本文利用智慧型手機內建之三軸加速感測器和地磁感測器來計算走路步數，最終目的為老年人之跌倒偵測。高齡族群使用智慧型手機接受度提高，使用智慧型手機內建之感測器進行偵測，可降低感測器大小及配戴多種感測器之不便，以手機內建的多種感測器得知使用者肢體動態計算步數與分析跌倒狀況是否發生，防止當跌倒發生時，無人在旁協助治療之情況。 
本文計步器演算法在分析三軸加速度量值於平地行走可達96％準確率，上樓梯可達90％準確率，下樓梯可達86％準確率，並可偵測使用者目前肢體動作以達更高之準確率，跌倒偵測改良Maarit Kangas等多位學者演算法，加入肢體動作分析，增加準確度避免因較激烈日常活動而產生跌倒誤判，增加使用者困擾。日常行走與起立坐下時不會有錯誤偵測跌倒警告，準確率達100%，整體跌倒偵測準確率可達88%。

This thesis use two sensors tri-axial acceleration sensors and magnetic sensors in smartphone to calculate walking steps. The main purpose is for detecting of fall in the elderly. Due to the older adult’s acceptance attitude of using smartphone is improving, using sensor in smartphone to detect fall will reduce incommodiousness of carry, and the volume of sensor become smaller. With various sensors to detect fall, could know that the user's calculating steps in dynamic and analyze the situation of fall will happen or not. In case the fall happened, no one help the elderly. 
The algorithm of pedometer analyzed the accuracy rate of three-axis acceleration, it may reach 96% in walking, 90% in going upstairs, and 86% in going downstairs, it also achieves a higher accuracy rate in the user's physical action. The fall detection improved Maarit Kangas' and other scholars' algorithm. Adding the analysis of physical action raise the accuracy to avoid misjudgment of violent daily activities and use’s inconvenience. Daily walking, Standing up and sitting down will not warn the user of fall, the accuracy rate of whole fall detection may reach 88%.

目錄
第一章	緒論	1
1-1	 研究動機	1
1-2	 研究目的	2
1-3	 章節內容概要	3
第二章	系統相關背景介紹	4
2-1	 Linux 作業系統	4
2-2	 Android 作業系統	5
2-2.1	Android Activity生命週期	8
2-2.2	抓取基本感測器數值資料	10
2-3	 Java	11
2-4	 Eclipse	12
2-5	 硬體介紹	12
2-6	 標準重力	14
2-7	 微機電系統MEMS	15
2-7.1	三軸加速度感測器（3-axial Accelerometer）	15
2-7.2	地磁感測器（Geomagnetic Sensor）	17
2-7.3	趨近感測器（Proximity Sensor）	18
2-8	 步伐週期（Gait Cycle）	18
2-9	 感測器配戴位置	19
2-10	 一階差分	22
2-11	 論文回顧	22
第三章	系統流程與實作	25
3-1	 使用者姿態判斷	25
3-2	 跌倒偵測演算法	26
3-3	 計步演算法	30
第四章	實驗結果	35
第五章	結論與未來研究方向	44
5-1	 結論	44
5-2	 未來研究方向	45
參考文獻	46
附錄A  NCS2013全國計算機會議Accept論文	50
附錄B  英文論文	58

圖目錄
圖 一 國內近20年人口結構分布圖	1
圖 二 ANDROID 4.4 KITKAT HOME SCREEN	6
圖 三 ANDROID系統市佔率	6
圖 四 ANDROID的系統架構圖	7
圖 五 ANDROID ACTIVITY生命週期	9
圖 六 手機X、Y、Z軸示意圖	16
圖 七 地球磁場南北示意圖	17
圖 八 人類走路步伐週期	19
圖 九 頭戴式跌倒偵測系統	19
圖 十 胸口跌倒偵測系統	20
圖 十一 腰部跌倒偵測系統	20
圖 十二 手臂跌倒偵測系統	21
圖 十三 腿部跌倒偵測系統	21
圖 十四 使用者姿態判斷	26
圖 十五 手機傾斜角度	27
圖 十六 正面跌倒加速度圖	28
圖 十七 後仰跌倒加速度圖	28
圖 十八 行走一步時的三軸加速度之Y、Z軸數值(一)	32
圖 十九 行走一步時的三軸加速度之Y、Z軸數值(二)	33
圖 二十 ANDROID APP執行畫面	37
圖 二十一 跌倒偵測實驗場地	38
圖 二十二 步伐偵測實驗場地(平地)	38
圖 二十三 步伐偵測實驗場地(樓梯)	39
圖 二十四 正向跌倒三軸加速度量值	40
圖 二十五 後仰跌倒三軸加速度量值	40
圖 二十六 平地行走時的Y、Z軸加速度(一)	41
圖 二十七 平地行走時的Y、Z軸加速度(二)	41
圖 二十八 上樓梯時的Y、Z軸加速度	42
圖 二十九 下樓梯時的Y、Z軸加速度	42
圖 三十 綜合測試之Y、Z軸加速度(一)	43
圖 三十一 綜合測試之Y、Z軸加速度(二)	43

表目錄
表 一 ANDROID感測器取樣頻率	10
表 二 HTC SENSATION XE硬體清單	13
表 三 GOOGLE NEXUS 5硬體清單	13
表 四 跌倒偵測之實驗結果及準確率	35
表 五 前後跌倒偵測準確率	35
表 六 計步器之實驗結果及準確率	36

[1]	內政部統計處，URL：http://sowf.moi.gov.tw/stat/week/list.htm
[2]	衛生福利部統計處，URL：http://www.mohw.gov.tw/cht/DOS/
[3]	中華民國護理師護士公會全國聯合會，URL：http://www.nurse.org.tw/
[4]	行政院主計處，URL：http://www.dgbas.gov.tw/mp.asp?mp=1
[5]	林芬蘭、李永捷，“建置於IPhone上之車禍與跌倒自動通報系統”，靜宜大學，資訊工程學系碩士班，2010。
[6]	唐文華、林佳輝，“無線感測網路應用於居家老人活動監測與跌倒辨識”，國立新竹教育大學，資訊科學研究所，2011。
[7]	Wikipedia , Linux，URL：http://en.wikipedia.org/wiki/Linux
[8]	Android　developer，URL：http://developer.android.com/index.html
[9]	International Data Corporation（IDC），URL：http://www.idc.com/
[10]	Google I/O，URL：https://developers.google.com/events/io/
[11]	Android SDK，URL：https://developer.android.com/sdk/index.html
[12]	宏達電–HTC Sensation XE， URL：http://www.htc.com/tw/
[13]	Nexus 5 - Google，URL：http://www.google.com/nexus/5/
[14]	Wikipedia，標準重力，URL：http://zh.wikipedia.org/wiki/%E6%A8%99%E6%BA%96%E9%87%8D%E5%8A%9B
[15]	科技台灣，URL：http://www.hightech.tw/
[16]	鄭文昌，詹明儒，許祐松，“去除加速度計重力影響之即時跌倒偵測”，第十二屆離島資訊技術與應用研討會論文集，朝陽科技大學，2013。
[17]	幸賀電子，URL：http://www.seraphim.com.tw/
[18]	Root To Begin，URL：http://www.root2being.com/
[19]	差分函數wikipedia ，URL：http://zh.wikipedia.org/zh-tw/%E5%B7%AE%E5%88%86
[20]	許輝煌、蔡康俊，“使用手機重力感應器和類神經網路於姿態辨識”，淡江大學資訊工程學系碩士班，2012。
[21]	黃有評、王珊珊，“以智慧型手機感測器設計居家照護系統”，國立台北科技大學，電機工程系所，2011。
[22]	詹前隆、范文婷，“以Wii 的三軸加速度感測器為基礎之跌倒系統即時監測”， ICIM2009 第二十屆國際資訊管理學術研討會，元智大學，2009。
[23]	范國清、劉星宏，“利用kinect做室內跌倒事件之偵測”，國立中央大學，資訊工程研究所，2012。
[24]	林志敏、陳炳旭，“以嵌入式技術實現智慧型安全手杖之研究”，逢甲大學，資訊電機工程碩士在職專班，2012。
[25]	潘健一、林卓彥，“智慧型跌倒偵測系統”，慈濟大學，醫學資訊研究所，2009。
[26]	黃俊喬、蔡東穎、劉德明，“遠距居家照護之跌倒昏迷偵測系統研究”，國立陽明大學生物醫學資訊研究所，2008年台灣國際醫學資訊聯合研討會(JCMIT2008)，2008。
[27]	林佳輝、唐文華，“無線感測網路應用於居家老人活動監測與跌倒辨識”， 第十一屆離島資訊技術與應用研討會，國立新竹教育大學，2012。
[28]	陳瑞發、林顗德，“在智慧型手機上應用重力感測器進行人體動作分析”，淡江大學資訊工程學系碩士班，2011。
[29]	段伴虬、李守誠、毛世威、許綜升、洪兆宇、徐守仁，“不同姿態下微機電加速儀對人體跌倒偵測研究”，陸軍軍官學校八十三週年校慶基礎學術研討會，2007。
[30]	M. J. Mathie', N. H. Lovell', A. C. F. Coster', B.G. Celler',“DETERMINING ACTIVITY USING A TRIAXIAL ACCELEROMETER”, Proceedings of the Second Joint EMBSBMES Conference Houston, TX, USA October 23-26,2002.
[31]	Maarit Kangas,　Antti Konttila,　Ilkka Winblad　and　Timo Jamsa,　“Determination of simple thresholds for accelerometry-based parameters for fall detection”,　Proceedings of the 29th Annual International　Conference of the IEEE EMBS　Cite Internationale, Lyon, France August 23-26, 2007.
[32]	謝尚琳、劉建賢，“使用加速度計和陀螺儀之跌倒偵測系統”，大同大學，資訊工程研究所，2011。
[33]	OUR MOBILE PLANET，URL：http://www.thinkwithgoogle.com/mobileplanet/zh-tw/
[34]	吳永基、蔡昇倫，“智慧型手機之跌倒偵測系統設計”，長榮大學，資訊管理學系碩士班，2012。
[35]	吳季庭、Munkhjargal Gochoo、譚旦旭、張清樹、陳勁鳴、黃書唯、吳欣樺、高碩嫻，“應用 Android-based 行動平台偵測銀髮族跌倒事件”，第十二屆離島資訊技術與應用研討會論文集，國立台北科技大學電機工程系,中華電信公司，2013。
[36]	蘇木春、施建仲，“使用線性加速感測晶片的計步器”，國立中央大學，資訊工程研究所，2011。