Skip navigation
Please use this identifier to cite or link to this item: http://repositorio.unb.br/handle/10482/34391
Files in This Item:
File Description SizeFormat 
2018_JavierAlexisUrrestySanchez.pdf11,46 MBAdobe PDFView/Open
Title: Sistema vestível para a detecção de quedas em hardware reconfigurável
Authors: Urresty Sanchez, Javier Alexis
Orientador(es):: Muñoz Arboleda, Daniel Mauricio
Assunto:: Quedas (acidentes) em idosos
Sensação de segurança
Quedas (acidentes) em idosos - prevenção
Redes neurais artificiais
Issue Date: 4-Apr-2019
Citation: URRESTY SANCHEZ, Javier Alexis. Sistema vestível para a detecção de quedas em hardware reconfigurável. 2018. ix, 81 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2018.
Abstract: Os acidentes como as quedas podem ocorrer durante as atividades diárias de uma pessoa, sendo uma das principais fontes de morbidade e mortalidade na população idosa. A detecção em tempo real das quedas e a respectiva comunicação para um centro de emergências, cuidador ou familiar da pessoa, pode permitir assistência médica rápida, aumentando assim a sensação de segurança e reduzindo algumas das consequências negativas das quedas. O presente trabalho descreve o desenvolvimento de um sistema de detecção de quedas baseado em um sensor de aceleração e um microfone colocados no pulso do usuário, arquiteturas em hardware do algoritmo de detecção de quedas implementadas em um FPGA e um dispositivo bluetooth, encarregado de enviar a alarme gerada pelo algoritmo para um smartphone com um aplicativo Android, o qual envia uma mensagem de alerta para um contato previamente estabelecido. O algoritmo para detecção de quedas está baseado em uma rede neural artificial e em um avaliador de limiares de som. A partir da identificação de um padrão no sinal de aceleração que possuem as quedas e que está constituída por 138 amostras, em conjunto com um processo de filtragem, discretização no tempo e normalização do sinal, foi treinada a rede neural artificial no Matlab, utilizando um conjunto de movimentos realizados por 12 voluntários, composto por 170 quedas e 170 atividades da vida diária. Por outro lado, o avaliador de limiares de som, foi implementado devido a que a rede pode classificar erradamente alguns movimentos da vida diária como uma queda usando como entrada o valor da aceleração. O avaliador está encarregado de avaliar dois limiares (superior e inferior) do sinal de som e quando estes são alcançados e a rede informa da detecção de uma queda, o sistema gera um alarme. A rede neural artificial foi mapeada em hardware em três arquiteturas diferentes: Paralela, Semiparalela e Serial, fazendo uso de operadores em ponto flutuante de 27 bits. Uma comparação entre as três arquiteturas em termos de precisão nos cálculos, consumo de energia, frequência máxima de operação, quantidade de recursos empregados e tempos de execução, permitiu escolher a melhor entre elas, para ser implementada no protótipo do sistema de detecção de quedas. A arquitetura escolhida e o avaliador de limiares foram mapeados em FPGA na placa de desenvolvimento Arty-Z7 (chip xc7z020clg400-1 da Xilinx) operando a uma frequência de 83.33 MHZ. Para a avaliação do sistema de detecção, participaram cinco voluntários, os quais fizeram 100 quedas e 225 atividades da vida diária. Os resultados mostraram que o sistema proposto obtém um 94,0% de sensibilidade, um 92.4% de especificidade e um 92,9% de precisão, os quais permitem demostrar que os algoritmos de detecção de quedas implementados no FPGA possuem uma boa capacidade de generalização, a qual possibilita a detecção de quedas independentemente das características físicas dos usuários.
Abstract: Accidents such as falls can occur during a person’s daily activities, being one of the main sources of morbidity and mortality in the elderly population. Real-time detection of falls and their communication to an emergency center, caregiver or family member can enable rapid medical assistance, thus increasing the sense of safety and reducing some of the negative consequences of falls. The present work describes the development of a wearable fall detection system based on an acceleration sensor and a microphone placed on the user’s wrist, hardware architectures of the fall detection algorithm implemented in an FPGA and a Bluetooth device in charge of sending the alarm generated by the algorithm to an Android-based application running on a smartphone, which sends an alert message to a previously established contact. The fall detection algorithm is based on an artificial neural network and a sound threshold evaluator. Firstly, acceleration signals of simulated falls were acquired at 125 Hz using a set of movements performed by 12 volunteers, composed of 170 falls and 170 activities of the daily living. A pattern composed of 138 acceleration samples was identified and along with a filtering process, time discretization and signal normalization, allows an artificial neural network to be trained in Matlab. On the other hand, the experimental analysis demonstrated that the neural network may erroneously classify some movements of daily life as a fall. In order to overcome this problem, a simple sound threshold evaluator was implemented. It is in charge of evaluating two thresholds (upper and lower limits) of the sound signal and when reached and at the same time the neural network detects the fall, then the system generates an alarm. After the design of the fall detection algorithm. The artificial neural network was mapped on hardware in three different architectures: Parallel, Semi-parallel, and Serial making use of 27-bit floating-point arithmetic and trigonometric operators. A comparison of the three architectures in terms of accuracy, power consumption, maximum operating frequency, number of resources employed and execution times allows the best solution to be chosen in order to be implemented in the fall detection system prototype. The chosen architecture and the threshold evaluator were mapped on a FPGA Arty-Z7 development board (chip xc7z020clg400-1 from Xilinx), operating at a frequency of 83.33 MHz. The results showed that the proposed system obtains 94.0% sensitivity, 92.4% specificity and 92.9% accuracy. Which demonstrated the generalization capacity of the proposed fall detection algorithms and enables the fall detection regardless of the physical characteristics of the users.
Description: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2018.
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Appears in Collections:ENM - Mestrado em Sistemas Mecatrônicos (Dissertações)

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/34391/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.