• Fall Detection
• singolo accelerometro
• programmazione microcontrollore

Il presente lavoro di Tesi si pone l’obiettivo di progettare un sistema di allarme in grado di rilevare in maniera automatica la caduta di una persona anziana o con limitate capacità motorie e segnalare a distanza l’evento tramite tecnologia wireless. Il sistema dovrà essere non invasivo e facilmente utilizzabile sia dall'utente che dai soggetti preposti a intervenire in caso di caduta, e dovrà così consentire al personale dedicato all’assistenza di intervenire tempestivamente riducendo, inoltre, sensibilmente le complicazioni mediche dovute alla caduta e i costi ad essa associati.

Rispetto ad altre soluzioni descritte in letteratura, questo progetto si propone di usare un algoritmo che riduce al minimo il numero di falsi allarmi e un unico sensore facilmente indossabile dal paziente, di ridotte dimensioni ed elevata autonomia energetica. I dati rilevati dal sensore saranno processati da un’unità di elaborazione che implementerà l’algoritmo e invierà, in caso di riconoscimento di caduta, un segnale di allarme tramite protocollo wireless ad un altro dispositivo incaricato di allertare i soccorritori.
Dopo un’analisi degli scenari di applicazione, si è deciso di suddividere il sistema di Fall Detection in due componenti: una Mobile Station indossabile incaricata di acquisire i dati, elaborarli tramite microcontrollore e, in caso di rilevazione caduta, inviare un segnale di allarme a una Base Station fissa con il compito di ricevere tale segnale di allarme e contattare il personale incaricato all’assistenza dell’anziano.

Del sistema rivelazione cadute ideato è stata effettuata la definizione architetturale di una possibile Mobile Station indossabile, sia dal punto di vista dell’hardware, sia per quanto riguarda lo schema di funzionamento del firmware.
L’algoritmo di Fall Detection implementato è stato frutto di una fase di studio e verifica su ambiente di sviluppo Dev-Cpp su PC, a partire dai risultati di un precedente lavoro di Tesi che mirava a una riduzione del numero di falsi positivi nell’ambito della rilevazione delle cadute.
Lo sviluppo del firmware è stato infine realizzato su ambiente di sviluppo IAR avvalendosi dell’ausilio di una Evaluation Board con processore ARM Cortex-M3 e dei tool software forniti con essa. Tale lavoro di programmazione ha permesso di eseguire una sperimentazione del sistema che ha coinvolto tre individui di diversa età e con caratteristiche fisiche differenti. I risultati sono stati ottimi sia dal punto di vista della rilevazione delle vere cadute sia del filtraggio degli eventi fall-like.