基于物联网的船员跌落检测系统的设计

程亮亮，鲁世斌，张忠祥，陈开放，李 冲

(合肥师范学院 电子信息工程学院，安徽 合肥 230601)



基于物联网的船员跌落检测系统的设计

程亮亮，鲁世斌，张忠祥，陈开放，李 冲

(合肥师范学院 电子信息工程学院，安徽 合肥 230601)

针对目前船员跌落检测系统功能不完善，且数据不能远距离网络传输等问题，提出一种基于物联网的船员跌落检测系统，由可穿戴检测设备、数据采集盒和上位机软件组成。当发生船员跌落或沉船事故时可短信报警，此外加速度波形数据可由上位机软件远程查看。实验结果表明，系统稳定工作，达到预期设计目标，具有灵敏度高，便携性好，传输距离远等优点，在跌落检测领域具有一定的实用价值。

物联网；可穿戴设备；加速度；跌落检测

随着人口老龄化的加剧和人们生活水平的提高，学术界开展了针对老人跌倒检测系统的研究。跌倒是指突发"不自主"非故意的体位改变，倒在地上或者更低的平面上，按照国际疾病分类( IDC-10) 对跌倒的分类，跌倒包括以下两类: (1) 从一个平面至另一个平面的跌落;(2) 同一个平面的跌倒[1]。目前跌倒检测方法主要有：基于穿戴式传感器的跌倒检测[2-4]；基于视频的跌倒检测[5-6]；基于声频信号的跌倒检测[7]。

作为水上重要交通工具，船给人们生活和工业生产带来诸多便利性，与此同时，各种自然灾害导致的沉船事故屡见不鲜，给人们的生命安全造成极大威胁，如“6.1东方之星沉船事件”仍历历在目。本文在前人对跌倒检测方法研究的基础上，创新性的将物联网技术与基于穿戴式传感器的跌倒检测方法相结合，开发了一种保护船员安全的跌落检测系统，兼具跌落报警和姿态数据传输功能。

1 系统架构设计

如图1所示，系统由可穿戴检测设备、数据采集盒和上位机软件三部分构成。可穿戴设备(船员佩戴于腰间)由加速度传感器、STM32控制器和2.4G无线模块组成，控制器通过AD模块读取加速度数据，经过软件滤波后由无线模块发送；数据采集盒(位于船上)由主控制器、无线模块、WIFI模块[8]、GPRS模块和FLASH存储器等组成，接收穿戴式设备发来的数据，同时采集本地加速度，具有本地存储和网络发送两种模式。当系统检测到异常时，立即短信报警。上位机软件基于VB开发，可实时显示加速度波形，并可远程控制。系统主要有以下功能：

图1 系统整体结构图

(1)在船员跌落时，绑定在其腰部的加速度传感器数据发生剧烈变化，由2.4G无线模块发送到数据采集盒，通过GPRS模块[9]发送报警短信到预先设定的号码；

(2)船发生侧翻时，位于船上的数据采集盒内部加速度传感器探测后触发GPRS报警；

(3)船员和船的倾斜状态数据可通过WIFI同步传输到服务器上，联网的PC或平板电脑通过上位机软件可远程查看；

(4)系统具有存储功能，存储容量多达8M字节，便于回看。

(5)数据采集盒配备带触摸功能的TFT显示屏，具有良好的人机交互功能。

2 硬件电路设计

硬件部分分别基于STM32微控制器完成可穿戴设备和数据采集盒的电路设计。

2.1 数据采集盒电路设计

采集盒电路由电源、无线模块、微控制器、WIFI模块、GPRS模块、TFT液晶屏、加速度传感器及信号调理电路组成，如图2所示。

图2 数据采集盒框图

2.1.1 电源模块设计

电源部分采用18650锂电池供电，由LM2940-5.0芯片产生5V电压，LM1117-3.3生成3.3V电压，供系统使用。为增强系统稳定性，电源输出部分均采用电容、电感滤波；模拟电源和数字电源采用磁珠隔离；PCB布局上采用单点接地，以减小数字电路对模拟电路的干扰。

2.1.2 主控电路设计

主控制器采用意法半导体公司基于ARM Cortex-M3内核开发的STM32F103ZET6芯片，STM32F103ZET6最高主频为72MHz，具有512KB的FLASH，64KB的SRAM，片上自带SPI、I2C、USART、PWM、USB、CAN、AD、DA、SDIO等丰富模块，是一款真正的片上系统(SOC)芯片，此外它还有睡眠(Sleep)、停机(Stop)、待机(StandBy)等多种低功耗模式，方便应用于电池供电的场合，本系统STM32控制器[10]通过SPI接口连接2.4G无线模块，串口连接WIFI模块、GPRS模块和TFT串口屏，AD模块采集加速度数据。

2.1.3 通信部分设计

通信部分由2.4G射频模块、WIFI模块和GPRS模块组成。其中2.4G射频模块采用NRF24L01+模块，最大速率2Mbps，工作电压范围为1.9V到3.6V，具有125个频点，在6dBm发射功率时电流消耗为9mA，接收模式消耗12.3mA。WIFI模块和GPRS模块分别采用有人物联网公司的USR-C322和USR-GM3模块，USR-C322模块基于TI公司的CC3200设计，具有体积小，功耗低等特点，待机功耗3.5mA，深度睡眠状态下低至25uA。USR-GM3模块具有短信透传、网络透传和HTTPD三种模式，最高支持921600bps的串口通信，本系统采用波特率为115200的短信透传模式。

2.1.4 加速度采集模块设计

加速度传感器采用ADXL203芯片，为降低噪声，采用二阶低通滤波电路完成滤波，滤波器截止频率为200Hz，采用低功耗OP496运放设计，如图3所示。

图3 二阶低通滤波电路

图4 可穿戴检测设备框图

2.2 可穿戴检测设备

如图5所示，可穿戴检测设备由电源、STM32控制器、加速度传感器和2.4G无线模块组成，为减小体积，设备采用纽扣电池，使用 TPS76333低功耗LDO供电，提供稳定的3.3V电压。主控芯片采用ST公司的STM32F103C8T6芯片。加速度传感器为ADXL335芯片，测量范围为±3G，可测量静态重力加速度和由运动、冲击、振动引起的动态加速度，供电部分通过FB1磁珠和C1电容滤波，三轴信号输出均使用100pF电容接地滤波，提高信号纯净度。

图5 ADXL335功能框图

图6 加速度采集电路图

3 软件功能设计

系统软件包含下位机嵌入式程序和上位机软件设计两部分，其中下位机包括穿戴式检测设备和数据采集盒程序设计，在Keil MDK-ARM集成开发环境下基于C语言开发；上位机软件基于微软公司的Visual Basic 6.0软件开发。

3.1 嵌入式软件设计

采集盒主程序流程图如图7所示，系统上电后，完成STM32控制器内部时钟(RCC)、定时器(TIM)、通用IO口(GPIO)、串口(USART)、异步串行总线(SPI)、模拟数字转换器(ADC)等模块的初始化，此外通过SPI总线对NRF24L01+模块进行配置。收到船员和船加速度数据后，由中值滤波算法滤除干扰数据，累计十次数据持续超过正常值，即判定为船员跌落，由GPRS模块发送短信报警；若数据正常，则可本地保存或远程上传(TFT触摸屏或上位机软件控制)。

图7 采集盒主程序流程图

3.2 上位机软件设计

上位机波形绘制使用PictureBox控件实现，功能区设计如图8所示，具有上传、存储、采集控制、远程关机等功能。通信功能使用MSComm控件实现，通过虚拟串口软件将TCP/IP协议数据转换为串口数据，数据参数为“115200,N,8,1”，即波特率为115200，无奇偶校验，8位数据位，1位停止位。

图8 上位机软件功能区

4 系统测试

为了验证系统可行性，将采集盒平放在测试平台进行模拟测试。表1为数据采集盒正常、倾斜及沉船状态下随机采集的X轴、Y轴加速度AD值，采集任务由STM32内部12位AD模块完成，数值范围为0～4095。根据倾斜程度，定义值为1144～1455时船为前倾状态(船尾低于船头)，值为995～1144时沉船(船头沉)，值为1807～2178时船为后倾状态(船头低于船尾)，值为2178～2315时沉船(船尾沉)，沉船时启动蜂鸣器报警。表2为可穿戴设备不同状态随机采集的的加速度值，船员跌倒时加速度值为1641～2487，在此区间启动报警。图9为通过实验室模拟跌倒过程的加速度变化数据。曲线突然上升，说明船员跌倒。图10和图11为系统上位机测试界面，图10是船员和船在相对静止状态时的波形，可见各通道加速度数据基本保持不变。图11是剧烈运动时的波形，此时波形变化较大。

表1 数据采集盒加速度采集数据

表2 可穿戴设备加速度采集数据

图9 船员跌倒过程加速度变化

图10 相对静止状态下检测软件界面

图11 剧烈运动状态下检测软件界面

5 结论

本文将物联网技术应用于跌落检测系统，具有传输距离远等优点。系统通过加速度传感器检测人和船的倾斜状态，通过算法判断跌落状况，从而决定是否短信报警，此外各通道数据可远程查看，方便了解船的运行状态。系统稍作改变，即可应用于其他场合，如基于物联网的远程数据采集系统等，具有一定的实用价值。

[1] 卓从彬, 杨龙频, 周林,等. 基于MPU6050加速度传感器的跌倒检测与报警系统设计[J]. 电子器件, 2015(4):821-825.

[2] 刘鹏, 卢潭城, 吕愿愿,等. 基于MEMS三轴加速度传感器的摔倒检测[J]. 传感技术学报, 2014(4):570-574.

[3] Li Q, Stankovic J A, Hanson M A, et al. Accurate, Fast Fall Detection Using Gyroscopes and Accelerometer-Derived Posture Information[C]// International Workshop on Wearable and Implantable Body Sensor Networks, Bsn 2009, Berkeley, Ca, Usa, 3-5 June. 2009:138 - 143.

[4] 罗坚, 唐琎, 毛芳,等. 基于云计算的可穿戴式老龄人异常行为检测系研究[J]. 传感技术学报, 2015(8):1108-1114.

[5] Anderson D，Keller J，Skubic M，et al. Recognizing Falls from Silhouettes[C]//Annual Int.Conf. of the Engineering in Medicine and Biology Society，New York，NY USA，2006：6388-6391.[6] Cucchiara R，Prati A，Vezzani R. A Multi camera Vision System for Fall Detection and Alarm Generation[J]. Expert Systems，2007，24(5)：334-345.

[7] Litvak D，Zigel Y，Gannot I. Fall Detection of Elderly Through Floor Vibrations and Sound[C]//30th Annual International Conference of the IEEE Engineering in Medicine and Biology. Vancouver Canada，2008：4632-4635.

[8] 吴红举, 沈建华. 嵌入式WiFi技术研究与通信设计[J]. 单片机与嵌入式系统应用, 2005(6):5-7.

[9] 赵亮, 黎峰. GPRS无线网络在远程数据采集中的应用[J]. 计算机工程与设计, 2005, 26(9):2552-2554.

[10] Li D, Song Z, Mengmeng X U, et al. Design of embedded measurement and control system based on STM32[J]. Journal of Central South University, 2013.

Design of Crew Fall Detection System Based on Internet of Things

CHEN Liangliang, LU Shibin, ZHANG Zhongxiang, CHEN Kaifang, LI Chong

(School of Electronic and Information Engineering, Hefei Normal University, Hefei 230601, China)

In view of function of imperfectcurrent crew fall detection system, and data which cannot be transmitted remotely via network, this paper proposed crew fall detection system based on Internet of things, which is composed of wearable testing equipment, data collection box and upper computer software. When a crew member falls or ship sinking happens, alarm messages will be sent. In addition, the acceleration waveform data can be viewed by the upper computer software. The experimental results show that system works stably and achieves the expected design goal. It has the advantages of high sensitivity, good portability, far transmission distance and so on. It has certain practical value in the field of fall detection.

Internet of things; wearable; acceleration; fall detection

2016-07-10

程亮亮，硕士，合肥师范学院电子信息工程学院教师，研究方向：物联网。

TP332.1

A

1674-2273(2016)06-0021-04