隨著科技的進步、醫學的發展、人口出生率及死亡率的逐年降低，全球老年人口的比例正大幅提升，隨著高齡化社會的來臨，養老照顧漸漸成為重要的社會議題。而社會上專業養老機構已經無法負荷老年人口持續的成長，居家健康照護必成為未來的趨勢。
本論文擬以物聯網技術設計與實作具跌倒偵測之智慧項鍊系統。智慧項練為一套判斷速度快及正確率高的個人攜帶型的跌倒偵測裝置，它利用三軸加速度計於擷取老人活動所產生的三軸加速度值，判斷出跌倒的狀態，包括：行走、跑步、跌倒....等，再採用無線傳輸技術，對外發出求救訊號，給予即時的幫助。本裝置實作於一個小方塊盒中，使用者可掛在脖子上，方便老人家使用。

With the progress of science and technology, medical development, population birth rate and mortality decreased year by year, the proportion of the world's elderly population is greatly improved, with the advent of aging society, pension care has gradually become an important social issue. And the community of professional pension agencies have been unable to load the elderly population continued to grow, home health care will become the future trend.

This paper intends to design and implement the intelligent necklace system with drop detection technology. Wisdom is a set of judging speed and high accuracy of the personal carry-type fall detection device, which uses a three-axis accelerometer to capture the activities of the elderly generated by the three-axis acceleration value to determine the fall state, including: Walking, running, falling .... and so on, and then use the wireless transmission technology, issued a distress signal, to give immediate help. The device is implemented in a small box box, the user can hang on the neck, easy for the elderly to use.

目錄
目錄	III
圖目錄	V
表目錄	VII
第一章、簡介	1
第二章、相關研究	6
2.1跌倒偵測系統	6
2.2穿戴式感測器配戴位置	12
第三章、背景知識	15
3.1物聯網基礎架構	15
3.2 Zigbee簡介	16
3.3陀螺儀	19
3.3.1 陀螺儀原理	19
3.3.2陀螺儀設定	20
3.4 三軸感測器	22
3.5 Arduino簡介	23
第四章、系統架構	24
第五章 、系統設計與功能介紹	27
5.1 設計期	28
5.2 硬體建置	31
5.3系統流程	33
第六章、系統實作	35
6.1 感測元件與無線通訊模組	35
6.2 系統流程	41
6.3 伺服器	42
第七章、數據分析	43
7.1 資料標記	43
7.2 人體姿態估測波形	47
7.3 資料判斷	49
7.4 數據的收集與擷取	50
第八章 討論	52
8.1 Ubidots 雲端作業平台	52
8.2 實作過程	52
第九章 結論與未來展望	54
9.1 結論	54
9.2 未來展望	55
9.2.1 建立資料庫的網站	55
9.2.2 嵌入式系統的選用	56
參考文獻	57
附錄-英文論文	59

 
圖目錄
圖1各國65歲以上人口占總人口比率。	2
圖2台灣台灣2004年至2051年人口推估	4
圖3 移動型行為圖像序列-走路、跑步、跑步後跌倒	7
圖4 全球定位系統	8
圖5 陀螺儀實現跌倒偵測系統	9
圖6 訊號強度向量	10
圖7 ZigBee無線網路協定架構圖	17
圖8常見的ZigBee網路架構	18
圖9 陀螺儀基本架構圖	19
圖10 InvenSense包含MEMS加速度計和MEMS陀螺儀。	21
圖11 MPU-6050實體圖	21
圖12三軸感測器	22
圖13 Arduino微電腦控制板	23
圖14跌倒偵測之智慧項鍊物聯網系統架構圖	24
圖15跌倒偵測之智慧項鍊物聯網系統	25
圖16老年人日常狀態及緊急事件推播通知	26
圖17感測器配戴實體圖	28
圖18 感測盒實作圖	29
圖19：WeMos D1 與 MPU6050連結方塊圖	31
圖20：Fall Detector 原型機圖	32
圖21 跌倒偵測系統	32
圖22 胸部傾倒判定流程圖	33
圖23 Arduino微電腦控制板	35
圖24 Arduino微電腦控制板硬體系統架構圖	36
圖25 WeMos D1模組	37
圖26 WeMos D1模組腳位圖	37
圖27 XBee模組	38
圖28 三軸加速度	39
圖29 MPU6050	40
圖30裝置線路配置	41
圖31原件裝置製作成盒子	42
圖32螢幕上面看到三軸數值	42
圖33跌倒偵測之智慧項鍊物聯網系統伺服器架構圖	42
圖34 跌倒時各軸加速度變化示意圖	44
圖35 各行為之加速度變化圖	45
圖36 正常行走時 x 軸加速度變化	46
圖37  步伐不穩時 x 軸加速度變化	46
圖38 異常波形(1)：儀器佩帶錯誤	48
圖39 異常波形(2)：儀器佩帶錯誤	48
圖40平地行走z軸加速度變化	49
圖41平地行走z軸加速度變化	50
圖42行為模式	51

 
表目錄
表1 跌倒偵測感測器裝置之比較	13
表2 流程步驟說明	14

參考文獻
[1]   「台灣 100 年老化指數 69.51，全台老年人口佔 10.745%」，檢自：      https://zh.wikipedia.org/wiki/%E8%80%81%E5%8C%96
[2]   「台灣 100 年老化指數 69.51，全台老年人口佔 10.745%」，檢自： http://house.cnyes.com/SecondHand/TrendAnalysis/Content/000000053.htm
[3]   「跌倒是65歲以上老人意外死亡的最主要原因，台灣則是第二大死亡原因」，檢自： http://m.commonhealth.com.tw/article/article.action?id=5016557
[4]   「穿戴式感測器依照佩戴位置頭戴型或耳掛型感測器」，檢自： https://www.taiwanjobs.gov.tw/internet/index/docDetail_frame.aspx?uid=1590&pid=230&docid=28603&nohotkey=Y
[5]   「穿戴式耳掛型感測器」，檢自： http://www.chinatimes.com/realtimenews/20140301002415-260412
[6]   「穿戴式胸戴型感測器」，檢自： http://www.appledaily.com.tw/realtimenews/article/new/20170421/1102653/
[7]   「預防老人跌倒」，檢自：http://www.tainan.gov.tw/tainan/dep_news.asp?id=%7B92B23CC2-B82A-479D-BE5F-84850B2EE5B2%7D
[8] M.J. Mathie, N.H. Lovell, A.C.F. Coster, and B.G. Celler “Determining activity using a triaxial accelerometer,”- Engineering in Medicine and Biology, 2002. 24th Annual Conference and the Annual Fall Meeting of the Biomedical Engineering Society EMBS/BMES Conference, 2002. 
[9] A. K. Bourke, J. V. O’Brien, and G. M. Lyons “Evaluation of a threshold-based Tri-Axial accelerometer fall detection algorithm,” Gait & Posture, 26, pp.194-199, 2007. 
[10]M.N. Nyan，Francis E.H. Tay，M. Manimaran and K.H.W. Seah.，”Garment-based detection of falls and activities of daily living using 3-axis MEMS accelerometer“，J. Phys: Conf. Ser. 34(2006) 1059-1067
[11] T. Degen, H. Jaeckel, M. Rufer, and S. Wyss, “ SPEEDY:a fall detector in a wrist watch,” Seventh IEEE International Symposium on Wearable Computers. , Sept 1-4, pp.184-187, 2005.
[12] U. Lindemann, A. Hock, M. Stuber, W. Keck, and C. Becker, “ Evaluation of a fall detector based on accelerometers: A pilot study, ” Medical and Biological Engineering and Computing 2005, Volume 43, Issue 5, pp.548-551, 2005.
[13] 「3D rigged human model」，檢自： http://www.turbosquid.com/FullPreview/Index.cfm/ID/456757
[14] M. Benocci, C. Tacconi, E. Farella, L. Benini, L. Chiari,	and L. Vanzago,
“ Accelerometer-based fall detection using optimized ZigBee data streaming, ” Microelectronics Journal, Volume 41, Issue 11, pp.703-710, 2010.
[15]N. Noury，A. Fleury，P. Rumeau，A.K. Bourk，G.O. Laighin，V. Rialle，and J.E.Lundy，”Fall detection-principles and methods，29th EMBC，pp.1663-1666，22-26 Aug.2007
[16]Charalampos Doukas and Ilias Maglogiannis，”Advanced Patient or Elder Fall Detection based on Movement and Sound Data”，Jan. 30 2008-Feb. 1 2008 pp103-107
[17] Yi-Mao Hsiao, Wan-Ting Liu, Yuan-Sun Chu,” Design and implementation of a healthcare system with fall detection, “International Symposium on Bioelectronics and Bioinformatics (ISBB), Nov. 2011,pp.131-134. 
[18] 趙啟時、張文華、邱創乾，「遠距居家照護之跌倒意外偵測通報系統」，Microelectronics Engineering CHU SoC & VLSI Signal Processing Lab (2005)。
[19] 王致中，「開發一利用慣性感測器與肌電訊號分辨日常生活與跌倒的偵測系統」，交通大學機械工程研究所碩士論文，2009。 
[20] H. M. Qian, Y. B. Mao, and Z. Q. Wang, “SVM-based Abnormal Activity Detection for Home Care,” Proceedings of the 7th World Congress on Intelligent Control and Automation, pp. 3766- 3771, 2008.
[21] Shin-Han Wu, ”A Wrist-Worn Fall Detection System using Accelerometer and Gyroscope”, Thesis for Master of Science Department of Computer Science and Engineering Tatung University ,22 May 2014 pp.518-523.
[22] Manzari, C. Occhiuzzi and G. Marrocco, “RFID Technology for IoT-Based Personal Healthcare in Smart Spaces,” IEEE Internet of Things Journal, April 2014.