轨迹曲线超出正常 人人体重心移动轨迹曲线范围时，跌倒风险较大。
[0011] 进一步地，所述人体重心移动轨迹曲线通过压力中心投影算法获得，压力中心投 影算法公式如下：
[0014] 其中，Xl，yi表示第i个压力传感器的坐标值；F Zil表示第i个传感器的压力值； xrap，yrap表示人体重心移动轨迹的坐标值。
[0015] 进一步地，所述系统还包括数据显示模块，所述数据显示模块能够实时显示上位 机处理模块获得的脚底压力信息、步态数据以及人体重心移动轨迹曲线。
[0016] 进一步地，所述数据显示模块中设有预警装置，预警装置中设置有步态数据以及 人体重心移动轨迹曲线的正常范围阈值，当步态数据或人体重心移动轨迹曲线超出对应的 正常范围阈值时，预警装置能够发出跌倒高风险预警。
[0017] 一种用于预测老年人跌倒风险的方法，包括以下步骤：
[0018] 步骤一：采集人体的脚底压力信息；
[0019] 步骤二：对脚底压力信息进行计算分析得到人体步态数据，并根据脚底压力信息 和步态数据获得人体重心移动轨迹曲线；
[0020] 步骤三：采用人体步态数据和人体重心移动轨迹曲线与正常人步态数据和正常人 人体重心移动轨迹曲线分别进行比较，当步态数据或人体重心移动轨迹曲线超出对应的正 常范围时，跌倒风险较大。
[0021] 进一步地，步骤一中采用两个设置有若干压力传感器的鞋垫采集人体的脚底压力 信息，且每个鞋垫上的压力传感器不少于两个。
[0022] 进一步地，所述人体重心移动轨迹曲线通过压力中心投影算法获得，压力中心投 影算法公式如下：
[0025] 其中，Xl，yi表示第i个压力传感器的坐标值；F Zil表示第i个传感器的压力值； xrap，yrap表示人体重心移动轨迹的坐标值。
[0026] 与现有技术相比，本发明具有以下有益的技术效果：
[0027] 本发明系统利用压力传感器模块检测人体的脚底压力信息，然后利用信号采集模 块将脚底压力信息转换为电压信号，利用上位机处理模块接收电压信号并将其转换为脚底 压力信息，利用数据分析模块对上位机处理模块获得的脚底压力信息进行计算分析得到人 体步态数据，采用人体步态数据与正常人步态数据进行比较，当步态数据超出正常人步态 数据范围时，则可以判断用户的跌倒风险较大，由此对老年人的走路品质进行有效评估，指 导行走行为过程，进行积极有效地干预，可大大降低其跌倒的发生，减少跌倒危害。
[0028] 进一步地，本发明采用无线传输模块将信号采集模块得到的电压信号通过蓝牙传 送至上位机处理模块，可以减少测试中的连线问题，简化设备，减少测试设备对行走过程的 干扰。
[0029] 进一步地，本发明采用更加直观的压力中心点投影算法，绘制出相应的人体重心 在足底投影的移动轨迹，人体重心轨迹的变化与足底压力存在密切的关系，采用用户人体 重心移动轨迹曲线与正常人人体重心移动轨迹曲线进行比较，当人体重心移动轨迹曲线超 出正常人人体重心移动轨迹曲线范围时，可以判断用户的跌倒风险较大。
[0030] 进一步地，本发明设置数据显示模块，首先可以实时显示采集的原始足底多路压 力信号，平且区别显示出来；第二，可以显示通过数据分析而得的多个步态数据值；第三， 可以显示人体行走过程中的重心投影轨迹。
[0031] 进一步地，数据显示模块中设有预警装置，预警装置中设置有步态数据以及人体 重心移动轨迹曲线的正常范围阈值，当步态数据或人体重心移动轨迹曲线超出对应的正常 范围阈值时，预警装置能够发出跌倒高风险预警。
[0032] 本发明方法通过采集人体的脚底压力信息；并对脚底压力信息进行计算分析得到 人体步态数据，根据脚底压力信息和步态数据获得人体重心在脚底投影的移动轨迹曲线； 采用人体步态数据和人体重心移动轨迹曲线与正常人步态数据和正常人人体重心移动轨 迹曲线分别进行比较，当步态数据或人体重心移动轨迹曲线超出对应的正常范围时，跌倒 风险较大，由此对老年人的走路品质进行有效评估，指导行走行为过程，进行积极有效地干 预，可大大降低其跌倒的发生，减少跌倒危害。
【附图说明】
[0033] 图1是本发明的系统组成结构示意图；
[0034] 图2是本发明实施例的压力传感器分布示意图；
[0035] 图3是本发明的信号采集电路；
[0036] 图4是本发明的软件流程图。
【具体实施方式】
[0037] 下面结合附图对本发明作进一步详细描述：
[0038] 人类的步态是一组复杂的运动，通常由若干周期组成。每一个步态周期又分为站 立相和举步相两个阶段，而站立相由中间稳定期、脚后跟着地期和推进期三个阶段组成。通 过研究行走过程中人类的髋、膝、踝等关节的运动规律以及足底压力有关的物理量，可为老 年人跌倒风险预测提供理论支持。行走过程中，人的身体姿势不断改变，身体重心不断变 化，而在人的行走过程中身体姿势的改变具有周期性，所以人体重心变化也会存在周期性。 通过步态行走过程中人体重心的周期性变化规律，可对老年人跌倒风险进行预估。
[0039] 本发明主要从老年人跌倒风险预测出发，提出一种基于压力传感与数据分析的智 能鞋垫系统设计，主要原理是基于压力中心投影方法来判断老年人步态行走过程的重心变 化情况，作为老年人步态平衡评估系统，进而对其跌倒风险进行预估，获得老年人摔倒风险 数据，方便快捷地预测老年人的步态平衡和跌倒风险。
[0040] 参见图1至图4,本发明一种用于预测老年人跌倒风险的系统，包括压力传感器模 块、信号采集模块、无线传输模块、上位机处理模块、数据分析模块和数据显示模块六个部 分。
[0041] 所述的压力传感器模块由两只内置多个压力传感器的鞋垫组成，通过压力传感器 采集用户的脚底不同位置的压力信息。为了获得精确的脚部压力数据，所需的压力传感器 个数不少于两个，主要布置于脚掌和足跟等着力点处，压力传感器个数越多，则测量结果越 精确。一种单个鞋垫内置六个薄膜压力传感器的鞋垫布局样式如图2所示。
[0042] 所述的信号采集模块由信号采集电路组成，主要将压力传感器的压力变化转化为 可供AD采集的电压信号的变化，通过运算放大器搭建同相比例放大器或者反相比例放大 器实现。整个模块采用微型计算机处理芯片作为控制中心，搭建供电等外围设备，使得12 路I/O数据采集接口不断更新采集数据，存储在RAM模块中。该模块使用腰带绑在测试者 腰部，通过便携式电池供电，应用约一米长的排线由腰部连接到脚底两只鞋垫上的各个压 力传感器，连接线在连接过程中尽可能不影响正常行走过程。
[0043] 所述的无线传输模块其功能是进行短距离的数据传输，在信号采集模块完成信号 采集后，通过蓝牙传送至上位机处理模块。该模块集成在信号采集模块的微型处理器中，增 加无线信号发射装置，通信距离在五米。
[0044] 所述的上位机处理模块主要接受无线传输模块的蓝牙信号，获得压力传感器模块 的所有压力传感器的压力信息，并通过所述的数据分析模块依次区分哪一路压力传感器的 信号，分别存储并滤波预处理。
[0045] 所述的数据分析模块可以利用所采集的多路信号压力值进行计算分析，即可以得 到脚跟与脚掌的着地顺序与压力分布，进一步计算得到人体步态数据，分析包括得到步态 周期，重心位置等。其中的步