多場景智能頭盔監測系統的設計研究

吳敏

（江蘇商貿職業學院，江蘇 南通 226011）

隨著安全生產理念深入人心，一線生產人員在實踐中往往會積極佩戴安全保護用具，同時，企業也對生產環境檢測保持高度重視。從提高生產安全性的角度來看，視頻監控必不可少，保證檢測全面性及其時效性則成為生產監控管理的重點。在實踐中，以智能頭盔為載體開發適用于多場景的智能頭盔監測系統，可有效滿足生產環境信息采集需求，為提高一線生產安全保障質效提供輔助。

1 多場景智能頭盔監測系統的開發背景

采礦、消防、建筑工程以及油藏等多種行業的工作現場都有著條件復雜、風險性高以及安全防護難度大的特點。此類高風險生產操作的安全管理受到社會各界高度關注，加強安全監管成為重點。現階段，上述行業的安全生產管理依然以人工方式為主，即便融入信息技術或可視化監控技術，也并未達到預期效果。因此，開發更具實效性、先進性與科學性的安全生產監測系統十分必要。為提高安全生產監測的靈活性與準確性，需改變固定設備監測思路，將安裝在生產現場的固定監測設備轉化為隨生產人員移動而移動的便攜式監測設備。比如，以可穿戴技術為基礎開發安全生產監測系統，使一線生產人員佩戴的安全防護裝置成為視頻監控和環境檢測載體[1]。

頭盔是上述行業現場施工環節的必備安全設備，也是最適合充當監控檢測載體的安全防護裝置。目前，頭盔監控系統在航空航天領域已經十分常見。所以，將頭盔監控系統引入工業生產安全管理是可行的，基于智能頭盔可同時實現生產人員安全防護和生產現場環境監測，將充分滿足危險場景安全生產管理的現實需求。在這種情況之下，技術人員需要結合安全生產標準以及管理需求，開發適用于多場景的智能頭盔監測系統，該系統應展現監測動態性、安全性和便攜性。從現實角度來看，通過打造具有多種效用的智能頭盔，使其與環境監測終端有機結合，可打造出具有集成化、綜合化功能的智能監測系統。

2 多場景智能頭盔監測系統的設計需求

開發多場景智能頭盔監測系統前，必須明確該系統的實際應用需求。本次研究中，多場景智能頭盔監測系統所面臨的場景將包括但不限于油氣管道以及井下作業、消防安全、建筑施工。開發這一系統的最主要目的，是利用傳感技術、無線通信技術、在線視頻監控技術以及智能技術實現復雜工作區域環境參數檢測和安全生產監控。而且，多場景智能頭盔監測系統的主要載體是已經嵌入智能采集終端的頭盔。從現實角度來看，多場景智能頭盔監測系統的設計需求如下。

便攜性：智能頭盔是危險工種施工的必備安全設備，開發多場景智能頭盔監測系統應實現智能監控系統與現有安全設備的有效融合，使頭盔性能得以優化并切實發揮載體作用，從單純的安全設備轉化為便攜式監測數據采集終端。

安全性：多場景智能頭盔監測系統的采集終端必須以生產者佩戴的頭盔為載體，而這種頭盔需要具有保護佩戴者和采集數據的雙重作用。因此，頭盔設計者應在保證采集終端有效運行的基礎上進一步強化其安全防護能力，從而確保使用者安全。而且，嵌入頭盔的監測模塊不可破壞其安全防護性能，更不能出現低消耗高、不易更換的情況，也不能因體積過大或安裝位置特殊而影響頭盔佩戴的舒適度。

擴展性：多場景智能頭盔監測系統的本質需求是適應多場景，頭盔能夠適應的場景數量是不斷變化的，而且頭盔的功能也并非一成不變。在設計多場景智能頭盔監測系統時，勢必要采用大量先進科技，比如，傳感技術、自動化控制技術、人工智能等。上述技術的更新換代速度極快，所以為保證技術更新和系統性能優化，設計人員必須在實踐中滿足系統的擴展性需求[2]。

3 多場景智能頭盔監測系統的結構功能

本次研究中，多場景智能頭盔監測系統需要展現出智能可穿戴性、數據監測平臺擴展性以及數據傳輸單元多樣化的特點。為保證系統的數據信息有效傳輸，將選用無線Mesh網絡以及4G移動通信網絡實現通信技術支持。實際作業環節，多場景智能頭盔監測系統中，最為主要的終端設備有2個，分別為智能頭盔和監測平臺，前者用于采集數據，后者則用于開展實時監控。在實際應用過程中，環境數據采集終端將會被直接嵌入頭盔，而且經由頭盔攝像頭采集的全部信息可以直接通過無線局域網或4G廣域傳輸到監測平臺之上，若經由無線局域網傳輸則需要經過OpenWrt路由模塊和主路由，最終進入PC端監測平臺；若經由4G廣域傳輸則需要經過安裝手機和服務器以及數據庫，最終進入移動端監測平臺[3]。

3.1 數據采集功能

在多場景智能頭盔監測系統之中，數據采集功能主要由采集終端即頭盔完成。事實上，攝像頭會在扣具的輔助下嵌入安全防護頭盔，頭盔之上還會搭載傳感器。這樣一來，既可以基于傳感技術完成溫濕度、易燃易爆氣體濃度以及煙霧濃度的有效感知和檢測，又能夠借助于在線視頻監控技術時刻關注現場情況。當智能監測頭盔的環境數據采集終端運行時，可敏銳感知周圍環境變化及其危險性，一旦出現環境參數異常（超過標準閾值），就會立即啟動蜂鳴器完成警報，從而第一時間提醒生產者和安全生產管理者。需要注意的是，數據采集環節視頻圖像以及環境參數將同步采集和上傳，二者的搭配應用能為更有效地完成現場分析和決策制定提供保障。

3.2 數據傳輸功能

多場景智能頭盔監測系統的數據傳輸功能需要由無線視頻數據傳輸單元來實現，該單元包括2條數據傳輸通道，分別為局域網和廣域網。這2種傳輸通道的使用場景并不相同，前者主要是地下安全生產場景中使用，在無運營商局域網的支持下必須通過無線Mesh網絡實現傳輸，傳輸時，路由模塊與無線局域網相連，實現最終傳輸；后者主要是在地上安全生產場景中使用，基于運營商4G廣域網支持，可利用手機藍牙與智能頭盔相連和通信，手機攝像頭可用于拍攝現場監控圖像和視頻，使用中來自手機和采集終端的監測數據都將儲存在數據庫中。

3.3 數據監測功能

多場景智能頭盔監測系統的數據監測功能由監測平臺實現，該平臺主要用于匯總、展示已采集的環境參數以及生產現場監測畫面。為便于安全生產管理人員使用，多場景智能頭盔監測系統設計環節共開發2種不同端口，可充分滿足使用者的PC端或移動端使用需求。多場景智能頭盔監測系統的PC端平臺以計算機為載體，安全生產管理人員可通過操縱計算機完成數據實施分析和決策，而且電腦顯示屏可流暢、直觀地展示監控畫面以及視頻。而該系統的移動端監測平臺則是指帶有安卓系統的移動終端，其載體主要是手機或平板電腦。為保證移動端操作有效性，設備需要預先安裝HelmetLiveAPP，該軟件由設計人員自主研發，主要功能就是實現PC端監測平臺界面程序模擬。

4 多場景智能頭盔監測系統的設計要點

4.1 數據采集終端設計

從整體角度來看，數據采集終端設計必須充分保障智能頭盔的實用性。在這一過程中應該完成微控制單元選型、傳感器設置以及藍牙模塊設置。在實踐工作當中，為微控制單元選型需要充分考慮多元應用場景差異，并且保證其具有體積小質量輕、高效低耗的優勢。比如，選擇基于ARM Cortex-M內核的STM32F103處理器。實際應用環節，需要以上述處理器作為控制核心，使其嵌入安全智能頭盔，讓頭盔具有環境數據采集功能。

而在傳感器設置方面，相關工作人員同樣需要強調傳感器選型的可靠性。通常來說，多場景智能頭盔監測系統運行后，煙霧、甲烷、一氧化碳、溫濕度傳感器會自動運行并采集相應的環境參數，然后通過藍牙模塊、TFT現實、聲光報警和預留串口等路徑傳輸，使響應數據發揮實用機制。在這一環節，必須優選傳感器，通過提升設備靈敏性來避免數據判斷失誤。因此，多場景智能頭盔監測系統設計人員需要高度重視傳感器選型問題。為滿足現實需求，可選用DHT11溫濕度傳感器，在氣體傳感器方面，可選擇MQ-4甲烷傳感器，而一氧化碳傳感器和煙霧濃度傳感器則可分別選擇MQ-7以及MQ-135。上述氣體傳感器的靈敏性、可調節性以及信號傳輸穩定性都非常高，可迅速響應和恢復，將會為有效檢測生產環境安全性提供保障。在藍牙模塊設計方面，需要強調功能元器件的有效集成。在實踐中，HC05藍牙模塊設計人員不僅需要先完成藍牙規范協議棧的芯片內置，更需要實現以下元器件的有效集成：2.5 GHz射頻收發器、鏈路管理路由器、GPIO接口、基帶控制器。

4.2 數據傳輸終端設計

首先，本次設計需要完成安卓組件開發，主要包括以下4種：Activity、Service、Content Provider、Broadcast Receiver。這些組件可強調用戶交互性、保證后臺任務運行、保存獲取數據和完成跨程序數據傳輸。

其次，多場景智能頭盔監測系統設計環節選擇環節可使用騰訊云移動直播平臺，以流媒體服務器為核心，為保證生產現場畫面監控畫面實時傳送奠定基礎。該平臺具有極強的畫面清晰度和畫面傳輸穩定性，能夠同時兼顧PC端與移動端的使用需求。

最后，內置APP即HrlmetLiveAPP，它由設計人員自主研發，主要作用是實現監測數據的有效運用，保證監測平臺穩定運行。事實上，設計這一APP時，需要保證騰訊云直播SDK集成，并確保推流端、藍牙模塊、定位功能模塊功能實現，還應確保JSON數據上傳。

4.3 云服務器與監測平臺設計

4．3．1 云服務器

本文所研究的云服務器的名稱為Tomcat，該服務器屬于Web服務器的一種，由國外公司開發，屬于免費開源的服務器，其具備如下優點：①運行無需耗費過多的資源；②支持高并發均衡負載；③支持郵件相關服務；④具有良好的擴展性。由于其免費且優點眾多，故在發布后受到了人們的喜愛，壓縮包是該應用程序的主要組成部分，且每個壓縮包內含有多個文件，且其中還具有目錄結構，在執行應用程序后，即可將動態頁面顯示到瀏覽器端。在一個完整的Apache Tomcat服務器架構中，各組件之間的關系主要以父子式嵌套為主，各組件中存在一個或多個組件。

在整個架構中，位于邏輯最頂層的組件為Server，也可以將其視為服務器的本體。而Engine層作為頂層組件，對來自Connector用戶的請求進行處理，是其主要功能。如果所采用的配置為單一配置，會對默認引擎進行使用，實現對頭部的校驗，通過這種方式，使虛擬主機對請求加以處理。各Host組件均代表一個虛擬主機。在接收請求后，Host會對請求進行解析，同時完成對Context的匹配，為下一步處理的進行奠定堅實的基礎。

本文所研究的云服務器，其主要包括2個Server，分別為DataStore和DataSend，其中，前者會對智能手機所采集的各項JSON字符串（包括環境參數等多種內容）進行接收，同時，還會向數據庫傳輸解析后的結果；后者可以對智能手機的請求加以響應，并向手機傳輸獲取后的數據。

4．3．2 監測平臺

在廣域網的使用場景中，移動端監測平臺較為常用，通常情況下，會在APP的直播中被整合。其中，負責在2個Activity中對影像進行展示的控件為控件，而負責推流工作的控件為TXCloudVideoview，而決定推流的參數配置，所需使用的控件為TXLivePushConfig，這里所說的參數，主要包括分辨率、幀數等。監測平臺中的直播，所采用的協議主要為FLV，僅需將部分標記頭信息加入到大塊視頻幀和頭部即可，實踐結果表明，這種設計方式可以取得良好的效果。

5 結論

綜上所述，對于高風險生產場所而言，深化“視頻監控+環境檢測+安全防護”是保障生產人員生命安全的最重要方法。因此，多場景智能頭盔監測體系的建設和應用，可以切實滿足危險場景的安全監控和保障需求。系統設計環節充分考慮了系統功能全面性和終端載體多元性，還通過設計簡潔操作界面和擴展性功能為系統的后期優化升級奠定基礎。