پياده‌سازي سيستم آشكارساز افتادن سالمندان درتلفن هاي همراه هوشمند با استفاده از حسگرهاي شتاب‌سنج و ميكروفن

A Smartphone-based Fall Detection System using Accelerometer and Microphone

افتادن يكي از اصلي ترين دلايل مصدوميت افراد مختلف، به‌خصوص در سالمندان است. اطلاع‌رساني سريع و دقيق از افتادن مي تواند مقدار زيادي از خطرات آسيب‌ديدگي ناشي از آن را كاهش دهد. در اين پژوهش، سعي شده است تا سيستمي معرفي و پياده‌سازي شود كه بتواند دو وظيفه اساسي را به درستي و در مدت زمان اندكي انجام دهد. در مرحله اول، بتواند افتادن را از ساير فعاليت هاي روزمره تشخيص دهد و به دنبال آن اطلاعات لازم و موثر از افتادن فرد را در اختيار ديگران بگذارد. سيستم مورد نظر در اين پژوهش، قابليت پياده‌سازي روي تلفن هاي همراه هوشمند را دارد. براي شناسايي افتادن، از حسگرهاي شتاب‌سنج و ميكروفن موجود در تلفن-هاي همراه استفاده شده است. حسگر شتاب‌سنج مي‌تواند شتاب دستگاه را در سه جهت ثبت كند و مي توان از آن براي دريافت اطلاعات شتاب حركت فرد استفاده كرد. علاوه بر اين، عملكرد سيستم شناسايي با تحليل صداهاي محيط بهبود داده شده است. افتادن با استفاده از اين دو حسگر، آشكارسازي شده و پيام هشدار، كه شامل اطلاعات مكاني و زماني افتادن فرد است، اطلاع‌رساني مي شود. براي ارزيابي سيستم طراحي شده، از دو معيار حساسيت و اختصاصيت استفاده شده كه مقادير آن ها به‌ترتيب 96% و 77% به‌دست آمده است.

Falls are one of the main reasons to injury, especially in the elderly people. These injuries can be reduced by quick and accurate response or reaction, but this is not possible often in elderly people because they usually live alone and after injury caused the falling, cannot call for help. This paper presents a fall detection system to do twomajor tasks properly and quickly; firstly, it shoulddetect fall from other daily activities andsecondly, transmit falling person’s necessary information to help. This system is implemented on Android-based smartphone and it used tri-axial accelerometer and microphone to fall detection. Everydayinteraction with the smartphone makes our system more familiarto the user. The accelerometer is used to record variations of acceleration in three directions.Thissystem isimproved with detecting the noise caused the falling, by analyzing environmental sounds. After fall detection, a warning text message that contains information about time and location of the falling will besent to the caregivers. A comprehensive evaluation with 18 volunteers shows that the proposed system has sensitivity of 96% and specificity of 77% for different types of fall in quiet and noisy environments.