CN103606245B

CN103606245B - 基于蓝牙脑电耳机和安卓手机的疲劳驾驶检测预警系统

Info

Publication number: CN103606245B
Application number: CN201310551887.9A
Authority: CN
Inventors: 何坚; 万志江; 刘东东; 纪应龙
Original assignee: 北京工业大学
Priority date: 2013-11-08
Filing date: 2013-11-08
Publication date: 2015-11-18
Also published as: CN103606245A

Abstract

基于蓝牙脑电耳机和安卓手机的疲劳驾驶检测预警系统属于电子信息领域，其特征在于，是由NeuroSky公司的MindWave？Mobile蓝牙耳机和安卓手机共同组成的便携式疲劳驾驶检测报警系统。蓝牙耳机实时采集和发送驾驶员专注度和冥想度数据，并通过蓝牙将活动数据发送给运行了疲劳驾驶检测软件的安卓手机；疲劳驾驶检测软件依据接收到的活动数据，自动计算专注度和冥想度的相关系数，采用基于KNN的疲劳驾驶检测算法实时判断驾驶员状态类型属于“清醒驾驶”类型或者“疲倦状态”类型；若属于“疲劳驾驶”类型，安卓手机则将根据所设置的方式将驾驶员当前的状态类型反馈给驾驶员，提醒驾驶员注意休息。本发明具有检测精度高，方便驾驶员使用等特点。

Description

基于蓝牙脑电耳机和安卓手机的疲劳驾驶检测预警系统

技术领域

[0001] 电子信息领域，用于疲劳驾驶检测及报警的方法和设备

背景技术

[0002] 近年来我国汽车拥有量急剧膨胀，汽车交通的安全问题日益引起人们的关注。如何避免和减少交通事故成为科学家积极研究的课题，主要研究目标为提前预防交通事故并减少伤害。疲劳驾驶一直都是交通事故的主要因素之一。驾驶员在疲劳状态下会出现注意力分散、思维活动降低，进而造成其反应迟钝、车辆控制力下降，增加发生交通事故的可能性。本发明利用NeuroSky公司的MindWaveMobile蓝牙耳机实时采集驾驶人员的脑电数据，并通过蓝牙将活动数据发送给运行了基于KNN的疲劳驾驶检测软件的Android手机；检测到驾驶人员疲劳状态后，手机将通过铃声向驾驶人员进行报警。系统具有检测精度高，方便驾驶人员携带和使用等特点。

发明内容

[0003] 本发明的目的在于提供一种驾驶员疲劳驾驶检测预警系统。

[0004] 本发明的特征在于，含有：蓝牙脑电耳机和Andriod手机，其中：

[0005] 蓝牙脑电耳机，是由NeuroSky公司生产的MindWaveMobile蓝牙耳机，一个输入端与放置在驾驶员前额的脑电传感器的输出端相连，另一个输入端与放置在驾驶员耳部的参考电极接触点相连，输入驾驶员的脑电波信号，由所述的蓝牙脑电耳机内集成的脑电感知芯片ThinkGear从脑电波信号中提取专注度Attention信号和冥想度Meditation信号，其中，Attention信号的大小反映了使用者注意力的集中程度，Attention的取值范围是0 到100,取值越高表明使用者的注意力越集中，Meditation信号的大小反映了使用者的冥想状态，取值范围是〇到100,当Meditation取值较高时大脑活动会有明显减少，再通过所述的蓝牙脑电耳机内集成的蓝牙模块以每秒钟一次的速率发送给集成蓝牙模块的安卓手机内，

[0006] 安卓手机，是一种运行Android2. 3系统软件的手机，内置有基于KNN算法的疲劳驾驶检测软件，依次按以下步骤进行疲劳驾驶检测：

[0007] 步骤（1)，所述疲劳驾驶检测软件初始化：

[0008] 设立Attention数据滑动窗口，用Wa[60]表示，窗口长度60秒，

[0009] Meditation数据滑动窗口，用WM[60]表示，窗口长度60秒，

[0010] 相关系数C的滑动窗口，用We[60]表不，窗口长度60秒，

[0011] 步骤（2)，按每秒一次的采样速率读取所述的驾驶员的Attention脑电信号数据以及所述的Meditation脑电信号数据一直到所述两个滑动窗口WA[60]和WM[60]填满为止；

[0012] 步骤（3)，按下式计算每个采集时刻的Attention数据和Meditation数据的相关系数C，再按每秒一次的速率把所述的相关系数C放入所述相关系数C的滑动窗口We [60] 中，一直到填满为止；

[0014]i为采样时刻的序号，i= 1，2,......，n,n= 60;

[0015] X1为时刻i采样得到的Attention数据；

[0016] 歹为在采样周期60秒内的平均值，采用包括时刻i在内的时刻i之前的一个采样周期的数据来计算，;

[0017] Yi为时刻i采样得到的Meditation数据；

[0018]歹为在采样周期60秒内的平均值，采用包括时刻i在内的时刻i之前的一个采样周期的数据来计算Y，

[0019] 步骤（4)，在每个采样时刻i，对步骤（3)得到的当前的相关系数C，执行KNN算法，根据大量实验数据得到阈值-0.1，判断当前采样时刻得到的相关系数C，属于"清醒驾驶" 类型或"疲劳驾驶"类型，其判断准则如下：

[0020] 若相关系数大于-0. 1，为"清醒驾驶"类型，执行步骤（2)，

[0021] 若相关系数小于等于-0. 1，为"疲劳驾驶"类型，则按设定的报警模式向驾驶者发出相应的报警信号。

[0022] 本发明的效果是提前预防交通事故并减少伤害。

附图说明

[0023] 图1本发明的整体框架图。

[0024] 图2本发明的系统结构图。

[0025] 图3本发明的基于KNN的疲劳驾驶检测算法流程图。

[0026] 图4本发明的流程图。

具体实施方式

[0027] 本发明采用MindWaveMobile和Android手机开发疲劳驾驶检测报警系统。其中MindWaveMobiIe米用NeuroSky公司的MindWaveMobiIe蓝牙耳机，通过干态电极传感器采集大脑产生的生物电信号，并将这些采集的信号送入ThinkGear芯片，ThinkGear 将混杂在信号中的噪音以及运动产生的扰动进行滤除，并将有用信号进行放大，然后通过 NeuroSkyeSense算法解读出描述使用者当前精神状态的eSense参数（专注度、放松度），耳机上集成的蓝牙模块支持蓝牙A2DP协议（AdvancedAudioDistributionProfile蓝牙音频传输模型），有效通讯距离10米，波特率为115200bps;

[0028] 智能手机运行Android2. 3系统，并运行基于KNN的疲劳驾驶检测算法。附图1 所示为整体架构图，驾驶员在驾驶过程中将Mindset耳机戴在脑部前额FPl位置，耳机采集驾驶员生物电后将其转化成数字信号，通过蓝牙发送到运行着疲劳驾驶检测算法的智能手机上，智能手机实时判断驾驶员状态类型，根据设定的报警模式通过语音提醒的方式向驾驶员提供反馈。

[0029] 如附图2所示，Mindset耳机采集到驾驶员脑部前额FPl位置生物电信号后， ThinkGear芯片将其转化成eSense指数，即专注度（Attention)和冥想度（Meditation)，然后通过蓝牙将信号以每秒钟一次的频率发送给运行着疲劳驾驶检测软件的智能手机。智能手机收集到足够的专注度（Attention)和冥想度（Meditation)数据后，采用下列公式计算专注度（Attention)和冥想度（Meditation)的关联系数。公式如下：

[0031] i为采样时刻的序号，i= 1，2,......，n,n= 60 ;

[0032] Xi为时刻i采样得到的Attention数据；

[0033] X为在采样周期60秒内的平均值，采用包括时刻i在内的时刻i之前的一个采样周期的数据来计算I;

[0034] Yi为时刻i采样得到的Meditation数据；

[0035] 歹为在采样周期60秒内的平均值，采用包括时刻i在内的时刻i之前的一个采样周期的数据来计算

[0036] 最后，采用如图3所示的基于KNN的疲劳驾驶检测算法，以每秒钟一次的频率判断驾驶员的状态类型，根据设定的报警模式通过语音提醒的方式向驾驶员提供反馈。

[0037] 请参阅图3,所示为本发明的基于KNN算法的疲劳驾驶检测算法，疲劳驾驶检测算法运行步骤如下：

[0038] (1)创建滑动窗口Wa[60]、滑动窗口Wm[60]以及滑动窗口Wc [60]。

[0039] (2)按照1次/每秒的速率读取驾驶员的Attention和Mediation脑电信号，并分别依次放入滑动窗口~和WM中。

[0040] (3)判断窗口~和Wm中是否填满，没有则执行第2步；否则执行第4步。

[0041 ] (4)按照1次/每秒的速率将当前Attention和Meditation的相关系数放入滑动窗口Wc [60]，

[0042] (5)判断窗口Wc[60]中是否填满，没有则执行第4步；否则执行第6步。

[0043] (6)执行KNN算法，每秒钟判断当前Attention和Meditation的关联系数属于"清醒驾驶"类型，还是"疲倦状态"类型；若属于"清醒驾驶"类型，则执行第2步；否则，智能手机根据设定的模式报警。

[0044] 请参阅图4,所示为本发明的疲劳驾驶判断的流程图。

[0045] 在步骤Sl中，手机端软件通过蓝牙接收到驾驶员的专注度和冥想度的数据。

[0046] 在步骤S2中，手机端软件计算出专注度和冥想度的关联系数数据。

[0047] 在步骤S3中，手机端运行基于KNN的疲劳驾驶检测算法，判断出驾驶员的状态类型。

[0048] 在步骤S4中，手机端软件每秒钟判断驾驶员当前的状态类型属于"清醒驾驶"类型或者"疲倦状态"类型；若属于"清醒驾驶"类型，则执行步骤Sl，否则执行步骤S5。

[0049] 在步骤S5中，手机端软件根据所设置的方式（语音提醒）将驾驶员当前的状态类型反馈给驾驶员，提醒驾驶员注意休息。

Claims

1.基于蓝牙脑电耳机和安卓手机的疲劳驾驶检测预警系统，其特征在于，含有：蓝牙脑电耳机和Andriod手机，其中：蓝牙脑电耳机，是由NeuroSky公司生产的MindWave Mobile蓝牙耳机，一个输入端与放置在驾驶员前额的脑电传感器的输出端相连，另一个输入端与放置在驾驶员耳部的参考电极接触点相连，输入驾驶员的脑电波信号，由所述的蓝牙脑电耳机内集成的脑电感知芯片ThinkGear从脑电波信号中提取专注度Attention信号和冥想度Meditation信号，其中，Attention信号的大小反映了使用者注意力的集中程度，Attention的取值范围是0到 100,取值越高表明使用者的注意力越集中，Meditation信号的大小反映了使用者的冥想状态，取值范围是〇到1〇〇,当Meditation取值较高时大脑活动会有明显减少，再通过所述的蓝牙脑电耳机内集成的蓝牙模块以每秒钟一次的速率发送给集成蓝牙模块的安卓手机内，安卓手机，是一种运行Android 2. 3系统软件的手机，内置有基于KNN算法的疲劳驾驶检测软件，依次按以下步骤进行疲劳驾驶检测：步骤（1)，所述疲劳驾驶检测软件初始化：设立Attention数据滑动窗口，用WA[60]表示，窗口长度60秒， Meditation数据滑动窗口，用Wm[60]表示，窗口长度60秒，相关系数C的滑动窗口，用We[60]表示，窗口长度60秒，步骤（2)，按每秒一次的采样速率读取所述的驾驶员的Attention脑电信号数据以及所述的Meditation脑电信号数据一直到所述两个滑动窗口 WA[60]和WM[60]填满为止；步骤（3)，按下式计算每个采集时刻的Attention数据和Meditation数据的相关系数 C，再按每秒一次的速率把所述的相关系数C放入所述相关系数C的滑动窗口 We [60]中，一直到填满为止；

i为采样时刻的序号，i = 1，2,......，η, η = 60 ; Xi为时刻i采样得到的Attention数据； X为在采样周期60秒内的平均值，采用包括时刻i在内的时刻i之前的一个采样周期的数据来计算无； Yi为时刻i采样得到的Meditation数据； F为在采样周期60秒内的平均值，采用包括时刻i在内的时刻i之前的一个采样周期的数据来计算7. 步骤（4)，在每个采样时刻i，对步骤（3)得到的当前的相关系数C，执行KNN算法，根据大量实验数据得到阈值-〇. 1，判断当前采样时刻得到的相关系数C，属于"清醒驾驶"类型或"疲劳驾驶"类型，其判断准则如下：若相关系数大于1，为"清醒驾驶"类型，执行步骤（2)，若相关系数小于等于-〇. 1，为"疲劳驾驶"类型，则按设定的报警模式向驾驶者发出相应的报警信号。