医疗保健行业面临三大挑战：人口越来越老，慢性病病例大幅增加，医疗保健费用也在爆炸式增长。预计未来20年，老年人口将呈指数增长。到2030年，欧洲人将超过65人，其中40％需要援助。没有得到足够的照顾，老年人有失去独立性的危险。因此，老年人高度期望独立的生活方式。但老年人的独立生活方式往往伴随着高风险。已经开发了许多利用各种传感器实现的智能家居技术，以跟踪和监测家中老年人的活动并帮助他们独立生活。
环境辅助生活（AAL）在这方面提供了一系列的好处。这些好处包括连接患者，医生和医疗设备，这大大提高了治疗和护理的效率。链接可以自动记录和评估患者的活动和健康数据，无论他们身在何处。因此，只有当患者的健康状况恶化时才需要拨打医疗人员。这里的目标是降低医疗保健部门的成本，并改善患者的护理，即使患者不再在医院中持续受到监控，也无法在日常生活中对其进行监控。
人类行为分析和活动识别是当今AAL系统不可分割的一部分。可靠和准确的监测以及需要时的实时驱动都必须在这些系统中有所要求。日常活动，如烹饪，睡觉和清洁是老年人或病人身体能力的良好指标。因此，自动识别这些活动的系统可实现自动健康监测，并为医务人员提供客观测量。这样的系统应该能够检测到任何异常情况，例如突然下降，并提供立即驱动。因此，活动监测系统是未来健康应用的关键一步。
在本文中，我们介绍了一个综合家庭健康监测系统，该系统包括一个基于视觉的活动监测系统和一个生命体征监测系统。该系统的目的是能够监控个人的活动，同时能够在执行该活动时监控他/她的生命体征。可穿戴医疗技术和嵌入式视觉技术的整合（绑定）是实现真正的家庭健康监测系统的关键。
视觉传感
到目前为止，活动监测市场一直以视频监控技术为主。然而，随着这种活动监测在家庭环境中发生变化，视频分析由于其基本缺陷而未能成为正确的解决方案，例如侵入被监测者的隐私和需要传输的数据量，因为它是视频。嵌入式视觉传感技术的出现有助于克服这两个问题。嵌入式视觉传感平台在边缘节点处执行实时处理，系统的输出仅对遥测/处理数据有用 - 因此克服了隐私问题，因为传输的数据不是视频或图像（侵入隐私），但只有活动数据，如烹饪，清洁或睡觉。
活动监控嵌入式视觉系统包括检测人员，追踪人员移动，识别他们的姿势和兴趣活动。嵌入式传感平台的典型架构通常由以下部分组成：
一个光学系统（一个CMOS传感器加上镜头）：这捕获图像。需要根据视场，系统配置和房间几何形状来定义正确的光学配置。有时，CMOS传感器可能会进行一些图像预处理，从而减少嵌入式处理器的处理负载，反过来，如果正确执行工作循环，这可以降低系统的功耗。
处理系统：处理器是该系统的核心，现在预计它将执行更多的控制，传感和接口，同时消耗很少的功率和面积。嵌入式系统平台中的处理器，对光学系统捕获的图像运行图像处理算法。处理完成后的系统输出只是遥测数据。在家庭健康情景中，输出可能与人的活动有关，例如他/她是否正在睡觉，清洁或跌倒。
连接性：这可以是嵌入式，基于视觉的系统中的有线或无线连接。但是，它可能是家庭环境中的无线连接。由于输出只是遥测数据而不是原始视频数据，因此传输的有效载荷大大减少。然后将其传输到云平台，并以护士或监护人的应用程序的形式实时提供。
云/数据分析：这构成了系统的后端。云基础设施不仅可以以应用程序的形式实时访问数据，还可以运行后台数据分析算法来识别家庭活动的背景趋势。
系统设计考虑和主要挑战
可靠性：活动监控系统以最可靠，安全和准确的方式提供活动信息非常重要。此外，如果发生紧急情况，系统必须能够准确地检测到紧急情况并发出警报，重点在于减少虚假警报的产生，以防止意外联系人员或紧急派遣。
延迟：由您的活动监控系统生成的警报的即时响应/驱动/警报是一个功能，可以定义您的安全系统的确切潜力。监控您的活动的基本功能 - 无论是睡觉，行走，清洁还是紧急情况 - 都应该立即报告，以便在事件和报告之间实现最短时间延迟。
防篡改：最后，活动监控系统需要尽可能防篡改。篡改可能发生在系统的任何阶段，无论是终端节点，无线/有线连接，还是周期的数据控制和分析结束。违反建筑物自动化系统/网络是安全系统和家庭监控系统非常关注的话题。
ADI嵌入式视觉传感平台
ADI的BLIP（Blackfin处理器®低功率成像平台）是一种低成本，低功率，高性能嵌入式视觉传感平台，可以运行的实时感测和图像处理算法繁多。BLIP由ADI公司的Blackfin系列处理器ADSP-BFxxx组成，适用于嵌入式视觉传感算法。有关BLIP和ADI产品的更多信息，请登录analog.com/blip。
精确，紧凑和低功耗重要标志测量
在2016年1月初的拉斯维加斯举行的CES展上，ADI公司首次展示了该解决方案。呈现的生命体征（VSM）的测量包括心率和活动，并且通过戴在手腕上的手表显示。
此表内，我们发现了一个模块化的架构，由主板的嵌入在新的Cortex ® ADI公司，这是市场，命名为ADuCM302x上至少消耗M3控制器-M3微控制器，以及一个2.4 GHz无线电收发器允许发送VSM数据与谷歌线程协议。在子板上是一个光度前端ADPD103，它由三个绿色LED和一个光电二极管以及市场上功耗最低的三轴加速度计ADXL362所包围。这两个装置彼此同步以更有效地补偿人员的移动。
ADPD103是一款光度前端，通过反射光学测量工作，通过其LED驱动器发送8 mA至250 mA的电流，以照亮组件的外部LED。这些LED照亮皮肤并通过光电二极管使用反射测量，因此信号由前端采集，然后通过14位ADC进行放大，滤波，积分和转换，然后通过I²发送到主机C界面。
使LED和光电二极管在外部具有多个优点：它允许选择LED的数量，LED的颜色，它们的电流强度，并且特别是为了使LED与光电二极管的最佳间隔最大化调制指数（它设置交流 - 直流比，因此设置反射信号的质量）。它还可以让您选择光电二极管的尺寸（当后者更宽时，调制指数会更高），并可能添加超低噪声和低功率电流放大器。
根据所执行的测量类型（HRM-心率，脉搏血氧仪）和皮肤上的测量位置来选择LED的颜色。为了测量手腕上的心率，我们选择绿色LED，因为它们对于500nm至600nm波长的血红蛋白吸收最高。当你的心跳在你的手腕上的血流，吸收绿光是优越的。在节拍之间，它减少。通过每秒闪烁数百次绿色LED，ADPD103可以计算心跳每分钟的次数，这是您的心率。建议将绿色LED与光电二极管间隔3 mm或更方便，以增加调制指数，如图3所示。
如果我们想要测量脉搏血氧饱和度，那么我们选择一个红色LED和一个红外LED，我们将用手指来练习（我们也从这种方法中获益于HRM），因为它具有很强的毛细血管浓度。脉搏血氧仪是医生用来评估和快速控制患者呼吸功能的非侵入性方法。通过光电二极管的红光和红外光的比率表示血液中含氧血红蛋白与脱氧血红蛋白的百分比。血液中的氧饱和度也被称为SpO2。
因此血氧定量法是基于测量血液毛细血管中血红蛋白的光吸收，特别是测量每个红细胞的氧合血红蛋白（氧合血红蛋白）和脱氧血红蛋白（脱氧血红蛋白）的比率：
98％SpO2意味着每个红血球装载98％氧合血红蛋白和2％脱氧血红蛋白
ADI公司还为表面受限应用提供模块解决方案（模拟前端，光电二极管和LED，采用同一封装），无需对光学测量进行大量优化。因此，ADPD142包含一个红色LED和一个红外LED，可以在手指上测量SpO2。其后续产品ADPD144提供了一种改进的机械设计，可减少内部光污染（这是LED与光电二极管之间的直接光线）。它在24,425次样品测量中提供了2.6％的平均测量误差，使其符合FDA。ADPD144的封装尺寸为5 mm×2.8 mm，高度为1.35 mm。
如上所述，为了最大化调制指数并因此使测量信号的质量最大化，LED和光电二极管之间必须有最小间隔，这在空间受限的模块中可能不是最佳的。因此，对于因运动，排汗和皮肤表接触位移而受到额外限制的运动手表等应用，ADI公司建议仅使用来自光度测量前端的外部LED和光电二极管解决方案。
在软件方面，ADI公司提供光度传感器和加速度计驱动器，并在CES上推出了自己的运动补偿算法，该算法运行在Cortex-M3内核上，ADuCM3027在13 kB ROM上仅为1.5 MIPS，而7.8 kB的RAM。这是一个重大突破，因为在此之前，这种类型的算法需要浮点计算，因此需要Cortex-M4处理器类型，这种处理器功耗更大，成本更高。还要注意皮肤或纹身的颜色影响测量的反射信号的质量。建议不要将解决方案放在纹身上; 调节指数稍微降低，因此需要优化光学设计的解决方案。
超低功耗平台
假设我们在Cortex-M3 ADuCM3027上执行运动补偿算法和一些确定LED功耗的特性，现在让我们尝试确定之前讨论过的手表的功耗。
ADPD103在一个或两个时隙上发送LED脉冲序列。这允许例如从一个LED到另一个LED的不同数量的脉冲。ADPD103的功耗是AFE和LED功耗的总和。
让我们举例来说这些条件：
F S = 100Hz; 2个插槽; 脉冲周期A =20μs; 脉冲周期B =40μs
脉冲数A = 4; 脉冲数B = 8
LED A中的最大电流= 25 mA;
LED B中的最大电流= 100 mA
脉冲持续时间A =3μs; 脉冲持续时间B =3μs
因此LED_A = （3×4/10000）×25 mA = 30μA中的有效电流
因此，LED_B中的有效电流= （3×8/10000）×100mA =240μA
AFE的A通道中的电流= F S（（20 +脉冲计数×脉冲周期）×Vdd 峰值 + 0.13）= 100（（20 + 4×20）×0.0093 + 0.13）=106μA
AFE的B通道中的电流= F S（（20 +脉冲计数×脉冲周期）×Vdd 峰值 + 0.20）= 100（（20 + 8×20）×0.0093 + 0.20）=187μA
ADPD103的总电流（包括两个LED的功耗）为563μA
如上所述，ADI公司开发的运动补偿算法仅需1.5 MIPS即可运行，我们接近运行频率1.5 MHz。ADuCM3027的功耗为38μA/ MHz，意味着微控制器消耗57μA。ADXL362采用2μA采样频率为100 Hz，因此，本例中的AFE和LED，Cortex-M3和加速计系统消耗622μA。这种低功耗可最大限度地缩短使用时间，而无需为本手表内置的LiPo电池充电。在待机模式下，ADPD103消耗3.5μA。它的后继者将把这个值降低到1μA。
应该指出的是，这个例子显示了一个不符合精确应用的功率计算。取决于目标应用，通过LED的电流以及与系统功耗直接相关的采样频率，您可以得到更好或更差的结果。也就是说，ADI的低功耗解决方案有助于减少医疗设备的充电时间和功耗，从而使老年人能够过上更独立的生活方式。
作者：Vidushi Kshatri
Vidushi Kshatri是ADI智能建筑的部门经理，拥有电子和通信工程背景，并专注于机器学习和基于视觉的技术。她于2015年加入ADI公司，担任应用工程师，专注于物联网和环境监测应用，然后开始管理SMART建筑部分。
