基于可穿戴設(shè)備的消防人員安全狀態(tài)檢測技術(shù)研究

陳晨，孟登，陳小輝

（1.宜昌市消防救援支隊(duì)；2.三峽大學(xué)計(jì)算機(jī)與信息學(xué)院）

1 引言

救援人員在救援現(xiàn)場的行為、火場環(huán)境、人員生物信息等與人員在火場中是否處于危險(xiǎn)狀況密切相關(guān)，人體某些異常行為可能誘發(fā)危險(xiǎn)，例如跌倒、局部高溫、心跳過快或過慢等都與現(xiàn)場人員的安全狀況密切相關(guān)，因此對人員在火場中的多種行為、其生理信息進(jìn)行監(jiān)護(hù)具有現(xiàn)實(shí)意義[1-4]。本文基于人體運(yùn)動產(chǎn)生的加速度、角速度等姿態(tài)數(shù)據(jù)進(jìn)行行為判識，對心率、血壓等人體生理數(shù)據(jù)進(jìn)行監(jiān)護(hù)[5-8]，設(shè)計(jì)并構(gòu)建了一整套完備具有跌倒檢測功能的火場人員安全狀態(tài)監(jiān)護(hù)平臺。

2 總體設(shè)計(jì)

在進(jìn)行人體安全狀態(tài)判識之前，首先需要準(zhǔn)確識別人體當(dāng)前行為，而對人體行為判識首先需要獲取人體各種行為的原始數(shù)據(jù)，然后對人體行為的原始信號數(shù)據(jù)進(jìn)行預(yù)處理后形成人體行為判識輸入向量集合，再使用判識器對其進(jìn)行判識。

在對火場人員行為進(jìn)行判識時(shí)，可通過人員行為與其生理信息進(jìn)行融合分析判斷，進(jìn)一步分析人員在火場中的安全狀態(tài)。生理信息包括心率、血壓等，這些數(shù)據(jù)通過硬件采集。

數(shù)據(jù)的采集由硬件完成，所有采集的數(shù)據(jù)通過濾波、分段等預(yù)處理，進(jìn)入后期分析。再對人員生物特征信息與行為信息進(jìn)入融合分析判斷，獲得對人員的安全狀態(tài)的判識。判識結(jié)果集合分為：安全、異常、警告、危險(xiǎn)。判識信息在現(xiàn)場提示佩戴者的同時(shí)，通過無線傳感器自主網(wǎng)絡(luò)與火場外現(xiàn)在通信平臺鏈，把火場狀態(tài)和救火人員安全信息傳輸?shù)胶蠖朔?wù)器，供現(xiàn)在指揮人員使用，并保存供后期研究分析使用。

人體行為判識總體技術(shù)路線如圖1所示。

圖1 救援人員安全狀態(tài)檢測裝備設(shè)計(jì)技術(shù)路線

3 硬件設(shè)計(jì)

3.1 硬件功能模塊設(shè)計(jì)

本文硬件設(shè)計(jì)以實(shí)現(xiàn)行為數(shù)據(jù)、生理狀態(tài)數(shù)據(jù)采集、分析及顯示交互，設(shè)備大小以保障隨身佩戴為主，其他如防火、防高溫等設(shè)計(jì)因篇幅所限不再贅述。針對以上考慮，本文設(shè)計(jì)的可穿戴感知功能設(shè)計(jì)如圖2所示。

圖2 硬件功能模塊設(shè)計(jì)

3.2 硬件組成

硬件設(shè)計(jì)實(shí)現(xiàn)行為、生理信息檢測，行為感知通過九軸傳感器采集三個維度的加速度、速度信息，進(jìn)而分析人員行為，生理信息主要包括心率、血壓數(shù)據(jù)的采集；現(xiàn)場信息以溫度采集為主；人員定位以GPS采集（空曠地域）；現(xiàn)場交互主要通過LED屏幕、聲光設(shè)備；信號傳輸采用無線傳感器。

①M(fèi)CU單元：采集信號的預(yù)處理、分析、各類控制等的數(shù)據(jù)處理、邏輯分析。

②聲光單元：佩戴人員間、佩戴人員與現(xiàn)場指揮人員信息交流；危機(jī)時(shí)聲光報(bào)警。

③九軸傳感器：佩戴人員運(yùn)動時(shí)三維空間中的運(yùn)動速度、加速度數(shù)據(jù)采集。

④心率、血壓傳感器：檢測佩戴人員的心率、血壓數(shù)據(jù)。

⑤溫度傳感器：獲取佩戴人員所處環(huán)境的溫度數(shù)據(jù)。

⑥GPS單元：露天火場中佩戴人員所處地理位置的實(shí)時(shí)經(jīng)緯度數(shù)據(jù)。

⑦ZIGBEE單元：無線傳感器設(shè)備，把相關(guān)信息傳輸?shù)胶蠖恕?/p>

⑧電源：為整機(jī)供電，輸出3.3V電流。

硬件原理框如圖3所示。

圖3 硬件原理框圖

4 行為識別算法

在實(shí)際使用過程中，原始數(shù)據(jù)采集會受到諸如人體自然呼吸產(chǎn)生的震動、傳感器的測量偏差、信號傳輸激勵等各個環(huán)節(jié)產(chǎn)生的干擾噪聲。為降低其對系統(tǒng)的影響，提高系統(tǒng)可靠性，需要對原始數(shù)據(jù)進(jìn)行預(yù)處理，即：濾波去噪、加窗、特征選擇。

4.1 濾波方法選擇

本文信號濾波采用小波濾波，利用噪聲的小波系數(shù)要小于信號的小波系數(shù)的特點(diǎn)，通過將原始信號經(jīng)小波分解，大于設(shè)定閾值的小波系數(shù)被認(rèn)為是有信號。

含噪的信號模型如下：

式（1）中：f(k)為有用信號；S(k)為含噪聲信號；e(k)為噪聲；ε為噪聲系數(shù)的標(biāo)準(zhǔn)偏差。對S(k)信號進(jìn)行小波分解，噪聲部分通常包含高頻信號的部分中，通過對高頻信號部分作相應(yīng)的小波系數(shù)處理，然后對信號進(jìn)行重構(gòu)即可以達(dá)到消噪的目的。

4.2 數(shù)據(jù)分割

本文信號采集頻率50HZ，周期為0.02s，選取2.4s長度的50%重疊窗口對數(shù)據(jù)進(jìn)行分割。

4.3 特征選擇及提取

基于一系列預(yù)處理后的原始數(shù)據(jù)還存在偏差等問題，因此要進(jìn)行數(shù)據(jù)篩選和處理成人體行為特征向量作為后文算法識別單元的輸入。九軸傳感器采集的原始物理信號為：x、y、z三軸方向加速度分量，x、y、z軸方向角速度分量，x、y、z軸方向角度分量；本文選擇x、y、z軸方向加速度分量，x、y、z軸方向角速度分量。

4.4 行為識別設(shè)計(jì)

根據(jù)前文得到的人體行為特征向量作為人體常見行為活動判識算法的輸入，通過采集不同個體不同行為的數(shù)據(jù)，訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，在行為判識的基礎(chǔ)上引入人體生理特征，進(jìn)行融合判定。

5 安全行為判識軟件框架設(shè)計(jì)

軟件框架如圖4所示：

圖4 判識軟件架構(gòu)

軟件設(shè)計(jì)采用框架設(shè)計(jì)，包括以下幾層。

①硬件底層驅(qū)動：微處理器的底層配置，輸入輸出口初始化等作用于硬件的代碼段。

②庫函數(shù)層：提供通用API函數(shù)，方便上層對寄存器的調(diào)用，定義硬件訪問地址和外設(shè)訪問函數(shù)。

③驅(qū)動層：包含串口、IIC(Inter-Integrated Cir‐cuit，集成電路總線)、外部中斷、定時(shí)器等驅(qū)動配置。

④實(shí)時(shí)調(diào)度層：主要負(fù)責(zé)實(shí)時(shí)任務(wù)的運(yùn)行，保證人體健康行為判識的實(shí)時(shí)性。

⑤應(yīng)用層：算法、ZIBGEE控制、人機(jī)交互（LED、按鍵、OLED顯示屏）控制。

6 結(jié)語

本文設(shè)計(jì)了一款用于偵測火場救援人員安全狀態(tài)的可穿戴設(shè)備，通過采集的三維動態(tài)數(shù)據(jù)，應(yīng)用人工智能算法分析佩戴人的行為特征，結(jié)合同時(shí)采集的生理健康參數(shù)，判斷佩戴人的安全狀態(tài)，并給予提醒。

本文主要做了以下工作：

①設(shè)計(jì)和實(shí)現(xiàn)了一套可穿戴設(shè)備，能夠?qū)崟r(shí)采集佩戴人x、y、z三軸方向的加速度、速度等參數(shù)，以及心跳、血壓等生理特征參數(shù)；

②設(shè)計(jì)和實(shí)現(xiàn)了數(shù)據(jù)分析算法，對采集的數(shù)據(jù)進(jìn)行分析處理，去除噪聲等影響，獲得有用信息；

③設(shè)計(jì)和實(shí)現(xiàn)了人工智能算法，實(shí)現(xiàn)應(yīng)用三軸數(shù)據(jù)分析人員的行走、跌倒、匍匐前進(jìn)等行為動作，結(jié)合生理信息對人員的安全狀態(tài)判斷；

④設(shè)計(jì)和實(shí)現(xiàn)了適用于可穿戴設(shè)備的小型化的安全行為判識軟件。