消防人员安全状态检测技术研究

上传:cxbcp 2022-05-27 11:57:35 版权声明 举报文章

被举报文档标题:消防人员安全状态检测技术研究

被举报文档地址:

http://www.fxgjj.com/article/755667.html
我确定以上信息无误

举报类型:

非法(文档涉及政治、宗教、色情或其他违反国家法律法规的内容)

侵权

其他

验证码:

点击换图

举报理由:
   (必填)

【摘要】文章针对消防人员在消防现场的环境状况、人员自身身体状态、人员行为情况进行实时分析和监控的可穿戴装备的实现技术进行研究,以实现最大限度的保障消防人员在救火时的生命安全。文章从硬件设计、算法研究等方面进行了分析和设计,首先进行了整体设计,分析需要采集的信号及救火人员的健康状态分析,然后进行了硬件设计,最后应用采集信号进行信号分析、行为识别。

【关键词】可穿戴设备;人员健康;行为识别

1引言

救援人员在救援现场的行为、火场环境、人员生物信息等与人员在火场中是否处于危险状况密切相关,人体某些异常行为可能诱发危险,例如跌倒、局部高温、心跳过快或过慢等都与现场人员的安全状况密切相关,因此对人员在火场中的多种行为、其生理信息进行监护具有现实意义[1-4]。本文基于人体运动产生的加速度、角速度等姿态数据进行行为判识,对心率、血压等人体生理数据进行监护[5-8],设计并构建了一整套完备具有跌倒检测功能的火场人员安全状态监护平台。

2总体设计

在进行人体安全状态判识之前,首先需要准确识别人体当前行为,而对人体行为判识首先需要获取人体各种行为的原始数据,然后对人体行为的原始信号数据进行预处理后形成人体行为判识输入向量集合,再使用判识器对其进行判识。在对火场人员行为进行判识时,可通过人员行为与其生理信息进行融合分析判断,进一步分析人员在火场中的安全状态。生理信息包括心率、血压等,这些数据通过硬件采集。数据的采集由硬件完成,所有采集的数据通过滤波、分段等预处理,进入后期分析。再对人员生物特征信息与行为信息进入融合分析判断,获得对人员的安全状态的判识。判识结果集合分为:安全、异常、警告、危险。判识信息在现场提示佩戴者的同时,通过无线传感器自主网络与火场外现在通信平台链,把火场状态和救火人员安全信息传输到后端服务器,供现在指挥人员使用,并保存供后期研究分析使用。人体行为判识总体技术路线如图1所示。

3硬件设计

3.1硬件功能模块设计

本文硬件设计以实现行为数据、生理状态数据采集、分析及显示交互,设备大小以保障随身佩戴为主,其他如防火、防高温等设计因篇幅所限不再赘述。针对以上考虑,本文设计的可穿戴感知功能设计如图2所示。

3.2硬件组成

硬件设计实现行为、生理信息检测,行为感知通过九轴传感器采集三个维度的加速度、速度信息,进而分析人员行为,生理信息主要包括心率、血压数据的采集;现场信息以温度采集为主;人员定位以GPS采集(空旷地域);现场交互主要通过LED屏幕、声光设备;信号传输采用无线传感器。①MCU单元:采集信号的预处理、分析、各类控制等的数据处理、逻辑分析。②声光单元:佩戴人员间、佩戴人员与现场指挥人员信息交流;危机时声光报警。③九轴传感器:佩戴人员运动时三维空间中的运动速度、加速度数据采集。④心率、血压传感器:检测佩戴人员的心率、血压数据。⑤温度传感器:获取佩戴人员所处环境的温度数据。⑥GPS单元:露天火场中佩戴人员所处地理位置的实时经纬度数据。⑦ZIGBEE单元:无线传感器设备,把相关信息传输到后端。⑧电源:为整机供电,输出3.3V电流。硬件原理框如图3所示。

4行为识别算法

在实际使用过程中,原始数据采集会受到诸如人体自然呼吸产生的震动、传感器的测量偏差、信号传输激励等各个环节产生的干扰噪声。为降低其对系统的影响,提高系统可靠性,需要对原始数据进行预处理,即:滤波去噪、加窗、特征选择。

4.1滤波方法选择

本文信号滤波采用小波滤波,利用噪声的小波系数要小于信号的小波系数的特点,通过将原始信号经小波分解,大于设定阈值的小波系数被认为是有信号。含噪的信号模型如下:S(k)=f(k)+ε×e(k)k=0,1…,n-1(1)式(1)中:f(k)为有用信号;S(k)为含噪声信号;e(k)为噪声;ε为噪声系数的标准偏差。对S(k)信号进行小波分解,噪声部分通常包含高频信号的部分中,通过对高频信号部分作相应的小波系数处理,然后对信号进行重构即可以达到消噪的目的。

4.2数据分割

本文信号采集频率50HZ,周期为0.02s,选取2.4s长度的50%重叠窗口对数据进行分割。

4.3特征选择及提取

基于一系列预处理后的原始数据还存在偏差等问题,因此要进行数据筛选和处理成人体行为特征向量作为后文算法识别单元的输入。九轴传感器采集的原始物理信号为:x、y、z三轴方向加速度分量,x、y、z轴方向角速度分量,x、y、z轴方向角度分量;本文选择x、y、z轴方向加速度分量,x、y、z轴方向角速度分量。

4.4行为识别设计

根据前文得到的人体行为特征向量作为人体常见行为活动判识算法的输入,通过采集不同个体不同行为的数据,训练人工神经网络,在行为判识的基础上引入人体生理特征,进行融合判定。

5安全行为判识软件框架设计

软件框架如图4所示:软件设计采用框架设计,包括以下几层。①硬件底层驱动:微处理器的底层配置,输入输出口初始化等作用于硬件的代码段。②库函数层:提供通用API函数,方便上层对寄存器的调用,定义硬件访问地址和外设访问函数。③驱动层:包含串口、IIC(Inter-IntegratedCir‐cuit,集成电路总线)、外部中断、定时器等驱动配置。④实时调度层:主要负责实时任务的运行,保证人体健康行为判识的实时性。⑤应用层:算法、ZIBGEE控制、人机交互(LED、按键、OLED显示屏)控制。

6结语

本文设计了一款用于侦测火场救援人员安全状态的可穿戴设备,通过采集的三维动态数据,应用人工智能算法分析佩戴人的行为特征,结合同时采集的生理健康参数,判断佩戴人的安全状态,并给予提醒。本文主要做了以下工作:①设计和实现了一套可穿戴设备,能够实时采集佩戴人x、y、z三轴方向的加速度、速度等参数,以及心跳、血压等生理特征参数;②设计和实现了数据分析算法,对采集的数据进行分析处理,去除噪声等影响,获得有用信息;③设计和实现了人工智能算法,实现应用三轴数据分析人员的行走、跌倒、匍匐前进等行为动作,结合生理信息对人员的安全状态判断;④设计和实现了适用于可穿戴设备的小型化的安全行为判识软件。

作者:陈晨 孟登 陈小辉 单位:宜昌市消防救援支队 三峡大学计算机与信息学院