CN106530614A - 基于二维倾角判据的头部姿态异常检测安全帽 - Google Patents

Abstract

本发明公开了一种基于二维倾角判据的头部姿态异常检测安全帽，在安全帽本体上设置有倾角检测装置、定位模块、通信模块、控制器、报警装置及电源，所述的控制器与倾角检测装置、报警装置、定位模块及通信模块相连，电源给各装置供电，所述的控制器与信息中心通讯连接，控制器每隔一段时间将位置信息传输给信息中心，以便信息中心实时监控现场工作人员的位置。本发明可准确的判断操作人员的头部姿态，并能通过安全帽本体上的报警装置进行声光报警。控制电路与定位模块和通信模块相连，当异常状态出现时，可以将状态信息传给信息中心，以便信息中心通知周围的工作人员实施营救。

Description

基于二维倾角判据的头部姿态异常检测安全帽

技术领域

本发明涉及一种安全帽，尤其是一种基于二维倾角判据的头部姿态异常检测安全帽。

背景技术

佩戴安全帽的工作人员，尤其是特种作业的工作人员，往往工作的地方比较偏，危险性较高，当危险状况发生时，工作人员意识不清醒时无法通知周围的工作人员，从而导致悲剧的发生。

现有技术中的安全帽只能起到保护头部的功能，还有一些特殊功能的安全帽，但是功能比较单一，尤其不能实时检测佩戴者的头部姿态，特殊情况下不能挽救其性命。现有的安全帽没有危险状况发生时报警的功能，通常不能及时营救。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种结构紧凑，头部姿态异常时能够及时报警和通知周围的工作人员营救，穿戴更换方便，适用范围广的基于二维倾角判据的头部姿态异常检测安全帽。

一种基于二维倾角判据的头部姿态异常检测安全帽，包括安全帽本体，在安全帽本体上设置有倾角检测装置、定位模块、通信模块、控制器、报警装置及电源，所述的控制器与倾角检测装置、报警装置、定位模块及通信模块相连，电源给各装置供电，所述的控制器与信息中心通讯连接，控制器每隔一段时间将位置信息传输给信息中心，以便信息中心实时监控现场工作人员的位置。

当倾角检测装置检测的倾角数据和计算的倾角变化率与控制器预设的头部异常姿态报警范围匹配时，控制电路通过报警装置进行报警，以提醒工作人员，控制电路还将状态位置信息通过通信模块传输给信息中心，以便信息中心通知周围的工作人员实施营救。

所述的报警装置先于通信模块工作，报警装置持续一段时间后仍异常时，控制电路再将状态信息通过通信模块传输给信息中心。

所述的报警装置包括声、光报警。

所述的报警装置还包括主动报警按钮。

在安全帽上设置报警按钮，方便佩戴人员主动发出报警信号。

所述的倾角检测装置包括有前端倾角传感器、信号调节与过滤电路、A/D转换电路；倾角传感器感应x,y轴两个方向的倾角，倾角传感器与信号调节与过滤电路相连，信号调节电路的输出端与滤波电路相连，然后经过A/D转换电路转化成数字信号输出给控制器。

倾角检测装置、定位模块、通信模块、控制器和电源设置于安全帽本体的内部，报警装置设置于安全帽的侧面。

所述的基于二维倾角判据的头部姿态异常检测安全帽还包括有延时程序，报警电路启动时，同时启动延时程序，等待一段时间后继续检测，增加延时程序，可以削除误报的干扰。

所述定位模块可以采用GPS、北斗等定位芯片，每隔一段时间采集工作人员的位置信息，然后传输给控制器。

所述通信模块可以采用2G、3G、4G等通信技术，包括通信芯片和喇叭，主要功能是将状态或位置信息传输给基地，还可以接受信息中心传来的语音信号。

综上所述的，本发明相比现有技术如下优点：

本发明在安全帽本体上设置倾角检测装置，利用倾角传感器检测，控制器计算倾角和倾角变化率实现对工作人员头部姿态的判断，安全帽本体佩戴在运行检修人员的头部，相对位置比较固定，检测的准确度较高，可准确的判断操作人员的头部姿态，并能通过安全帽本体上的报警装置进行声光报警。控制电路与定位模块和通信模块相连，当异常状态出现时，可以将状态信息传给信息中心，以便信息中心通知周围的工作人员实施营救；并且还设置了主动报警按钮，可以发送主动报警信号给信息中心。倾角检测装置、定位模块、通信模块、报警装置及控制电路与安全帽本体的一体化设计，不会给运行和操作人员增加额外的装备，穿戴更换方便，适应范围广。

附图说明

图1为本发明安全帽的原理框图。

图2为本发明安全帽内倾角传感器放置俯视图。

图3为本发明的硬件电路框图。

图4为本发明的系统软件框图

标号说明：1-安全帽本体、2-倾角传感器、3-倾角检测模块、4-前端感应电路、5-信号调节与过滤电路、6-A/D转换电路、7-控制器、8-报警电路、9-定位模块、10-通信模块、11-电源、12-开始、13-预处理、14-位置信息发送、15-倾角判断、16-本地报警、17-延时再判断、18-发报警信号给信息中心。

具体实施方式

下面结合实施例对本发明进行更详细的描述。

实施例1

一种基于二维倾角判据的头部姿态异常检测安全帽，包括安全帽本体，在安全帽本体上设置有倾角检测装置、定位模块、通信模块、控制器、报警装置及电源，所述的控制器与倾角检测装置、报警装置、定位模块及通信模块相连，电源给各装置供电，所述的控制器与信息中心通讯连接，控制器每隔一段时将位置信息传输给信息中心，以便信息中心监控工作人员的位置。所述的报警装置先于通信模块工作，报警装置持续一段时间后仍异常时，控制电路再将状态信息通过通信模块传输给信息中心。所述报警装置包括报警灯、报警铃及主动报警按钮。倾角检测装置、定位模块、通信模块、控制器和电源设置于安全帽本体的内部，报警装置设置于安全帽的侧面。

图2是倾角传感器放置俯视图，倾角传感器2是双轴的，放置在安全帽本体1的内部，x轴方向为左右方向，y轴方向为前后方向，该安全帽就是通过感应这两个方向的倾角，计算倾角值和倾角变化率来判断工作人员的头部姿态。

图3是本发明的硬件电路框图，倾角检测模块3包括前端感应电路4、信号调节与过滤电路5和A/D转换电路6。本发明实施例中，通过前端感应电路4感应x,y轴的倾角，通过信号调节与过滤电路5，然后经过A/D转换电路6转化成数字信号输出给控制器，然后计算倾角值和倾角变化率，将计算值与控制器7内设置的报警值范围进行比较，在报警值范围内时，控制电路通过报警电路进行报警，经过时间t₂后仍异常，则控制电路将状态和位置信息通过通信模块10传输给信息中心，定位模块9每隔时间t₁通过通信模块10将位置信息传输给信息中心，报警电路8设置主动报警按钮，按下报警按钮后，将主动报警信号传输给信息中心。

图3是系统软件框图，包括：步骤13，各变量初始化；步骤14，发送位置信息给信息中心；步骤15，倾角判断，先计算倾角值和倾角变化率，然后通过查询表格，找到所属类别，从而判断头部姿态是否正常，异常时，执行步骤16，本地声光报警并计时，正常时，重新读取数据；步骤17，延时再判断是否异常，异常时，执行步骤18，发送报警信号给信息中心，以便信息中心通知周围的工作人员实施营救，正常时，重新读取数据。

在上述技术方案中，所述步骤还包括：判断是否有主动报警信号，当工作人员按下主动报警按钮，立即执行步骤18，发送报警信号给信息中心。

本发明倾角计算和头部姿态分类算法具体如下：

按照某一角度旋转的数字量转换为角度值的函数为：

其中：D_out表示X或Y通道的数字输出量，表示数值抵消，α表示角度，Sens表示芯片敏感度。

在离线状态下获取N组x,y方向的倾角数据，设描述对象为x,y方向的倾角θ_x,θ_y，倾角范围为[-90°,90°」，x,y方向的倾角变化率为Δθ_x/Δt,Δθ_y/Δt，倾角变化率的计算方法为

首先对倾角数据进行预处理，训练样本的归一化，有

其中倾角最小值min(θ_x),min(θ_y)为-90°，倾角最大值man(θ_x),man(θ_y)为90°，min(Δθ/Δt)表示倾角变化率的最小值，max(Δθ/Δt)表示倾角变化率的最大值。

将归一化后的数据在平面坐标系中分别表示成(θ′_x,θ′_y)，(Δθ′_x/Δt,Δθ′_y/Δt)的数据点，可以表示为

将预处理后的数据点分别在直角坐标系中表示成z＝(θ′_x,θ′_y),Δz/Δt＝(Δθ′_x/Δt,Δθ′_y/Δt)，然后根据数据大小将倾角和倾角变化率数据点各分成八类，z,Δz/Δt各类的中心为其中m,n＝1,2，采用基于距离分类方法，对头部姿态进行分类。

取各类的几何中心作为各类的中心，用各点到中心的距离来表征相似性，距离越远，相似性越小。通过对每个元组和各个类中心相似度来比较，从而可以找出他的最近的类中心，得到确定的类别标记，最终得到头部姿态可能情况的表格1。

在线获取数据,重复上面的数据预处理步骤，计算数据点与各中心的距离，取最小的中心点所在的类别为该数据点所属类别，根据两个类别查询表格，确定头部姿态情况。

表1头部姿态分类

a,b,c,d,m_x′,m_y′取值的大小跟本发明运用的行业和所选取的样本数据有关，样本数据确定时，其值的大小由上述算法计算得到。

本实施例未述部分与现有技术相同。

Claims (8)

1.一种基于二维倾角判据的头部姿态异常检测安全帽，包括安全帽本体，其特征在于：在安全帽本体上设置有倾角检测装置、定位模块、通信模块、控制器、报警装置及电源，所述的控制器与倾角检测装置、报警装置、定位模块及通信模块相连，电源给各装置供电，所述的控制器与信息中心通讯连接，控制器每隔一段时间将位置信息传输给信息中心，以便信息中心实时监控现场工作人员的位置。

2.根据权利要求1所述的基于二维倾角判据的头部姿态异常检测安全帽，其特征在于：所述的报警装置先于通信模块工作，报警装置持续一段时间后仍异常时，控制电路再将状态信息通过通信模块传输给信息中心。

3.根据权利要求2所述的基于二维倾角判据的头部姿态异常检测安全帽，其特征在于：所述的报警装置包括有声、光报警。

4.根据权利要求3所述的基于二维倾角判据的头部姿态异常检测安全帽，其特征在于：所述的报警装置还包括有主动报警按钮。

5.根据权利要求1至4任何一项所述的基于二维倾角判据的头部姿态异常检测安全帽，其特征在于：所述的倾角检测装置包括有前端倾角传感器、信号调节与过滤电路、A/D转换电路；倾角传感器感应x,y轴两个方向的倾角，倾角传感器与信号调节与过滤电路相连，信号调节电路的输出端与滤波电路相连，然后经过A/D转换电路转化成数字信号输出给控制器。

6.根据权利要求5所述的基于二维倾角判据的头部姿态异常检测安全帽，其特征在于：倾角检测装置、定位模块、通信模块、控制器和电源设置于安全帽本体的内部，报警装置设置于安全帽的侧面。

7.根据权利要求6所述的基于二维倾角判据的头部姿态异常检测安全帽，其特征在于：所述的基于二维倾角判据的头部姿态异常检测安全帽还包括有延时程序，报警电路启动时，同时启动延时程序，等待一段时间后继续检测。

8.根据权利要求1所述的基于二维倾角判据的头部姿态异常检测安全帽，其特征在于：

按照某一角度旋转的数字量转换为角度值的函数为：

其中：D_out表示X或Y通道的数字输出量，D_out@0°表示数值抵消，α表示角度，Sens表示芯片敏感度。

在离线状态下获取N组x,y方向的倾角数据，设描述对象为x,y方向的倾角θ_x,θ_y，倾角范围为x,y方向的倾角变化率为Δθ_x/Δt,Δθ_y/Δt，倾角变化率的计算方法为

$\begin{array}{cc}\left\{\begin{array}{c}\frac{{\mathrm{\Δ\θ}}_{x_i}}{\mathrm{\Δ}t}=\frac{{\mathrm{\θ}}_{x_i}-{\mathrm{\θ}}_{x_{i-1}}}{t_i-t_{i-1}}\\ \frac{{\mathrm{\Δ\θ}}_{y_j}}{\mathrm{\Δ}t}=\frac{{\mathrm{\θ}}_{y_j}-{\mathrm{\θ}}_{y_{j-1}}}{t_j-t_{j-1}}\end{array}\right.& i,j=1,2,3,\mathrm{...},N\end{array}---\left(2\right)$

首先对倾角数据进行预处理，训练样本的归一化，有

$\left\{\begin{array}{c}{\mathrm{\θ}}_x^{\′}=\frac{{\mathrm{\θ}}_x-min\left({\mathrm{\θ}}_x\right)}{\max \left({\mathrm{\θ}}_x\right)-\min \left({\mathrm{\θ}}_x\right)}\\ {\mathrm{\θ}}_y^{\′}=\frac{{\mathrm{\θ}}_y-min\left({\mathrm{\θ}}_y\right)}{\max \left({\mathrm{\θ}}_y\right)-\min \left({\mathrm{\θ}}_y\right)}\\ {\mathrm{\Δ\θ}}_x^{\′}/\mathrm{\Δ}t=\frac{{\mathrm{\Δ\θ}}_x/\mathrm{\Δ}t-min({\mathrm{\Δ\θ}}_x/\mathrm{\Δ}t)}{\max ({\mathrm{\Δ\θ}}_x/\mathrm{\Δ}t)-min({\mathrm{\Δ\θ}}_x/\mathrm{\Δ}t)}\\ {\mathrm{\Δ\θ}}_y^{\′}/\mathrm{\Δ}t=\frac{{\mathrm{\Δ\θ}}_y/\mathrm{\Δ}t-min({\mathrm{\Δ\θ}}_y/\mathrm{\Δ}t)}{\max ({\mathrm{\Δ\θ}}_y/\mathrm{\Δ}t)-min({\mathrm{\Δ\θ}}_y/\mathrm{\Δ}t)}\end{array}\right.---\left(3\right)$

其中倾角最小值min(θ_x),min(θ_y)为-90°，倾角最大值man(θ_x),man(θ_y)为90°，min(Δθ/Δt)表示倾角变化率的最小值，max(Δθ/Δt)表示倾角变化率的最大值。

将归一化后的数据在平面坐标系中分别表示成(θ′_x,θ′_y)，(Δθ′_x/Δt,Δθ′_y/Δt)的数据点，可以表示为

$\begin{array}{c}z=\left\{\begin{array}{ccc}({\mathrm{\θ}}_{x_i}^{\′},{\mathrm{\θ}}_{y_j}^{\′})|& i=1,2,...,N& j=1,2,...,N\end{array}\right\}\\ \mathrm{\Δ}z/\mathrm{\Δ}t=\left\{\begin{array}{ccc}({\mathrm{\Δ\θ}}_{x_i}^{\′}/\mathrm{\Δ}t,{\mathrm{\Δ\θ}}_{y_j}^{\′}/\mathrm{\Δ}t)|& i=1,2,...,N& j=1,2,...,N\end{array}\right\}\end{array}---\left(4\right)$

将预处理后的数据点分别在直角坐标系中表示成z＝(θ′_x,θ′_y),Δz/Δt＝(Δθ′_x/Δt,Δθ′_y/Δt)，然后根据数据大小将倾角和倾角变化率数据点各分成八类，z,Δz/Δt各类的中心为其中m,n＝1,2，采用基于距离分类方法，对头部姿态进行分类。

取各类的几何中心作为各类的中心，用各点到中心的距离来表征相似性，距离越远，相似性越小。通过对每个元组和各个类中心相似度来比较，从而可以找出他的最近的类中心，得到确定的类别标记，最终得到头部姿态可能情况，建立表格；

在线获取数据,重复上面的数据预处理步骤，计算数据点与各中心的距离，取最小的中心点所在的类别为该数据点所属类别，根据两个类别查询表格，确定头部姿态情况。