CN101642375A - 疲劳评测方法及系统 - Google Patents
疲劳评测方法及系统 Download PDFInfo
- Publication number
- CN101642375A CN101642375A CN200810041376A CN200810041376A CN101642375A CN 101642375 A CN101642375 A CN 101642375A CN 200810041376 A CN200810041376 A CN 200810041376A CN 200810041376 A CN200810041376 A CN 200810041376A CN 101642375 A CN101642375 A CN 101642375A
- Authority
- CN
- China
- Prior art keywords
- fatigue
- human physiology
- probe value
- physiology information
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 239000000523 sample Substances 0.000 claims description 80
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 72
- 210000001519 tissue Anatomy 0.000 claims description 34
- 230000017531 blood circulation Effects 0.000 claims description 22
- 230000000052 comparative effect Effects 0.000 claims description 22
- 230000003387 muscular Effects 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 208000010340 Sleep Deprivation Diseases 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 13
- 238000007917 intracranial administration Methods 0.000 claims description 4
- 210000003205 muscle Anatomy 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 4
- 206010016256 fatigue Diseases 0.000 description 83
- 238000013178 mathematical model Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 208000019914 Mental Fatigue Diseases 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008034 disappearance Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 230000003860 sleep quality Effects 0.000 description 2
- 206010057315 Daydreaming Diseases 0.000 description 1
- 206010020565 Hyperaemia Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
疲劳评测方法和疲劳评测系统以客观的可探测的人体生理信息作为分析基础,结合疲劳模型对人体生理信息的探测值进行分析,相对于主观评测来说,能够避免由主观感受及人为控制引起的指标结果的偏差,使得测量所得的疲劳程度较为准确。
Description
技术领域
本申请涉及疲劳评测方法及系统。
背景技术
随着现代生活节奏的日益加快,由睡眠不足所导致的脑力疲劳极其普遍。所谓脑力疲劳指的是一种缺乏动机与警觉的主观感觉,其主要表现为头脑昏沉,注意力不集中,思考困难,健忘,欲望降低,工作绩效下降且易出差错等。因此,世界各国都投入了巨大的人力、物力广泛开展疲劳评测的研究工作。
疲劳评测方法有主观调查表、驾驶员自我记录表、睡眠习惯调查表和斯坦福睡眠尺度表等。有代表性的主观调查表是皮尔逊疲劳量表,分为13级:(1)精力极度充沛;(2)精力特别充沛;(3)精力非常充沛;(4)精力很充沛;(5)精力比较充沛;(6)精力有点充沛;(7)有点疲劳;(8)相当疲劳;(9)很疲劳;(10)非常疲劳;(11)特别疲劳;(12)极度疲劳;(13)快要倒下。驾驶员自我记录表是对驾驶任务、驾驶习惯、驾驶时间等进行自我测评。睡眠习惯调查表用来检查驾驶员是否有失眠的情况,该表是疲劳和情绪的自我评价方式。斯坦福睡眠尺度表用来检查驾驶员的睡眠情况,该表是驾驶员睡眠情况的调查表。
发明内容
疲劳评测方法的实施方式包括:
获得人体生理信息的探测值,所述人体生理信息能表征疲劳状态;
选择与所述人体生理信息对应的疲劳模型;
根据所述疲劳模型分析人体生理信息的探测值,得到与所述探测值对应的疲劳状态结果。
疲劳评测系统的实施方式包括:
信号获取单元,获取能表征疲劳状态的人体生理信息的探测值;
耦合于信号获取单元的处理设备,选择与所述人体生理信息对应的疲劳模型,根据所述疲劳模型分析人体生理信息的探测值,得到与所述探测值对应的疲劳状态结果。
上述实施方式中,以客观的可探测的人体生理信息作为分析基础,通过疲劳模型的方式来对探测值进行分析,相对于主观评测来说,能够避免由主观感受及人为控制引起的指标结果的偏差,使得测量所得的疲劳程度较为准确。
附图说明
图1是疲劳评测方法的一种实施方式的流程示意图;
图2是图1所示方法中获得人体生理信息探测值的一种实施方式的流程示意图;
图3是图1所示方法中获得人体生理信息探测值的另一种实施方式的流程示意图;
图4是图1所示方法中得到疲劳状态结果的一种实施方式的流程示意图;
图5是获得图1所示的疲劳模型的流程示意图;
图6是疲劳评测系统的一种实施方式的结构示意图;
图7是图6中探测装置的一种实施方式的结构示意图;
图8是图6中探测装置的另一种实施方式的结构示意图;
图9是图6中处理设备的一种实施方式的结构示意图;
图10是图6中处理设备的另一种实施方式的结构示意图;
图11是图6中处理设备的又一种实施方式的结构示意图。
具体实施方式
参考图1,疲劳评测方法的实施方式可以包括如下步骤:S110,获得人体生理信息的探测值,所述人体生理信息能表征疲劳状态;S120,选择与所述人体生理信息对应的疲劳模型;S130,根据所述疲劳模型分析人体生理信息的探测值,得到与所述探测值对应的疲劳状态结果。
由于疲劳状态下,人体器官或组织的生理状态均有可能发生变化,从而,可以采用表征人体器官或组织的生理状态的人体生理信息来评测疲劳状态。
而人体生理信息与疲劳状态之间的关系可以通过疲劳模型来体现。疲劳模型通常可以是人体生理信息的参数值与疲劳程度之间的一系列函数关系的集合,其中的疲劳程度代表疲劳状态的等级。
具体地说,当欲评测的疲劳状态是指脑力疲劳状态时,因为脑力疲劳通常伴随眼睛疲劳,会出现眼睛肿胀和眼睛静脉回流问题,进而导致血流速度变慢、局部充血、血管壁弹性变差,而眼底组织由于充血也会导致组织密度降低,肌肉组织多样性变差。因而,在一个具体的实施例中,所述人体生理信息可以是指眼睛周围的血管壁弹性、眼睛周围组织的血流速度、眼睛周围肌肉组织密度和眼睛周围肌肉组织多样性等。
此种情况下,疲劳模型可以包括眼睛周围的血管壁弹性和疲劳程度之间的函数关系、眼睛周围组织的血流速度和疲劳程度之间的函数关系、眼睛周围肌肉组织密度和疲劳程度之间的函数关系、以及眼睛周围肌肉组织多样性和疲劳程度之间的函数关系。还可以包括眼睛周围的血管壁弹性、眼睛周围组织的血流速度、眼睛周围肌肉组织密度以及眼睛周围肌肉组织多样性等信息的任意组合和疲劳程度之间的函数关系等。
当然,由于疲劳状态并非是全身统一的,各个器官下不同工作条件下会有不同的疲劳表现。在其他的实施例中,所述人体生理信息可以是颅内血管的血管壁弹性、颅内血管内血流速度、颈、肩部肌肉组织密度中的一种或者其结合、颈、肩部肌肉组织多样性中的一种或者其结合等。则此种情况下,也可以预先存储是上述各类型的人体生理信息或其任意组合和疲劳程度之间的函数关系。
当然,评测的疲劳状态也可以是脑力疲劳状态之外的其他类型的疲劳状态。相应地,可以选取其他类型的人体生理信息来进行评测。
参考图2,在一个实施例中,可以通过如下方式获得人体生理信息的探测值:步骤S210,获得与人体生理信息相关的模拟信号;步骤S220,对所述模拟信号进行预处理,获得能代表人体生理信息探测值的模拟信号;步骤S230,将所述能代表人体生理信息探测值的模拟信号转换为数字信号。
当然,获得人体生理信息的探测值的方式不限于上述实施例。例如,参考图3,在另一个实施例中,可以通过如下方式获得人体生理信息的探测值:步骤S310,获得与人体生理信息相关的模拟信号;步骤S320,将所述模拟信号转换为数字信号;步骤S330,对所述数字信号进行预处理,获得能代表人体生理信息探测值的数字信号。
参考图4,根据所述疲劳模型分析人体生理信息的探测值的具体过程可以包括:步骤S410,将人体生理信息的探测值与疲劳模型中的参考值进行比较;步骤S420,根据比较结果,获得探测值在疲劳模型中所对应的疲劳程度,即疲劳状态结果。
在一个具体的实施例中,利用探测装置探测人眼周围的生理信息的模拟信号。本实施例中,所述人眼周围的生理信息分别是指眼睛周围的血管壁弹性、眼睛周围组织的血流速度、眼睛周围肌肉组织密度和眼睛周围肌肉组织多样性。当然,也可以有其它的变化、修改和替换。
所述探测装置可以根据需要探测的物理量决定,例如是B型超声探头、D型超声探头或者其组合等。其中,D型探头可以获得超声回波频率和超声回波相位。B型探头可以获得超声回波的衰减和延迟。在一个具体的实施例中,探头放置于眼睛周围的颅骨薄弱处如鬓角(太阳穴)。
随后,通过超声回波频率和相位的变化计算出血流的方向和速度的信息;通过超声回波的衰减和延迟来判断组织的密度和深度信息。
随后,将代表血流的方向和速度的信息、组织的密度和深度信息的模拟信号转换为数字信号。
随后,选择疲劳模型。通常,如果获得的人体生理信息是血流速度,则选择血流速度与疲劳程度之间的二维数学模型。当然,也可以有其它的变化、修改和替换。在本实施例中,所获得的人体生理信息是血流速度、血流方向、肌肉组织密度和肌肉组织多样性的集合,则选择血流速度、血流方向、肌肉组织密度、肌肉组织多样性和疲劳程度之间建立的多维数学模型。
随后,根据所述疲劳模型,分别比较血流的方向和速度的信息、组织的密度和深度信息与疲劳模型中相应的参考值,得到比较结果。
此处所述的参考值是根据数学模型确定的人体生理信息的标准值。例如,当输入的人体生理信息是血管壁弹性,则可以确定数学模型是血管壁弹性与疲劳程度所建立的函数关系。如果将疲劳程度划分成不同的等级,则在每一个等级的临界点上可确定该疲劳程度所对应的血管壁弹性值,即血管壁弹性的参考值。
随后,根据所述比较结果,获得疲劳状态结果。这里所说的疲劳状态结果可以是按等级划分的疲劳程度。在一个具体的实施例中,所述疲劳状态结果可以是皮尔逊疲劳量表中定义的13级,它们分别是:(1)精力极度充沛;(2)精力特别充沛;(3)精力非常充沛;(4)精力很充沛;(5)精力比较充沛;(6)精力有点充沛;(7)有点疲劳;(8)相当疲劳;(9)很疲劳;(10)非常疲劳;(11)特别疲劳;(12)极度疲劳;(13)快要倒下。当然,也可以有其它的变化、修改和替换。
以上这些举例在此仅作为实施例,不应不适当地限制权利要求的范围。本领域的普通技术人员将认识到许多变化、修改和替换。
上述实施例中的疲劳评测方法可以对疲劳程度进行实时或非实时的监测。
综上所述,疲劳评测方法的实施例中以人体生理信息作为判断疲劳程度的指标,能够避免由主观感受及人为控制引起的指标结果的偏差,使得测量所得的疲劳程度相比主观疲劳评测法更为准确。
需要说明的是,上述实施例中的疲劳模型可以是在开展疲劳评测之前预先获得的。参考图5,可以通过如下方式获得疲劳模型:S501,睡眠剥夺,使人体处于特定的疲劳状态;S502,记录在不同疲劳状态下的人体生理信息的探测值;S503,对人体生理信息的探测值进行数学拟合,获得疲劳模型。
其中,睡眠剥夺具体可以是对被实验者进行睡眠剥夺实验。睡眠剥夺实验是研究脑力疲劳的一种实验方法。因为睡眠对人体具有重要的作用,睡眠的缺失或不足会对人体的生理信息产生复杂的影响。睡眠剥夺的分类方式大致有三种,现分述如下:第一种,根据睡眠缺失的程度进行分类,睡眠剥夺可分为完全睡眠剥夺和部分睡眠剥夺。完全睡眠剥夺是指至少持续24小时完全没有睡眠,而部分睡眠剥夺是指每日睡眠量小于通常睡眠量的50%,且此种睡眠可连续或断续,一般指持续24小时内睡眠量不足6-8小时。第二种,根据睡眠缺失发生的缓急进行分类,睡眠剥夺分为急性睡眠剥夺和慢性睡眠剥夺。急性睡眠剥夺是指快速地完全或部分剥夺其睡眠,持续24小时或几十小时;慢性睡眠剥夺是指每日睡眠小于5小时,持续3个月。第三种,根据脑电图的波形进行分类,睡眠剥夺分为慢波睡眠剥夺和快波睡眠剥夺。所谓的慢波睡眠剥夺是指用脑电图作监测,单纯剥夺慢波睡眠;快波睡眠剥夺则是指用脑电图作监测,单纯剥夺快波睡眠。
对人体生理信息的探测值进行数学拟合的方法可以是指最小二乘法。所述最小二乘法是一种数学优化技术,通过最小化误差的平方和找到一组数据的最佳函数匹配,求得一些绝对不可知的真值,而令误差平方之和为最小。在一个具体的实施例中,采用Matlab、Excel、Origin等软件可实现最小二乘法数学拟合。例如,在Matlab中,首先运用函数plot画出二维图。然后,在图形窗口中,选Tools->Basic Fitting,打开简单拟合对话框。接着,选择拟合公式,例如quadratic或者cubic。最后,得出数学模型。在一个具体的实施例中,所述数学模型得出了血流速度和疲劳程度的函数对应关系。在一个可选的实施例中,所述数学模型得出了血流速度、血管壁弹性、肌肉组织密度以及肌肉组织多样性等人体生理参数与疲劳程度的多维函数关系。以上这些举例在此仅作为一种实施例,不应不适当地限制权利要求的范围。本领域的普通技术人员将认识到许多变化、修改和替换。
疲劳评测方法的实施方式是基于疲劳模型进行疲劳程度评测的,所述疲劳模型可以是经过大量的人体实验后得出的,并经过数学的拟合,能够比较精确地反映疲劳程度的数学模型。
参考图6,疲劳评测系统的实施方式包括:处理设备610、探测装置620、输入单元630和输出单元640。所述处理设备610耦合探测装置620、输入单元630和输出单元640。
其中,探测装置620获取能表征疲劳状态的人体生理信息的探测值。在具体实现时,所述探测装置620可以根据需要探测的物理量决定。
输入单元630将输入信息传送至处理设备610。所述输入信息可以包括能表征疲劳状态的人体生理信息的探测值。在具体实现时,所述输入单元630可以是键盘、鼠标、触摸屏、语音识别器等多种形式的输入器件。
处理设备610选择与所述人体生理信息对应的疲劳模型,根据所述疲劳模型分析人体生理信息的探测值,得到与所述探测值对应的疲劳状态结果。在具体实现时,处理设备610可以是具有数据处理能力的各类电子设备,例如计算机、服务器、单片机或者微控制器等。
输出单元640输出所述处理设备610得到的疲劳状态结果。输出单元640可以通过声音、文字、图像等多种形式实现疲劳状态结果的输出,以适合不同的场合和需求。
在本实施例中,通过探测装置620和输入单元630为处理设备610提供数据源。但是不应对此进行过多限制,在其他的实施例中,可以采用任何能为处理设备610提供人体生理信息的探测值的信号获取单元。
参考图7,在一个具体的实施例中,所述探测装置620包括探测单元621、数据预处理单元623和数据转换单元625。
所述探测单元621获得与人体生理信息相关的模拟信号。在一个具体的实施例中,所述探测单元621可以是B型超声探头、D型超声探头或者其组合。在一个具体的实施例中,D型探头可以获得超声回波频率和超声回波相位。B型探头可以获得超声回波的衰减和延迟。在一个具体的实施例中,探头放置于眼睛周围的颅骨薄弱处如鬓角(太阳穴)。
数据预处理单元623对所述模拟信号进行预处理,获得能代表人体生理信息探测值的模拟信号。在一个具体的实施例中,数据预处理单元623通过超声回波频率和相位的变化计算出血流的方向和速度的信息。在另一个具体的实施例中,数据预处理单元623通过超声回波的衰减和延迟来判断组织的密度和深度信息。
数据转换单元625将所述能代表人体生理信息探测值的模拟信号转换为数字信号。在一个具体的实施例中,数据转换单元625包括一个或多个A/D模块(模/数转换模块)。
当然,探测装置的结构不限于上述实施例。例如,参考图8,在另一个实施例中,所述探测装置620包括探测单元621、数据转换单元627和数据预处理单元629。
所述探测单元621获得与人体生理信息相关的模拟信号。
所述数据转换单元627将所述模拟信号转换为数字信号。
所述数据预处理单元629对所述数字信号进行预处理,获得能代表人体生理信息探测值的数字信号。
参考图9,在一个实施例中,处理设备610包括疲劳模型选择单元910、比较单元920和比较结果分析单元930。
疲劳模型选择单元910选择与所述人体生理信息对应的疲劳模型。
比较单元920将人体生理信息的探测值与疲劳模型中的参考值进行比较。
比较结果分析单元930根据比较结果,获得探测值在疲劳模型中所对应的疲劳程度,即疲劳状态结果。
上述的实施例中,疲劳模型选择单元910接收来自探测装置620或者输入单元630的能表征疲劳状态的人体生理信息的探测值,并输出该探测值以及经过选择的疲劳模型信号。比较单元920在收到上述两个信号后,将人体生理信息的探测值与疲劳模型中的参考值进行比较并输出比较结果和疲劳模型信号。比较结果分析单元930根据从比较单元920处传递过来的比较结果和疲劳模型信号,获得探测值在疲劳模型中所对应的疲劳程度,即疲劳状态结果。
需要说明的是,为实现处理设备610的数据处理过程,疲劳模型选择单元910、比较单元920和比较结果分析单元930之间的具体信号传递不限于上述实施例,还可以有其他的变化或替换方式。例如,参考图10,在另一个实施例中,疲劳模型选择单元910和比较单元920接收来自探测装置620或者输入单元630的能表征疲劳状态的人体生理信息的探测值。疲劳模型选择单元910仅输出模型信号给比较单元920和比较结果分析单元930。比较单元920在接收疲劳模型信号和能表征疲劳状态的人体生理信息的探测值后,将人体生理信息的探测值与疲劳模型中的参考值进行比较并输出比较结果。比较结果分析单元930根据从比较单元920处传递过来的比较结果和从疲劳模型选择单元910处传递过来的疲劳模型信号,获得探测值在疲劳模型中所对应的疲劳程度。
再如,参考图11,在又一个实施例中,所述比较单元920包含多个子比较单元,所述比较结果分析单元930也包含多个子比较结果分析单元。每个子比较单元和子比较结果分析单元分别对应一个疲劳模型。故当疲劳模型选择单元910输出疲劳模型信号和能表征疲劳状态的人体生理信息的探测值时,比较单元920中仅有对应于该疲劳模型的子比较单元才会工作,并输出比较结果。同样地,比较结果分析单元930根据从比较单元920处传递过来的比较结果和疲劳模型信号选择对应的子比较结果分析单元,获得探测值在疲劳模型中所对应的疲劳程度。
在所述处理设备610中,可以通过计算机程序的方式,以实现前述实施例中疲劳模型选择单元910、比较单元920和比较结果分析单元930所要完成的数据处理过程。所述计算机程序可以存储在各种类型的存储介质中,例如光盘、磁盘、闪存等存储介质。
所述处理设备610执行数据处理过程所需的疲劳模型是预先获得的,疲劳模型的建立方式可以参见上述疲劳测试方法的实施例。处理设备610可以提取自身存储的疲劳模型,也可以从外部的其他设备中提取疲劳模型。
综上所述,疲劳评测系统的实施例中以人体生理信息作为判断疲劳程度的指标,能够避免由主观感受及人为控制引起的指标结果的偏差,使得测量所得的疲劳程度相比主观疲劳评测法更为准确。
Claims (14)
1.一种疲劳评测方法,包括:
获得人体生理信息的探测值,所述人体生理信息能表征疲劳状态;
选择与所述人体生理信息对应的疲劳模型;
根据所述疲劳模型分析人体生理信息的探测值,得到与所述探测值对应的疲劳状态结果。
2.如权利要求1所述的疲劳评测方法,其中,根据所述疲劳模型分析人体生理信息的探测值的具体过程包括:
将人体生理信息的探测值与疲劳模型中的参考值进行比较;
根据比较结果,获得探测值在疲劳模型中所对应的疲劳程度,即疲劳状态结果。
3.如权利要求1所述的疲劳评测方法,其中,所述疲劳模型是通过如下方式建立的:
睡眠剥夺,使人体处于特定的疲劳状态;
记录在不同疲劳状态下的人体生理信息的探测值;
对人体生理信息的探测值进行数学拟合,获得疲劳模型。
4.如权利要求1所述的疲劳评测方法,其中,所述人体生理信息包括血管壁弹性、血流速度、肌肉组织密度、肌肉组织多样性中的一种或者多种组合。
5.如权利要求4所述的疲劳评测方法,其中,所述血管壁弹性、血流速度、肌肉组织密度和肌肉组织多样性分别包括眼睛周围的血管壁弹性、眼睛周围组织的血流速度、眼睛周围肌肉组织密度和眼睛周围肌肉组织多样性;或者分别包括颅内血管的血管壁弹性、颅内血管内血流速度、颈、肩部肌肉组织密度中的一种或者其结合、颈、肩部肌肉组织多样性中的一种或者其结合。
6.如权利要求1所述的疲劳评测方法,其中,通过如下方式获得人体生理信息的探测值:
获得与人体生理信息相关的模拟信号;
对所述模拟信号进行预处理,获得能代表人体生理信息探测值的模拟信号;
将所述能代表人体生理信息探测值的模拟信号转换为数字信号。
7.如权利要求6所述的疲劳评测方法,其中,所述模拟信号包括超声回波频率、超声回波相位、超声回波的衰减、或者超声回波的延迟的至少一种或其组合。
8.如权利要求1所述的疲劳评测方法,其中,通过如下方式获得人体生理信息的探测值:
获得与人体生理信息相关的模拟信号;
将所述模拟信号转换为数字信号;
对所述数字信号进行预处理,获得能代表人体生理信息探测值的数字信号。
9.一种疲劳评测系统,包括:
信号获取单元,获取能表征疲劳状态的人体生理信息的探测值;
耦合于信号获取单元的处理设备,选择与所述人体生理信息对应的疲劳模型,根据所述疲劳模型分析人体生理信息的探测值,得到与所述探测值对应的疲劳状态结果。
10.如权利要求9所述的疲劳评测系统,其中,所述信号获取单元为探测装置,包括:
探测单元,获得与人体生理信息相关的模拟信号;
数据预处理单元,对所述模拟信号进行预处理,获得能代表人体生理信息探测值的模拟信号;
数据转换单元,将所述能代表人体生理信息探测值的模拟信号转换为数字信号。
11.如权利要求9所述的疲劳评测系统,其中,所述信号获取单元为探测装置,包括:
探测单元,获得与人体生理信息相关的模拟信号;
数据转换单元,将所述模拟信号转换为数字信号;
数据预处理单元,对所述数字信号进行预处理,获得能代表人体生理信息探测值的数字信号。
12.如权利要求9所述的疲劳评测系统,其中,所述信号获取单元包括输入单元。
13.如权利要求9所述的疲劳评测系统,其还包括输出单元,输出所述处理设备得到的疲劳状态结果。
14.如权利要求9所述的疲劳评测系统,其中,所述处理设备包括:
疲劳模型选择单元,选择与所述人体生理信息对应的疲劳模型;
比较单元,将人体生理信息的探测值与疲劳模型中的参考值进行比较;
比较结果分析单元,根据比较结果,获得探测值在疲劳模型中所对应的疲劳程度,即疲劳状态结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100413761A CN101642375B (zh) | 2008-08-04 | 2008-08-04 | 疲劳评测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100413761A CN101642375B (zh) | 2008-08-04 | 2008-08-04 | 疲劳评测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101642375A true CN101642375A (zh) | 2010-02-10 |
CN101642375B CN101642375B (zh) | 2012-05-09 |
Family
ID=41654545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100413761A Expired - Fee Related CN101642375B (zh) | 2008-08-04 | 2008-08-04 | 疲劳评测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101642375B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105078725A (zh) * | 2015-06-30 | 2015-11-25 | 京东方科技集团股份有限公司 | 肌肉检测器、按摩仪及肌肉检测方法 |
CN105361856A (zh) * | 2015-11-26 | 2016-03-02 | 中国科学院深圳先进技术研究院 | 模拟飞行员狭小空间的睡眠剥夺模型系统 |
CN109147951A (zh) * | 2018-09-19 | 2019-01-04 | 中国人民解放军第三0五医院 | 一种大脑警觉度的监测报警方法 |
CN114435373A (zh) * | 2022-03-16 | 2022-05-06 | 一汽解放汽车有限公司 | 疲劳驾驶检测方法、装置、计算机设备和存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6575902B1 (en) * | 1999-01-27 | 2003-06-10 | Compumedics Limited | Vigilance monitoring system |
CN2509015Y (zh) * | 2001-11-16 | 2002-09-04 | 陈禄萍 | 驾驶员疲劳检测报警装置 |
-
2008
- 2008-08-04 CN CN2008100413761A patent/CN101642375B/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105078725A (zh) * | 2015-06-30 | 2015-11-25 | 京东方科技集团股份有限公司 | 肌肉检测器、按摩仪及肌肉检测方法 |
CN105361856A (zh) * | 2015-11-26 | 2016-03-02 | 中国科学院深圳先进技术研究院 | 模拟飞行员狭小空间的睡眠剥夺模型系统 |
CN109147951A (zh) * | 2018-09-19 | 2019-01-04 | 中国人民解放军第三0五医院 | 一种大脑警觉度的监测报警方法 |
CN114435373A (zh) * | 2022-03-16 | 2022-05-06 | 一汽解放汽车有限公司 | 疲劳驾驶检测方法、装置、计算机设备和存储介质 |
CN114435373B (zh) * | 2022-03-16 | 2023-12-22 | 一汽解放汽车有限公司 | 疲劳驾驶检测方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101642375B (zh) | 2012-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107595245B (zh) | 一种睡眠管理方法、系统及终端设备 | |
CN109948647A (zh) | 一种基于深度残差网络的心电图分类方法及系统 | |
CN101634605B (zh) | 基于混合推理和神经网络的齿轮箱故障智能诊断方法 | |
Taylor et al. | Contrasting effects of feature-based statistics on the categorisation and basic-level identification of visual objects | |
CN109934089A (zh) | 基于监督梯度提升器的多级癫痫脑电信号自动识别方法 | |
CN110141226A (zh) | 自动睡眠分期方法、装置、计算机设备及计算机存储介质 | |
CN103730130A (zh) | 一种病理嗓音的检测方法和系统 | |
CN110298085A (zh) | 基于XGBoost和随机森林算法的模拟电路故障诊断方法 | |
CN110432870A (zh) | 一种基于1d cnn-lstm的睡眠信号自动分期方法 | |
CN101642375B (zh) | 疲劳评测方法及系统 | |
CN104881683A (zh) | 基于组合分类器的白内障眼底图像分类方法及分类装置 | |
CN110491511B (zh) | 一种基于围术期危险预警的多模型互补增强机器学习方法 | |
CN110765699B (zh) | 一种压裂装备作业时健康状态的评估方法及装置 | |
CN106202489A (zh) | 一种基于大数据的农业病虫害智能诊断系统 | |
CN111248859A (zh) | 基于卷积神经网络的睡眠呼吸暂停自动检测方法 | |
CN105832303A (zh) | 一种睡眠监测方法及系统 | |
CN104822316A (zh) | 用于从脑电图确定睡眠/觉醒状态的概率以及睡眠和觉醒的质量的方法和软件 | |
CN109887558A (zh) | 一种门诊病历质控系统 | |
O'Reilly et al. | Combining time-frequency and spatial information for the detection of sleep spindles | |
CN112183638B (zh) | 基于声纹深度特征的硬岩拉剪破裂识别方法及装置 | |
US20160217394A1 (en) | Method and apparatus for improving a profile analysis of an interpretive framework based on digital measurement of the production of and responses to visual stimuli | |
CN115508089A (zh) | 一种主轴承的工况识别方法、装置及介质 | |
CN108074240A (zh) | 识别方法、识别装置、计算机可读存储介质及程序产品 | |
CN111638803B (zh) | 基于联邦迁移的脑电数据处理方法、装置、设备及介质 | |
CN113951895B (zh) | 预测婴幼儿的发育语言和交流能力的方法和工具 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120509 Termination date: 20190804 |