在职消防员实时支持系统中的多传感器数据融合
摘要
1.简介
2.材料和方法
2.1. 系统体系结构
2.2. 三自由度加速度计
2.3. 晴雨表
2.4. CO检测
3.方法
3.1. 消防员坠落检测算法
上限阈值。 在坠落状态下,志愿者失去与地面的接触后,他们的身体将下降到“坠落飞行”阶段。 由于重力的影响,当物体最初接触地面或其他物体时,会产生加速度数据的突然变化。 因此,使用上限阈值检测加速度数据的突然增加具有重要意义。 阈值上限对系统的精度和性能也起着重要作用。 在本研究中,我们主要关注在高动态和低动态活动(如跑步、步行、在地面爬行或上下楼梯)的建筑物中的火灾场景中工作的消防员的坠落事件检测。 哪里, 是j样本处的加速度数据; 是检查加速度过大的阈值。 飞行后。 在“秋季飞行”期之后,身体会在短时间内波动,然后转变为休息状态。 在静止状态下,三个轴上加速度的RMS约为1 g。坠落后阈值包括上限和下限。 根据实验测试结果,在本研究中,当信号超过上阈值3秒,并且跌倒后特征的上阈值和下阈值分别等于1.25和0.75 g时,将检查静止状态。 当RMS加速度大于或小于 和 阈值分别在2s内。 坠落后将确认坠落事件已发生。 哪里, 是检查坠落后状况的上限, 是检查跌倒后状况的较低阈值。 姿势识别。 摔倒后,身体的姿势会改变。 因此,与参考坐标系相比,横摇、俯仰和偏航角将发生变化。 在本研究中,参考框架是地球框架。 姿态的改变意味着滚动、俯仰和偏航角与参考坐标系的变化。 翻滚和俯仰角度用于估计消防员坠落后的姿势。 在此基础上,我们提出了姿势识别阈值来区分任务活动和跌倒事件。 此外,θ( T型 )摔倒事件发生时,角度会发生变化。 因此,在坠落检测算法中使用θ角、俯仰角和滚动角在我们提出的算法中非常重要。
3.2. 消防员物理性能损失检测算法
3.3、。 消防员一氧化碳检测算法
4.结果和讨论
4.1、。 实验结果
4.1.1. 跌倒检测结果
4.1.2. 物理性能检测损失
4.1.3. 高CO水平警报算法
4.2. 比较
- 我们之前的出版物主要关注老年人跌倒检测。 因此,在本研究中没有考虑到许多值班消防员的活动。 - 我们目前在值班消防员实时支持系统中提出的方法是结合使用五个传感器:三轴加速度计、三轴陀螺仪、三轴磁强计、气压计和MQ7传感器。 已经提出了有效的数据融合算法,用于坠落检测和身体性能损失检测,与其他公共研究和市场上的设备相比,该算法具有显著的性能。 - Paola Piereoni等人[ 17 ]提出了一种由三轴加速度计、三轴陀螺仪、三轴磁强计和气压计组成的四种传感器组合而成的高效坠落检测算法。 这种方法检测到了消防员的大多数摔倒事件。 然而,本研究没有考虑爬行然后摔倒和身体性能丧失的情况,因为它主要侧重于检测老年人的摔倒事件,而我们提出的方法是为执行不同于老年人的活动的值班消防员开发的。
算法2:算法1的简化版本(第二阶段不检查θ、俯仰和滚动角度)。 算法3:算法2的简化版本(无条件1)。 算法4:算法2的简化版本(没有条件2)。 我们以前的坠落检测算法。 Paola Piereoni等人的算法。
4.2.1. 我们实验数据的比较
4.2.2. 公共数据集的比较
防坠落措施: +811从垂直坐姿到以一定加速度坐在椅子上(硬表面) +812从垂直坐沙发,到以一定加速度坐在沙发上(柔软表面) +814从垂直坐姿到以一定加速度坐在床上(软表面) +815卧床,垂直躺在床上 +816起居床,从躺着到坐着
坠落动作: +903个前膝,从膝盖垂直下落 +909次仰卧,垂直落在地板上,以坐姿结束 +917摇床,从躺着、下床和在地板上行走
+正面905快速恢复,从垂直跌落到地面并快速恢复 +914右恢复,从垂直跌落到地板上,随后恢复 +916左侧恢复,从地板上垂直坠落开始,随后恢复
5.结论
作者贡献
基金
致谢
利益冲突
工具书类
卡特,M.J。; Molis,J.NFPA Research,《美国消防员受伤》。 美国国家防火协会J。 1997 , 92 , 48. [ 谷歌学者 ] 法希,R.F。; PR LeBlanc,P.R。; 莫里斯,J.L。 2015年美国消防员死亡人数 ; NFPA火灾分析与研究; 美国国家消防协会:美国马萨诸塞州昆西,2016年。 [ 谷歌学者 ] 越南火灾统计:2014年。 在线可用: http://thoibaotaichinhvietnam.vn (2019年5月30日访问)。 越南火灾统计:2015年。 在线可用: http://hanoimoi.com.vn (2019年5月30日访问)。 纳尔逊,B。; 丹尼尔,M。; 大卫·S·。 个人警报安全系统(PASS)设备中热暴露传感器的性能 ; 美国国家标准与技术研究所建筑与消防研究实验室:盖瑟斯堡,马里兰州,美国,2005年。 伍斯特冷藏仓库公司火灾。 在线可用: https://en.wikipedia.org/wiki/Worcester_Cold_Storage_and_Warehouse_Co._fire (2019年4月1日访问)。 查尔斯顿沙发超市火灾。 在线可用: https://en.wikipedia.org/wiki/Charleston_Sofa_Super_Store_fire (2019年4月1日访问)。 范,V.T。; Nguyen,D.A。; Dang,N.D。; Pham,H.H。; Tran,V.A.公司。; Sandrasegaran,K。; Tran,D.-T.使用低成本惯性测量装置支持室内定位系统在各种行走状态下进行高精度步数计算。 传感器 2018 , 18 , 3186. [ 谷歌学者 ][ 交叉参考 ][ 公共医学 ] C·玛丽亚。; O.科雷。; 于,Z。; Senem,V.使用可穿戴传感器进行活动检测和分类的调查。 IEEE传感器J。 2016 , 17 , 386–403. [ 谷歌学者 ] 陶,X。; Yun,Z.使用深度相机基于生物力学特征的老年人跌倒检测。 国际J.Wavelets多分辨率。 信息处理。 2018 , 16 , 1840005. [ 谷歌学者 ] Z.Feng。; 志国,C。; 杨,X。; Jing先生。; Junsong,Y.使用单深度相机实时检测从床上跌落。 IEEE传输。 自动。 科学。 工程师。 2018 , 16 , 1018–1032. [ 谷歌学者 ] 苏亚德,A。; 艾哈迈德·L。; 希瑟,P。; Kofi,A.使用运动、形状和直方图特征的基于视频的坠落检测。 佩特拉18。 2018年6月26日至29日在希腊科尔夫举行的第十一届与辅助环境相关的保护技术会议记录; 第529-536页。 [ 谷歌学者 ] 艾哈迈德。; 穆罕默德,H。; Saeid,N.使用随机决策森林的深度图像无骨架坠落检测系统。 IEEE系统。 J。 2018 , 12 , 2994–3005. [ 谷歌学者 ] 埃尔登,A。; Muzaffer,A。; 阿卜杜勒卡迪尔。; W·海波。; 马里兰州梅利赫。 轮廓定向卷,用于有效检测深度视频中的坠落。 IEEE J.生物医学。 健康信息。 2017 , 21 , 756–763. [ 谷歌学者 ] 劳尔,I。; 卡洛斯,M。; Inmaclada,P.基于加速度的坠落检测公共数据集的比较。 医学工程物理。 2015 , 37 , 870–878. [ 谷歌学者 ][ 绿色版本 ] Pham,V.T。; Nguyen,T.H.N。; Le,T.T.H。; Do,V.L。; Dinh,C.N。; Duc,T.T.紧急情况下消防员实时支持系统的开发。 2016年6月27日至29日在越南胡志明举行的第六届国际生物医学工程发展会议记录; 第341-344页。 [ 谷歌学者 ] Paola,P。; 阿尔贝托,B。; 洛伦佐,M。; 洛伦佐,P。; Luca,P。; Michele,P。; Simone,V.基于AHRS和气压传感器的老年人可穿戴式坠落探测器。 IEEE传感器J。 2016 , 16 , 6733–6744. [ 谷歌学者 ] Van,T.P。; Tran博士。; Nguyen,D。; Anh,N.D。; Dinh,D.N。; El-Rabaie,S。; Sandrasegaran,K.使用三自由度加速度计为老年人开发实时、简单和高精度坠落检测系统。 阿拉伯人。 科学杂志。 工程师。 2019 , 44 , 3329–3342. [ 谷歌学者 ][ 交叉参考 ] Kuanghsuan,C。; Y.Jingjung。; Fushan,J.使用特征提取和支持向量机算法基于加速度计的坠落检测。 仪器。 科学。 Technol公司。 2016 , 44 ,333–342。 [ 谷歌学者 ] Curone,D。; 塞科,E.L。; Tognetti,A。; Loriga,G。; 杜德尼克,G。; 里萨蒂,M。; 怀特,R。; Bonfiglio,A。; Magenes,G.《应急操作员智能服装:ProeTEX项目》。 IEEE传输。 技术信息。 生物识别。 2010 , 14 , 3. [ 谷歌学者 ][ 交叉参考 ][ 公共医学 ] 阿纳尼亚,G。; Tognetti,A。; Carbonaro,N。; Tesconi,M。; Cutolo,F。; Zupone,G。; Rossi,D.D.使用可穿戴传感器开发一种新的人体坠落检测算法。 《IEEE传感器会议记录》,意大利莱切,2008年10月26日至29日; 第1336–1339页。 [ 谷歌学者 ] 塔尔塔雷,G。; 曾,X。; Koehl,L.开发可穿戴系统,用于监测消防员的生理状态。 2018年IEEE工业网络物理系统(ICPS)会议记录,俄罗斯圣彼得堡,2018年5月15日至18日; 第561-566页。 [ 谷歌学者 ] SCBA系统:每个部门的正确选择。 在线可用: https://www.draeger.com/Products/Content/pss-series-br-9041173-us.pdf (2019年5月30日访问)。 BMP180数字压力传感器,BMP180数据表,博世终身发明。 版本5。 2013年4月5日。 不列颠哥伦比亚省莱文。; 艾丽卡,D.K。 火灾和烟雾毒理学、吸入毒理学 第2版。; CRC出版社(泰勒和弗朗西斯集团):博卡拉顿,佛罗里达州,美国,2005年; 第114-125页。 [ 谷歌学者 ] Mark,G.RN,BSN,EMT-P I/C,皇家橡木,Mich一氧化碳中毒。 J.埃默格·努斯。 2008 , 34 , 538–542. [ 谷歌学者 ] MQ7产品介绍。 2015年。在线提供: https://www.sparkfun.com/datasheets/Sensors/Bometric/MQ-7.pdf (2019年4月1日访问)。 Sebastian,O.H.M.惯性和惯性/磁传感器阵列的高效定向滤波器。 布里斯托尔大学代表。 2010 , 25 , 113–118. [ 谷歌学者 ] Chen,C.H。; 费雷拉,J.C。; 毛重,E.R。; Mochly-Rosen,D.靶向醛脱氢酶2:新的治疗机会。 生理学。 版次。 2014 , 94 , 1–34. [ 谷歌学者 ][ 交叉参考 ][ 公共医学 ] Pope,C.A。; Bhatnagar,A。; McCracken,J.P。; Abplanalp,W。; 康克林,D.J。; O’Toole,T.暴露于细颗粒空气污染与内皮损伤和全身炎症相关。 循环。 研究。 2016 , 119 , 1204–1214. [ 谷歌学者 ][ 交叉参考 ][ 公共医学 ] 公共数据集。 在线可用: https://archive.ics.uci.edu/ml/machine-learning-databases/00455/ (2019年4月1日访问)。 Özdemir,助理技术员。; Barshan,B.使用机器学习技术用可穿戴传感器检测坠落。 传感器 2014 , 14 , 10691–10708. [ 谷歌学者 ][ 交叉参考 ][ 公共医学 ]