CN102046086A - 睡意检测装置 - Google Patents

睡意检测装置 Download PDF

Info

Publication number
CN102046086A
CN102046086A CN2009801202402A CN200980120240A CN102046086A CN 102046086 A CN102046086 A CN 102046086A CN 2009801202402 A CN2009801202402 A CN 2009801202402A CN 200980120240 A CN200980120240 A CN 200980120240A CN 102046086 A CN102046086 A CN 102046086A
Authority
CN
China
Prior art keywords
heart rate
characteristic quantity
standard deviation
rate characteristic
sleepiness
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
Application number
CN2009801202402A
Other languages
English (en)
Other versions
CN102046086B (zh
Inventor
畠山善幸
吉泽真太郎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority claimed from JP2008175953A external-priority patent/JP4609539B2/ja
Priority claimed from JP2008307455A external-priority patent/JP2010134533A/ja
Priority claimed from JP2008307460A external-priority patent/JP2010131061A/ja
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN102046086A publication Critical patent/CN102046086A/zh
Application granted granted Critical
Publication of CN102046086B publication Critical patent/CN102046086B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • A61B5/4812—Detecting sleep stages or cycles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K28/00—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions
    • B60K28/02—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver
    • B60K28/06—Safety devices for propulsion-unit control, specially adapted for, or arranged in, vehicles, e.g. preventing fuel supply or ignition in the event of potentially dangerous conditions responsive to conditions relating to the driver responsive to incapacity of driver
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/22—Psychological state; Stress level or workload
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/221—Physiology, e.g. weight, heartbeat, health or special needs

Abstract

本发明提供一种能够高精度地检测出被测者的较弱睡意的睡意检测装置。睡意检测装置首先获取测量仪的测量数据，并执行该测量数据的前处理从而获得心率数值，且从该心率数值中提取心率波动。接着，睡意检测装置对为了获得心率特征量(心率数值以及心率波动)的标准偏差而参照的心率特征量的参照区间段进行设定，之后，计算该参照区间段中的心率特征量的标准偏差值，并用心率特征量除该心率特征量的标准偏差值，从而获得心率特征量的标准偏差补正值。接着，睡意检测装置使用心率特征量的标准偏差补正值，来判断驾驶员是否存在较弱的睡意。

Description

睡意检测装置
技术领域
本发明涉及一种例如对车辆的驾驶员等的睡意进行检测的睡意检测装置。
背景技术
作为现有的睡意检测装置，已知一种例如专利文献1所记载的睡意检测装置。专利文献1所记载的睡意检测装置为，通过对用于判断驾驶员睡意的、表示身体状况的指标(心率等)进行测量，并从该指标中提取根据驾驶员的睡意而变化的特征量，且将该特征量与阈值进行比较，从而判断驾驶员是否处于瞌睡状态。当从心率中提取特征量时，对心率周期的时间序列数据实施傅立叶变换而生成振幅能谱，并对该振幅能谱实施积分处理从而获取心率波动的时间序列数据，然后对该心率波动的时间序列数据实施微分处理，并根据心率波动的微分值的平均值以及标准偏差计算出阈值，心率波动的微分值超过该阈值的则作为特征量而进行提取。
在先技术文献
专利文献1：日本特开2008-35964号公报
发明内容
发明所要解决的课题
但是，在上述现有技术中，例如在驾驶途中，当驾驶员(被测者)忍耐着极弱的睡意时，可能无法正确地判断出驾驶员处于睡意状态的情况。
因此，本发明的课题为，提供一种能够高精度地检测出被测者的较弱睡意的睡意检测装置。
用于解决课题的方法
本发明者们对于驾驶员的睡意反复进行了锐意研究，结果发现，在判断较弱的睡意时，着眼于心率数和心率波动等的心率特征量是非常有效的，其中，该心率数和心率波动等的心率特征量受到与睡意产生有关的自律神经活动的影响。而且，在进一步进行研究时发现了如下状况，即，表示心率特征量的变动大小的标准偏差等的统计量为，能够表现由交感神经系统引起的身体的活跃化与由副交感神经系统引起的身体的安静化的两个身体机能处于动态抗衡的状态的特征量，并与较弱的睡意有关。本发明是基于这种理解而完成的发明。
即，本发明的睡意检测装置的特征在于，具备：测量单元，其测量被测者的心率或脉搏；心率特征量提取单元，其从测量单元测量出的心率或者脉搏中提取心率特征量；变动分布运算单元，其求得由心率特征量提取单元所提取的心率特征量的变动分布；睡意度判断单元，其使用由变动分布运算单元求得的心率特征量的变动分布，来判断被测者的睡意度。
在上述这种本发明的睡意检测装置中，测量被测者的心率或者脉搏，并从该测量数据中提取心率特征量，且求得心率特征量的变动分布，从而使用该心率特征量的变动分布来判断被测者的睡意度。通过以这种方式使用与较弱的睡意有关的心率特征量的变动分布来进行睡意判断，从而能够高精度地检测出被测者的较弱的睡意。
优选为，变动分布计算单元求得心率特征量的标准偏差以作为心率特征量的变动分布，睡意度判断单元根据心率特征量的标准偏差来判断被测者的睡意度。此时，例如通过将心率特征量的标准偏差与被预先设定的睡意判断用阈值进行比较，从而能够容易且可靠地判断出被测者的睡意度。
而且，也可以采用如下结构，即，还具备平均值运算单元，所述平均值运算单元求得由心率特征量提取单元提取的心率特征量的平均值，变动分布运算单元求得心率特征量的标准偏差以作为心率特征量的变动分布，睡意度判断单元根据心率特征量的标准偏差和心率特征量的平均值来判断被测者的睡意度。此时，例如通过从心率特征量的平均值以及标准偏差的矩阵(二维坐标)中，生成表示睡意的分布，从而能够容易且可靠地判断出被测者的睡意度。
这里，优选为，还具备参照时间段设定单元，所述参照时间段设定单元对为了获得心率特征量的标准偏差而参照的心率特征量的参照时间段进行设定，变动分布计算单元求得心率特征量的参照时间段内的、心率特征量的标准偏差。此时，通过将心率特征量的参照时间段设定为对每个被测者最适当的值，并且在该参照时间段内求得心率特征量的标准偏差，从而能够实现不受被测者影响的睡意检测。
此时，优选为，参照时间段设定单元对心率特征量进行频率分析而提取峰值频率，并且将对应于峰值频率的周期设定为参照时间段。此时，通过按照每个被测者提取被推测为明显表现出睡意时的心率特征量的频率范围中的峰值频率，从而能够按照每个被测者可靠地设定最适当的参照时间段。
而且，优选为，变动分布运算单元具有，通过用心率特征量除心率特征量的标准偏差，从而对心率特征量的标准偏差进行补正的单元。由于心率数等的心率特征量对每个被测者而言各不相同，因而心率特征量的标准偏差对每个被测者而言也各不相同。因此，存在睡意检测结果根据被测者而有所不同的现象。因此，通过进行用心率特征量除心率特征量的标准偏差的补正，从而能够排除因每个被测者的心率特征量的不同而引起的睡意度的判断误差，进而能够充分高精度地进行不受被测者的影响的睡意检测。
而且，优选为，心率特征量包括：心率数、与交感神经的活动有关的心率波动低频成分、与副交感神经的活动有关的心率波动高频成分、以及心率波动的低频成分与心率波动的高频成分的比值中的至少一个。例如，睡意度明显表现于心率的人，交感神经的活动较活跃的人、副交感神经的活动较活跃的人等，根据被测者的不同而心率特征量的特性不同。由此，通过使用适合被测者的心率特征量来判断睡意度，从而能够更加高精确地检测出被测者的较弱的睡意。
而且，优选为，提供一种对车辆的驾驶员的睡意进行检测的睡意检测装置，所述睡意检测装置具备标准偏差计算单元，所述标准偏差计算单元求得由心率特征量提取单元提取的心率特征量的标准偏差，睡意度判断单元根据车辆的行驶环境，利用心率特征量对心率特征量的标准偏差进行补正，并使用补正后的心率特征量的标准偏差的分布来判断驾驶员的睡意度。
在检测较弱的睡意时，着眼于受到与睡意产生有关的自律神经活动影响的心率数或心率波动等的心率特征量是非常有效的。尤其认为，心率特征量的标准偏差与较弱的睡意有关。因此，在本发明的睡意检测装置中，是求得用心率特征量提取单元提取的心率特征量的标准偏差，并使用心率特征量的标准偏差的分布来判断驾驶员的睡意度的。
这里，由于心率特征量对每个驾驶员而言各不相同，因而，心率特征量的标准偏差也根据每个驾驶员而各不相同。因此，具有睡意检测结果根据驾驶员不同而各不相同的情况。因此，通过用心率特征量来补正心率特征量的标准偏差，从而排除由每个驾驶员的心率特征量的不同而引起的睡意度的判断误差。此时，随着睡意而产生的心率特征量的变化，会持续产生较长时间。而且，在车辆的行驶环境发生变化时心率特征量也会变化，从而随着该行驶环境的变化而产生的心率特征量的变化会瞬间性地产生。因此，随着行驶环境的变化而产生的心率特征量的变化，在实施心率特征量的标准偏差的补正时，会成为噪声(错误检测出睡意)的因素。
因此，在本发明中，根据车辆的行驶环境用心率特征量来补正心率特征量的标准偏差。具体而言，将随着车辆行驶环境的变化而产生的瞬间性的心率特征量的变化作为噪声而去除，并仅在因驾驶员体内的状态变化而导致心率特征量发生变化时，用心率特征量来补正心率特征量的标准偏差。由此，能够高精度地检测出驾驶员的较弱的睡意。
优选为，当检测出车辆行驶在市区街道、转弯道路、无行驶经验的道路、以及交叉路口中的某一种时，睡意度判断单元不执行心率特征量的标准偏差的补正。当车辆行驶在市区街道、转弯道路、无行驶经验的道路、以及交叉路口时，容易发生瞬间性的心率特征量的变化。因此，通过设定为在该种情况下不执行心率特征量的标准偏差的补正，从而能够可靠且高精度地检测出驾驶员的较弱的睡意。
而且，也可以采用如下设定，即，当检测出在车辆的周围存在移动体时，睡意度判断单元不执行心率特征量的标准偏差的补正。当在车辆的周围存在其它车辆或行人等的移动体时，容易发生瞬间性的心率特征量的变化。因此，通过设定为在该种情况下不执行心率特征量的标准偏差的补正，从而能够可靠且高精度地检测出驾驶员的较弱的睡意。
而且，也可以采用如下设定，即，当检测出车辆上乘坐有同乘人员且驾驶员在活动身体时，睡意度判断单元不执行心率特征量的标准偏差的补正。当车辆上乘坐有同乘人员且驾驶员在活动身体时，容易发生瞬间性的心率特征量的变化。因此，通过设定为在该种情况下不执行心率特征量的标准偏差的补正，从而能够可靠且高精度地检测出驾驶员的较弱的睡意。
而且，本发明的睡意检测装置的特征在于，利用除去在注意意识易于活跃的行驶环境中所取得的心率特征量而获得的心率特征量，对心率特征量的标准偏差进行补正。
而且，优选为，具备参照时间段设定单元，所述参照时间段设定单元对参照心率特征量所需的特征量参照时间段进行设定，睡意度判断单元求得在特征量参照时间段内的心率特征量的统计分布，从而判断被测者的睡意度，参照时间段设定单元对心率特征量进行频率分析而生成心率特征量的频谱分布，并提取频谱的上升峰值的频率，从而求得特征量参照时间段。
在上述这种本发明的睡意检测装置中，当对参照所提取的心率特征量所需的特征量参照时间段进行设定时，对心率特征量进行频率分析而生成心率特征量的频谱分布，并提取该频谱的上升峰值的频率。频谱的上升峰值的频率为，被测者的特征易于显现的频率。因此，通过从上升峰值的频率求得特征量参照时间段，从而能够获得适合被测者的特征量参照时间段。因此，通过求得这种在每个被测者的适当的特征量参照时间段内的心率特征量的统计分布，并使用该心率特征量的统计分布来判断被测者的睡意度，从而能够实施不受个人差别影响的睡意检测。
优选为，参照时间段设定单元在频谱分布中以最初的极小值为起点的频率范围内，提取频谱为最大的峰值频率。频谱为最大的峰值频率为，最能表现被测者的特征的频率。因此，通过根据这种峰值频率来求得特征量参照时间段，从而能够获得最适合于被测者的特征量参照时间段。
而且，优选为，参照时间段设定单元将峰值频率的倒数作为特征量参照时间段。此时，能够可靠地获得适合于被测者的特征量参照时间段。
进而，优选为，睡意度判断单元求得心率特征量的标准偏差以作为心率特征量的统计分布。心率数或心率波动等的标准偏差，被认为与较弱的睡意有关。因此，通过求得特征量参照时间段内的心率特征量的标准偏差，并利用该心率特征量的标准偏差来判断被测者的睡意度，从而能够高精度地检测出被测者的较弱的睡意。
而且，本发明的睡意检测装置的特征在于，从心率特征量的频谱分布中提取表示个体特征的峰值，并根据基于该峰值频率的时间段，来参照心率特征量。
发明效果
根据本发明，能够高精度地检测出被测者的较弱的睡意。
附图说明
图1为表示人的睡意等级的一个示例的表格。
图2为表示在车辆的行驶试验中收集到的眨眼数据以及睡意等级数据的一个示例的图表。
图3为表示心率特征量与自律神经的活动之间的对应关系的表格。
图4为表示在车辆的行驶试验中收集到的心率数据以及睡意等级数据的一个示例的图表。
图5为表示使用四个特征量来判断较弱的睡意的结果的一个示例的图表。
图6为表示使用八个特征量来判断较弱的睡意的结果的一个示例的图表。
图7为表示本发明所涉及的睡意检测装置的第1实施方式的概要结构的框图。
图8为表示由睡意检测ECU所执行的睡意检测处理的详细步骤的流程图。
图9为表示测量仪的输出波形以及二值化波形的一个示例的波形图。
图10为表示二值化波形的区间段以及周期时间序列的一个示例的波形图。
图11为表示心率数的周期时间序列的一个示例的波形图。
图12为表示对心率数的周期时间序列进行FFT处理而获得的波形的一个示例的波形图。
图13为表示对进行FFT处理而获得的波形设定了两个频带区域时的状态的波形图。
图14为表示心率波动的周期时间序列的一个示例的波形图。
图15为表示对心率特征量的参照区间段进行设定的方法的波形图。
图16为表示心率数标准偏差值以及心率数值与心率数标准偏差补正值的一个示例的表格。
图17为表示通过心率波动低频成分标准偏差补正值来判断睡意的方法的波形图。
图18为表示使用心率特征量的标准偏差补正值以及平均值的二维坐标来判断睡意的方法的概念图。
图19为表示通过使用马式田口方法来判断睡意的方法的概念图。
图20为表示本发明所涉及的睡意检测装置的第2实施方式的概要结构的框图。
图21为表示通过图20所示的睡意检测ECU而执行的睡意检测处理的详细步骤的流程图。
图22为表示图20所示的生理指标测量仪的输出波形以及二值化波形的一个示例的波形图。
图23为表示二值化波形的区间段以及周期时间序列的一个示例的波形图。
图24为表示心率数的周期时间序列的一个示例的波形图。
图25为表示对心率数的周期时间序列进行FFT处理而获得的波形的一个示例的波形图。
图26为表示对进行FFT处理而获得的波形设定了两个频带区域时的状态的波形图。
图27为表示心率波动的周期时间序列的一个示例的波形图。
图28为表示设定心率特征量的参照区间段的方法的波形图。
图29为表示执行图21所示的标准偏差值补正处理的功能框图的示意图。
图30为表示心率数标准偏差值以及心率数值与心率数标准偏差补正值的一个示例的表格。
图31为表示通过心率波动低频成分标准偏差补正值来判断睡意的方法的一个示例的波形图。
图32为表示本发明所涉及的睡意检测装置的第3实施方式的概要结构的框图。
图33为表示通过图32所示的睡意检测ECU而执行的睡意检测处理的详细步骤的流程图。
图34为表示图32所示的测量仪的输出波形以及二值化波形的一个示例的波形图。
图35为表示二值化波形的区间段以及周期时间序列的一个示例的波形图。
图36为表示心率数的周期时间序列的一个示例的波形图。
图37为表示对心率数的周期时间序列进行FFT处理而获得的波形的一个示例的波形图。
图38为表示对进行FFT处理而获得的波形设定了两个频带区域时的状态的波形图。
图39为表示心率波动的周期时间序列的一个示例的波形图。
图40为表示图33所示的心率特征量的参照时间段的设定处理的详细步骤的流程图。
图41为表示执行图40所示的数据存储处理以及频率分析处理的方法的波形图。
图42为表示执行图40所示的下限频率探测处理以及峰值频率提取处理的方法的波形图。
图43为表示通过心率波动低频成分标准偏差补正值而判断睡意的方法的一个示例的波形图。
符号说明
1、101、201…睡意检测装置，
2…测量仪(测量单元)，
3…睡意检测ECU(心率特征量提取单元、变动分布运算单元、睡意度判断单元、平均值运算单元、参照时间段设定单元)，
102…生理指标测量仪(测量单元)，
106…睡意检测ECU(心率特征量提取单元、标准偏差计算单元、睡意度判断单元)，
202…测量仪(测量单元)，
203…睡意检测ECU(心率特征量提取单元、参照时间段设定单元、睡意度判断单元)。
具体实施方式
以下，参照附图，对本发明所涉及的睡意检测装置的最佳实施方式进行详细说明。
首先，对本发明所涉及的睡意检测的思路进行说明。例如，如图1所示，人的睡意等级可以划分为：表示较强睡意的状态的区域(区域A)，该区域(区域A)包括瞌睡状态、非常发困的状态(D4)、相当发困的状态(D3)；表示较弱睡意的状态的区域(区域B)，该区域(区域B)包括发困状态(D2)、稍微发困的状态(D1)、以及完全不发困的状态(D0)。并且，图1所示的睡意等级是，根据NEDO的面部表情而评定出的等级(参照日本的人間生活工学研究センタ一：《人間感覚計测マニユアル》、第一編、第二節、p146(1999))。
近年来，虽然已经存在若干项根据驾驶员的面部朝向或眨眼来判断较强的睡意状态(区域A)的现有技术，但是，对表示较弱的睡意状态的区域(区域B)进行判断的现有技术还不存在。因此，首先针对较弱的睡意状态的判断，对已知的眨眼特征量的适用可能性进行了研究。
从已知的研究中可以看出，较强的睡意状态(区域A)下的有效的眨眼特征量为，闭眼时间(眨眼一次所需要的时间)以及固定时间内的眨眼次数。因此，对这两个眨眼特征量与较弱的睡意状态(区域B)下的睡意等级变化之间的对应关系进行了调查。具体而言，在规定的环绕路径上以80km/h的速度恒速行驶一个小时，并在此时收集了根据眨眼数据和面部表情而判断出的睡意等级数据。图2图示了收集到的数据的一个示例。睡意等级与眨眼特征量的相关系数为，闭眼时间：0.2，眨眼次数：0.1，由此可以看出，仅用眨眼特征量来判断较弱的睡意是比较困难的。
因此，考虑到睡意的影响在表现于身体之前可能会作为身体内部的状态变化而被表现出来，因而着眼于身体内部的特征量。
作为伴随睡意而变化的身体内部的人类特性有：进行认知判断的脑信息处理神经活动，以及管理人类的活跃状态的自律神经活动。信息处理的神经活动随着睡意而减少，但是，该脑活动的减少会随着自律神经活动的变化而产生。因此，着眼于自律神经的活动。
自律神经由两个神经系统构成，即，使身体活跃化的交感神经系统以及使身体安静化的副交感神经系统。在瞌睡状态下，副交感神经系统将活跃地活动从而引导身体进入休息，而在无睡意的状态下，交感神经系统将活跃地活动。因此，假设为，根据图1所示的睡意等级D1～D4，这两个神经系统的平衡发生变化。
由于自律神经位于身体内部的中枢，因而无法对其活动本身进行直接测量。因此，着眼于在医学上已经明确了与自律神经活动之间的关系、且可进行测定的心率。心率受到交感神经系统以及副交感神经系统的影响，其心率的跳动(心率数、心率波动)将发生变化。
图3为，表示心率特征量与自律神经的活动之间的对应关系的表格。作为心率特征量，具有：与交感神经的活动有关的心率波动低频成分(HRV-L)；与副交感神经的活动有关的心率波动高频成分(HRV-H)；表示这些成分的平衡度的HRV-L与HRV-H的比值(以下，称为L/H)；以及心率数。将这四个心率特征量考虑为，与睡意相关的身体内部的特征量。
在预定的环绕路线中以80km/h的速度恒速行驶一个小时，并在此时收集根据心率数据和面部表情而判断出的睡意等级数据，且利用这些数据而验证了上述四个心率特征量与较弱的睡意之间的关联性。图4中图示了收集到的数据的一个示例。
作为关联性的验证而进行了相关系数的检验(参照日本《バイオサイエンスの統計学》：南江堂(2005))，结果可以看出，虽然有趋弱的倾向，但是四个心率特征量均与较弱的睡意具有相关关系。此时，与睡意等级的相关系数为，HRV-L：0.5、HRV-H：0.3、L/H：0.3、心率数：0.4，显著差p＜0.05。因此，可以看出，在较弱的睡意(区域B)中，身体内部的心率特征量与如眨眼这种身体外部的特征量相比，表现出更高的关联性。
如上所述，表现出了与较弱的睡意之间的关联性的HRV-L、HRV-H、L/H、以及心率数，由于相关系数并不太高，因而认为误差较大，因此判断为，在单纯的辨别分析中，难以判定较弱的睡意。因此，作为考虑到数据误差的辨别法，决定使用马式田口方法(以下，称为MT法)。此时所采用的睡意判断精度评价公式为，如下所示的公式。并且，下述公式为，以睡意等级D2为示例的公式。
[公式1]
Figure BPA00001263662600101
Figure BPA00001263662600102
Figure BPA00001263662600111
使用在预定的环绕路线上以80km/h的速度恒速行驶一个小时的行驶试验中所获得的数据而进行了评价，结果显示判断精度为10％。图5图示了判断结果的一个示例。在这种判断结果中，由于错误判断较多，因而考虑扩充特征量设法以提高判断精度。
上述的四个心率特征量由于使用了某个时间间隔段的平均值，因而认为其是表现静态的特征量，而无法表现在驾驶途中，为了在例如已经发困的状态下进行驾驶而进行的身体活跃化、与本能性地想要休息的安静化这两个身体机能动态抗衡的状态。因此认为，表示四个心率特征量的变动大小的标准偏差为，表示这种动态的特征量。
使用与上述的表示静态的特征量相同的方法，对表示动态的特征量与睡意等级之间的关联性进行了确认，结果发现，表示动态的四个特征量分别与较弱的睡意存在相关关系。此时，与睡意等级的相关系数为，HRV-L的标准偏差：0.4、HRV-H的标准偏差：0.4、L/H的标准偏差：0.3、心率数的标准偏差：0.4、显著差p＜0.05。
上述的MT法具有如下方针，即，针对提取的特征量的组合，对判断结果的S/N比(判断结果受到误差等的噪声的影响程度的尺度)进行评价，从而选取适当的特征量的组合。因此，根据该方法，对表示静态的四个特征量、表示动态的四个特征量以及将这些特征量组合而得的八个特征量的S/N比进行了评价。其结果发现，表示静态的四个特征量为-96dB，表示动态的四个特征量为-95dB，八个特征量为-89dB，因而通过使用八个特征量可提高判断精度。
因此，如图6所示，当使用八个特征量通过MT法对较弱的睡意判断进行评价时，结果获得了70％的判断精度。也就是说，与上述的表示静态的四个特征量相比较，精度提高了60％。
根据以上的想法，对本发明所涉及的睡意检测装置的实施方式进行以下说明。
(第1实施方式)
图7为，表示本发明所涉及的睡意检测装置的第1实施方式的概要结构的框图。在该图中，本实施方式的睡意检测装置1为，被搭载在车辆上并对车辆的驾驶员的睡意进行检测的装置。睡意检测装置1具备测量仪2、睡意检测ECU(Electronic Control Unit：电子控制模块)3以及警报器4。
测量仪2为，对驾驶员的生理指标进行测量的仪器。具体而言，作为测量仪2，例如可以例举出：测量心率的心电图仪、从指尖或上臂等处测量脉搏的脉搏仪等。
睡意检测ECU3为，由CPU、ROM或RAM等存储器、输入输出电路等构成。睡意检测ECU3输入测量仪2的测量数据，并执行预定的处理，从而判断驾驶员是否处于较弱睡意的状态。
警报器4为，通过声音(蜂鸣声)、图像(画面显示)以及振动(振动器)等来发出警报，从而告知驾驶员产生睡意的机器。
图8为，表示由睡意检测ECU3执行的睡意检测处理的详细步骤的流程图。在这里，以通过心电图仪来作为测量仪2而对驾驶员的心率进行测量的情况为例进行说明。
在该图中，首先，获取测量仪2的测量数据(心率原始数据)(步骤S11)，并执行该测量数据的前处理(步骤S12)。具体而言，首先，为了去除心率原始数据的噪声，对心率原始数据实施带通滤波器(BPF：band pass filter)处理，并提取预定的通过频带(例如，0.1Hz～30Hz)的成分。
接着，如图9所示，通过将被实施了BPF处理的心率数据的波形与被预先设定的阈值相比较，从而进行二值化。此时，以在心率数据的波形中各R波部分处于最大值的时刻成为“1”的方式进行二值化(参照图9中的放大图)。
接着，如图10(A)所示，求得在二值化数据中成为“1”的各时刻的区间段(时间间隔)t，并生成以各区间段t为纵轴的图表。此时，区间段t相当于驾驶员的心率周期。
接着，如图10(B)所示，对上述的心率周期的图表进行插补而求得心率周期的曲线(参照虚线)，从而获得心率周期的时间序列数据。而且，如图11所示，将心率周期的时间序列数据的纵轴单位变换为，例如每一分钟的心率数。由此，作为心率特征量的一个，获得了驾驶员的心率数值。
接着，作为驾驶员的其它心率特征量，进行心率波动的提取(步骤S13)。具体而言，关于心率周期的时间序列数据(参照图11)，如图12所示，对基准时间T(任意的时间标记)前的分析单位区间段Tterm实施快速傅立叶变换(FFT：Fast Fourier Transform)，从而获得相对于频率成分的能(振幅)谱。
接着，如图13所示，对通过快速傅立叶变换而在每个分析单位区间段Tterm获得的能谱，设定两个频带区域(低频成分以及高频成分)。这些频带区域为，易于表现心率波动(变化)的区域。而且，按每个频带区域对振幅频谱进行积分。
如图14所示，通过反复进行上述的快速傅立叶变换处理、频带区域的设定处理以及积分处理，从而获得了每个频带区域的振幅能谱的时间序列数据。该振幅能谱的时间序列数据为，心率波动的时间序列数据。由此，获得了表示交感神经活动的心率波动低频成分值、以及表示副交感神经活动的心率波动高频成分值。而且，通过用心率波动高频成分值除心率波动低频成分值，从而获得了心率波动低频成分值与心率波动高频成分值的比值(心率波动比值)。
接着，对在获得心率特征量的标准偏差时参照的心率特征量的参照区间段(参照时间段)进行设定(步骤S14)。对心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，分别进行参照区间段的设定。下面，以对心率数值进行参照区间段设定的情况为例，对参照区间段的设定的具体方法进行说明。
即，首先，如图15(A)所示，将心率数值的时间序列数据(参照图11)按每隔任意长度(数分钟左右)m而进行划分，并存储在决定参照时间段用数据存储缓冲器中。
而且，通过对被存储在数据存储缓冲器中的心率数值进行快速傅立叶变换(FFT)运算，从而获得如图15(B)所示的频率分析结果。这里，F为频率范围，fmax为频率范围F的最大值，fmin为频率范围F的最小值，A为频率范围F内的心率数值的振幅能谱的最大值，fpeak为，振幅能谱为最大值A时的频率。频率范围F为，作为与每个人的睡意相对应的范围而通过统计分析获得的范围。频率fpeak为，在心率数值中特别易于出现睡意变化的频率。
接着，根据使用了这种频率fpeak的下述计算公式，来求得心率数值的参照区间段。
心率数值的参照区间段＝1/fpeak
通过以这种方式将频率范围F内的峰值频率fpeak作为明显表现出睡意的部分而进行提取，从而能够去除数据噪声的影响并对睡意状态进行判断(后文叙述)。
接着，分别按照参照区间段(数据总数：N个)抽取心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，并计算在该区间内的平均值(步骤S15)。
截取的心率数值＝{X1、X2、X3、…XN}
截取的心率波动低频成分值＝{Y1、Y2、Y3、…YN}
截取的心率波动高频成分值＝{Z1、Z2、Z3、…ZN}
截取的心率波动分值＝{W1、W2、W3、…WN}
接着，以与上述相同的方式，分别按照参照区间段来截取心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，并计算在该区间内的标准偏差值(步骤S16)。
心率数值的标准偏差的计算公式如下。
Figure BPA00001263662600141
N：截取的心率数值数据的总数
i：心率数值的编号
Xi：第i个心率数值
Xave：N个心率数值的平均值
心率波动低频成分值的标准偏差的计算公式如下。
Figure BPA00001263662600142
N：截取的心率波动低频成分值数据的总数
i：心率波动低频成分值的编号
Yi：第i个心率波动低频成分值
Yave：N个心率波动低频成分值的平均值
心率波动高频成分值的标准偏差的计算公式如下。
Figure BPA00001263662600151
N：截取的心率波动高频成分值数据的总数
i：心率波动高频成分值的编号
Zi：第i个心率波动高频成分值
Zave：N个心率波动高频成分值的平均值
心率波动比值的标准偏差的计算公式如下。
N：截取的心率波动比值数据的总数
i：心率波动比值的编号
Wi：第i个心率波动比值
Wave：N个心率波动比值的平均值
接着，对心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值的标准偏差值进行补正(步骤S17)。这些标准偏差值的补正，按照以下方式来进行。
即，首先，将在步骤S16中获得的心率数标准偏差值、心率波动低频成分标准偏差值、心率波动高频成分标准偏差值以及心率波动比标准偏差值，和用于补正的心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，存储在补正对象标准偏差值存储缓冲器中。
这里，作为被存储在补正对象标准偏差值存储缓冲器中的心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，使用在无睡意状态(例如开始驾驶时)下所获取的数据。这些数据，例如既可以在开始驾驶之前获取，也可以提前获取并预先存储在睡意检测ECU3的存储器中。
在图16(A)中图示了，被存储在补正对象标准偏差值存储缓冲器中的心率数标准偏差值以及心率数值的一个示例。
接着，使用下述计算公式，对心率数标准偏差值、心率波动低频成分标准偏差值、心率波动高频成分标准偏差值以及心率波动比标准偏差值进行补正，从而获得心率数标准偏差补正值、心率波动低频成分标准偏差补正值、心率波动高频成分标准偏差补正值以及心率波动比标准偏差补正值。
[公式6]
Figure BPA00001263662600161
Figure BPA00001263662600162
根据图16(A)所示的心率数标准偏差值以及心率数值而计算出的心率数标准偏差补正值，如图16(B)所示。
由于心率数值和心率数标准偏差值存在个人差异，因此，如果将心率数标准偏差值直接使用于睡意判断(后文叙述)，则有时其判断结果会根据被测者而有所不同，但是，通过对每个被测者进行心率数标准偏差值的补正，从而排除了每个被测者的心率数值的变动对睡意判断结果带来的影响。关于心率波动低频成分值、心率波动高频成分值以及心率波动比值，上述原理也同样成立。
接着，通过使用心率数标准偏差补正值、心率波动低频成分标准偏差补正值、心率波动高频成分标准偏差补正值以及心率波动比标准偏差补正值，从而判断驾驶员是否处于较弱的睡意(步骤S18)。
在图17中，图示了通过心率波动低频成分标准偏差补正值而判断睡意的方法的一个示例。在该图所示的方法中，将心率波动低频成分标准偏差补正值与被预先设定的较弱睡意用检测阈值进行比较，并且在心率波动低频成分标准偏差补正值高于较弱睡意用检测阈值时，判断为处于较弱睡意状态；而在心率波动低频成分标准偏差补正值低于较弱睡意用检测阈值时，则判断为处于无睡意的状态。
并且，在使用心率数标准偏差补正值、心率波动高频成分标准偏差补正值以及心率波动比标准偏差补正值时，也以同样的方式判断是否存在较弱的睡意。
在图18中，图示了判断睡意的其它方法。该图所示的方法为，并用心率特征量的标准偏差补正值以及平均值，从而对是否存在较弱的睡意进行二维式的判断。
具体而言，将心率特征量的标准偏差补正值以及平均值的数据表示在二次维坐标上，并根据此时获得的数据分布来判断睡意度。当数据集中在标准偏差补正值以及平均值均为较大的一侧时，判断为处于存在较弱睡意的状态；而当数据集中在标准偏差补正值以及平均值均为较小的一侧时，判断为处于无睡意的状态。
在图19中，图示了判断睡意的另一种其它方法。该图所示的方法为，并用心率特征量的标准偏差补正值以及平均值，并通过马式田口方法(如前文所述)对是否存在较弱的睡意进行一维式的判断。
具体而言，根据心率特征量的标准偏差补正值以及平均值，来求得马式距离。而且，当马式距离高于被预先设定的较弱睡意用检测阈值时，判断为处于存在较弱睡意的状态；而当马式距离低于较弱睡意用检测阈值时，判断为处于无睡意的状态。
当在步骤S18中通过上述的方法而判断为无睡意时，则返回步骤S11，并重复执行步骤S11～S18的处理。另一方面，当在步骤S18中判断为存在较弱睡意时，则对警报器4进行控制，以告知驾驶员产生睡意(步骤S19)，之后，返回到步骤S11。
在上述说明中，图18所示的步骤S11～S13构成了，由测量单元2测量出的心率或者脉搏中提取心率特征量的心率特征量提取单元。该步骤S16、S17构成了，求得由心率特征量提取单元提取的心率特征量的变动分布的变动分布运算单元。该步骤S18构成了，使用由变动分布运算单元所求得的心率特征量的变动分布来判断被测者的睡意度的睡意度判断单元。
而且，该步骤S15构成了，求得由心率特征量提取单元提取的心率特征量的平均值的平均值运算单元。该步骤S14构成了，对获得心率特征量的标准偏差时参照的心率特征量的参照时间段进行设定的参照时间段设定单元。
如上所述，在本实施方式中，着眼于受到与产生睡意有关的自律神经活动影响的心率，测量驾驶员的心率或者脉搏从而提取心率数以及心率波动，并求得这些心率数以及心率波动的标准偏差(误差)，从而根据该标准偏差、或者标准偏差以及平均值的双方，来进行驾驶员的睡意判断。此时，能够将驾驶员的睡意度，作为在克服睡意并想要恢复到清醒状态的较弱发困的同时、进行驾驶时的生理状态的指标，来进行判断。由此，能够高精度且不会受到不同驾驶员的影响地检测出驾驶员的较弱睡意。因此，在存在较弱睡意时，通过促使驾驶员恢复正常的意识或者进行休息，从而能够有效地防止瞌睡驾驶。
并且，本实施方式并不限定于上述内容。例如，虽然在本实施方式中，是通过使用心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值这四个心率特征量，来进行驾驶员的睡意判断的，但是，只需使用这四个心率特征量中的至少一个即可。
而且，虽然在本实施方式中，是通过求得心率特征量的标准偏差而进行驾驶员的睡意判断的，但是，只要是基于心率特征量的变动量的分布，也可以使用标准误差等来代替标准偏差。
而且，虽然本实施方式的睡意检测装置1是被搭载在车辆上的装置，但是其也可以适用于对车辆驾驶员以外的被测者的睡意度进行检测的状况。
(第2实施方式)
图20为，表示本发明所涉及的睡意检测装置的第2实施方式的概要结构的框图。在该图中，本实施方式的睡意检测装置101为，被搭载在车辆上，并对车辆的驾驶员的睡意进行检测的装置。睡意检测装置101具备：生理指标测量仪102、导航装置103、周围环境识别传感器104、乘员检测传感器105、睡意检测ECU(Electronic Control Unit：电子控制模块)106、以及警报器107。
生理指标测量仪102为，对驾驶员的生理指标进行测量的仪器。具体而言，作为生理指标测量仪102，例如可例举测量心率的心电图仪、从手指或上臂等测量脉搏的脉搏仪等。
导航装置103为，利用GPS(全球定位系统)而检测出本车辆的当前位置、或从存储在内置存储器中的道路地图信息中获取本车辆正在行驶的道路的信息等的机器。
周围环境识别传感器104为，用于识别在本车辆的周围是否存在其它车辆、行人、自行车等的移动体的传感器。作为周围环境识别传感器104，可使用照相机等的图像传感器、雷达传感器、超声波传感器、以及在与其它车辆之间进行无线通信从而接收其它车辆信息的车辆间通信机等。
乘员检测传感器105为，用于检测是否乘坐有同乘人员、以及驾驶员是否在活动身体的传感器。作为乘员检测传感器105，可使用照相机等的图像传感器、对导航装置103等的操作状态进行检测的接触式传感器等。
睡意检测ECU106由CPU、ROM和RAM等存储器、及输入输出电路等构成。睡意检测ECU106输入生理指标测量仪102的输出数据(测量数据)、导航装置103的信息、周围环境识别传感器104以及乘员检测传感器105的输出数据，并执行预定的处理，从而判断驾驶员是否处于较弱睡意的状态。
警报器107为，通过声音(蜂鸣声)、图像(画面显示)以及振动(振动器)等发出警报，从而告知驾驶员产生睡意的机器。
图21为，表示通过睡意检测ECU106而执行的睡意检测处理的详细步骤的流程图。在这里，以通过心电图仪作为生理指标测量仪102来测量驾驶员的心率的情况为例进行说明。
在该图中，首先，获取生理指标测量仪102的测量数据(心率原始数据)(步骤S111)，并执行该测量数据的前处理(步骤S112)。具体而言，首先，为了去除心率原始数据的噪声，对心率原始数据实施带通滤波器(BPF：band pass filter)处理，并提取预定的通过频带(例如，0.1Hz～30Hz)的成分。
接着，如图22所示，通过将实施了BPF处理的心率数据的波形与被预先设定的阈值相比较，从而进行二值化。此时，以在心率数据的波形中各R波部分处于最大值的时刻成为“1”的方式进行二值化(参照图22中的放大图)。
接着，如图23(A)所示，求得在二值化数据中成为“1”的各时刻的区间段(时间间隔)t，并生成以各区间段t为纵轴的图表。此时，区间段t相当于驾驶员的心率周期。
接着，如图23(B)所示，对上述心率周期的图表进行插补而求得心率周期的曲线(参照虚线)，从而获得心率周期的时间序列数据。而且，如图24所示，将心率周期的时间序列数据的纵轴单位变换为，例如每一分钟的心率数。由此，作为心率特征量的一个，获得了驾驶员的心率数值。
接着，作为驾驶员的其它心率特征量，进行心率波动的提取(步骤S113)。具体而言，针对心率周期的时间序列数据(参照图24)，如图25所示，对基准时间T(任意的时间标记)前的分析单位区间段Tterm实施快速傅立叶变换(FFT)，从而获得相对于频率成分的能(振幅)谱。
接着，如图26所示，对通过快速傅立叶变换而在每个分析单位区间段Tterm中获得的能谱，设定两个频带区域(低频成分以及高频成分)。这些频带区域为，心率波动(变化)易于显现的区域。而且，在每个频带区域上对振幅频谱进行积分。
如图27所示，通过反复执行上述的快速傅立叶变换处理、频带区域的设定处理以及积分处理，从而获得每个频带区域的振幅能谱的时间序列数据。该振幅能谱的时间序列数据为，心率波动的时间序列数据。由此，获得了表示交感神经的活动的心率波动低频成分值、以及表示副交感神经的活动的心率波动高频成分值。而且，通过用心率波动高频成分值除心率波动低频成分值，从而获得了心率波动低频成分值与心率波动高频成分值的比值(心率波动比值)。
接着，对为了获得心率特征量的标准偏差而参照的心率特征量的参照区间段(参照时间段)进行设定(步骤S114)。对心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，分别进行参照区间段的设定。下面，以对心率数值进行参照区间段设定的情况为例，对参照区间段的设定的具体方法进行说明。
即，首先，如图28(A)所示，将心率数值的时间序列数据(参照图24)按每隔任意长度(数分钟左右)m而进行划分，并存储在决定参照时间段用数据存储缓冲器中。
而且，通过对被存储在数据存储缓冲器中的心率数值进行快速傅立叶变换(FFT)运算，从而获得如图28(B)所示的频率分析结果。这里，F为频率范围，fmax为频率范围F的最大值，fmin为频率范围F的最小值，A为频率范围F内的心率数值的振幅能谱的最大值，fpeak为，振幅能谱为最大值A时的频率。频率范围F为，作为对应于每个人的睡意的范围而通过统计分析获得的范围。频率fpeak为，在心率数值中特别易于出现睡意变化的频率。
接着，根据使用了这种频率fpeak的下述计算公式，来求得心率数值的参照区间段。
心率数值的参照区间段＝1/fpeak
通过以这种方式将频率范围F内的峰值频率fpeak作为明显表现出睡意的部分而进行提取，从而能够去除数据噪声的影响并对睡意状态进行判断(后文叙述)。
接着，分别按照参照区间段(数据总数：N个)来分隔心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，并计算在该区间内的平均值(步骤S115)。
截取的心率数值＝{X1、X2、X3、…XN}
截取的心率波动低频成分值＝{Y1、Y2、Y3、…YN}
截取的心率波动高频成分值＝{Z1、Z2、Z3、…ZN}
截取的心率波动比值＝{W1、W2、W3、…WN}
接着，以与上述相同的方式，分别按照参照区间段来截取心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，并通过上述公式2～5所示的计算公式，来计算在该区间内的心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值的标准偏差值(步骤S116)。
接着，对心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值的标准偏差值进行补正(步骤S117)。在图29中，图示了执行该步骤S117的处理的功能框图。
在图29中，作为用于执行心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值的标准偏差值的补正的功能部，具有补正对象标准偏差值存储缓冲器111、环境信息取得部112、环境条件数据库113、补正实施判断部114以及标准偏差补正计算部115。
补正对象标准偏差值存储缓冲器111存储作为补正对象的心率特征量标准偏差值、以及使用于补正的瞬时值(当前时刻的心率特征量值)。心率特征量标准偏差值为，在步骤S116中获得的心率数标准偏差值、心率波动低频成分标准偏差值、心率波动高频成分标准偏差值、以及心率波动比标准偏差值。用于补正的瞬时值为，当前时刻的心率数值、心率波动低频成分值、心率波动高频成分值、以及心率波动比值。
环境信息取得部112根据导航装置103的信息、周围环境识别传感器104以及乘员检测传感器105的输出数据，来获取本车辆的行驶环境信息。作为本车辆的行驶环境信息，可以例举出：本车辆行驶的道路信息、本车辆的周围环境信息、包括驾驶员在内的乘员的信息。本车辆行驶的道路信息通过导航装置103而获取，本车辆的周围环境信息根据周围环境识别传感器104的输出数据而获取，乘员信息根据乘员检测传感器105的输出数据而获取。
在环境条件数据库113中，存储保持有不执行心率特征量标准偏差值的补正的环境条件。不执行心率特征量标准偏差值的补正的环境条件是指，注意意识易于活跃化的环境，包括：本车辆行驶在市区街道、转弯道路、驾驶员无行驶经验的道路、交叉路口中的某一种时的条件、本车辆的周围存在其它车辆、行人、自行车等的移动体的条件、本车辆上乘坐有同乘人员且驾驶员出于某种目的在活动身体的条件等。
补正实施判断部114被设定为，对由环境信息取得部112获取的本车辆的行驶环境信息、与被存储在环境条件数据库113中的环境条件进行比较，并在本车辆的行驶环境信息与被存储在环境条件数据库113中的环境条件相一致时，不执行心率特征量标准偏差值的补正处理。即，在本车辆行驶在市区街道、转弯道路、驾驶员无行驶经验的道路、交叉路口中的某一种时，或在本车辆的周围存在移动体时，或在本车辆上乘坐有同乘人员且驾驶员在活动身体时，则不执行心率特征量标准偏差值的补正处理。另一方面设定为，在本车辆的行驶环境信息与被存储在环境条件数据库113中的环境条件不一致时，则执行心率特征量标准偏差值的补正处理。
当通过补正实施判断部114判断为执行心率特征量标准偏差值的补正时，标准偏差补正计算部115使用上述的公式6所示的计算公式，对心率数标准偏差值、心率波动低频成分标准偏差值、心率波动高频成分标准偏差值以及心率波动比标准偏差值进行补正，从而获得心率数标准偏差补正值、心率波动低频成分标准偏差补正值、心率波动高频成分标准偏差补正值以及心率波动比标准偏差补正值。
这里，在图30(A)中图示了，被存储在补正对象标准偏差值存储缓冲器111中的每个时刻的心率数标准偏差值以及心率数值的一个示例。此时，通过上述公式而计算出的心率数标准偏差补正值如图30(B)所示。
下面返回图21，在执行了上述的步骤S117之后，使用心率数标准偏差补正值、心率波动低频成分标准偏差补正值、心率波动高频成分标准偏差补正值以及心率波动比标准偏差补正值，对驾驶员是否存在较弱的睡意进行判断(步骤S118)。
在图31中图示了，通过心率波动低频成分标准偏差补正值来判断睡意的方法的一个示例。在该图所示的方法中，将心率波动低频成分标准偏差补正值与预先设定的较弱睡意用检测阈值进行比较，并在心率波动低频成分标准偏差补正值高于较弱睡意用检测阈值时，判断为处于存在较弱睡意的状态；而在心率波动低频成分标准偏差补正值低于较弱睡意用检测阈值时，判断为处于无睡意的状态。
并且，在使用心率数标准偏差补正值、心率波动高频成分标准偏差补正值以及心率波动比标准偏差补正值时，也同样能够判断出是否存在较弱的睡意。
当在步骤S118中通过上述的方法而判断为无睡意时，则返回步骤S111，并重复执行步骤S111～S118的处理。另一方面，当在步骤S118中判断为存在较弱的睡意时，则对警报器107进行控制以告知驾驶员睡意的产生(步骤S119)，之后，返回到步骤S111。
在以上说明中，生理指标测量仪102构成了，对驾驶员的心率或者脉搏进行测量的测量单元。睡意检测ECU106中的上述步骤S111～S113构成了，从驾驶员的心率或者脉搏中提取心率特征量的心率特征量提取单元。该步骤S114～S116构成了，求得心率特征量的标准偏差的标准偏差计算单元。导航装置103、周围环境识别传感器104以及乘员检测传感器105和睡意检测ECU106中的上述步骤S117的环境信息取得部112，构成了对车辆的行驶环境进行检测的行驶环境检测单元。睡意检测ECU106中的上述步骤S117的补正对象标准偏差值存储缓冲器111、环境条件数据库113、补正实施判断部114以及标准偏差补正计算部115，构成了根据车辆的行驶环境使用心率特征量而对心率特征量的标准偏差进行补正的补正单元。该步骤S118构成了，使用由补正单元所获得的补正后的心率特征量的标准偏差的分布，来判断驾驶员的睡意度的睡意度判断单元。
如上所述，在本实施方式中，着眼于受到与产生睡意有关的自律神经活动影响的心率，对驾驶员的心率或者脉搏进行测量从而提取心率数以及心率波动，并求得这些心率数以及心率波动的标准偏差值，从而使用该标准偏差值来进行驾驶员的睡意判断。此时，能够将驾驶员的睡意度，作为在忍受睡意并想要恢复清醒状态的较弱发困的同时、进行驾驶时的生理状态而进行判断。
另外，由于心率数值和心率数标准偏差值中存在个人差异，因此，如果将心率数标准偏差值直接使用于睡意判断，则有时其判断结果会因驾驶员不同而有所不同，但是，通过对每个驾驶员进行心率数标准偏差值的补正，从而排除了每个驾驶员的心率数值的变动对睡意判断结果带来的影响。关于心率波动低频成分值、心率波动高频成分值以及心率波动比值，上述原理也同样成立。
此时，作为心率数等的心率特征量产生变动的因素，分为由影响睡意的驾驶员的体内状态而引起的因素、以及由车辆的行驶环境的变化而引起的因素。随着睡意而产生的心率特征量的变化，虽然会在体内持续数分钟～数小时左右，但是，因车辆行驶环境的变化而引起的心率特征量的变化为，数秒～数十秒左右的瞬时性变化。具体而言，当本车辆行驶在市区街道、转弯道路、无行驶经验的道路、以及交叉路口时，或者在本车辆的周围存在移动体等时，有时驾驶员的心率数等会急剧上升。因此，因车辆行驶环境的变化而引起的心率特征量的变化，将成为对心率特征量的标准偏差值进行补正时的噪声(睡意的错误检测)的因素。因此，仅在心率特征量发生变动的因素是由驾驶员的体内状态而引起时，才需要进行心率特征量的标准偏差值的补正。
在本实施方式中采用了如下设定，即，根据导航装置103的信息、周围环境识别传感器104以及乘员检测传感器105的输出数据来获取本车辆的行驶环境信息，并在判断为本车辆行驶在市区街道、转弯道路、无行驶经验的道路、以及交叉路口中的某一种时，或判断为本车辆的周围存在移动体时，或判断为本车辆上乘坐有同乘人员且驾驶员在活动身体时，不执行心率特征量的标准偏差值的补正。由此，能够高精度且不会受到不同驾驶员的影响地检测出驾驶员的较弱睡意。因此，在存在较弱睡意的时，通过促使驾驶员恢复正常意识或进行休息，从而能够有效地防止瞌睡驾驶。
并且，本实施方式并不限定于上述内容。例如，虽然在本实施方式中，是通过使用心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值这四个心率特征量，来判断驾驶员的睡意的，但是，只需使用这四个心率特征量中的至少一个即可。
(第3实施方式)
图32为，表示本发明所涉及的睡意检测装置的第3实施方式的概要结构的框图。在该图中，本实施方式的睡意检测装置201为，被搭载在车辆上，并对车辆的驾驶员的睡意进行检测的装置。睡意检测装置201具备：测量仪202、睡意检测ECU(Electronic Control Unit：电子控制模块)203、警报器204。
测量仪202为，对驾驶员的生理指标进行测量的仪器。具体而言，作为测量仪202，例如可以例举出：测量心率的心电图仪、从手指或上臂等测量脉搏的脉搏仪等。
睡意检测ECU203由CPU、ROM和RAM等存储器、以及输入输出电路等构成。睡意检测ECU203输入测量仪202的测量数据，并执行预定的处理，从而判断驾驶员是否处于较弱睡意状态。
警报器204为，通过声音(蜂鸣声)、图像(画面显示)以及振动(振动器)等进行警报，从而告知驾驶员睡意产生的机器。
图33为，表示通过睡意检测ECU203而执行的睡意检测处理的详细步骤的流程图。在这里，以通过心电图仪作为测量仪202来测量驾驶员的心率的情况为例进行说明。
在该图中，首先，获取测量仪202的测量数据(心率原始数据)(步骤S211)，并执行该测量数据的前处理(步骤S212)。具体而言，首先，为了去除心率原始数据的噪声，对心率原始数据实施带通滤波器(BPF：band pass filter)处理，并提取预定的通过频带(例如，0.1Hz～30Hz)的成分。
接着，如图34所示，通过将实施了BPF处理的心率数据的波形与预先设定的阈值相比较，从而进行二值化。此时，以在心率数据的波形中各R波部分处于最大值的时刻成为“1”的方式进行二值化(参照图34中的放大图)。
接着，如图35(A)所示，求得在二值化数据中成为“1”的各时刻的区间段(时间间隔)t，并生成以各区间段t为纵轴的图表。此时，区间段t相当于驾驶员的心率周期。
接着，如图35(B)所示，对上述心率周期的图表进行插补而求得心率周期的曲线(参照虚线)，从而获得心率周期的时间序列数据。而且，如图36所示，将心率周期的时间序列数据的纵轴单位变换为，例如每一分钟的心率数。由此，作为心率特征量的一个，获得了驾驶员的心率数值。
接着，作为驾驶员的其它心率特征量，进行心率波动的提取(步骤S213)。具体而言，针对心率周期的时间序列数据(参照图36)，如图37所示，对基准时间T(任意的时间标记)前的分析单位区间段Tterm实施快速傅立叶变换(FFT)，从而获得相对于频率成分的能(振幅)谱。
接着，如图38所示，对通过快速傅立叶变换而在每个分析单位区间段Tterm中获得的能谱，设定两个频带区域(低频成分以及高频成分)。这些频带区域为，心率波动(变化)易于显现的区域。而且，在每个各频带区域上对振幅频谱进行积分。
如图39所示，通过反复进行上述的快速傅立叶变换处理、频带区域的设定处理以及积分处理，从而获得了每个频带区域的振幅能谱的时间序列数据。该振幅能谱的时间序列数据为，心率波动的时间序列数据。由此，获得了表示交感神经的活动的心率波动低频成分值、以及表示副交感神经的活动的心率波动高频成分值。而且，通过用心率波动高频成分值除心率波动低频成分值，从而获得了心率波动低频成分值与心率波动高频成分值的比值(心率波动比值)。
接着，对为了获得心率特征量的标准偏差而参照的心率特征量的参照区间段(参照时间段)进行设定(步骤S214)。对心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值分别进行心率特征量的参照时间段的设定。
图40为，表示心率特征量的参照时间段的设定处理的详细步骤的流程图。在这里，作为心率特征量以心率数值为例进行以下说明。
在该图中，首先，将心率特征量的时间序列数据存储在决定参照时间段用数据存储缓冲器中(步骤S221)。此时，如图41(A)所示，例如将心率数值(参照图39)按照每隔任意长度(数分钟左右)m而进行划分，并存储在决定参照时间段用数据存储缓冲器中。
接着，执行被存储在决定参照时间段用数据存储缓冲器中的心率特征量的频率分析(步骤S222)。具体而言，如图41(B)所示，通过对被存储在数据存储缓冲器中的心率数值进行快速傅立叶变换(FFT)运算，从而获得心率数值的频谱分布。
接着，如图42(A)所示，在心率数值的频谱分布中，从频率f＝0起搜索最初的极小值(向频谱分布的下侧凸出的点)以作为下限频率fmin(步骤S223)。
接着，如图42(B)所示，在以下限频率fmin为起点的频率范围F内，提取与心率数值的振幅能谱最初上升为最大值A时相对应的峰值频率fpeak(步骤S224)。在这里，频率范围F为，将在医学的观点上大部分人能够具有的心率数值范围，适当地扩大设定了的范围。频率fpeak为最能表现出个人特征的频率，更具体而言，其为在心率数值中特别易于出现睡意变化的频率。
接着，根据使用了这种频率fpeak的下述计算公式，求得心率特征量的参照区间段(步骤S225)。
心率数值的参照区间段＝1/fpeak
通过以这种方式，将频率范围F内的峰值频率fpeak作为明显表现睡意的部分而进行提取，从而能够去除数据噪声的影响并对睡意状态进行判断(后文叙述)。
下面返回图33，执行上述的步骤S214，对心率特征量的参照时间段进行设定之后，分别按照参照区间段(数据总数：N个)来截取心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，并计算在该区间内的平均值(步骤S115)。
截取的心率数值＝{X1、X2、X3、…XN}
截取的心率波动低频成分值＝{Y1、Y2、Y3、…YN}
截取的心率波动高频成分值＝{Z1、Z2、Z3、…ZN}
截取的心率波动比值＝{W1、W2、W3、…WN}
接着，以与上述相同的方式，分别用参照区间段来截取心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，并通过上述公式2～5所示的计算公式，来计算在该区间内的心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值的标准偏差值(步骤S216)。
接着，对心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值的标准偏差值进行补正(步骤S217)。这些标准偏差值的补正通过以下的方式进行。
即，首先，将在步骤S216中获得的心率数标准偏差值、心率波动低频成分标准偏差值、心率波动高频成分标准偏差值以及心率波动比标准偏差值，以及用于补正的心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值，存储在补正对象标准偏差值存储缓冲器中。
接着，使用上述的公式6所示的计算公式，对心率数标准偏差值、心率波动低频成分标准偏差值、心率波动高频成分标准偏差值以及心率波动比标准偏差值进行补正，从而获得心率数标准偏差补正值、心率波动低频成分标准偏差补正值、心率波动高频成分标准偏差补正值以及心率波动比标准偏差补正值。
由于心率数值和心率数标准偏差值中存在个人差异，因此，如果将心率数标准偏差值直接使用于睡意判断(后文叙述)，则有时其判断结果会因被测者不同而有所不同，但是，通过对每个被测者进行心率数标准偏差值的补正，从而排除了每个被测者的心率数值的变动对睡意判断结果施加的影响。关于心率波动低频成分值、心率波动高频成分值以及心率波动比值，上述原理也同样成立。
接着，使用心率数标准偏差补正值、心率波动低频成分标准偏差补正值、心率波动高频成分标准偏差补正值以及心率波动比标准偏差补正值，来判断驾驶员是否存在较弱的睡意(步骤S218)。
在图43中，图示了通过心率波动低频成分标准偏差补正值来判断睡意的方法的一个示例。在该图所示的方法中，将心率波动低频成分标准偏差补正值与预先设定的较弱睡意用检测阈值进行比较，并在心率波动低频成分标准偏差补正值高于较弱睡意用检测阈值时，判断为处于存在较弱睡意的状态；而在心率波动低频成分标准偏差补正值低于较弱睡意用检测阈值时，判断为处于无睡意的状态。
并且，在使用心率数标准偏差补正值、心率波动高频成分标准偏差补正值以及心率波动比标准偏差补正值时，也能够以同样的方式而判断出是否存在较弱的睡意。
当在步骤S218中通过上述的方法而判断为无睡意时，则返回步骤S211，并重复执行步骤S211～S218的处理。另一方面，当在步骤S218中判断为存在较弱的睡意时，则对警报器204进行控制以告知驾驶员睡意的产生(步骤S219)，之后，返回到步骤S211。
在以上的说明中，图33所示的步骤S211～S213构成了，从被测者的心率或者脉搏提取心率特征量的心率特征量提取单元。该步骤S214构成了，对用于参照心率特征量的特征量参照时间段进行设定的参照时间段设定单元。该步骤S215、S216构成了，求得特征量参照时间段内的心率特征量的统计分布的统计分布运算单元。该步骤S217、S218构成了，使用心率特征量的统计分布来判断被测者的睡意度的睡意度判断单元。
如上所述，在本实施方式中，着眼于受到与产生睡意有关的自律神经活动影响的心率，测量驾驶员的心率或者脉搏从而提取心率数以及心率波动，并求得这些心率数以及心率波动的标准偏差，且根据该标准偏差来进行驾驶员的睡意判断。此时，能够将驾驶员的睡意度，作为在忍受睡意并想要返回清醒状态的较弱发困的同时、进行驾驶时的生理状态的指标，而进行判断。
这里，在求取心率数以及心率波动的标准偏差时，通过如下方式，对心率特征量的参照时间段进行设定。即，对心率特征量进行FFT处理以生成频谱分布，并在该频谱分布中，搜索形成最初的极小值的下限频率fmin，并在以下限频率fmin为起点的预定的频率范围F内，提取对应于振幅能谱的最大值A的峰值频率fpeak。如上所述，频率fpeak为最能表现出驾驶员特征的频率。因此，通过取得这种峰值频率fpeak的倒数来作为参照时间段，从而能够获得适合于驾驶员的参照时间段，并随之能够获得适合于驾驶员的适当的标准偏差。
由此，能够高精度且不会受到不同驾驶员的影响地检测出驾驶员的较弱睡意。因此，在存在较弱睡意时，通过促使驾驶员恢复正常的意识或者进行休息，从而能够有效地防止瞌睡驾驶。
并且，本实施方式并不限定于上述内容。例如，虽然在本实施方式中，是通过使用心率数值、心率波动低频成分值、心率波动高频成分值以及心率波动比值这四个心率特征量，来判断驾驶员的睡意的，但是，只需使用这四个心率特征量中的至少一个即可。
而且，虽然在本实施方式中，是通过求得心率特征量的标准偏差来进行驾驶员的较弱睡意的判断的，但是，本发明也能够适用于，使用除标准偏差以外的特征量(例如只有平均值)来作为心率特征量的统计分布，从而进行对驾驶员的睡意判断的状况。
而且，虽然本实施方式的睡意检测装置201是被搭载在车辆上的装置，但是，其也能够适用于对车辆驾驶员以外的被测者的睡意度进行检测的状况。
产业上的可利用性
根据本发明，能够高精度地检测出被测者的较弱的睡意。

Claims (17)

1.一种睡意检测装置，其特征在于，具备：
测量单元，其测量被测者的心率或脉搏；
心率特征量提取单元，其从所述测量单元测量出的心率或者脉搏中，提取心率特征量；
变动分布运算单元，其求得由所述心率特征量提取单元所提取的心率特征量的变动分布；
睡意度判断单元，其使用由所述变动分布运算单元求得的心率特征量的变动分布，来判断所述被测者的睡意度。
2.如权利要求1所述的睡意检测装置，其特征在于，
所述变动分布运算单元求得所述心率特征量的标准偏差以作为所述心率特征量的变动分布，
所述睡意度判断单元根据所述心率特征量的标准偏差，来判断所述被测者的睡意度。
3.如权利要求1所述的睡意检测装置，其特征在于，
还具备平均值运算单元，所述平均值运算单元求得由所述心率特征量提取单元提取的心率特征量的平均值，
所述变动分布运算单元求得所述心率特征量的标准偏差以作为所述心率特征量的变动分布，
所述睡意度判断单元根据所述心率特征量的标准偏差和所述心率特征量的平均值，来判断所述被测者的睡意度。
4.如权利要求2或3所述的睡意检测装置，其特征在于，
还具备参照时间段设定单元，所述参照时间段设定单元对为了获得所述心率特征量的标准偏差而参照的所述心率特征量的参照时间段进行设定，
所述变动分布运算单元求得在所述心率特征量的参照时间段内的、所述心率特征量的标准偏差。
5.如权利要求4所述的睡意检测装置，其特征在于，
所述参照时间段设定单元对所述心率特征量进行频率分析而提取峰值频率，并且将对应于所述峰值频率的周期设定为所述参照时间段。
6.如权利要求2～5中的任意一项所述的睡意检测装置，其特征在于，
所述变动分布运算单元具有，通过用所述心率特征量除所述心率特征量的标准偏差，从而对所述心率特征量的标准偏差进行补正的单元。
7.如权利要求1～6中的任意一项所述的睡意检测装置，其特征在于，
所述心率特征量包括：心率数、与交感神经的活动有关的心率波动低频成分、与副交感神经的活动有关的心率波动高频成分、以及所述心率波动低频成分与所述心率波动高频成分的比值中的至少一个。
8.如权利要求1所述的睡意检测装置，其特征在于，
所述睡意检测装置对车辆的驾驶员的睡意进行检测，
所述睡意检测装置具备标准偏差计算单元，所述标准偏差计算单元求得由所述心率特征量提取单元提取的所述心率特征量的标准偏差，
所述睡意度判断单元根据所述车辆的行驶环境，利用所述心率特征量对所述心率特征量的标准偏差进行补正，并使用补正后的所述心率特征量的标准偏差的分布来判断所述驾驶员的睡意度。
9.如权利要求8所述的睡意检测装置，其特征在于，
当检测出所述车辆行驶在市区街道、转弯道路、无行驶经验的道路、以及交叉路口中的某一种时，所述睡意度判断单元不执行所述心率特征量的标准偏差的补正。
10.如权利要求8所述的睡意检测装置，其特征在于，
当检测出在所述车辆的周围存在移动体时，所述睡意度判断单元不执行所述心率特征量的标准偏差的补正。
11.如权利要求8所述的睡意检测装置，其特征在于，
当检测出所述车辆上乘坐有同乘人员且所述驾驶员在活动身体时，所述睡意度判断单元不执行所述心率特征量的标准偏差的补正。
12.一种睡意检测装置，其特征在于，
利用除去在注意意识易于活跃的行驶环境中所取得的心率特征量而获得的心率特征量，对心率特征量的标准偏差进行补正。
13.如权利要求1所述的睡意检测装置，其特征在于，
具备参照时间段设定单元，所述参照时间段设定单元对参照所述心率特征量所需的特征量参照时间段进行设定，
所述睡意度判断单元求得在所述特征量参照时间段内的所述心率特征量的统计分布，从而判断所述被测者的睡意度，
所述参照时间段设定单元对所述心率特征量进行频率分析而生成所述心率特征量的频谱分布，并提取所述频谱的上升峰值的频率，从而求得所述特征量参照时间段。
14.如权利要求13所述的睡意检测装置，其特征在于，
所述参照时间段设定单元在所述频谱分布中以最初的极小值为起点的频率范围内，提取频谱为最大的峰值频率。
15.如权利要求13或14所述的睡意检测装置，其特征在于，
所述参照时间段设定单元将所述峰值频率的倒数作为所述特征量参照时间段。
16.如权利要求13～15中的任意一项所述的睡意检测装置，其特征在于，
所述睡意度判断单元求得所述心率特征量的标准偏差以作为所述心率特征量的统计分布。
17.一种睡意检测装置，其特征在于，
从心率特征量的频谱分布中提取表示个体特征的峰值，并根据基于该峰值频率的时间段，来参照所述心率特征量。
CN2009801202402A 2008-07-04 2009-07-02 睡意检测装置 Expired - Fee Related CN102046086B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
JP2008-175953 2008-07-04
JP2008175953A JP4609539B2 (ja) 2008-07-04 2008-07-04 眠気検出装置
JP2008-307455 2008-12-02
JP2008-307460 2008-12-02
JP2008307455A JP2010134533A (ja) 2008-12-02 2008-12-02 眠気検出装置
JP2008307460A JP2010131061A (ja) 2008-12-02 2008-12-02 眠気検出装置
PCT/JP2009/062131 WO2010001962A1 (ja) 2008-07-04 2009-07-02 眠気検出装置

Publications (2)

Publication Number Publication Date
CN102046086A true CN102046086A (zh) 2011-05-04
CN102046086B CN102046086B (zh) 2013-08-28

Family

ID=41466053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009801202402A Expired - Fee Related CN102046086B (zh) 2008-07-04 2009-07-02 睡意检测装置

Country Status (3)

Country Link
US (1) US8140149B2 (zh)
CN (1) CN102046086B (zh)
WO (1) WO2010001962A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103190923A (zh) * 2012-01-06 2013-07-10 纬创资通股份有限公司 睡意侦测方法及其装置
CN104545870A (zh) * 2015-01-23 2015-04-29 苏州本草芙源医疗设备有限公司 用于心率检测的床垫和心率检测方法
CN106456077A (zh) * 2014-06-20 2017-02-22 Sdip控股企业有限公司 监测睡意
CN106923791A (zh) * 2017-02-20 2017-07-07 上海创功通讯技术有限公司 利用压感触摸屏分析心率的方法及装置
CN108852613A (zh) * 2018-03-30 2018-11-23 常州市第人民医院 用于监测眼部手术患者头部位置的报警系统及存储介质

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5333284B2 (ja) * 2010-02-19 2013-11-06 トヨタ自動車株式会社 生体状態判定装置
US9292471B2 (en) 2011-02-18 2016-03-22 Honda Motor Co., Ltd. Coordinated vehicle response system and method for driver behavior
US8698639B2 (en) * 2011-02-18 2014-04-15 Honda Motor Co., Ltd. System and method for responding to driver behavior
US9751534B2 (en) 2013-03-15 2017-09-05 Honda Motor Co., Ltd. System and method for responding to driver state
JP6191241B2 (ja) 2013-05-30 2017-09-06 ソニー株式会社 情報処理装置、情報処理方法、及びプログラム
DE102014211406A1 (de) * 2014-02-27 2015-08-27 Takata AG Verfahren und Vorrichtung zur Messung von Vitaldaten eines Fahrers eines Kraftfahrzeuges sowie Lenkrad für ein Kraftfahrzeug
US9402577B2 (en) * 2014-12-23 2016-08-02 Automotive Research & Test Center Driver's fatigue detection system and method
US10762459B2 (en) * 2015-12-30 2020-09-01 International Business Machines Corporation Risk detection and peer corrective assistance for risk mitigation within a work environment
US10762460B2 (en) * 2015-12-30 2020-09-01 International Business Machines Corporation Predictive alerts for individual risk of injury with ameliorative actions
US10065651B2 (en) 2016-05-10 2018-09-04 Samsung Electronics Co., Ltd Electronic device and method for determining a state of a driver
TWI602143B (zh) * 2016-08-30 2017-10-11 華邦電子股份有限公司 疲勞偵測裝置與疲勞偵測方法
JP6930247B2 (ja) * 2017-06-29 2021-09-01 株式会社アイシン 覚醒支援装置、覚醒支援方法、及び、覚醒支援プログラム
JP6977589B2 (ja) * 2018-01-31 2021-12-08 株式会社デンソー 車両用警報装置
JP7241082B2 (ja) * 2018-08-10 2023-03-16 古野電気株式会社 船舶操縦支援システム、船舶制御装置、船舶制御方法、及びプログラム
US11864897B2 (en) * 2021-04-12 2024-01-09 Toyota Research Institute, Inc. Systems and methods for classifying user tasks as being system 1 tasks or system 2 tasks
WO2023119433A1 (ja) * 2021-12-21 2023-06-29 日本電気株式会社 算出方法、算出装置及び記憶媒体

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01126206U (zh) * 1988-02-18 1989-08-29
JPH03272745A (ja) * 1990-02-21 1991-12-04 Toyota Motor Corp 覚醒度判定方法
US20050246134A1 (en) * 2004-04-28 2005-11-03 Denso Corporation Driver's condition detector for vehicle and computer program
CN101002685A (zh) * 2007-01-23 2007-07-25 武汉理工大学 汽车驾驶员疲劳实时监测系统

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2645730B2 (ja) 1987-07-27 1997-08-25 住友電気工業株式会社 超電導薄膜
JPH05228121A (ja) 1992-02-19 1993-09-07 Matsushita Electric Ind Co Ltd 人体情報センサ
JPH06278495A (ja) * 1993-03-29 1994-10-04 Aisin Seiki Co Ltd 居眠り運転防止装置
JP4100002B2 (ja) 2002-02-22 2008-06-11 株式会社豊田中央研究所 心身状態維持装置
JP2005095408A (ja) 2003-09-25 2005-04-14 Matsushita Electric Ind Co Ltd 生体状態判断装置及び支援システム
JP4581356B2 (ja) 2003-09-10 2010-11-17 株式会社豊田中央研究所 ドライバの心身状態判定装置及びドライバの運転支援装置
JP2006223635A (ja) 2005-02-18 2006-08-31 Daihatsu Motor Co Ltd 居眠り運転検出装置及び居眠り運転検出方法
JP4867215B2 (ja) 2005-06-28 2012-02-01 トヨタ自動車株式会社 生理・心理状態判定装置、生理・心理状態判定方法、リファレンスデータ生成装置、及びリファレンスデータ生成方法。
JP2007044154A (ja) 2005-08-08 2007-02-22 Toyota Motor Corp 覚醒度判定方法
JP4356680B2 (ja) 2005-10-11 2009-11-04 ダイキン工業株式会社 睡眠状態検出装置
JP4910547B2 (ja) 2006-08-02 2012-04-04 トヨタ自動車株式会社 眠気判定装置及び眠気判定プログラム
JP4697185B2 (ja) 2006-12-04 2011-06-08 トヨタ自動車株式会社 覚醒度判定装置及び覚醒度判定方法
JP2008188108A (ja) 2007-02-01 2008-08-21 Toyota Motor Corp 覚醒度推定装置
JP4822146B2 (ja) 2007-03-22 2011-11-24 株式会社エクォス・リサーチ 状態評価装置、及び状態評価プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01126206U (zh) * 1988-02-18 1989-08-29
JPH03272745A (ja) * 1990-02-21 1991-12-04 Toyota Motor Corp 覚醒度判定方法
US20050246134A1 (en) * 2004-04-28 2005-11-03 Denso Corporation Driver's condition detector for vehicle and computer program
CN101002685A (zh) * 2007-01-23 2007-07-25 武汉理工大学 汽车驾驶员疲劳实时监测系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103190923A (zh) * 2012-01-06 2013-07-10 纬创资通股份有限公司 睡意侦测方法及其装置
US9113837B2 (en) 2012-01-06 2015-08-25 Wistron Corporation Drowsiness detection method and associated device
CN106456077A (zh) * 2014-06-20 2017-02-22 Sdip控股企业有限公司 监测睡意
CN104545870A (zh) * 2015-01-23 2015-04-29 苏州本草芙源医疗设备有限公司 用于心率检测的床垫和心率检测方法
CN106923791A (zh) * 2017-02-20 2017-07-07 上海创功通讯技术有限公司 利用压感触摸屏分析心率的方法及装置
CN108852613A (zh) * 2018-03-30 2018-11-23 常州市第人民医院 用于监测眼部手术患者头部位置的报警系统及存储介质

Also Published As

Publication number Publication date
CN102046086B (zh) 2013-08-28
US20110105925A1 (en) 2011-05-05
WO2010001962A1 (ja) 2010-01-07
US8140149B2 (en) 2012-03-20

Similar Documents

Publication Publication Date Title
CN102046086B (zh) 睡意检测装置
Liao et al. Detection of driver cognitive distraction: A comparison study of stop-controlled intersection and speed-limited highway
Murugan et al. Detection and analysis: Driver state with electrocardiogram (ECG)
Miyaji et al. Driver's cognitive distraction detection using physiological features by the adaboost
US9896030B2 (en) System and method for vehicle collision mitigation with vulnerable road user context sensing
Krajewski et al. Steering wheel behavior based estimation of fatigue
JP2013114668A (ja) 運転行為分析警告システム及び方法
CN105564436A (zh) 一种高级驾驶辅助系统
Li et al. Drunk driving detection based on classification of multivariate time series
Manawadu et al. Multiclass classification of driver perceived workload using long short-term memory based recurrent neural network
CN106236046A (zh) 驾驶员疲劳监测系统
JP6003782B2 (ja) ナビゲーション装置及びナビゲーション方法
Zhao et al. Automatic classification of driving mental fatigue with EEG by wavelet packet energy and KPCA-SVM
JP5744780B2 (ja) 漫然状態判定装置
Miyaji et al. Effect of pattern recognition features on detection for driver's cognitive distraction
Wu et al. Analyzing the effects of driving experience on prebraking behaviors based on data collected by motion capture devices
Schmidt et al. IMU-based determination of fatigue during long sprint
Chin et al. WatchOut: Facilitating safe driving behaviors with social support
Magana et al. Toward safer highways: predicting driver stress in varying conditions on habitual routes
JP2010134533A (ja) 眠気検出装置
CN108537161A (zh) 一种基于视觉特性的驾驶分心检测方法
Fitch et al. The road environment and bicyclists' psychophysiological stress
JP4609539B2 (ja) 眠気検出装置
Kawanaka et al. Identification of cognitive distraction using physiological features for adaptive driving safety supporting system
Murphey et al. Driver lane change prediction using physiological measures

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: 20130828