CN102396009B - 注意力状态判定装置、方法 - Google Patents

注意力状态判定装置、方法 Download PDF

Info

Publication number
CN102396009B
CN102396009B CN201080016580.3A CN201080016580A CN102396009B CN 102396009 B CN102396009 B CN 102396009B CN 201080016580 A CN201080016580 A CN 201080016580A CN 102396009 B CN102396009 B CN 102396009B
Authority
CN
China
Prior art keywords
eyeball
operator
state
determinating reference
attention
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.)
Active
Application number
CN201080016580.3A
Other languages
English (en)
Other versions
CN102396009A (zh
Inventor
中田透
森川幸治
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.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
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
Application filed by Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Publication of CN102396009A publication Critical patent/CN102396009A/zh
Application granted granted Critical
Publication of CN102396009B publication Critical patent/CN102396009B/zh
Active 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
    • A61B5/16—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
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A61B5/6815—Ear
    • A61B5/6816—Ear lobe

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychology (AREA)
  • Psychiatry (AREA)
  • Child & Adolescent Psychology (AREA)
  • Social Psychology (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • General Physics & Mathematics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Traffic Control Systems (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明提供一种注意力状态判定装置、方法及程序。在使用脑电波判定操作员的注意力状态的装置中，不必事先进行明确的校准作业，且能高精度地判定各操作员的注意力状态。装置具备：准备状态检测部，检测操作员在驾驶操作开始之前进行准备的时间段；判定基准调整部，调整用于判定驾驶操作时操作员的注意力状态的判定基准，即：利用测量出的操作员的眼球运动信号算出至少在时间段内测量出的操作员的脑电波信号的眼球停留相关电位，并基于算出的眼球停留相关电位来调整判定基准；注意力状态判定部，根据驾驶操作开始后测量出的操作员的脑电波信号及眼球运动信号算出眼球停留相关电位，并基于算出的眼球停留相关电位及调整后的判定基准来判定驾驶操作中的操作员的注意力状态；和输出部，基于判定结果对操作员进行作用以唤起其注意力。

Description

注意力状态判定装置、方法
技术领域
本发明涉及一种基于脑电波判定进行汽车驾驶等车辆操作的操作员的注意力状态(例如，集中驾驶的状态或注意力散漫的状态)并支援安全驾驶的技术。 
背景技术
近几年，在安全驾驶支援技术的开发中，在实时地掌握了驾驶员的身体状态或心理状态的基础上，提高了结合驾驶员的状态进行支援的技术的必要性。作为客观且定量地评价驾驶员的状态的方法，尝试使用脑电波或眨眼等生理指标进行清醒度的定量化。例如，在专利文献1中，公开了一种根据脑电波的入眠波形图或α波成分推算驾驶员的清醒度的技术。 
但是，本申请的发明者们认为单单通过清醒度来捕捉驾驶中驾驶员的状态是不够的。其理由是，光是清醒度的话，是不能捕捉到虽然很清醒但注意力没投入到驾驶中的状态(所谓的注意力散漫状态)。因此，不仅需要以往的通过清醒度进行的瞌睡检测，还需要测量·评价对于驾驶的某一特定的注意力状态(例如，正在思考其他事情，或者被音乐或谈话吸引住了意识没有集中在驾驶上的状态等的“意识分散状态”)的方法。 
近年来，进行了采用脑电波的眼球停留相关电位(Eye Fixation Related Potential：EFRP)调查将多少注意力投入到视觉对象的研究。根据这个方法，使对于包括了意识分散状态的驾驶的注意力状态进行调查成为可能。在这里，所谓“眼球停留相关电位”，是指人在工作的时候或自由地看东西的时候，快速眼球运动(扫视)的结束时刻也就是眼球停留的开始时刻相关联产生的人脑的短暂性的电位变动。将眼球停留相关电位的成分中的与前头部相比靠近后头部明显出现的正的成分称为“拉姆达反应”。公知拉姆达反应(lambda response)根据对于视觉对象的注意力集中度而变动。 
例如，在专利文献2中，在发生大大小小各种各样扫视的环境下，按 扫视大小或视线移动模式对扫视进行分类并算出眼球停留相关电位。然后，根据算出的眼球停留相关电位的特定成分(例如，与拉姆达反应相对应的眼球停留相关电位的成分的振幅值)评价注意力集中度。 
现有技术文献 
专利文献 
专利文献1：日本特开平7-108848公报 
专利文献2：日本特开2007-125184公报 
专利文献2：日本特开2005-34620公报 
但是，因为每个驾驶员的个体差异极大地左右了脑电波波形的态势，所以在专利文献2记载的现有技术中，不能准确地判定对于驾驶的注意力状态。 
参照图1进行具体说明。图1(a)～(c)表示本申请的发明者们实施的关于眼球停留相关电位的实验结果。图1(a)是对在后头部测量出的全部被实验者12名的各波形进行算术平均后的波形，图1(b)是对多次测量出的被实验者A的各波形进行算术平均后的波形，图1(c)是对多次测量出的被实验者B的各波形进行算术平均后的波形。在图1(a)～(c)的各个曲线图中，横轴表示以眼球停留的开始时刻为0毫秒的时间(潜伏时间)，单位是毫秒。另外，纵轴表示电位(EERP的振幅)，单位是μV，且向下为正。实线表示集中驾驶的状态的眼球停留相关电位，虚线表示对驾驶没有投入注意力的状态(即，注意力散漫状态)的眼球停留相关电位。 
根据图1(a)的曲线图可知，以眼球停留开始时刻为起点在约100毫秒附近出现的正的成分(拉姆达反应)的振幅，在集中驾驶时变大为3.4μV，在注意力散漫时变小为1.2μV。根据以往的见解可知，拉姆达反应的振幅值根据注意力状态而增减。在要针对每个被实验者用拉姆达反应的振幅值判定对于驾驶的注意力状态的情况下，优选设定某一阈值，若拉姆达反应的振幅值在该阈值以上的话，则判定为集中驾驶状态，若比阈值小的话，则判定为注意力散漫状态。对被实验者A而言，通过读取图1(b)的曲线图，阈值可设定在0.9μV附近。若基于能发生个体差异的曲线图确定用于判定注意力状态的最佳阈值的话，该值因被实验者个体差异 而存在很大不同。因此可知，不考虑这种个体差异的话，就不能准确地判定对于驾驶的注意力状态。 
作为调整这种个体差异的方法，可考虑事先对各被实验者进行判定基准的调整、即所谓的校准。例如，在专利文献3中，提出了一种使用脑电波的事件相关电位识别被实验者从多个选择项中想要选择的选择项的脑电波接口利用时，调整个体差异的方法。在该方法中，要求每1个被实验者执行100次左右的作业、即被实验者事先用脑电波接口从多个选择项中选择1个选择项的作业。然后，根据各次作业所得到的脑电波数据，让系统学习每个个人的脑电波特征。 
在使用脑电波判定驾驶注意力状态的过程中，也可以使用同样的方法。但是，在驾驶前必须进行烦杂的校准作业，很费工夫，对驾驶员而言是很大的负担。而且，为了事先进行校准作业，要以注意力散漫状态实际在交通公路上驾驶这也是不现实的，所以事先取得足够量的学习数据是很困难的。 
发明内容
本发明是为了解决上述课题而提出的，其目的在于，在使用每个驾驶员个体差异较大的脑电波判定驾驶注意力状态的装置中，不必事先使驾驶员进行明确的校准作业，并且可以高精度地判定各驾驶员的注意力状态。 
本发明的一种注意力状态判定装置，具备：脑电波测量部，测量操作员的脑电波信号；眼球运动测量部，测量表示所述操作员的眼球运动的眼球运动信号；准备状态检测部，检测所述操作员在开始驾驶操作之前进行准备的时间段；判定基准调整部，调整用于判定所述操作员在进行驾驶操作之时的注意力状态的判定基准，即：利用所述眼球运动信号算出至少在所述时间段内测量出的所述脑电波信号的眼球停留相关电位，并基于算出的所述眼球停留相关电位来调整所述判定基准；注意力状态判定部，根据在所述操作员开始驾驶操作之后测量出的所述脑电波信号及所述眼球运动信号算出眼球停留相关电位，并基于算出的所述眼球停留相关电位及调整后的所述判定基准来判定进行所述驾驶操作的所述操作员的注意力状态；和输出部，基于所述判定结果对所述操作员进行作用以唤起其注意力。 
也可：所述判定基准调整部，还基于在所述时间段内测量出的所述脑电波信号的频率的功率谱值来调整所述判定基准。 
也可：所述注意力状态判定部，通过将算术平均后的所述眼球停留相关电位的拉姆达反应的振幅值和作为所述判定基准的判定阈值进行比较来判定所述操作员的注意力状态。 
也可：所述判定基准调整部，随着算出的所述眼球停留相关电位的拉姆达反应振幅值变大而将作为所述判定基准的判定阈值设定得高，随着所述拉姆达反应振幅值变小而将所述判定阈值设定得低。 
也可：所述判定基准调整部，随着在所述时间段内测量出的所述脑电波信号中所包含的α波的功率谱值变大而将所述判定基准设定得高，随着在所述时间段内测量出的所述脑电波信号中所包含的β波的功率谱值变大而将所述判定基准设定得低。 
也可：在所述注意力状态判定装置判定对车辆进行驾驶操作的操作员的注意力状态并用于唤起所述操作员注意力之时，所述准备状态检测部，以所述车辆的引擎启动时、在所述车辆中设置的汽车导航系统的设定操作开始时、所述车辆的制动器解除时、检测出所述车辆的车速在规定值以下时的至少一个时刻作为开始时刻来检测所述时间段。 
也可：所述准备状态检测部，以所述汽车导航系统的设定操作结束时、检测出所述车辆的车速在规定值以上时、从所述开始时刻经过规定时间后的至少一个时刻作为结束时刻来检测所述时间段。 
也可：所述判定基准调整部，基于所述眼球运动信号，将所述操作员的眼球运动变得比预先确定的阈值小的时刻作为所述眼球停留相关电位的开始时刻进行检测。 
也可：所述注意力判别部，以所述眼球停留开始时刻作为起点，将算术平均后的所述眼球停留相关电位的50±100毫秒中所包含的极大值作为拉姆达反应的振幅值进行利用。 
本发明的另一种注意力状态判定装置，具备：准备状态检测部，检测操作员在开始驾驶操作之前进行准备的时间段；判定基准调整部，调整用于判定所述操作员在进行驾驶操作之时的注意力状态的判定基准，即：利用通过测量表示操作员的眼球运动的眼球运动信号的眼球运动测量部测 量出的所述眼球运动信号，算出通过测量所述操作员的脑电波信号的脑电波测量部至少在所述时间段内测量出的所述脑电波信号的眼球停留相关电位，并基于算出的所述眼球停留相关电位来调整所述判定基准；注意力状态判定部，根据在所述操作员开始驾驶操作之后测量出的所述脑电波信号及所述眼球运动信号算出眼球停留相关电位，并基于算出的所述眼球停留相关电位及调整后的所述判定基准来判定进行所述驾驶操作的所述操作员的注意力状态；和输出部，基于所述判定结果对所述操作员进行作用以唤起其注意力。 
本发明的一种注意力状态判定方法，包含：测量操作员的脑电波信号的步骤；测量表示所述操作员的眼球运动的眼球运动信号的步骤；检测所述操作员在开始驾驶操作之前进行准备的时间段的步骤；调整用于判定所述操作员在进行驾驶操作之时的注意力状态的判定基准的步骤，即：利用所述眼球运动信号算出至少在所述时间段内测量出的所述脑电波信号的眼球停留相关电位，并基于算出的所述眼球停留相关电位来调整所述判定基准的步骤；根据在所述操作员开始驾驶操作之后测量出的所述脑电波信号及所述眼球运动信号算出眼球停留相关电位的步骤；基于算出的所述眼球停留相关电位及调整后的所述判定基准来判定进行所述驾驶操作的所述操作员的注意力状态的步骤；和基于所述判定结果对所述操作员进行作用以唤起其注意力的步骤。 
本发明的一种计算机程序，是通过安装于注意力状态判定装置的计算机执行的计算机程序，所述计算机程序使所述计算机执行：接收操作员的脑电波信号的数据的步骤；接收表示所述操作员的眼球运动的眼球运动信号的数据的步骤；检测所述操作员在开始驾驶操作之前进行准备的时间段的步骤；调整用于判定所述操作员在进行驾驶操作之时的注意力状态的判定基准的步骤，即：利用所述眼球运动信号算出至少在所述时间段内测量出的所述脑电波信号的眼球停留相关电位，并基于算出的所述眼球停留相关电位来调整所述判定基准的步骤；根据在所述操作员开始驾驶操作之后测量出的所述脑电波信号及所述眼球运动信号算出眼球停留相关电位的步骤；基于算出的所述眼球停留相关电位及调整后的所述判定基准来判定进行所述驾驶操作的所述操作员的注意力状态的步骤；和基于所述判定结 果对所述操作员进行作用以唤起其注意力的步骤。 
发明效果 
根据本发明，不必使操作员事先进行明确的校准作业，且能高精度地维持各操作员的注意力状态(例如，集中驾驶的状态或注意力散漫的状态)的判定精度。因此，基于该判定结果，能够进行唤起各操作员注意力等适当的支援。 
附图说明
图1(a)～(c)是表示本申请的发明者们实施的关于眼球停留相关电位的实验结果的图。 
图2是表示国际10-20法的电极位置的图。 
图3(a)及(b)是表示拉姆达反应振幅值的时间变化的图。 
图4是表示操作准备状态的拉姆达反应振幅值和最佳阈值的关系的图。 
图5是表示设每个被实验者的最佳阈值为目标变量，设在操作准备状态中的拉姆达反应振幅值(L)及α波、β波、θ波的功率谱值(α、β、θ)为说明变量进行了多元线性回归分析的结果的图。 
图6是本实施方式的注意力状态判定装置1的块构成图。 
图7是表示作为头戴式脑电波仪所实现的脑电波测量部11的构成例的图。 
图8是表示根据EOG法测量眼球运动的眼球运动测量部12的硬件构成例的图。 
图9是表示第1眼球角度信息的数据结构的例子的图。 
图10是表示根据角膜反射法测量眼球运动的眼球运动测量部12的硬件构成例的图。 
图11是表示判定处理部20的硬件构成例的图。 
图12是表示判定基准调整部14的处理顺序的流程图。 
图13是表示与判定基准调整部14的处理相关联的波形的数据的图。 
图14是表示注意力状态判定部15的处理顺序的流程图。 
图15是表示判定对象时间段83(a)～(d)的例子的图。 
图16是表示输出部16的具体例的图。 
图17(a)～(d)是表示在4个条件下分别求得的驾驶注意力状态的判别率的全部被实验者12名的平均值的图。 
具体实施方式
以下，参照附图，对本发明的注意力状态判定装置、方法及程序的实施方式进行说明。 
在本实施方式中，注意力状态判定装置被用在驾驶员对车辆(汽车)进行驾驶操作的情况。以下，首先说明本申请的发明者们进行的实验以及基于该实验的结果本申请的发明者们所得到的见解。 
本申请的发明者们，根据以下说明的实验，发现基于驾驶操作准备状态中的眼球停留相关电位的拉姆达反应振幅值以及脑电波成分中的α波、β波、θ波的功率谱值能够推算用于判定驾驶注意力状态的每个驾驶员的最佳阈值。 
在驾驶汽车等车辆的例子中，所谓“驾驶操作准备状态”，是指开始行驶(驾驶操作)前进行准备(例如，引擎启动、操作汽车导航系统、解除手刹)的状态，或者一般认为慢行的车速不足10km/时的状态。如后述那样，由于在本请发明申中没有必要特别局限为驾驶这一操作，所以也可以使用“操作准备状态”这一概括性词语。此外，“眼球停留相关电位”及“拉姆达反应”，如背景技术栏里已经说明过的那样。 
以下，对本申请的发明者们进行的实验进行详细说明。 
被实验者为男性7名、女性5名，合计12名，平均年龄为21.3±1.2岁。本申请的发明者们，采用对被实验者同时实施2个课题的双重课题法进行实验。 
第1课题是驾驶课题。分派给被实验者使用驾驶模拟器(三菱精密株式会社制造。以下简称为“DS”。)在市区路线驾驶大约6分钟的课题。市区路线的道路的拥挤状况设定为能够在限速内自由行使的程度，配置了前方车辆、对向车辆、后续车辆及行人。被实验者按照汽车导航系统的画面上显示的指示，在规定的路线上行使。其中，路线的确认只根据被实验者自身目视的画面进行，不进行声音导向的导航。 
第2课题是认知负荷课题。分派的是以测试被实验者的注意力资源从实验性驾驶中转移为目的的称之为n-Back测试的课题。所谓“n-Back测试”，是指例如每3秒用声音提示1位数字，在提示后出声回答前n个(例：前0个、前2个)提示的数字的课题。下面，进行具体说明。例如，每3秒出现“3、5、9、1、6、……”这样的声音提示，在回答前0个(0-Back)数字的情况下，被实验者就直接回答所提示的“3、5、9、1、6、……”数字。另一方面，在回答前2个(2-Back)的数字的情况下，被实验者要按照“-(不回答)、-(不回答)、3、5、9、……”的方式始终回答前2个数字。n的值越大，被实验者就必须暂时性记忆及更新多个数值，被实验者的认知负荷就越大。因此，可以认为这样能够实验性地模拟驾驶中的思考事情或记忆相关的会话等情况。 
下面，说明实验条件。本实验中以表1所示的2个条件测量驾驶中的脑电波。第1条件是集中驾驶条件。在集中驾驶条件中，同时实施DS操作(驾驶)和0-Back测试。因为0-Back测试认知负荷不那么大所以可以认为是能集中驾驶的状态。 
第2条件是注意力散漫条件。在注意力散漫条件中，同时实施DS操作(驾驶)和2-Back测试。因为2-Back测试认知负荷大，所以被实验者必须分割很多的注意力资源去完成该课题，其结果对驾驶而言可以认为会成为注意力散漫状态。 
[表1] 
    第1课题   第2课题
  集中驾驶条件   DS操作(驾驶)   0-Back测试
  注意力散漫条件   DS操作(驾驶)   2-Back测试
另外，让被实验者戴上脑电波仪(TEAC株式会社制造、Polymate AP-1124)。脑电波仪的电极配置如下。将引导电极配置在国际10-20法中的Oz处(后头部)，将基准电极配置在A1及A2处(左右两耳朵的平均位置)，将接地电极配置在前额部。图2表示国际10-20法的电极位置。在图2中示出了引导电极Oz及左右两耳朵的基准电极A1及A2。 
对于以采样频率200Hz、时间常数3秒测出的脑电波数据施加1～ 15Hz的带通滤波处理。然后，以扫视结束时刻也就是眼球停留开始时刻为起点，截取-300毫秒～600毫秒的脑电波数据，以0毫秒时刻的电位值进行基线校正。 
如先前说明过的那样，图1(a)～(c)表示进行了上述处理后的眼球停留相关电位(EFRP)的算术平均波形。(a)表示全部被实验者12名的算术平均波形，(b)表示某一被实验者A的算术平均波形，(c)表示另一被实验者B的算术平均波形。在图1的各个曲线图中，实线表示集中驾驶条件时的波形，虚线表示注意力散漫条件时的波形。另外，横轴是将眼球停留的开始时刻作为0毫秒的时间(潜伏时间)且单位是毫秒，纵轴是电位且单位是μV。 
在图1(a)曲线图中，在大约100毫秒时刻出现的正的成分(该成分是拉姆达反应)，驾驶时(即，被实验者集中驾驶时)拉姆达反应的振幅变大为3.4μV，注意力散漫时变小为1.2μV。根据这个曲线图可知，拉姆达反应的振幅值根据注意力状态而增减。 
在这里，想要推断的是每个被实验者对于驾驶是集中了注意力还是注意力散漫的注意力状态。在本实施方式中，采用拉姆达反应的振幅值和阈值进行判定(推算)，即若振幅值比阈值大则判定为是集中驾驶状态，若振幅值在阈值以下则判定为是注意力散漫状态。 
若根据拉姆达反应的振幅值进行判断的话，则对图1(b)的被实验者A而言，优选将阈值设定在0.9μV附近，若在该值以上则判定为是集中驾驶状态，若比该值小则判定为是注意力散漫状态。另一方面，对图1(c)的被实验者B而言，优选将阈值设定在8.4μV附近以判定集中驾驶状态及注意力散漫状态。即可知，用于推算注意力状态的最佳阈值因每个被实验者个体差异而存在很大不同，若不考虑这种个体差异则不能准确判定对于驾驶的注意力状态。 
图3(a)及(b)分别表示被实验者A及B的拉姆达反应振幅值的时间变化。横轴是经过时间且单位是秒。纵轴是电位且单位是μV，向上为正。实线表示集中驾驶条件时，虚线表示注意力散漫条件时。 
在图3(a)及(b)各曲线图左端存在的最初的绘制点91～94表示根据驾驶操作准备状态的EFRP算术平均波形算出的拉姆达反应振幅值。 若举“驾驶操作准备状态”时间上的宽度的一个例子的话，则为从引擎启动到经过规定时间(45秒钟)后。图3(a)所示的被实验者A在集中驾驶条件及注意力散漫条件时的拉姆达反应振幅值分别为2.2μV(绘制点91)及1.2μV(绘制点92)。图3(b)所示的被实验者B在集中驾驶条件及注意力散漫条件时的拉姆达反应振幅值分别为6.9μV(绘制点93)和7.8μV(绘制点94)。 
另一方面，各曲线图中的第2个以后的绘制点表示在驾驶操作准备状态后设时间宽度(time span)TW为180秒、时间移位(time shift)TS为30秒时的根据相对于各判定对象时间段的EFRP算术平均波形算出的拉姆达反应振幅值。 
根据图3的绘制点91～94，反映出驾驶操作准备状态的拉姆达反应振幅值因注意力状态的不同引发的影响小，另一方面，被实验者A及被实验者B的个体差异却较大。另外，可知驾驶操作准备状态后的拉姆达反应振幅值，除了反映个体差异之外，还反映注意力状态的影响。具体地说，在图3(a)及(b)的曲线图中，在集中驾驶时拉姆达反应振幅值具有维持或者增加的趋势，相对而言，在注意力散漫时变为减少的趋势。 
这里，在接受了这样的特性的情况下，本申请的发明者们进行了以下考察。 
在驾驶操作准备状态中，发生伴有细小确认作业的眼球运动。例如，发生伴有引擎启动、操作汽车导航系统、解除手刹、发车前及慢行期间中的左右确认等的眼球运动。同时在驾驶操作准备状态中，对于这些各环节的确认作业，我们认为每次都要分配某一程度的一定的注意力资源。其原因是，用于对汽车导航系统设定期望的目的地的操作或者为避免与前后左右碰撞而边注意边从停车场等比较狭窄的场所开出车辆的操作，较之其后驾驶时比较单调的作业，都是不付出一定的注意力就不能完成的一系列作业。而且，任何操作都需要目视确认，所以可以认为是必然会发生眼球运动的作业。 
因此，所谓“驾驶操作准备状态”，不仅单单指行使前或慢行期间的时间性范围，也能够捕捉实际完成上述一系列作业的状态。因此，我们能够想到会反映出这样的结果，即在驾驶操作准备状态中的拉姆达反应振幅 值因注意力状态(实验条件)的不同引发的影响(图3中的绘制点91和92的差，或者绘制点93和94的差)较小，另一方面，个体差异(图3(a)中的绘制点91和92与图3(b)中的绘制点93和94的差)较大。 
与各驾驶员相对应的判定基准的调整(所谓校准)，通常情况下，优选利用实际驾驶中的眼球停留相关电位进行。其原因是，既然需要判定驾驶中的驾驶员的注意力状态，那么认为取得发生个体差异的驾驶中的时间段的眼球停留相关电位当然是最适当的。 
但是本申请的发明者们，通过实验达成以下认识，即驾驶员的注意力状态偏差较少且一定，并且仅由个体差异造成的影响容易体现在眼球停留相关电位中的时候，与其说是在驾驶过程中不如说是在驾驶前(驾驶的准备期间中)的驾驶操作准备状态。根据这种见解，优选驾驶操作准备状态的时间段是适合取得驾驶员眼球停留相关电位的时间段，对各驾驶员进行的判定基准的调整(所谓校准)利用该驾驶操作准备状态中的眼球停留相关电位进行。 
根据这种方针，若使用仅强烈反映出个体差异的操作准备状态的拉姆达反应振幅值的话，可以认为是能够算出考虑了每个被实验者特性的最佳阈值。作为最简洁的方法的一例，可以如以下那样算出最佳阈值。 
[公式1] 
Th＝L 
在这里，L是操作准备状态的拉姆达反应振幅值，Th是每个被实验者的最佳判定阈值。 
以下，更进一步地对上式以外的具体的算出方法进行详细说明。 
图4表示操作准备状态的拉姆达反应振幅值和最佳阈值的关系。横轴是每个被实验者的操作准备状态的拉姆达反应振幅值(L)且单位是μV、纵轴是由实验结果得到的每个被实验者的最佳判定阈值(Th)且单位是μV。在这里，所谓“最佳判定阈值”，是指从对每个被实验者实施了前述的集中驾驶条件和注意力散漫条件两个实验的实验结果中得到的值。具体地说，在基于某一阈值将设时间宽度TW＝180秒、时间移位TS＝30秒情况下的各个拉姆达反应振幅值判别为集中驾驶或者注意力散漫中的哪一个注意力状态的时候，将判别率达到最高的阈值作为“最佳判定阈 值”。如图1(b)及(c)所示，例如在被实验者A的情况下最佳阈值是0.9μV，在被实验者B的情况下最佳阈值是8.4μV。 
对图4所绘制的数据进行线性回归分析后的结果，最佳判定阈值(Th)能够由下述式子进行近似。 
[公式2] 
Th＝1.0366·L-0.0575 
上述近似式中的相关系数R为0.96，可知操作准备状态的拉姆达反应振幅值和最佳阈值之间有极其强烈的相关关系。所谓“相关函数”，是表示2个变量间相关(相似性程度)的统计性指标，一般地在绝对值为0.7以上的情况下被视为存在强烈相关。通过利用这种关系，可根据操作准备状态的拉姆达反应振幅值推算最佳阈值。 
如上述，能够仅根据拉姆达反应振幅值推算阈值。在这里，本申请的发明者们进一步地利用α波、β波、θ波的功率谱值求阈值，进行该评价。 
图5进一步表示设每个被实验者的最佳阈值为目标变量，设在操作准备状态中的拉姆达反应振幅值(L)及α波、β波、θ波的功率谱值(α、β、θ)为说明变量进行了多元线性回归分析的结果。纵轴是每个被实验者的最佳阈值(Th)且单位是μV。横轴是用下述近似式表达的评价值(E)。评价值(E)和最佳阈值具有倾斜度为1且截距为0的线性关系。 
[公式3] 
E＝0.9465·L+1.0950·α-0.7410·β+0.3406·θ-1.4438 
Th＝E 
上述近似式中的相关系数R为0.99，与图4的例子相比可知其存在更强烈的相关关系。 
如上所述，从本申请的发明者们所做的实验及实验结果可知，仅根据操作准备状态中的拉姆达反应振幅值、或者除拉姆达反应振幅值之外还使用α波、β波、θ波的功率谱值，可以更准确地推算每个被实验者的最佳阈值。 
另外，所谓“驾驶操作准备状态”，是指在将车辆操作区分为朝向目的地驾驶的操作(驾驶操作)和在开始该驾驶操作之前进行准备的操作去考量时，指的是后者。驾驶操作准备状态的检测，例如可以根据是否在以 引擎启动等某一时刻为起点的规定时间内进行，和/或，根据操作准备内容进行变化。例如，也可在检测出操作变速杆或踩踏加速器时，判定为“驾驶操作准备状态”结束并过渡到“驾驶操作状态”。 
以下，说明基于上述见解本申请的发明者们进行的本发明涉及的注意力状态判定装置的实施方式。和先前说明的一样，这是设定驾驶汽车等状况的一个例子。 
图6表示本实施方式的注意力状态判定装置1的块构成图。注意力状态判定装置1，利用驾驶员10的脑电波信号，更具体地说是利用脑电波信号的一个成分也就是眼球停留相关电位，判定其对于驾驶的注意力状态。如先前说明的那样，所谓对于驾驶的注意力状态，是指对于驾驶是集中注意力了还是注意力散漫。然后，根据该注意力状态，注意力状态判定装置1进行促使操作员唤起其注意力的支援。为了准确地进行注意力状态的判定，在注意力状态判定装置1中对每个驾驶员调整其判定基准。结果，可以准确地解析出因个体差异而存在很大不同的脑电波。 
注意力状态判定装置1，具备：脑电波测量部11、眼球运动测量部12、输出部16和判定处理部20。判定处理部20，具有：准备状态检测部13、判定基准调整部14和注意力状态判定部15。而且，为了方便说明，示出了驾驶员10的块。 
以下，概略性说明各构成要素，之后按顺序详细说明。 
脑电波测量部11，测量驾驶员10的脑电波信号。 
眼球运动测量部12，测量驾驶员10的眼球运动，并输出表示眼球运动的眼球运动信号。 
判定处理部20的准备状态检测部13，检测驾驶操作准备状态的时间段，换言之，检测驾驶操作准备状态持续的期间。判定处理部20的判定基准调整部14，基于根据时间段的脑电波数据及眼球运动数据算出的特定成分(以后叙述)的值，调整用于判定驾驶注意力状态的判定基准。另外，判定处理部20的注意力状态判定部15，利用眼球运动测量部12测量出的眼球运动数据，根据脑电波测量部11测量出的脑电波数据算出眼球停留相关电位，并基于算出的眼球停留相关电位的特定成分的振幅值和判定基准调整部14调整后的判定基准，判定对于驾驶的注意力状态。 
输出部16，基于判定结果进行促使驾驶员10唤起其注意力的支援。 
以下，对各功能块进行详细说明。 
脑电波测量部11，是利用安装于驾驶员10头部的电极测定电位，并通过测量其电位变化来输出脑电波信号的脑电波仪。本申请的发明者们，设想未来是可穿戴式脑电波仪。 
图7表示作为头戴式脑电波仪所实现的脑电波测量部11的构成例。在脑电波测量部11上配置有电极11a～11e，以使在安装到驾驶员10的头部的时候与其头部规定的位置相接触。例如，假设电极11a及11c基于国际10-20法而与后头部的电极位置O1及O2相接触。同样地，电极11b与后头部的电极位置Oz相接触，电极11d与耳朵A1相接触，电极11e与前额部相接触。根据现有文献(宫田洋等、新生理心理学1、1998、p262、北大路书店)可知，反映认知或注意力的、在以眼球停留开始时刻为起点约100毫秒附近出现的拉姆达成分，在后头部明显出现。 
其中，在后头部周围的Pz(头顶中央)也可以测量，也可采用为使与该位置相接触而配置有电极的头戴式脑电波仪。电极位置，由信号测定的可靠性及安装的难易度等决定即可。 
另外，可能有至少2个电极。例如，仅由与电极位置Oz和A1对应的电极11b和11d就可以进行电位测量。 
通过采用这样的电极配置，脑电波测量部11能够对驾驶员10的脑电波进行测定。所测定的脑电波信号，以能够由计算机处理的方式进行采样，并存储在脑电波测量部11内保持的主存储装置(例如，半导体存储器)。另外，也可在注意力状态判定装置1中设有硬盘等辅助存储装置(未图示出)，使该辅助存储装置存储被采样的脑电波信号。例如，预先确定的一定时间份的数据被暂时存储在上述主存储器中且随时更新。或者也可以不是暂时的，而全部存储在上述辅助存储装置中。 
此外，为了降低脑电波信号中混入的商用电源噪声的影响，优选对在脑电波测量部11中测量的脑电波信号预先实施低通滤波处理。例如，在利用50Hz或者60Hz的商用电源时，对脑电波信号实施30Hz的低通滤波处理即可。 
驾驶员10要预先戴上上述那样的脑电波仪。 
眼球运动测量部12，基于EOG(Electrooculogram)法测量眼球运动。所谓“EOG法”，是一种根据配置在眼球左右及上下的电极的电位变化测量眼球运动的方法。EOG法利用了眼球的角膜相对于视网膜带正电这一性质。眼球运动测量部12，输出表示眼球运动的信号(眼球运动信号)。 
图8表示根据EOG法测量眼球运动并输出表示眼球运动的眼球运动信号的眼球运动测量部12的硬件构成例。眼球运动测量部12，具备：电极(H1、H2及V1、V2)、水平方向电位检测器21、垂直方向电位检测器22、眼球角度信息存储器23、转换器24和主存储器25。 
水平方向电位检测器21，根据安装在驾驶员10左右太阳穴处的电极(H1、H2)的电位差，检测表示眼球水平方向活动的水平眼球运动信号。垂直方向电位检测器22，根据安装在眼球上下部的电极(V1、V2)的电位差，检测表示眼球垂直方向活动的垂直眼球运动信号。另外，表示眼球运动方向的信号，也可以用合成水平及垂直眼球运动信号而得到的矢量信号。眼球角度信息存储器23，预先存储着表示水平及垂直眼球运动信号的振幅值和眼球角度的对应关系的信息(第1眼球角度信息)。转换器24，基于该眼球角度信息，由各振幅值测量眼球角度。主存储器25，存储预先确定的一定时间份的数据且随时更新。图8所示的眼球运动测量部12与脑电波仪相同，可以是头戴式测量器。 
图9表示第1眼球角度信息的数据结构的例子。第1眼球角度信息，是由水平方向及垂直方向中的振幅值(电位)和眼球角度相对应构成的。例如，在振幅值(电位)在1秒钟内沿着水平方向变化+50μV、沿着垂直方向变化+30μV的情况下，眼球角度在右方向上能特定为5度(degrees)、在上方向上能特定为5度(degrees)。此时可以算出眼球的角速度是 度(degrees)/秒。 
另外，眼球运动测量部12，也可以替代EOG法而基于角膜反射法进行测量。 
图10表示根据角膜反射法测量眼球运动并输出表示眼球运动的眼球运动信号的眼球运动测量部12的硬件构成例。所谓“角膜反射法”，是指近红外线光源(点光源)向眼球照射近红外线，用照相机拍摄眼球的影像，并使用拍摄到的影像检测瞳孔及角膜表面处的光源的角膜反射像的位 置的方法。 
眼球运动测量部12，具备：近红外线光源31、CCD照相机32、反射像位置检测器33、眼球角度信息存储器34、转换器35和主存储器36。 
近红外线光源31是近红外线的点光源，向眼球37照射近红外线。CCD照相机32，拍摄被近红外线照射的眼球37。此时，被实验者注视着显示器40上显示出的图像等。所注视的位置作为注视点41进行表示。反射像位置检测器33，基于拍摄到的眼球的影像，识别瞳孔38及角膜表面，进而检测瞳孔38及角膜表面处的光源的反射像(角膜反射像39)的位置。眼球角度信息存储器34，预先存储着角膜反射像39的位置和眼球37的角度的关系(第2眼球角度信息)。因为第2眼球角度信息的数据结构类似于图9所示的数据结构，所以省略其具体例示。 
转换器35，基于该眼球角度信息，由反射像的位置测量眼球角度。主存储器36，存储着预先确定的一定时间份的数据且随时更新。图10所示的眼球运动测量部12，可以是和脑电波仪相同的头戴式测量器，或者也可以是设置在车辆前方(仪表盘上或后视镜后面等)的固定型设备。 
接下来，对判定处理部20(图6)的具体构成进行说明。 
图11表示判定处理部20的硬件构成例。为了表示与判定处理部20的关系，在图11中，同时记载了经由总线19与判定处理部20相连接的脑电波测量部11及眼球运动测量部12。 
判定处理部20，具有：CPU5a、RAM5b、ROM5c、程序5d、图像处理电路5e和声音处理电路5f。 
CPU5a，将ROM5c中保存的计算机程序5d读到RAM5b中，在RAM5b上展开并执行。CPU5a，通过执行该计算机程序5d，而作为图6中关联说明过的准备状态检测部13、判定基准调整部14及注意力状态判定部15发挥功能。计算机程序5d是CPU5a所执行的命令的集合。通过CPU5a执行计算机程序5d，从而CPU5a或者接受来自CPU5a指示的构成要素，进行后述的图12及图14所规定的处理。此外，ROM5c也可以是可擦写的ROM(例如，EEPROM)。 
判定处理部20，还具有图像处理电路5e及声音处理电路5f。图像处理电路5e，按照CPU5a的指示，生成用于在后述平视显示器(HUD)16a 上进行显示的图像的数据。另外，声音处理电路5f，按照CPU5a的指示，生成用于从车内的扬声器16b输出的声音的数据。 
上述计算机程序，可记录在CD-ROM等记录介质上作为产品在市场上流通，或者，通过因特网等电信线路传送。另外，判定处理部20，也可以作为在半导体电路中编入计算机程序的DSP等硬件来实现。 
接下来，分别说明通过判定处理部20的CPU5a执行程序5d从而作为准备状态检测部13、判定基准调整部14及注意力状态判定部15进行动作时的动作(功能)。 
准备状态检测部13，检测驾驶操作准备状态的时间段。 
该时间段的开始时刻的具体例，可举出引擎启动时、汽车导航系统操作开始时、解除手刹时、检测出车速不足10km/时的状态的时刻。 
并且，作为该时间段的结束时刻，例如可举出检测出车速为10km/时以上的状态的时刻、对汽车导航系统设定的设定结束时、从上述开始时刻起经过规定时间后(例如，45秒后)等。 
准备状态检测部13，检测上述开始时刻中的至少1个，检测上述结束时刻中的至少1个。而且，准备状态检测部13，若分别检测出驾驶操作准备状态的时间段也就是上述开始及结束时刻，则将其结果通知给判定基准调整部14。 
判定基准调整部14，基于根据上述时间段的脑电波数据及眼球运动数据算出的特定成分，具体地说，判定基准调整部14，基于眼球停留相关电位的拉姆达反应振幅值和α波、β波、θ波等功率谱值，对用于判定驾驶注意力状态的判定基准进行调整。在这里，参照图12及图13，对判定基准调整部14的处理顺序进行说明。 
图12是表示判定基准调整部14的处理顺序的流程图，图13表示与判定基准调整部14的处理相关联的波形的数据。 
在图12的步骤S51中，判定基准调整部14，接收由驾驶准备检测部13检测出的驾驶操作准备状态的开始及结束时刻。 
在步骤S52中，判定基准调整部14，从眼球运动测量部12取得在上述时间段内眼球运动测量部12测量出的眼球运动数据。在图13中示出所读取的眼球运动数据61的波形例。 
在步骤S53中，检测上述眼球运动数据中的扫视，提取或特定检测出的各扫视的结束时刻也就是眼球停留开始时刻。 
根据现有文献(宫田洋等、新生理心理学1、1998、p256、北大路书店)可知，扫视所需要的时间通常为20～70毫秒，扫视的速度以视角表示的话为300～500度(degrees)/秒。因此，能够将眼球的运动方向在规定时间内(例如，20～70毫秒)持续相同且该规定时间内的平均角速度为300度(degrees)/秒以上的眼球运动作为扫视进行检测。 
在扫视的检测方法中，能够使用首先检测水平及垂直方向各自的扫视，然后用水平及垂直方向的扫视将时间段重复的扫视合并为1个的方法。另外，还可以使用首先计算合成水平眼球运动数据及垂直眼球运动数据而得到的矢量数据，然后基于该矢量数据的方向及大小的数据进行扫视检测的方法。 
判定基准调整部14，将检测出的各扫视结束时刻作为眼球停留开始时刻进行提取。在图13中示出所提取出的眼球停留开始时刻t1、t2、……、t8的例子。 
在步骤S54中，判定基准调整部14从脑电波测量部11中取得符合在步骤S51中接收到的驾驶操作准备状态的时间段的脑电波数据。在图13中示出所读取的脑电波数据62的波形例。 
在步骤S55中，判定基准调整部14在步骤S54读取的脑电波数据中，以步骤S53提取的各眼球停留开始时刻为起点，截取从-300毫秒到600毫秒的脑电波数据。在图13中示出每个眼球停留开始时刻所截取的脑电波数据(眼球停留相关电位)64的波形例。 
在步骤S56中，判定基准调整部14根据截取的各脑电波数据算出拉姆达反应的振幅值。以下，对其顺序进行详细说明。 
判定基准调整部14，首先对截取的各脑电波数据进行基线校正，以使眼球停留开始时刻(0毫秒)的电位为0μV。 
接着，判定基准调整部14对截取的全部脑电波数据进行算术平均处理。在图13的例子中，对与眼球停留开始时刻63(t1、t2、……、t8)所示的合计8个起点相对应的脑电波数据进行算术平均处理。在图13中示出算术平均处理后的脑电波数据(眼球停留相关电位)65的波形例。 
最后，判定基准调整部14在算术平均后的眼球停留相关电位中测量约100毫秒附近的阳性成分也就是拉姆达反应的振幅值。在图13中示出拉姆达反应振幅66的一例。 
另外，在本申请说明书中，为了定义眼球停留相关电位的成分，将从眼球停留开始时刻算起的经过规定时间后的时刻，例如表现为“约100ms”。这就意味着，能够包含以100ms这一特定时刻为中心的范围。我们公知的涉及和眼球停留相关电位相同的构成脑电波信号成分之一的事件相关电位的书是《事件相关电位(ERP)手册-以P300为中心》(加我君孝等编辑、篠原出版新社、1995)。根据这本文献第30页所记载的表1可知，一般地，在事件相关电位的波形中因个体差异会发生30ms～50ms的差异(偏差)。因此，所说的“约Xms”或“Xms附近”的词语，是指以Xms为中心的30～50ms的宽度能存在于其前后(例如，100ms±50ms)的意思。在眼球停留相关电位中，也可以认为每个个人的差异(偏差)能存在和事件相关电位相同程度的差异。因此，在本申请说明书中，涉及眼球停留相关电位，“约100毫秒附近”也意味着例如50毫秒～150毫秒的期间。 
此外，在眼球停留相关电位的研究中，一般地，是在求得脑电波数据的算术平均之后进行解析的。据此，可以抵消与眼球停留没有关系的随机的脑活动电位，检测出具有一定潜伏时间和极性的成分。但是，本发明中的判定基准调整部14，并不局限于上述算术平均处理，例如也可以根据非算术脑电波(1个脑电波数据)测量拉姆达反应振幅值。 
在步骤S57中，判定基准调整部14算出相对于步骤S54读取的脑电波数据的各频带的功率谱值。 
一般地，脑电波在8Hz以上不足13Hz的频率成分被称为α波、13Hz以上的频率成分被称为β波、4Hz以上不足8Hz的频率成分被称为θ波。因此，判定基准调整部14，首先根据时间序列的脑电波数据通过傅里叶变换求得频率成分数据，并基于频率成分数据与其共轭复数之积来算出脑电波数据的功率谱。进而，通过在算出的功率谱中算出上述的各个频率成分，来求出α波、β波、θ波各自的功率谱值。 
在步骤S58中，基于步骤S56及步骤S57算出的拉姆达反应振幅值 及α波、β波、θ波的功率谱值，对用于判定驾驶注意力状态的判定基准进行调整。更具体地说，判定基准调整部14算出每个驾驶员的最佳阈值。 
根据上述公式1、公式2及公式3可知，应该推算的阈值(Th)和驾驶操作准备状态的拉姆达反应振幅值(L)成正相关。也就是说，判定基准调整部14，随着驾驶操作准备状态的拉姆达反应振幅值(L)变大而将阈值(Th)设定得高，随着驾驶操作准备状态的拉姆达反应振幅值(L)变小而将阈值(Th)设定得低即可。 
在本实施方式中，虽然说明了利用拉姆达反应振幅值及功率谱值的例子，但为了联系上述公式2及公式3进行说明，可仅由拉姆达反应振幅值设定阈值。 
在利用功率谱值的情况下，判定基准调整部14，随着驾驶操作准备状态的α波的功率谱值变大而将阈值(Th)设定得高，随着驾驶操作准备状态的β波的功率谱值变大而将阈值(Th)设定得低即可。 
本申请的发明者们，发现了以下这样的使用功率谱值的优点。 
一般地，β波出现于进行精神活动时的脑电波中，在精神恍惚的状态中出现的是α波。因此，在α波大β波小的时候，也就是说，精神恍惚状态时，根据上述公式3，阈值(Th)变大。 
后述的注意力状态判定部15，在驾驶中的拉姆达反应振幅值比阈值(Th)小的情况下，判定为“低”注意力状态。因此，通过调整阈值(Th)使其变大，从而可认为必然能够检测出注意力散漫的状态。 
另一方面，在α波小β波大的时候，也就是说，进行精神活动时，根据公式3，阈值(Th)变小。其结果，可认为能够减少将集中驾驶的状态错误地判定为“低”注意力状态的可能性。 
算出的阈值，在注意力状态判定部15采用时时的拉姆达反应振幅值判定时刻变化着的对于驾驶的注意力状态时使用。 
在步骤S59中，判定基准调整部14将步骤S58中调整后的判定基准的调整结果通知给注意力状态判定部15。 
在上述步骤S53中，说明了以所提取的各眼球停留开始时刻为起点，截取从-300毫秒到600毫秒的脑电波数据的情况。但是，截取的脑电波数据的时间宽度只是一例。例如，也可以眼球停留开始时刻为起点截取 0～200毫秒的脑电波数据。或者，从能够取得拉姆达反应即可的观点出发，例如也可以对以眼球停留开始时刻为起点的100毫秒附近的最大值进行算术平均。 
下面，对注意力状态判定部15的处理进行说明。 
注意力状态判定部15，根据由脑电波测量部11及眼球运动测量部12测量出的脑电波数据和眼球运动数据算出眼球停留相关电位，并基于算出的眼球停留相关电位的拉姆达反应振幅值和由判定基准调整部14调整后的判定基准来判定对于驾驶的注意力状态。以下，参照图14及图15，对注意力状态判定部15的处理顺序进行说明。 
图14是表示注意力状态判定部15的处理顺序的流程图。 
在图14的步骤S71中，注意力状态判定部15取得由判定基准调整部14调整后的判定基准，更具体地说是取得每个驾驶员的最佳阈值。 
在步骤S72中，注意力状态判定部15确定对驾驶注意力状态进行判定的时间段。注意力状态判定部15预先保持着判定对象时间段的时间宽度TW(秒)及时间移位TS(秒)的数据。时间宽度TW是决定使用哪个区间包含的眼球停留相关电位的参数，时间移位TS是确定隔几秒算出注意力状态的参数。例如预先设定成：时间宽度TW＝20秒、时间移位TS＝5秒。 
其中，上述设定值只是一例。时间宽度在能保持解析精度的范围内可以设定得短，时间移位量根据设想用途确定。例如，在对于驾驶的注意力状态被判定为低时要求尽量快速地对驾驶员给予警告等即时性反应的情况下，也可如时间宽度TW＝20秒/10秒/5秒、时间移位TS＝5秒这样设定得短。另一方面，不是即时性反应，而是在驾驶结束后验证驾驶员的注意力状态时要求准确的状态评价的情况下，可以如时间宽度TW＝2分钟或3分钟这样设定得长。 
图15表示判定对象时间段83(a)～(d)的例子。判定对象时间段，设为从当前时刻Ta向过去追溯TW(秒)的范围，并且在TS(秒)后再次执行该步骤S72的情况下，设为从当前时刻Tb(＝Ta+TS)向过去追溯TW(秒)的范围。像这样，随着时间的经过使判定对象时间段移动，从而能够判定时时的驾驶注意力状态。 
步骤S73～步骤S77的处理，因为和用图12及图13说明的步骤S52～步骤S56相同，所以省略其具体的说明。 
在步骤S78中，注意力状态判定部15基于步骤S77算出的拉姆达反应振幅值(L)和步骤S71接收到的每个驾驶员的阈值，判定驾驶员对于驾驶的注意力状态。 
例如，在判别驾驶员的注意力状态符合高/低的哪个状态的情况下，相对于阈值Th，若L＜Th，则判别为“低”注意力状态(即，注意力散漫状态)；若Th≤L，则判别为“高”注意力状态(即，集中驾驶状态)。另外，在判别驾驶员的注意力状态符合高/中/低的哪个状态的情况下，从判定基准调整部14接收2个阈值Th1、Th2(Th1＜Th2)，若L＜Th1，则判别为“低”注意力状态；若Th1≤L＜Th2，则判别为“中”注意力状态；若Th2≤L，则判别为“高”注意力状态。 
在步骤S79中，注意力状态判定部15将步骤S78判定的结果发送给输出部16。 
另外，注意力状态判定部15在每个时间移位TS(秒)内重复实施上述一系列处理。 
输出部16，通过图像或声音提示由注意力状态判定部15判定出的结果。被注意力状态判定部15判定为“低”注意力状态的时候，输出部16对驾驶员起到了用于唤起驾驶员注意力的作用。换言之，由于来自输出部16的作用，驾驶员能够收到促使其状态变化的支援。 
作为输出部16向驾驶员的输出方法，可以举出以下例子，即：通过声音向驾驶员的呼叫、动作音或警告音的提示、或者在汽车导航系统或平视显示器(HUD)上进行文本或图像的提示。 
图16表示输出部16的构成例。在汽车的平视显示器16a上，用于唤起驾驶员注意力的图像17闪烁。另外，从车内的扬声器16b输出用于呼叫驾驶员的声音。为唤起驾驶员注意力，既可以同时利用图像及声音双方，也可以利用图像或者声音中的任一方。 
除此之外，还可以采用叠加于希望驾驶员注意的对象物来显示图像的AR(Augmented Reality)技术的直接信息提示、采用方向盘振动等唤起注意力、通过气味或风量的调节间接发挥功效等的作用于驾驶员知觉的种 种方法。 
注意力状态判定装置1的各构成要素通过进行上述动作，使注意力状态判定装置1执行图12及图14所示的处理。据此，即便各操作员不事先进行明确的校准作业，注意力状态判定装置1也能够高精度地判定各操作员的注意力状态(例如，集中驾驶的状态或注意力散漫的状态)。因此，基于该判定结果，能够进行唤起各操作员注意力等的适当支援。 
另外，基于驾驶注意力状态的判别率的估算结果具体说明根据本实施方式得到的优点。 
判别率的估算利用了上述的实验结果。在这里，所谓“判别率”表示集中驾驶状态或注意力散漫状态这两个状态的判别率。在设时间宽度TW＝180秒、时间移位TS＝30秒的情况下，将根据集中驾驶条件(0-Back测试时)的拉姆达反应振幅值能正确判别为集中驾驶的概率、以及根据注意力散漫条件(2-Back测试时)的拉姆达反应振幅值能正确判别为注意力散漫的概率的平均值作为上述判别率。 
图17(a)～(d)表示在4个条件下分别求出的驾驶注意力状态的判别率的全部被实验者12名的平均值。所谓4个条件，是指使用4个不同的值进行判别率的计算的意思。也就是说，(a)是全部被实验者共同的阈值、(b)是根据本发明从驾驶操作准备状态的拉姆达反应振幅值中对每个被实验者求得的最佳阈值(推算值)、(c)是根据本发明从驾驶操作准备状态的拉姆达反应振幅值及α波、β波、θ波的平均功率谱值中对每个被实验者求得的最佳阈值(推算值)、以及(d)是从集中驾驶及注意力散漫两个实验结果(相当于事先进行明确的校准作业)中得到的每个被实验者的最佳阈值。条件(a)的全部被实验者共同的阈值是图1(a)所示的全部被实验者的算术平均波形中的各条件的拉姆达反应振幅的平均值。条件(d)意味着事先让驾驶员进行明确的校准作业的条件。 
通过图17可知，在(a)使用全部被实验者共同的阈值的情况下的判别率最低(69.2％)、在(d)使用由事先进行明确的校准作业得到的每个被实验者的最佳阈值的情况下的判别率最高(92.2％)。另一方面，在使用(b)及(c)的本发明的情况下的判别率分别为82.7％和87.6％，与是否事先进行校准作业无关，能够以与(d)情况相近的精度进行判别。 
根据图17所示的结果，可以说根据本实施方式的构成不必让驾驶员事先进行校准作业，且能够维持很高的注意力状态的判别精度。 
根据本实施方式所涉及的构成及处理顺序，在对驾驶员的注意力状态进行判定的注意力状态判定装置中，基于驾驶操作准备状态的拉姆达反应振幅值及α波、β波、θ波的功率谱值，算出用于判定各驾驶员注意力状态的最佳阈值。据此，可不必让驾驶员事先进行校准作业，且能够维持很高的注意力状态的判别精度，基于该判别结果可以进行促使驾驶员恰当地唤起其注意力等状态变化的支援。 
本实施方式的注意力状态判定装置，假设多个构成要素一体式构成而说明的。但是，例如也可以将判定处理部20的一部分或者全部功能设置在不同于脑电波测量部11、眼球运动测量部12及输出部16的位置。例如，判定处理部20，可以通过脑电波测量部11等和用无线网络连接的远程计算机来实现。此时，判定处理部20本身就作为注意力状态判定装置发挥功能。脑电波测量部11、眼球运动测量部12及输出部16，分别作为和注意力状态判定装置异体的脑电波仪、图8所示那样的眼球运动测量装置、及图16所示那样的扬声器、平视显示器来实现。 
此外，在本说明书中，说明了注意力状态判定装置1包含输出部16。但是，设置输出部16并不是必须的。例如，也可以省略输出部而不输出判定结果，存储在注意力状态判定部15的内部存储器(未图示出)中。另外，可以将蓄积注意力状态的判定结果或判定阈值的记录装置(例如，硬盘)设置在注意力状态判定装置1内部。 
本实施方式的注意力状态判定装置，在拉姆达反应的振幅值为阈值以上的情况下判定为是集中驾驶状态，在拉姆达反应的振幅值比阈值小的情况下判定为是注意力散漫状态。但是，在拉姆达反应的振幅值和阈值相等的情况下，可以判定为是注意力散漫状态。 
此外，本实施方式的注意力状态判定装置，说明了被利用于汽车驾驶中的注意力状态的判定。但是，这样的利用方式只是一例，并不局限于汽车驾驶。注意力状态判定装置，可以用在操作员操作设备等各种情况。例如，也能够适用于对塔台或成套设备、道路监控等监控系统中的操作员的注意力状态判定。例如，通过将操作员进行监控作业前的准备状态定义为 从操作员进入到监控室的时刻或者登录到监控系统的时刻到规定时间后，从而能够高精度地判定操作员的注意力状态，进行恰当的监控业务。 
产业上的可利用性 
本发明不仅适用于一般车辆的驾驶员，而且还适用于需要推算驾驶业务用车辆的驾驶员，例如：卡车、出租车、公共汽车的驾驶员或非普通车辆的电车、飞机、船舶的操纵者、工场等成套设备的监控人员等等，对驾驶或操作等本职工作投入了多少注意力的情况。 
符号说明 
1注意力状态判定装置 
11脑电波测量部 
12眼球运动测量部 
13准备状态检测部 
14判定基准调整部 
15注意力状态判定部 
16输出部 
20判定处理部 

Claims (14)

1.一种注意力状态判定装置，具备：
脑电波测量部，测量操作员的脑电波信号；和
眼球运动测量部，测量表示所述操作员的眼球运动的眼球运动信号；
其特征在于：
所述注意力状态判定装置还具备：
准备状态检测部，检测所述操作员在开始驾驶操作之前进行准备的时间段；
判定基准调整部，调整用于判定所述操作员在进行驾驶操作之时的注意力状态的判定基准，即：利用所述眼球运动信号算出至少在所述时间段内测量出的所述脑电波信号的眼球停留相关电位，并基于算出的所述眼球停留相关电位来调整所述判定基准；
注意力状态判定部，根据在所述操作员开始驾驶操作之后测量出的所述脑电波信号及所述眼球运动信号算出眼球停留相关电位，并基于算出的所述眼球停留相关电位及调整后的所述判定基准来判定进行所述驾驶操作的所述操作员的注意力状态；和
输出部，基于所述判定结果对所述操作员进行作用以唤起其注意力。
2.根据权利要求1所述的注意力状态判定装置，其中，
所述判定基准调整部，还基于在所述时间段内测量出的所述脑电波信号的频率的功率谱值来调整所述判定基准。
3.根据权利要求1所述的注意力状态判定装置，其中，
所述注意力状态判定部，通过将算术平均后的所述眼球停留相关电位的拉姆达反应的振幅值和作为所述判定基准的判定阈值进行比较来判定所述操作员的注意力状态。
4.根据权利要求1所述的注意力状态判定装置，其中，
所述注意力状态判定部，在算术平均后的所述眼球停留相关电位的拉姆达反应的振幅值在作为所述判定基准的判定阈值以上的情况下，判定为是所述操作员集中驾驶的状态，在算术平均后的所述眼球停留相关电位的拉姆达反应的振幅值小于作为所述判定基准的判定阈值的情况下，判定为是所述操作员注意力散漫的状态。
5.根据权利要求3所述的注意力状态判定装置，其中，
所述判定基准调整部，随着算出的所述眼球停留相关电位的拉姆达反应振幅值变大而将作为所述判定基准的判定阈值设定得高，随着所述拉姆达反应振幅值变小而将所述判定阈值设定得低。
6.根据权利要求2所述的注意力状态判定装置，其中，
所述判定基准调整部，随着在所述时间段内测量出的所述脑电波信号中所包含的α波的功率谱值变大而将所述判定基准设定得高，随着在所述时间段内测量出的所述脑电波信号中所包含的β波的功率谱值变大而将所述判定基准设定得低。
7.根据权利要求1所述的注意力状态判定装置，其中，
在所述注意力状态判定装置判定对车辆进行驾驶操作的操作员的注意力状态并用于唤起所述操作员注意力之时，
所述准备状态检测部，以所述车辆的引擎启动时、在所述车辆中设置的汽车导航系统的设定操作开始时、所述车辆的制动器解除时、检测出所述车辆的车速在规定值以下时的至少一个时刻作为开始时刻来检测所述时间段。
8.根据权利要求1所述的注意力状态判定装置，其中，
所述准备状态检测部，以汽车导航系统的设定操作结束时、检测出车辆的车速在规定值以上时、从所述开始时刻经过规定时间后的至少一个时刻作为结束时刻来检测所述时间段。
9.根据权利要求1所述的注意力状态判定装置，其中，
所述判定基准调整部，基于所述眼球运动信号，将所述操作员的眼球运动变得比预先确定的阈值小的时刻作为所述眼球停留相关电位的开始时刻进行检测。
10.根据权利要求1所述的注意力状态判定装置，其中，
所述判定基准调整部，在所述脑电波信号之中算出从所述眼球停留相关电位的开始时刻经过50～150毫秒后的信号来作为眼球停留相关电位。
11.根据权利要求1所述的注意力状态判定装置，其中，
所述注意力状态判定部，在所述脑电波信号之中算出从所述眼球停留相关电位的开始时刻经过50～150毫秒后的信号来作为眼球停留相关电位。
12.根据权利要求3所述的注意力状态判定装置，其中，
所述注意力状态判定部，以所述眼球停留开始时刻作为起点，将算术平均后的所述眼球停留相关电位的50～150毫秒中所包含的极大值作为拉姆达反应的振幅值进行利用。
13.一种注意力状态判定装置，具备：
准备状态检测部，检测操作员在开始驾驶操作之前进行准备的时间段；
判定基准调整部，调整用于判定所述操作员在进行驾驶操作之时的注意力状态的判定基准，即：利用通过测量表示操作员的眼球运动的眼球运动信号的眼球运动测量部测量出的所述眼球运动信号，算出通过测量所述操作员的脑电波信号的脑电波测量部至少在所述时间段内测量出的所述脑电波信号的眼球停留相关电位，并基于算出的所述眼球停留相关电位来调整所述判定基准；
注意力状态判定部，根据在所述操作员开始驾驶操作之后测量出的所述脑电波信号及所述眼球运动信号算出眼球停留相关电位，并基于算出的所述眼球停留相关电位及调整后的所述判定基准来判定进行所述驾驶操作的所述操作员的注意力状态；和
输出部，基于所述判定结果对所述操作员进行作用以唤起其注意力。
14.一种注意力状态判定方法，包含：
测量操作员的脑电波信号的步骤；和
测量表示所述操作员的眼球运动的眼球运动信号的步骤；
其特征在于：
所述注意力状态判定方法还包含：
检测所述操作员在开始驾驶操作之前进行准备的时间段的步骤；
调整用于判定所述操作员在进行驾驶操作之时的注意力状态的判定基准的步骤，即：利用所述眼球运动信号算出至少在所述时间段内测量出的所述脑电波信号的眼球停留相关电位，并基于算出的所述眼球停留相关电位来调整所述判定基准的步骤；
根据在所述操作员开始驾驶操作之后测量出的所述脑电波信号及所述眼球运动信号算出眼球停留相关电位的步骤；
基于算出的所述眼球停留相关电位及调整后的所述判定基准来判定进行所述驾驶操作的所述操作员的注意力状态的步骤；和
基于所述判定结果对所述操作员进行作用以唤起其注意力的步骤。
CN201080016580.3A 2009-11-09 2010-10-22 注意力状态判定装置、方法 Active CN102396009B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2009256170 2009-11-09
JP2009-256170 2009-11-09
PCT/JP2010/006257 WO2011055505A1 (ja) 2009-11-09 2010-10-22 注意状態判定装置、方法およびプログラム

Publications (2)

Publication Number Publication Date
CN102396009A CN102396009A (zh) 2012-03-28
CN102396009B true CN102396009B (zh) 2014-06-25

Family

ID=43969748

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080016580.3A Active CN102396009B (zh) 2009-11-09 2010-10-22 注意力状态判定装置、方法

Country Status (5)

Country Link
US (1) US9480429B2 (zh)
EP (1) EP2500889B1 (zh)
JP (1) JP4772935B2 (zh)
CN (1) CN102396009B (zh)
WO (1) WO2011055505A1 (zh)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012155655A (ja) * 2011-01-28 2012-08-16 Sony Corp 情報処理装置、報知方法及びプログラム
US9763573B2 (en) 2011-11-22 2017-09-19 Dignity Health System and method for using microsaccade peak velocity as a measure of mental workload and fatigue
CA2856846C (en) 2011-12-05 2020-02-25 Dignity Health Surgical rod bending system and method
CN102697494B (zh) * 2012-06-14 2015-12-09 西南交通大学 高速列车驾驶员无线可穿戴脑电信号采集设备
JP5914653B2 (ja) * 2012-06-15 2016-05-11 株式会社日立製作所 刺激呈示システム
US20140098008A1 (en) * 2012-10-04 2014-04-10 Ford Global Technologies, Llc Method and apparatus for vehicle enabled visual augmentation
DE102012219508A1 (de) * 2012-10-25 2014-04-30 Robert Bosch Gmbh Verfahren und Vorrichtung zur Fahrerzustandserkennung
US9872715B2 (en) 2012-12-05 2018-01-23 Dignity Health Surgical rod bending system and method
US9801580B2 (en) * 2013-03-22 2017-10-31 Toyota Jidosha Kabushiki Kaisha Driving assistance device, driving assistance method, information-providing device, information-providing method, navigation device and navigation method
CN103337171B (zh) * 2013-06-15 2018-04-10 广东安达交通工程有限公司 一种交通综合监控系统及其监控方法
DE102013222645A1 (de) * 2013-11-07 2015-05-07 Robert Bosch Gmbh Erkennungssystem in einem Fahrzeug zur Erfassung der Sprachaktivität eines Fahrzeuginsassen
JP6199715B2 (ja) * 2013-11-29 2017-09-20 株式会社デンソー 精神負担評価装置、及びプログラム
KR101659027B1 (ko) 2014-05-15 2016-09-23 엘지전자 주식회사 이동 단말기 및 차량 제어 장치
JP6324262B2 (ja) * 2014-08-22 2018-05-16 三菱電機株式会社 安全運転支援システム
CN105046887B (zh) * 2015-04-16 2016-10-26 刘更新 证卷交易人员状态电子检测系统
CN104783817B (zh) * 2015-04-16 2016-08-24 深圳市索菱实业股份有限公司 双模式汽车驾驶员驾驶状态检测平台
CN108348181A (zh) * 2015-07-31 2018-07-31 艾腾媞乌有限责任公司 用于监测和提高注意力的方法和系统
CN105559760B (zh) * 2015-12-10 2018-10-19 塔普翊海（上海）智能科技有限公司 头戴设备的人身模式识别方法
JP6306071B2 (ja) * 2016-02-09 2018-04-04 Ｐｓｔ株式会社 推定装置、推定プログラム、推定装置の作動方法および推定システム
CN105774794A (zh) * 2016-05-06 2016-07-20 丰如我 汽车行驶安全装置
US10319253B2 (en) * 2017-01-06 2019-06-11 International Business Machines Corporation Cognitive workload awareness
CN107233104A (zh) * 2017-05-27 2017-10-10 西南交通大学 认知分心测评方法和系统
JP6904215B2 (ja) * 2017-10-30 2021-07-14 富士通株式会社 操作支援方法、操作支援プログラム及び頭部装着型表示装置
CN109044380A (zh) * 2018-09-19 2018-12-21 西藏帝亚维新能源汽车有限公司 一种驾驶员状态检测装置和状态检测方法
US20220095972A1 (en) * 2019-01-21 2022-03-31 Mitsubishi Electric Corporation Attentiveness determination device, attentiveness determination system, attentiveness determination method, and computer-readable storage medium
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep
JP2021079041A (ja) * 2019-11-22 2021-05-27 パナソニックＩｐマネジメント株式会社 共感度評価システム、共感度評価方法及びプログラム
CN112860054A (zh) * 2019-11-28 2021-05-28 北京宝沃汽车股份有限公司 控制无人机的方法和车辆
CN111476122A (zh) * 2020-03-26 2020-07-31 杭州鸿泉物联网技术股份有限公司 一种驾驶状态监测方法、设备及存储介质
CN111387976B (zh) * 2020-03-30 2022-11-29 西北工业大学 一种基于眼动和脑电数据的认知负荷评估方法
CN112086196B (zh) * 2020-09-16 2023-11-28 中国科学院自动化研究所 多选择性注意力评估与训练的方法及系统
CN112603336B (zh) * 2020-12-30 2023-05-16 国科易讯(北京)科技有限公司 基于脑电波的注意力分析方法、系统
CN113133583B (zh) * 2021-04-28 2022-06-28 重庆电子工程职业学院 计算机软件开发人员用多功能工作台
CN113679386A (zh) * 2021-08-13 2021-11-23 北京脑陆科技有限公司 对注意力进行识别的方法、装置、终端及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101049236A (zh) * 2007-05-09 2007-10-10 西安电子科技大学 基于脑机交互的注意力状态即时检测系统及检测方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07108848A (ja) 1993-10-12 1995-04-25 Matsushita Electric Ind Co Ltd 居眠り運転防止装置
US5649061A (en) * 1995-05-11 1997-07-15 The United States Of America As Represented By The Secretary Of The Army Device and method for estimating a mental decision
US6092058A (en) * 1998-01-08 2000-07-18 The United States Of America As Represented By The Secretary Of The Army Automatic aiding of human cognitive functions with computerized displays
JP3228228B2 (ja) 1998-06-11 2001-11-12 日本電気株式会社 誘発電位測定装置及び誘発電位測定プログラムを記憶した記憶媒体
US6496724B1 (en) * 1998-12-31 2002-12-17 Advanced Brain Monitoring, Inc. Method for the quantification of human alertness
JP4822235B2 (ja) * 2001-03-21 2011-11-24 公益財団法人新産業創造研究機構 眼球停留関連電位解析装置
JP4369290B2 (ja) 2003-07-02 2009-11-18 尚之 加納 事象関連電位を利用したヒトの心理状態等の判定装置
DE102004006910A1 (de) 2004-02-12 2005-08-25 Bayerische Motoren Werke Ag Betriebsverfahren für Fahrzeuge
JP2007038772A (ja) * 2005-08-02 2007-02-15 Matsushita Electric Ind Co Ltd 速度制御装置
JP4929681B2 (ja) * 2005-11-02 2012-05-09 トヨタ自動車株式会社 眼球停留関連電位解析装置及び解析方法
FR2893173B1 (fr) * 2005-11-10 2008-01-18 Valeo Vision Sa Procede d'evaluation, par un vehicule automobile, des caracteristiques d'un element frontal.
CN101589358B (zh) 2006-11-15 2012-05-16 松下电器产业株式会社 脑波识别方法的调整装置、方法
JP4727688B2 (ja) * 2008-04-23 2011-07-20 トヨタ自動車株式会社 覚醒度推定装置
JP5127576B2 (ja) * 2008-06-11 2013-01-23 ヤマハ発動機株式会社 精神作業負荷検出装置及びそれを備えた自動二輪車
JP2010057710A (ja) * 2008-09-04 2010-03-18 Toyota Central R&D Labs Inc 集中度算出装置及びプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101049236A (zh) * 2007-05-09 2007-10-10 西安电子科技大学 基于脑机交互的注意力状态即时检测系统及检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
JP特开2002-272693A 2002.09.24
JP特开2005-34620A 2005.02.10
JP特开2007-125184A 2007.05.24
JP特开2007-38772A 2007.02.15

Also Published As

Publication number Publication date
EP2500889A4 (en) 2014-09-03
US20110295086A1 (en) 2011-12-01
EP2500889B1 (en) 2021-07-28
EP2500889A1 (en) 2012-09-19
JP4772935B2 (ja) 2011-09-14
WO2011055505A1 (ja) 2011-05-12
JPWO2011055505A1 (ja) 2013-03-21
CN102396009A (zh) 2012-03-28
US9480429B2 (en) 2016-11-01

Similar Documents

Publication Publication Date Title
CN102396009B (zh) 注意力状态判定装置、方法
Braunagel et al. Ready for take-over? A new driver assistance system for an automated classification of driver take-over readiness
CN101980660B (zh) 注意力分散检测装置、及注意力分散检测方法
CN102361590B (zh) 驾驶注意量判别装置和方法
Di Stasi et al. Towards a driver fatigue test based on the saccadic main sequence: A partial validation by subjective report data
Sodhi et al. On-road driver eye movement tracking using head-mounted devices
JP5570386B2 (ja) 注意状態判別システム、方法、コンピュータプログラムおよび注意状態判別装置
BRPI0712837B1 (pt) método para determinação e análise de uma localização de interesse visual
JPWO2007066451A1 (ja) 情報処理システム、情報処理装置および方法
CN106913333B (zh) 一种持续性注意水平的敏感性特征指标的选取方法
CN110495895B (zh) 一种基于眼动跟踪的疲劳检测方法与系统
CN107428245B (zh) 用于预测机动车辆驾驶员的警觉水平的设备和方法
JP2012085746A (ja) 注意状態判別システム、方法、コンピュータプログラムおよび注意状態判別装置
Alam et al. Active vision-based attention monitoring system for non-distracted driving
Reimer et al. Detecting eye movements in dynamic environments
CN111743553B (zh) 一种基于眼动数据的情感特征提取方法及系统
JP2013244116A (ja) 注意状態推定装置及び注意状態推定方法
Huang et al. The impact of mind wandering on signal detection, semi-autonomous driving performance, and physiological responses
CN114399752A (zh) 一种基于微眼跳特性的眼动多特征融合疲劳检测系统及检测方法
Biondi et al. Heart rate detection for driver monitoring systems
Ek et al. Eye Blinks as an Indicator of Car Drivers’ Visual Attention: A statistical analysis of differences in eye blinks between roads of high and low complexity
Bernadin et al. Assessing Driver Performance of Lane-Merge Tasks Using Video Capture Method
CN116923425B (zh) 具有智能感知系统的新能源汽车智能座舱及其控制方法
JP2023066242A (ja) 注意能力検査装置、注意能力検査方法、および、車両
US20240185636A1 (en) Impairment analysis systems and related methods

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