NOSIVI BEŽIČNI SUSTAV ZA MJERENJE POKRETLJIVOSTI I DETEKCIJU PADA STARIJIH OSOBA

Transcription

1 SVEUČILIŠTE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAČUNARSTVA NOSIVI BEŽIČNI SUSTAV ZA MJERENJE POKRETLJIVOSTI I DETEKCIJU PADA STARIJIH OSOBA Studenti: Grgo Čupić Roko Krpetić Milan Listeš Mentor: Prof.dr.sc. Branko Jeren Zagreb, listopad

2 Sadržaj 1. Uvod Potreba za mjerenjem pokretljivosti i detekcijom pada Realizirani sustav Sklopovska podrška Senzorski čvor Akcelerometar Arduino Duemilanove Digi Xbee Series Arduino XBee Shield Prijemni čvor Programska podrška Programska podrška za mikrokontroler Programska podrška za osobno računalo Dohvat podataka i izračun mjere pokretljivosti Algoritam za detekciju pada Algoritam za detekciju aktivnosti Algoritam za detekciju dužeg stanja mirovanja Alarmiranje Log datoteke Grafičko korisničko sučelje Grafički prikaz akceleracije i mjere pokretljivosti Sistemski test Rezultati Prijedlozi poboljšanja Zaključak Literatura Sažetak Abstract

3 1. Uvod Napretkom tehnologije pojavljuju se brojna rješenja na području zdravstvenih elektroničkih sustava. Automatizirano nadziranje zdravlja pacijenta može smanjiti broj nepotrebnih hospitalizacija pacijenata. Korist je višestruka: oslobađaju se resursi zdravstvene službe za one pacijente kojima je potrebnije, olakšava se briga i nadzor nad pacijentima i osiguravaju točni i objektivni podatci za liječnike. Ti sustavi najčešće uključuju daljinska mjerenja nekih zdravstvenih parametara (npr. elektrokardiogram). Veliki broj tih telemetrijskih sustava namijenjeni su visokorizičnim osobama (zbog starosti, neke kronične bolesti, nedavne kirurške intervencije, itd.). Posljednjih godina prosječna starost u našem društvu je porasla, samim time porastao je broj nepokretnih osoba i osoba koji zahtijevaju posebnu medicinsku skrb. Povećani zahtjevi na zdravstveni sustav mogu se rješavati primjenom novih tehnologija, tj. telemetrijskih sustava. Ovakvi sustavi starijim osobama osiguravaju više slobode u svakodnevnim aktivnostima. Mogu se koristiti za osobe koje žive same u svom domu, ali i za osobe koje žive u staračkim domovima. Kod starijih osoba čest uzrok hospitalizacije i izvor brojnih drugih zdravstvenih posljedica je pad. Također, važno mjesto među parametrima koji određuju zdravstveno stanje starijih osoba zauzima pokretljivost (eng. mobility). Mjerenje pokretljivosti i detekcija pada dobro se nadopunjuju u korištenim senzorskim modalitetima kao i u programskim algoritmima Potreba za mjerenjem pokretljivosti i detekcijom pada Svaka treća osoba starija od 65 godina pretrpi pad tijekom svakodnevnih aktivnosti [8]. Pad je jedan od glavnih uzroka nepokretljivosti kod starijih osoba. Čak 90% ozljeda kuka nastalo je kao posljedica pada, a 33% tih ljudi umrlo je od posljedica pada. Iz navedenih podataka je jasno kako je potrebno rješenje za prevenciju i pravovremenu detekciju pada kod starijih osoba tijekom svakodnevnih aktivnosti. Veza između zdravstvenog stanja i pokretljivosti je poznata. Povećana pokretljivosti poboljšava izdržljivost i snagu mišića i poboljšava kvalitetu života. Razina pokretljivosti usko je povezana sa zdravstvenim stanjem, ali i sa psihološkim stanjem [12]. Pokretljivost se odnosi na količinu vremenu koja osoba provodi u dinamičkim aktivnosti kao npr. šetnja ili trčanje, kao i na količinu vremena koju osoba provodi u statičkim aktivnostima (sjedenje, stajanje, ležanje). Pokretljivost je objektivan parametar za kontrolu zdravlja i za odabir određenog načina liječenja. Metode za mjerenje pokretljivosti uključuju opažanje, kliničke testove, psihološka mjerenja, dnevnike i upitnike i mjerenja zasnovana na senzorima [10]. Dnevnici i upitnici zahtijevaju veliku suradnju s pacijentom i subjektivni su. Opažanje i klinička testiranja se provode u prekratkim periodima te nisu objektivna zbog činjenice da se provode u neprirodnom okruženju - bolnici. Psihološke tehnike su objektivne, ali i skupe. Dugoročno kontinuirano mjerenje pokretljivosti zasnovano na senzorima u prirodnom kućnom okruženju pruža najobjektivniju sliku pokretljivosti. Kontinuirano dugoročno mjerenje zdravstvenog stanja starije osobe omogućuje da starija osoba živi neovisno u vlastitom domu, štedi vrijeme skrbniku i osigurava objektivne podatke za liječnike. Pokretljivost se može mjeriti senzorima postavljenim po kući koji služe ili za inteligentnu prilagodbu kuće ukućanima ili za praćenje zdravstvenog stanja. Druga mogućnost su nosivi senzori koji se nose na osobi i kontinuirano bilježe fiziološke ili biomehaničke parametre bez obzira na lokaciju ukućana. Parametri ključni za razvoj nosivih sustava su: veličina, težina, energetska 3

4 potrošnja. Nosivi sustav mora biti što jednostavniji za korištenje i ugodniji za pacijenta, a to znači: što manjih dimenzija, što lakši, što jednostavniji za korištenje i što veće autonomije rada. Zbog navedenih razloga u ovom radu je realiziran nosivi sustav. Među nosivim možemo izdvojiti one koji su autonomni i samostalno obrađuju i prikazuju podatke i na one koji ih prosljeđuju. Autonomni uređaji su jednostavniji za korištenje, fleksibilniji i mogu se koristiti izvan kuće. Ograničenje predstavlja složenost algoritma što je povezano i s vremenom autonomije. Uređaji koji prosljeđuju podatke mogu biti manji i jednostavniji, ali se moraju koristiti u području neke mreže (lokalna mreža unutar kuće ili GSM izvan). Prednost uređaja koji prosljeđuju podatke je i ta što su podaci o stanju korisnika sustava dostupni u svakom trenutku nekoj drugoj osobi (npr. medicinskom osoblju). Zbog jednostavnosti i navedenih prednosti ovaj rad obrađuje sustav koji prosljeđuju podatke. U brojnim radovima ([11], [13], [14]) je pokazano da su sustavi bazirani na akcelerometrima u mogućnosti točno mjeriti dinamičke i statičke aktivnosti. U ovom radu opisan je sustav koji se zasniva na nosivom senzoru akceleracije povezanim bežično s računalom koje izvodi algoritme za mjerenje pokretljivosti odnosno detekciju pada starije osobe. Sustav pravovremeno alarmira korisnike da se dogodio pad te ima sučelje prema korisniku i medicinskom osoblju. Nad sustavom se postavljaju zahtjevi neinvazivnosti, modularnosti, pouzdanosti i trajnosti. U sljedećem poglavlju opisane su funkcije razvijenog sustave i kako su one realizirane. Poglavlje 3 opisuje detaljno sklopovsku podršku, a poglavlje 4 programsku podršku gdje važno mjestu zauzimaju algoritmi za detekciju. Proveden je i sistemski test opisan u poglavlju 5, a prijedlozi poboljšanja dani su u poglavlju 6. 4

5 2. Realizirani sustav U ovom radu razvijen je nosivi sustav za mjerenje pokretljivosti i pada prikazan Slikom 2.1. Sustav se sastoji od senzorskog čvora koji je bežično spojen s računalom. Korištene su dvije Arduino Duemilanove razvojne platforme (jedna bez samog mikrokontrolera), akcelerometar ADXL335, dva XBee series 2 shielda, osobno računalo s najmanje dva slobodna USB priključka te mobilni telefon koji ima mogućnost spajanja na računalo putem USB priključka. Slika 2.1: Shematski prikaz realiziranog sustava Akcelerometar je spojen na mikrokontroler (Arduino platformu) koji vrši A/D pretvorbu. Podaci o akceleraciji se ne obrađuju na mikrokontroleru zbog ograničene procesorske moći i složenosti algoritma. Zbog toga je korištena bežična mreža za kontinuirano slanje podataka na osobno računalo. Zbog dometa, robusnosti i male potrošnje izabran je protokol Zigbee. Na računalu se podaci primaju, obrađuju i prikazuju korisniku pomoću windows aplikacije. Aplikacija je pisana u programskom jeziku C# korištenjem Microsotove.NET tehnologije. Aplikacija prima podatke, izvodi algoritme za mjerenje fizičke aktivnosti i detekciju pada iz podataka o akceleraciji, pohranjuje podatke o fizičkoj aktivnosti, alarmira drugu osobu korištenjem SMS-a u slučaju pada i ima korisničko sučelje za kontrolu rada i grafički prikaz fizičke aktivnosti i pada. Funkcionalnosti realiziranog sustava su: Dohvat podataka i izračun mjere pokretljivosti o A/D pretvorba podatka iz akcelerometra, kontinuirano bežično slanje podatka o akceleraciji, izračun akceleracije i mjere pokretljivosti Detektiranje pada osobe o Algoritam koji na osnovu mjere pokretljivosti odlučuje je li došlo do pada o Alarmiranje željene osobe putem SMS-a Mjerenje aktivnosti o Algoritam koji na osnovu mjere pokretljivosti odlučuje je li osoba aktivna ili neaktivna o Algoritam koji na osnovu mjere pokretljivosti odlučuje je li osoba predugo neaktivna o Alarmiranje željene osobe u slučaju preduge neaktivnosti osobe putem SMS-a Prikaz i pohrana podataka o Grafički prikaz podataka (graf u realnom vremenu i povijesni graf) o Pohranjivanje podataka o akceleraciji u log datoteke 5

6 3. Sklopovska podrška U ovom poglavlju opisano je sklopovlje sustava. Dodatni zahtjevi su: osobno računalo s Windows operativnim sustavom i dva slobodna USB priključka, te mobitel koji se na računalo može spojiti preko USB-a u modem načinu rada Senzorski čvor Senzorski čvor sastoji se od akcelerometra Analog Devices ADXL335, bežičnog Xbee Series 2 odašiljača proizvođača Digi spojenog preko Arduino Xbee Shielda na Arduino Duemilanove razvojnu platformu Akcelerometar Za mjerenje akceleracije koristi se MEMS akcelerometar Analog Devices ADXL335. Slika 3.1: Akcelerometar ADXL335 [6] Akcelerometar odgovara namjeni zbog visoke osjetljivosti (270, 300, 330mV/g, ovisno o osi), nudi dostatan opseg rada (±3g), mjeri akceleraciju u tri osi što pospješuje uspješnost algoritma, jeftin je (2.77$ iznad 100 komada), malen (4 mm 4 mm 1.45 mm), niske potrošnje (350 µa) i napona napajanja 1.8 V do 3.6 V. Ostale podatke, kao i način rada, moguće je pronaći u [6]. Na slici 3.1 prikazan je akcelerometar s potrebnim dodatnim sklopovljem Arduino Duemilanove Za izradu samog sustava korištena je Arduino DueMillanove razvojna platforma prikazana na slici 3.2. Arduino je platforma slobodnog koda bazirana na fleksibilnom hardveru i softveru koji je vrlo jednostavan za korištenje. Aktualna Arduino pločica za izradu prototipa je Duemilanove. Pločica se može kupiti (27 ) ili izraditi sama prema slobodnom CAD nacrtu. Ploča ima 8 bitni Atmel ATmega328 koji radi na 16MHz, 14 U/I priključaka, napaja se sa USB priključka ili baterijom 7-12V, nudi priključak za napajanje akcelerometra (3,3 V) na kojem isporučuje dovoljno struje (50 ma). Pločica ima 6 analognih ulaza od koji su iskorištena 3 (po jedan za svaku os akcelerometra). 6

7 Slika 3.2: Arduino Duemilanove razvojna pločica [3] Za ovaj sustav najvažniji je analogno digitalni pretvarač koji je periferni sklop unutar mikrokontrolera. Korišteni mikrokontroler ima 10 bitni A/D koji radi metodom sukcesivne aproksimacije. Na ulaz A/D pretvarača moguće je dovesti osam kanala pomoću multipleksora. Karakteristike odgovaraju zahtjevima sustava, a od bitnih je važno spomenuti: 10 bitna rezolucija integralna nelinearnost 0.5 LSB ±2 LSB apsolutna točnost µs vrijeme pretvorbe. U cc referentni napon (korišten je U cc ) mogućnost generiranja prekida Rezolucija kao i referentni napon je bitan za izračun akceleracije iz digitalnog zapisa pretvornika. Vrijeme pretvorbe u najgorem slučaju je 0.26 ms, što je ispod glavnog ograničenja brzine uzrokovanja koje predstavlja sustav za bežičnu komunikaciju Zigbee protokolom (empirijski utvrđena granica od 17 uzoraka po sekundi). Više informacija o Arduino platformi moguće je pronaći na [3], a o mikrokontroleru i A/D pretvaraču u [4] Digi Xbee Series 2 ZigBee mreža fizički je realizirana korištenjem ZigBee modula Xbee. Korištena su 2 modula novije generacije - Series 2 (ZB Pro/ZNet) (Slika 3.3). Jedan modul šalje podatke, drugi ih prima. Dvosmjerna komunikacija za realizirani sustav nije potrebna. Slika 3.3: Digi XBee series 2 [5] 7

8 Prema [5] moduli rade na 2,4 GHz, omogućavaju najviše brzine prijenosa od 250 kbit/s (sirovi podaci). Najveća potrošnja definirana je kod primanja i iznosi 38 ma. U stanju mirovanja (engl. sleep), potrošnja pada do ispod 1 ua. Izlazna snaga odašiljača je mala i iznosi najviše 2 mw (u tzv. boost modu). Antena je keramička i izvedena na čipu. Domet je do 120 m na otvorenom, odnosno 40 m u zatvorenom prostoru. XBee modul komunicira s vanjskim uređajima putem serijske veze. Zbog potrebe kontinuiranog slanja podataka sa senzorskog čvora ZigBee veza će trebati veliku propusnost. Podatci sa akcelerometra se koriste u zdravstvene svrhe te se od sustava očekuje velika robusnost i pouzdanost. Zbog ova dva bitna razloga koristi se point-to-point komunikacija Arduino XBee Shield Xbee modul se na Arduino montira koristeći pločicu za proširenja Xbee Shield (Slika 3.4), položaj kratkospojnika mora biti XBEE. Slika 3.4: Arduino XBee Shield sa umetnutim Digi XBee series 2 modulom [2] Mikrokontroler s Arduino pločice i Xbee Shield komuniciraju serijskim sučeljem preko linija RX i TX. XBee Shield ne koristi dodatne pinove osim RX i TX, što omogućuje spajanje brojnih ulaznoizlaznih jedinica [2] Prijemni čvor Prijemni čvor ima funkciju primanja podataka preko XBee bežičnog protokola te slanje tih podataka preko USB/serijske veze na računalo. Na prijemnoj strani korišten je XBee modul koji je spojen na Arduino razvojnu pločicu s izvađenim Atmelovim mikrokontrolerom te kratkospojnicima postavljenima u USB položaj [9]. Arduino platforma na taj način funkcionira kao USB to serial pretvarač te podatke dobivene serijskom vezom od XBee shielda samo prosljeđuje na računalo USB/serijskom vezom. Ovakvim spajanjem XBee modula izbjegnuta je dodatna kupnja posebnog USBserija pretvarača koji su napravljeni na temelju FTDI FT232 čipa. Računalo taj USB priključak vidi kao serijski te se stoga s XBee modulom komunicira po protokolima definiranim serijskom RS232 komunikacijom. 8

9 4. Programska podrška U ovom programu opisana je programska podrška koju možemo podijeliti na programsku podršku razvijenu za Arduino razvojnu platformu, tj. za Atmel mikrokontroler, te na programsku podršku koja se izvodi na računalu Programska podrška za mikrokontroler Programska podrška za mikrokontroler služi za akviziciju podatka sa senzora i bežično prosljeđivanje prijemnom čvoru. Na početku koda potrebno je definirati korištene pinove mikrokontrolera i postaviti ih u odgovarajuće vrijednosti. Priključak Analog input 4 se može koristiti i kao digitalni priključak, ali se u tom slučaju navodi kao pin 16. Taj priključak koristimo kao uzemljenje za akcelerometar pa ga je bilo potrebno postaviti kao izlazni digitalni pin u niskom logičkom stanju. const int groundpin = 16; pinmode(groundpin, OUTPUT); digitalwrite(groundpin, LOW); // analog input pin 4 ground Priključci Analog input 3, 4 i 5 se koriste kao analogni ulazi tako da ih nije potrebno dodano konfigurirati već su samo definirani. const int xpin = 5; const int ypin = 4; const int zpin = 3; // x-axis of the accelerometer // y-axis // z-axis Prije beskonačne petlje se inicijalizira serija brzinom 9600 kbps, a unutar beskonačne petlje se za svaki izlaz akcelerometra izvodi AD pretvorba i slanje na seriju. Na kraju petlje se čeka 100 ms. Kako je to vrijeme znatno veće od vremena pretvorbe triju podatka s akcelerometra, s tom vrijednošću je definiran broj uzoraka po sekundi koji iznosi 10. Više uzoraka u sekundi bi bilo korisno, ali nije moguće realizirati zbog ograničenja brzine ZigBee prijenosa. void loop() Serial.print(analogRead(xpin)); Serial.print("\t"); Serial.print(analogRead(ypin)); Serial.print("\t"); Serial.print(analogRead(zpin)); Serial.println(); // delay delay(100); 4.2. Programska podrška za osobno računalo U sklopu rada razvijena je Windows aplikacija koja implementira sve funkcionalnosti sustava navedene u poglavlju 2. Pri razvoju aplikacije korišteno je Microsoft Visual Studio 2008 razvojno okruženje te C# programski jezik. Za izvođenje programske podrške na računalu potrebno je osobno računalo s Windows operativnim sustavom te instaliran paket Microsoft Chart Controls for Microsoft.NET Framework 3.5.Na Slici 4.1 dan je općeniti dijagram toka razvijene aplikacije. 9

10 Slika 4.1: Općeniti dijagram toka Windows aplikacije Dohvat podataka i izračun mjere pokretljivosti Obzirom da akcelerometar mjeri akceleraciju u tri osi, a potrebno je dobiti jedinstveni podatak koji je mjera pokretljivosti, podatci iz akcelerometra se trebaju obraditi. Taj postupak dobivanja jedinstvene mjere pokretljivosti opisan je u nastavku. Mjera pokretljivosti se koristi i kao početan podatak za algoritme detekcije. Aplikacija sa serijskog sučelja prima tri podatka sa senzora nekoliko puta po sekundi (varijabla br_uzoraka_po_sekundi, izabrana je vrijednost 10). Ti podaci odgovaraju nekoj kvantizacijskoj razini te se prije svega moraju pretvoriti u iznos akceleracije (mjerna jedinica g= m/s 2 ). Imajući u vidu da akcelerometar na izlazu daje pola napona napajanja za akc g =0, a AD pretvornik ima 10 bitova (1024 razina), akceleracija se računa formulom 4.1. =( 1024 /2)/ (4.1) gdje je M neka kvantizacijska razina, U ss napon napajanja akcelerometra, U ref referentni napon AD pretvornika (5 V), a osjetljivost osjetljivost akcelerometra za odgovarajuću os. Nakon što je izračunat iznos akceleracije za svaku os, izračunava se cjelokupna efektivna akceleracija kao kvadratni korijen sume kvadrata pojedinih akceleracija formulom 4.2. = + + (4.2) Podatak rms predstavlja cjelokupnu neto akceleraciju u nekom trenutku. Algoritam za detekciju pokreta i pada treba informaciju o promjeni akceleracije. Zato se nadalje računa aproksimacija derivacije parametra rms oduzimanjem trenutačne vrijednosti od one iz prethodnog uzorka (formula 4.3). 10

11 = č (4.3) Posljednji korak je filtriranje signala računanjem usrednjavanje vrijednosti. Kako se radi u realnom vremeno koristi se pomični prosjek (eng. moving average): = Prethodni koraci izvode se svaki put kada na seriju dođe novi podatak s akcelerometra (10 puta u sekundi)kako bi se dobila mjera pokretljivosti. U kodu, izračun akceleracije (formula 4.1) sa senzora izvodi se u funkciji port_datareceived koja je event handler koji se pokreće svaki put kada nešto dođe na seriju. (4.4) x = (x * 5000 / / 2) / 270; y = (y * 5000 / / 2) / 300; z = (z * 5000 / / 2) / 330; Nekoliko linija koda ispod se poziva funkcija izracunaj_vrijednosti() koja računa ostale jednadžbe. Prvo se računaju jednadžbe 4.2 i 4.3. rms=math.sqrt(math.pow(x,2)+math.pow(y,2)+math.pow(z,2)); delta_rms.add(math.abs(rms - rms_last)); Primijetiti da se vrijednost delta_rms čuva u listi kako bi se mogla usrednjiti. Usrednjavanje se izvodi za prethodnu sekundu (tj. 10 prethodnih uzoraka) sljedećim programskim odsječkom. if (delta_rms.count >= br_uzoraka_po_sekundi) avg_delta_rms = 0; for (int i = 0; i < br_uzoraka_po_sekundi; i++) avg_delta_rms += delta_rms[delta_rms.count i]; avg_delta_rms /= br_uzoraka_po_sekundi; avg_delta_rms *= 100; else avg_delta_rms = 0; avg_delta_rms_list.add(avg_delta_rms); rms_last=rms; Usrednjavanje počinje tek nakon 10 prvih uzoraka (br_uzoraka_po_sekundi). Na kraju usrednjavanja izračunat je parametar avg_delta_rms koji se ujedno dodaje i na listu avg_delta_rms_list. Konačno je potrebno još zapamtiti rms vrijednost za računanje delta_rms u sljedećem koraku. Dakle, svaki put kad dođu tri podatka sa serije (što se dešava 10 puta u sekundi) izvode se gore opisani izračuni kako bi se dobio novi član u listi avg_delta_rms_list Algoritam za detekciju pada 11

12 Primjer signala avg_ g_rms prikazan je na Slici 4.2, a dio u kojem je došlo do pada nagle promjene akceleracije označen je crvenom bojom. Slika 4.2: Primjer avg_δg_rms signala Slika 4.3: Dijagram toka algoritma za detekciju pada Algoritam za detekciju pada (dijelom preuzet iz [7]) čiji je dijagram toka prikazan na Slici 4.3, je definiran s dvije konstante: G min i T min. Vrijednosti su postavljenje na G min =50 i T min = 5. Pad je detektiran ukoliko avg_δg_rms signal ima barem T min vrijednosti za redom koje su veće od G min. Ukoliko je taj uvjet zadovoljen dolazi do generiranja alarma. Ukoliko je više od T min vrijednosti veće od G min dolazi do više uzastopnih poruka. Kako bi se to izbjeglo reagira se samo na posljednji u nizu alarma 12

13 koji se označava kao 'Pravi alarm' koji je vidljiv u aplikaciji i koji inicira slanje SMS poruke. Za detekciju posljednjeg alarma koristi se pomoćna zastavica A. Svi padovi zajedno s vremenom spremaju se u datoteku Log_akt.txt kako bi ih se naknadno moglo pregledati. Skraćeni programski kod za opisani algoritam dan je u nastavku: if(avg_delta_rms_list.count>tmin) if(avg_delta_rms_list[avg_delta_rms_list.count -1] > Gmin) alarm = true; foreach(double x in avg_delta_rms_list.skip(avg_delta_rms_list.count- Tmin)) if(x < Gmin) alarm = false; if (alarm) A = true; else if (A == true) A = false; //DETEKTIRAN PAD! 13

14 Algoritam za detekciju aktivnosti Algoritam za detekciju aktivnosti (dijagram toka dan Slikom 4.4) koristi tri vrijednosti: Gtresh, Ttresh i TsCountTresh. Algoritam javi Aktivnost nakon što TsCountTresh neuzastopnih uzoraka avg_delta_rms_list bude iznad vrijednosti Gtresh. S druge strane, brojanje tih uzoraka se resetira nakon što Ttresh uzastopnih uzoraka bude ispod vrijednosti Gtresh i tada algoritam javi Neaktivnost. Slika 4.4: Dijagram toka za algoritam za detekciju aktivnosti Kod algoritma dan je sljedećim programskim odsječkom. double Gtresh = 10; int Ttresh = 20; //koliko uzastopnih manjih od Gtresh da resetira int TsCountTresh = 30;//koliko ne-uzastopnih vecih od Gtresh da bude Activity if (avg_delta_rms_list[avg_delta_rms_list.count - 1] > Gtresh) br_veci++; //Petlja za reset brojaca br_veci****************************** br_manji = 0; foreach(double x in avg_delta_rms_list.skip(avg_delta_rms_list.count-ttresh)) if(x < Gtresh) br_manji++; if(br_manji == Ttresh) br_veci = 0; //Neaktivnost //************************************************************** if(br_veci > TsCountTresh) //Aktivnost 14

15 Algoritam za detekciju dužeg stanja mirovanja Zadnji dio algoritma detektira situaciju kada je osoba premirna neko duže razdoblje (dijagram toka dan Slikom 4.5). Ovisno o namještenim parametarima ovaj algoritam se može iskoristiti za detekciju kada osoba spava ili za detekciju kada je osoba u nesvijesti. Algoritam koristi dvije vrijednosti: G_TooCalm i T_TooCalm kao i dvije zastavice TooCalm_alarm i TooCalm_bio koje su inicijalno postavljene u vrijednost false. Slika 4.5: Dijagram toka za algoritam za detekciju dužeg stanja mirovanja Algoritam će detektirati da je osoba premirna ukoliko su dva uvjeta zadovoljena. Prvi uvjet je da je T_TooCalm uzastopnih uzoraka vrijednosti avg_delta_rms_list ispod vrijednosti G_TooCalm. Drugi uvjet je da se taj alarm nije uključio u prethodnom koraku. Drugi uvjet se provjerava zastavicom TooCalm_bio. Bez ove provjere TooCalm_alarm bi se javljao od trenutka detekcije dok god je osoba premirna. Prilikom detekcije potrebno je uključiti zastavicu TooCalm_bio. U slučaju lažnog alarma TooCalm_alarm iz programskog sučelja moguće je gumbom resetirati zastavicu TooCalm_bio. double G_TooCalm = 5; int T_TooCalm = 120*br_uzoraka_po_sekundi; //dvije minute, inače treba puno više, npr satmvremena jer čak u snu se osoba pomakne na tren! bool TooCalm_alarm = false; bool TooCalm_bio = false; if (avg_delta_rms_list.count > T_TooCalm) if (avg_delta_rms_list[avg_delta_rms_list.count - 1] < G_TooCalm) 15

16 TooCalm_alarm = true; foreach (double x in avg_delta_rms_list.skip(avg_delta_rms_list.count - T_TooCalm)) if (x > G_TooCalm) TooCalm_alarm = false; if (TooCalm_alarm & (!TooCalm_bio)) //ako je osoba premirna // a alarm TooCalm nije bio! //osoba je premirna TooCalm_bio = true; Parametri korišteni u algoritmu su eksperimentalno namješteni na odgovarajuće vrijednosti tako da algoritam bude što točniji, tj. da daje što manje lažnih alarma, i što je još važnije da ne izostane detekcija nezgode (osoba premirna). Svi parametri mogu se korigirati iz sučelja aplikacije Alarmiranje Algoritmi za detekciju pada, aktivnosti i dužeg stanja mirovanja izvode se kontinuirano dok god je pokrenuta aplikacija. Na alarme koje postave prethodno opisani algoritmi glavna aplikacija izvršava slanje SMS poruke skrbniku te prikazuje odgovarajući piktogram u samoj aplikaciji. Ideja rada je da ukoliko se dogodi alarmantna situacija koja uključuje pad odnosno predugo stanje mirovanja da se na neki način obavijesti nadležna institucija (bolnica, dom zdravlja i sl.). Žurno obavještavanje nadležne institucije tehnološki nije problem ostvariti (SOS poziv, obavijest dežurnoj službi 112 i sl.). Za realizaciju tog djela problemu bi trebalo pristupiti s puno veće razine te dogovoriti način i kanal komuniciranja između razvijenog sustava i nadležne institucije. Zbog opsega ovog rada navedeni dio nije implementiran. Za slanje SMS poruke alarma u sustavu se koristi mobilni aparat Nokia Sustav podržava bilo koji mobilni uređaj koji spajanjem na računalo se može koristiti kao USB modem. Mobilni telefon prepoznat kao USB modem upravlja se kao bilo koji drugi modem AT naredbama. Jednako tako moguće je slati SMS poruke preko AT naredba [1]. Kada algoritam za detekciju pada odnosno predugog mirovanja aktivira alarm poziva se iduća funkcija za slanje SMS-a: void saljisms(string poruka) if (SerialPort.IsOpen == true && checkbox_sms.checked) for (i = 0; i < combobox2.items.count; i++) WriteSerialPort(AppendATSpecial("AT+CMGF=1")); Thread.Sleep(20); WriteSerialPort(AppendATSpecial("AT+CMGS=" + (char)34 + combobox2.items[i].tostring() + (char)34)); Thread.Sleep(100); WriteSerialPort(AppendATSpecial(textBox5.Text + poruka + (char)26)); Thread.Sleep(100); Thread.Sleep(2000); 16

17 Funkcija kao argument prima niz znakova koji će se poslati kao obavijest na odabrane telefonske brojeve. Niz znakova može biti " je dozivio/jela pad. Molimo da pomognete!!!" i " je premiran/na. Molimo da provjerite!!!". Prvi niz se šalje u slučaju pada a drugi u slučaju duge neaktivnosti. U funkciji saljisms poziva se funkcija: private string AppendATSpecial(string message) return string.format("01", message, "\r\n"); AT naredbe moraju završavati posebnim znakovima '\r' i '\n', odnosno carriage return i line feed, a funkcija AppendATSpecial dodaje te znakove na kraj ulaznog podatka tipa string Log datoteke Aplikacija stvara tri nove datoteke (ukoliko već ne postoje): log_a.txt i log_akt.txt. Log_a.txt sadržava informacije o akceleraciji za sve tri osi u svakom trenutku uzorkovanja. Log_akt.txt sadržava informaciju o stanju promatrane osobe (neaktivna, aktivna, pad te predugo mirovanje). Informacije se u log_akt.txt upisuju samo ukoliko je došlo do promjene tj. upisuje se vrijeme kad je nastupilo neko stanje te oznaka stanja. Primjer log datoteke log_akt.txt. [ :09:40] Neaktivnost [ :09:48] Aktivnost [ :10:04] Neaktivnost [ :14:46] Aktivnost [ :14:52] Neaktivnost [ :17:44] Aktivnost [ :17:50] Neaktivnost [ :17:55] Aktivnost [ :18:00] Neaktivnost [ :19:27] Aktivnost [ :19:34] Pad 17

18 Grafičko korisničko sučelje U sklopu rada razvijena je Windows aplikacija napisana u programskom jeziku C#. Aplikacija implementira sve funkcionalnosti sustava. Izgled grafičkog sučelja prikazan je Slikom 4.6. Slika 4.6: Grafičko korisničko sučelje - Windows aplikacija Aplikacija je podijeljena na tri logička dijela, lijevi dio koji služi za upravljanje algoritmima za detekciju kretanja i pada, srednji dio koji pokazuje stanje promatrane osobe te desni dio koji služi za postavke serijskih veza te za postavke varijabli algoritma. U nastavku slijedi opis svih komponenti aplikacije: Start gumb služi za inicijalizaciju serijske veze te pokretanje algoritma za detekciju kretanja i pada Stop gumb zaustavlja izvođenje algoritma te zatvara seriju Real-time graf gumb poziva funkciju za crtanje vrijednosti akceleracije mjerene sa senzora u realnom vremenu Povijesni graf gumb poziva funkciju za crtanje povijesnog grafa kretanja s rezolucijom odabranom u padajućem izborniku Real-time podatci group box pokazuje trenutne vrijednosti akceleracije za sve tri osi, vrijednost dobivenu algoritmom za detekciju kretanja te trenutno i povijesno stanje promatrane osobe. Postavke group box omogućuju unos imena promatrane osobe, izbor dali će se slati SMS poruke obavijesti, te opcije za unos, brisanje i pregled telefonskih brojeva na koje će se slati SMS poruka obavijesti. 18

19 Postavke ZigBee i PC-Mobitel veze gruop box omogućavaju korisniku izbor odgovarajućih COM priključaka na koje su spojeni XBee modul odnosno mobitel. U padajućim izbornicima Bits per second bira se brzina prijenosa podataka preko serije. Spoji se/odspoji se gumb služi za inicijalizaciju veze PC-Mobitel, ukoliko korisnik se nije spojio na mobitel SMS poruka obavijesti o padu neće biti poslana bez obzira da li je slanje SMS poruka omogućeno. Postavke varijabli algoritma group box služe za namještanje varijabli algoritma za detekciju pada odnosno pokreta Promijeni gumb varijablama algoritma pridružuje vrijednosti upisane u text boxovima. Reset TooCalm_bio služi za resetiranje bita koji služi za provjeru da li je osoba premirna. Resetiranje je potrebno u slučaju lažnog alarma ili u svrhe testiranja Grafički prikaz akceleracije i mjere pokretljivosti U aplikaciji su predviđena dva grafa: graf u realnom vremenu i povijesni graf. Graf u realnom vremenu prikazuje četiri grafa koji se iscrtavaju u realnom vremenu: akceleracija za svaku od tri osi i avg_rms. Povijesni graf se iscrtava iz log datoteke pritiskom na gumb, a moguće je birati rezoluciju crtanja (sekunda, 10 sekundi, sat, ). Za iscrtavanje je korištena Microsoftova kontrola Charting. Važniji dijelovi koda bit će opisani u nastavku Graf u realnom vremenu Klikom na gumb za iscrtavanje grafa u realnom vremenu otvara se nova forma. U novoj formi se funkcijom konfiguriraj_graf3() konfiguriraju osnovni parametri grafa (minimum i maksimum pojedinih osi, format osi, dimenzije područja grafa, tip i izgled linije). Na x osi se krajnja lijeva vrijednost računa svojstvom DateTime.Now, a krajnja desna dodavanjem vrijednosti max_sekunda (namješteno na 120). Nakon konfiguriranja grafa uključuje se funkcija label7_textchanged koja je event handler. Pripadajući event se generira točno nakon što je izračunata vrijednost avg_rms, tj. nakon funkcije izracunaj_vrijednosti() tako da se nevidljivoj labeli promijeni vrijednost. U funkciji label7_textchanged poziva se funkcija crtaj3() koja nacrta četiri nove točke na grafu, provjeri je li iscrtavanje grafa došlo do kraja vidljivog područja i po potrebi izbriše stare podatke kako bi se graf uvijek iscrtavao u vidljivom području osi x. Slikom 4.7 dan je primjer grafa u realnom vremenu. 19

20 Slika 4.7: Graf u realnom vremenu Povijesni graf Prije crtanja povijesnog grafa korisnik bira rezoluciju crtanja i potom klikne na odgovarajući gumb koji otvara novu formu. U novoj formi se prvo poziva funkcija izracunaj() koja pripremi točke za crtanje. Funkcija izračunaj obavlja sljedeće: 1. napravi kopiju loga 2. iz kopije loga učita sve podatke u memoriju te ih korištenjem regularnih izraza razdvoji u varijable 3. Iz varijabli napravi dvije liste: lista_vrijeme, avg_delta_rms_list2 4. Ovisno o rezoluciji pripremi nove liste: lista_vrijeme2, avg_delta_rms_list3 Prvi korak za sve ostale pripremi kopiju datoteke jer originalnoj datoteci kontinuirano pristupa iz glavne forme. Nakon trećeg koraka imamo sve izmjerene točke: (x,y)= (lista_vrijeme, avg_delta_rms_list2). S obzirom da ne crtamo sve točke, već korisnik bira proizvoljnu rezoluciju crtanja, liste je potrebno modificirati. lista_vrijeme2 se dobije tako da se iz lista_vrijeme uzmu samo oni uzorci koji odgovaraju zadanoj rezoluciji (npr. za rezoluciju od 1 s uzme se svako deseti uzorak). avg_delta_rms_list3 se dobije tako da se iz avg_delta_rms_list2 izbace svi uzorci koji ne odgovaraju izabranoj rezoluciji, a oni koji ostanu se promijene u srednju vrijednost izbačenih. Računanje srednje vrijednosti se izvodi kako se ne bi izgubili izbačeni podaci. Na kraju imamo spremne liste za crtanje grafa koje imaju točno rezolucija_u_sekundama*br_uzoraka_u _sekundi manje elemenata nego što je zabilježeno u log datoteci. Nakon što su liste spremne poziva se funkcija konfiguriraj_graf2(). Naredbama minvalue = lista_vrijeme2[0]; 20

21 maxvalue = lista_vrijeme2[lista_vrijeme2.count - 1]; graf2.chartareas["chartarea1"].axisx.minimum = minvalue.tooadate(); graf2.chartareas["chartarea1"].axisx.maximum = maxvalue.tooadate(); graf2.chartareas["chartarea1"].axisy.minimum = 0; graf2.chartareas["chartarea1"].axisy.maximum = avg_delta_rms_list3.max(); postavlja se prvi element iz lista_vrijeme2 za minimalnu vrijednost osi x, zadnji element za maksimalnu, 0 za minimalnu osi y, a maksimum liste avg_delta_rms_list3 za maksimalnu vrijednost osi y. Konačno se poziva funkcija crtaj2() koja nacrta graf s točkama (x,y)= (lista_vrijeme2, avg_delta_rms_list3). Primjer povijesnog grafa dan je Slikom 4.8. Slika 4.8: Povijesni graf 21

22 5. Sistemski test Kako bi se ispitala funkcionalnost sustava osmišljen je sistemski test koji uključuje testiranje idućih funkcija: Iscrtavanja real-time grafa Detekcije aktivnosti Detekcije neaktivnosti Detekcije pada o Alarmiranja putem SMS-a Detekcije produljene neaktivnosti o Alarmiranja putem SMS-a Pohranjivanja podataka u log datoteke Iscrtavanja povijesnog grafa o Iscrtavanje različitih razlučivosti Iscrtavanje real-time grafa će najprije biti testirano okretanjem senzorskog čvora u sve tri osi, na način da se iz grafa jasno može očitati Zemljina gravitacija. Slijedeće četiri aktivnosti će biti testirane tako da će osoba redom: kretati se, mirovati, pasti te dulje vrijeme ležati mirno. Zadnje dvije funkcije biti će ispitane na način da će se pregledati sadržaj log datoteka, te pokušati iscrtati povijesni graf dvije različite razlučivosti. Sistemski test će se snimati i rezultati će biti upisani u tablicu Rezultati U tablici 1 su navedeni rezultati sistemskog testa. Mjesto: Zagreb, SD Stjepan Radić Vrijeme: Očekivani rezultat Iscrtavanje real-time grafa Detekcija aktivnosti Detekcija neaktivnosti Detekcija pada Alarmiranje putem SMS-a Detekcija produljene neaktivnosti Alarmiranje putem SMS-a Pohranjivanje podataka u log datoteke Dobiveni rezultat Podatak o akceleraciji s tri osi i mjera aktivnosti su iscrtani Piktogram prikazuje da je osoba aktivna Piktogram prikazuje da je osoba neaktivna Piktogram prikazuje da je došlo do pada Dobiven SMS: Upozorenje Labela na sučelju prikazuje da je osoba predugo u stanju mirovanja Dobiven SMS: Upozorenje Podaci o akceleraciji su pohranjeni u Log_a.txt Podaci o aktivnosti su pohranjeni u Log_akt.txt Iscrtavanje povijesnog grafa Iscrtavanje različitih razlučivosti Povijesni graf je uspješno iscrtan Povijesni graf je iscrtan s razlučivošću 5 sekundi i 2 sekundi Tablica 5.1: Rezultati sistemskog testa 22

23 U prilogu se nalazi snimka i log datoteke sistemskog testa nalaze se u prilogu. Snimka sistemskog testa nalazi se i na internetskoj stranici: Osim sistemskog testa provedeno je 10 testiranja detekcije pada kako bi se ispitala osjetljivost sustava. Svih 10 padova su bili uspješno detektirani (true positive), ali je sustav i 3 puta detektirao pad kada ga nije bilo (false positive). Lažne detekcije su bile posljedice naglih pokreta i trzaja prilikom testiranja, no kako je sustav namijenjen starijim osobama s ograničenom pokretljivošću ne očekuje se toliko generiranih lažnih alarma obzirom da se radi o pokretima koji osobe s poteškoćama u kretanju nisu u mogućnosti napraviti (nagli pokreti, trčanje, skakanje, itd.). 23

24 6. Prijedlozi poboljšanja Predlažu se sljedeća poboljšanja realiziranog sustava: Optimiranje potrošnje. Najveći potrošač nosivog dijela sustava je Zigbee odašiljač. Izvedbom dijela algoritama detekcije već na razini senzorskog čvora i manjom frekvencijom slanja podataka te korištenjem boljih baterija mogla bi se optimirati potrošnja. Kućište. Potrebno je izraditi bolju mehanička konstrukciju senzorskog čvora zbog zaštite elektroničkog sklopovlja i radi lakoće korištenja. Kućište senzora trebalo bi imati mogućnost nošenja oko remena. Samodijagnostika. Predlaže se uvrštavanje self-test opcije akcelerometra u programsku podršku mikrokontrolera. Bolja detekcija. Predlaže se korištenje složenijeg apstraktnog algoritma za inteligentnu detekciju neobičnih aktivnosti koji bi eliminirao lažne alarme. Druga mogućnost je korištenje većeg broja akcelerometara kako bi složeniji algoritmi mogli dobiti informaciju s više mjesta na tijelu. 24

25 7. Zaključak Izrađen je nosivi sustav s akcelerometrom koji služi za pouzdanu detekciju pada i mjerenje pokretljivosti kod starijih osoba. Napisana je programska podrška za mikrokontroler i za windows aplikaciju koja izvodi algoritme detekcije, alarmira u slučaju nezgode i grafički prikazuje mjeru pokretljivosti. Implementacijom algoritma za prepoznavanja pada vrijeme reakcije za pomoć unesrećenoj osobi znatno se smanjuje te samim time smanjuju se i posljedice, a izmjerena pokretljivost može služiti za procjenu zdravstvenog stanja korisnika sustava u bilo kojem trenutku. Razvijaju su brojni telemetrijski sustav, međutim širu primjenu su našli samo oni najjednostavniji, primjerice jednostavan uređaj s tipkom koja generira alarm, gdje korisnik mora sam pritisnuti tipku. Motiviranost osoba za korištenje ovih sustava je slaba. Drugi problem svih telemetrijskih sustava koji skupljaju podatke sa senzora je što nije riješen problem obrade tih podataka. Iako se dugoročnim kontinuiranim mjerenjima nekog podatka kao što je EKG ili pokretljivost mogu dijagnosticirati bolesti i predvidjeti razne rizične situacije, pregledavanje i obrada tih podataka zahtijeva velike resurse (računalna moć i medicinsko osoblje) kao i temeljitu promjenu zdravstvenog sustava. Problem motivacije rješava se niskom cijenom i laganim uređajem malih dimenzija. Uređaj ne zahtijeva posebno postavljanje i predstavlja minimalnu smetnju za korisnika. Korištenje našeg sustava kod starijih osoba povećava kvalitetu života i smanjuje stres, kako njima tako i osobama koje se za njih brinu (rođaci ili profesionalno osoblje). Iako se sustav Internetom može povezati s liječničkim službama, izmjerenu pokretljivost može koristiti liječnik za stanare nekog staračkog doma ili rođaci starije osobe koja živi sama za praćenje njezinog zdravstvenog stanja. Jednostavnošću i neovisnošću od zdravstvenog sustava otvorena su vrata za široku primjenu. 25

26 8. Literatura [1] SMS messages and the PDU format, svibanj [2] Xbee Shield, , Arduino Arduino Xbee Shield, svibanj [3] Arduino, 2010, svibanj [4] Atmel, 8161S.pdf, , ATmega48PA/88PA/168PA/328P datasheet, svibanj [5] XBee & XBee-PRO ZB ZigBee PRO RF Modules, XBee & XBee-PRO ZB ZigBee PRO RF Modules - Digi International, [6] Analog Devices, ADXL335.pdf, 2010., Small, Low Power, 3-Axis ±3 g Accelerometer, svibanj [7] Burchfield, T.R., Venkatesan, S. Accelerometer-Based Human Abnormal Movement Detection in Wireless Sensor Networks, University of Texas at Dallas, (2007) [8] Torrent M., Bourke A., Parra X., Catala A. Ambulatory Mobility Characterization Using Body Inertial Systems: An Application to Fall Detection.IWANN Part 1, LNCS 5517, (2009), str [9] Humbolt State University, XBee setup.pdf, 2010., Setting up Xbee Znet 2.5, svibanj [10] Scanaill, C., Carew, S., Barralon, P., Noury N., Lyons, D., Lyions, G.M. Review of Approaches to Mobility Telemonitoring of the Elderly in Their Living Environment. Annals of Biomedical Engineering, Vol. 34, No. 4,(2006), str [11] Bouten, C. V., Westerterp, K. R., Verduin, M., Jannsen, J.D. Assesment of energy expenditure for physical activity using a triaxial accelerometer. Medicine and Science in Sports and Exercise, Vol. 26. No. 12, (1994), str [12] Celler, B. G., Hesketh, T., Earnshaw, W., Ilsar, E. An instrumentation system for the remote monitoring of changes in functional health status of the elderly at home. Proceedings of the 16 th Annual International Conference of the IEEE EMBS, vol. 2, (1994), str [13] Culhane, K. L., Lyons, G. M., Hilton, D., Grace, P. A., Lyons, D. Long-term mobility monitoring of the elderly using accelerometers in a clinical environment. Clin. Rehabil. 18, (2004), str [14] Mathie, M., Coester, A. C. F., Lovell, N. H., Celler, B. G., Lord, S. R., Tiedemann, A. A pilot study of long-term monitoring of human movements in the home using accelerometry. J. Telemed. Telecare, (2004), str

27 Sažetak Napredak tehnologije omogućio je razvoj raznih telemetrijskih sustava za liječenje i praćenje zdravstvenog stanja rizičnih osoba te prevenciju opasnosti. Osobe starije od 65 godina spadaju u rizičnu skupinu, a po statistikama njihov broj se povećava. Svaka treća starija osoba pretrpi pad tijekom svakodnevnih aktivnosti. Pravovremenom detekcijom pada moguće je ublažiti posljedice i izbjeći smrt. Jedan od objektivnih pokazatelja zdravstvenog stanja starijih osoba jest pokretljivost. Kontinuirano dugoročno mjerenje pruža najobjektivniji sliku pokretljivosti i osigurava objektivne podatke za liječnike. Ovaj rad opisuje sustav za detekciju pada i mjerenje pokretljivosti. Sustav kontinuirano mjeri i bilježi podatak o pokretljivost i alarmira u slučaju pada ili dužeg stanja mirovanja. Nosivi dio sustava (senzorski čvor) je bežičan, malih dimenzija, namijenjen nošenju na remenu. Sastoji se od mikrokontrolera, tro-osnog akcelerometra i odašiljača. Senzorski čvor komunicira s prijemnikom ZigBee vezom, a prijemnik je povezan s računalom USB vezom. Na računalu se izvršavaju algoritmi koji iz podataka o akceleraciji u tri smjera računa razinu pokretljivosti, izvodi detekciju pada, aktivnosti i dužeg stanja mirovanja. Aplikacija u slučaju pada ili dužeg stanja mirovanja alarmira drugu osobu SMS porukom. Svi podaci se bilježe u log datoteke. Aplikacija može grafički prikazati razinu pokretljivosti u realnom vremenu ili u prošlosti. Sustav je jeftin (do 50$), jednostavan za korištenje, malih dimenzija i lagan. Može se koristiti za osobe koje žive same u svom domu i za osobe koje žive u staračkim domovima. Sustav osigurava više slobode starijim osobama u svakodnevnim aktivnostima. Time poboljšava kvalitetu života i smanjuje stres starijim osobama i onima koji se za njih brinu (rođaci ili profesionalno osoblje). Ključne riječi: starije osobe, telemedicina, bežično, nosivi sustav, akcelerometar, detekcija pada, mjerenje pokretljivosti 27

28 Abstract Rapid technological progress has contributed to the development of a wide range of telemonitoring systems which make treatment and management of chronic diseases as well as danger prevention possible. Elderly people (persons above the age of 60), whose number is statistically growing, belong to the high risk group. One out of three persons belonging to this group suffers a fall during daily activities. Timely fall detection could reduce fall consequences or even death rate. Also, mobility rate is an objective indicator of elderly people s health status thus continuous long term monitoring can give the most objective information about mobility and provide objective information for doctors. This work describes system for fall detection and mobility measuring which continuously measures and stores mobility data and alarms a person in case of fall or prolonged inactivity. Wearable part of the system (sensor node) is small, wireless and meant to be belt worn. It consists of microcontroller, three-axis accelerometer and transmitter. Sensor node communicates with receiver through ZigBee protocol and the receiver is connected to PC via USB connection. PC runs the software which calculates mobility level, detects fall, activity or prolonged activity using three-axis acceleration data. In the case of fall detection or prolonged inactivity, the application will alarm another person via SMS. All the results are stored into log files. Application can also graphically display mobility level in real-time or in past. System is not expensive (less than 50$), it is small, light weighted and easy to use. It can be used by elderly people who live on their own, or by those who live in the nursing homes. System provides more space to elderly people in their daily activities and thereby improves life quality and reduces stress level to both elderly persons and those who take care of them (relatives or medical staff). Keywords: elderly, telemedicine, wireless, wearable, accelerometer, fall detection, mobility measurement 28