CN104757981A

CN104757981A - 一种高灵敏收发一体红外检测驾驶员疲劳度的方法及装置

Info

Publication number: CN104757981A
Application number: CN201510112910.3A
Authority: CN
Inventors: 于莹光
Original assignee: Individual
Current assignee: Individual
Priority date: 2015-03-16
Filing date: 2015-03-16
Publication date: 2015-07-08

Abstract

本发明涉及一种高灵敏收发一体红外检测驾驶员疲劳度的方法及装置，包括：利用红外传感器发射红外光，通过接收照射在人眼部反射后的红外光线值的变化来检测驾驶员的眼动特征，根据眼动于疲劳的关系分析并计算出行驶过程中驾驶员疲劳的方法，智能检测数据处理单元接收疲劳参数检测识别单元采集的驾驶员眼部变化特征数据、环境光感数据及头部行为数据信息，智能检测数据处理单元将处理的结果，与该驾驶员的自学习的常规特征模型进行对比，分析并计算出该驾驶员的P80状态值，当P80的状态值超出了安全阀值时，智能检测数据处理分析单元会通过蓝牙通讯模块将信息，反馈给后端数据中心，并启动预警/干预手段如：震动，刺激性的音频等。

Description

一种高灵敏收发一体红外检测驾驶员疲劳度的方法及装置

技术领域

本发明涉及一种高灵敏收发一体红外检测驾驶员疲劳度的方法及装置，具体的说就是利用高灵敏收发一体红外传感器发射红外光，通过接收照射在人眼部反射后的红外光线值的变化来检测驾驶员的眼动特征，根据眼动于疲劳的关系分析并计算出行驶过程中驾驶员疲劳的方法，及基于此方法实现的可穿戴设备。

背景技术

随着社会经济的发展，机动车辆与日俱增，随之而来的人身安全越来越受到人们的关注。最近的研究表明：造成汽车碰撞事故的原因25～30％产生于驾驶疲劳。驾驶疲劳可能影响驾驶员的警觉和安全驾驶能力。因此，许多国家都积极开展有关驾驶疲劳的研究工作，也取得了一定的进展。但目前仍然缺乏一款可以评估并量化精神状态的穿戴式设备。因此，我们认为：开发一款可以记录用户的精神状态，并在必要时刻提醒用户打起精神的主动安全预警系统，能够大大减少交通事故的发生，这也是智能交通领域的一个重要发展方向。

针对目前国内交通行业缺少对驾驶员行驶过程中疲劳检测的有效手段和方法，行驶在路上的驾驶员多数以听音乐、开窗通风等方式来减轻疲劳，而通过设备或仪器来检测和干预的方式价格又相对很贵，同时佩戴不方便、车内需要加装车载不便利等不足。因此，需要一款价格低、佩戴方便、功能多、检测预警效率高的穿戴设备作为驾驶员安全行驶的一部分。

国内外对驾驶员疲劳检测预警的众多技术中，基于眼动分析判断疲劳的技术最受欢迎并且效果最好，而国内外对此技术的研究和开发都是基于摄像头实时采集人面部图像，然后由DSP进行图像分析判断眼部特征即眨眼频率和眼皮覆盖眼球的面积，并根据p80和阈值分析人的疲劳状态，虽然此技术已经得到验证和应用，但由于对图像处理和分析的数据量大并且受外界光线的影响处理结果也各异，同时高速分析需要的硬件配置较高自然价格相对昂贵，因此很难投向大众市场。

许多超时工作的人都认为自己不累，但是身体信息是不会骗人的。本发明提供一种会收集用户眨眼、身体动作的数据，并评价用户的精神状态的装置。

发明内容

本发明要解决的问题是提供一种基于高灵敏收发一体红外采集单元对眨眼变化特征进行实时采集，并将采集的数据传给智能检测数据处理单元分析处理，计算出眼皮覆盖眼球的面积，根据p80和阈值分析人的疲劳状态。

为解决现有技术中的问题，本发明一个目的是提供一种采用高灵敏度收发一体红外技术通过接收照射在人眼部反射后的红外光线值的变化来检测驾驶员的眼动特征，本发明的反应速度快、处理数据简单、效率高、稳定性好、高精度等特点适合做成穿戴产品来满足大众的使用。

本发明的另一个目的是一种基于高灵敏收发一体红外检测驾驶疲劳度的方法及实现装置对驾驶员疲劳状态进行实时检测监控并作出有效的预警和干预，有效的降低因疲劳驾驶造成的交通事故和人员伤亡，对社会、对企业、家庭来说都有重要意义。

为解决上述技术问题，本发明采用的技术方案是：

本发明一种高灵敏收发一体红外检测驾驶员疲劳度的方法：包括以下步骤：

系统启动进行初始化后，由疲劳参数检测识别单元检测眼部变化信息，并将数据传送给智能检测数据处理单元进行处理，通过对实时数据的计算分析得到驾驶员当前的眼部特征信息。

因为眼睛变化特征与事故发生的是时间关系，眼睛闭合时间的长短与疲劳程度有密切的关系，驾驶员眼睛闭合的时间越长，疲劳程度越严重。因此，通过测量眼睛闭合的时间能够确定疲劳驾驶的程度。

疲劳参数检测识别单元实时发射和接收经人眼反射回来的红外信息，经由智能检测数据处理单元对信息进行分析并计算在一定的时间内眼睛闭合时间所占的比例；根据眼睛闭合时间的长短与疲劳程度之间的密切关系，进而得出驾驶员是否进入疲劳或疲劳程度。

眼皮覆盖眼球面积的比例指标如下：

P70:指眼睑遮住瞳孔的面积超过70％就计为眼睛闭合，统计在一定时间内眼睛闭合时所占的时间比例；

P80:指眼睑遮住瞳孔的面积超过80％就计为眼睛闭合，统计在一定时间内眼睛闭合时所占的时间比例；

EM:指眼睑遮住瞳孔的面积超过一半就计为眼睛闭合，统计在一定时间内眼睛闭合时所占的时间比例；

美国国家公路交通安全局对该方法作了实验，实验结果表明该方法中的P80与疲劳发展程度的相关性较好，其他研究人员也得出了类似的结论。

定义眼睑遮住瞳孔的面积超过80％就计为眼睛闭合，但是在实际中瞳孔的闭合程度不容易测量，可行的简化方法是计算眼睛的闭合百分比。

计算公式如下：

C＝1-m1/m2

式中m1——当前的人眼睁开高度：

m2——人眼睁开最大高度；

对于人眼睁开时的大小的定义是存在难度的，因为这个数据是因人而异的，所以需要对每个使用的驾驶员进行自学习并建立属于该驾驶员的眼部变化特征常模数据库，因此需要对驾驶员进行周期性的数据采集并建模。

然后对一个测量周期进行分析，选择5s为一个测量周期，每秒的检测频率为12帧，也就是一个测量周期会选取60帧。

统计在一定时间内眼睛闭合时所占的时间比例；P80大于0.4，也就是一个测量周期中有超过20帧被判定为闭合状态时，则认为驾驶员处于疲劳状态；当P80处在0.1和0.4之间时，判定为精神不饱满状态；当P80处在0.1以下时，判定其为精神饱满状态。

本发明一种基于高灵敏收发一体红外检测驾驶疲劳的方法及实现装置包括以下步骤：

系统启动进行初始化后，首先进入该驾驶员的自学习模式，由疲劳参数检测识别单元对眼部变化信息进行周期性采集，其采集频率满足f_采样频率>2f_{发射频率，}并通过信号放大器将采集信号放大。

疲劳参数检测识别单元将放大了的眼部特征变化电信号转换为数字信号，并向智能检测数据处理单元传输数据。

智能检测数据处理单元对该驾驶员的眼部变化特征数据进行建模和分析，若经过周期性分析后得到该驾驶员的眼部特征变化模型，表示自学习成功即；

通过学习得到了该驾驶员的m1：当前的人眼睁开高度，m2：人眼睁开最大高度，mf：眨眼频率范围等信息。

智能检测数据处理单元对自学习成功的驾驶员眼部特征信息进行本地化数据保存，作为疲劳实时检测的数据模型判断的依据。

如果自学习过程不成功需要重置疲劳参数检测识别单元的位置重新自学习，对于人眼睁开时的大小的定义这个数据是因人而异因，为此必须成功自学习后才可以在行驶中使用。

智能检测数据处理单元通过疲劳参数检测识别单元采集的驾驶员眼部特征变化信息，通过光感检测单元采集环境光照度数据做线性插补，通过插补公式Y＝-0.094X+269.810；R²＝0.977计算后得出检测数据，与自学习后的眼部变化特征数据做比较，并通过P80计算该驾驶员的当前疲劳状态。

智能检测数据处理单元对疲劳参数检测识别单元传送的用于记录该驾驶员的眼睛正常睁开高度、眼睛正常闭合、眨眼频率信息的数组，并将正常状态下自学习检测的数据作为常规特征模型建立数据库。

通过数组对比的方式计算出该驾驶员的P80状态值，当P80在安全阀值范围内时驾驶员状态良好，若P80的状态值超出了安全阀值则驾驶员出现疲劳状态，疲劳的等级由P80于阀值之间的偏差得到。

疲劳参数检测识别单元采集用于记录该驾驶员驾驶员的红外和光感的检测信息建立的数组为：

以该驾驶员眼动采集帧信息为名称建立五个数组，该五个数组均有24个元素，对应每秒钟高灵敏收发一体红外单元采集的帧数和光感检测单元采集的帧数。

智能检测数据处理单元对疲劳参数检测识别单元传送的用于记录该驾驶员的眼部特征变化信息的数组为：

以该驾驶员眨眼持续时间、闭眼持续时间、睁眼持续时间、眨眼间隔、眨眼频率、眼睑闭合程度、眼睑睁开程度、眼睑再睁开延迟等指标为名称建立8个数组，该数组均有2个元素，对应智能检测数据处理单元通过疲劳参数检测识别单元采集并发送的数据处理后的检测眨眼数据，及智能检测数据处理单元对疲劳参数检测识别单元采集并发送的数据处理后的该驾驶员自学习后的眼部特征数据。

由智能检测数据处理单元对疲劳参数检测识别单元传送的该驾驶员的采集数据对以眼动采集帧信息为名称建立的五个数组赋值，即第一个数组赋予第1秒钟的12帧经眼睛反射的红外数据信息和第一秒钟的12帧环境光照度数据信息，第二个数组赋予第2秒钟的12帧经眼睛反射的红外数据信息和第2秒钟的12帧环境光照度数据信息，第三个数组赋予第3秒钟的12帧经眼睛反射的红外数据信息和第3秒钟的12帧环境光照度数据信息，第四个数组赋予第4秒钟的12帧经眼睛反射的红外数据信息和第4秒钟的12帧环境光照度数据信息，第五个数组赋予第5秒钟的12帧经眼睛反射的红外数据信息和第5秒钟的12帧环境光照度数据信息。

智能检测数据处理单元对疲劳参数检测识别单元传送的用于记录该驾驶员的眼部变化特征信息的数组通过与自学习的特征数据对比后，计算出该驾驶员的P80状态值，当P80的状态值超出了安全阀值时，智能检测数据处理单元会通过蓝牙通讯方式将信息，反馈给后端数据中心，启动预警/干预手段如：震动，刺激性的音频等。

本发明实现装置是具有一个疲劳参数检测识别单元和智能检测数据处理单元，其中疲劳参数检测识别单元和智能检测数据处理单元通过总线通信进行连接，这2个单元均均集成在实现此系统的实现装置中即一个可穿戴设备中，疲劳参数检测识别单元将驾驶员的眼部特征变化采集信息传送给智能检测数据处理单元进行处理和分析，智能检测数据处理单元将处理的结果，与该驾驶员的自学习的眼部特征模型进行对比，分析并计算出该驾驶员的P80状态值，当P80的状态值超出了安全阀值时，智能检测数据处理单元会通过蓝牙通讯方式将信息，反馈给后端数据中心，启动预警/干预手段如：震动，刺激性的音频等。

所述疲劳参数检测识别单元具有超微高灵敏收发一体红外单元和微型低功耗光感单元和重力加速度感应器单元组成。其中，超微高灵敏收发一体红外单元、微型低功耗光感单元、重力加速度感应器单元及网络通讯单元以智能检测数据处理单元为核心连接在一起，其中智能检测数据处理单元中运行驾驶员疲劳状态信息自动处理分析单元。

本发明具有以下有益效果及优点：

1、本系统是集成蓝牙耳机技术和疲劳检测技术于一体发明的可穿戴设备，具备蓝牙耳机的所有通讯功能。使用此设备，你不用再担心错过亲戚朋友的电话和短信。在需要时佩戴上此设备同时通过蓝牙连接到手机，可设置多种提醒方式和干预手段。

2、我们采用驶员疲劳参数检测识别单元通过接收人眼球折射的红外线强度判断人眼部特征，它的反应速度快、处理数据简单、效率高、稳定性好、高精度等特点适合做成穿戴产品来满足大众的使用。

3、本发明可最大程度、最快速度地发现处在疲劳状态的驾驶员，有效防止因驾驶疲劳而引起交通事故的风险，保障社会安全、降低运输企业的维护成本、保障社会和谐发展。

附图说明

图1为本发明疲劳参数检测识别单元示意图；

图2为本发明智能检测数据处理分析单元示意图；

图3为本发明光感检测单元数据补偿示意图；

图4为本发明疲劳参数检测识别单元检测流程图；

图5为本发明智能检测数据处理单元处理流程图。

具体实施方式

下面结合说明书附图图1-5对本发明作进一步阐述。

本发明一种高灵敏收发一体红外检测驾驶员疲劳度的方法及装置，具有一个疲劳参数检测识别单元和智能检测数据处理分析单元，其中疲劳参数检测识别单元包括超微高灵敏收发一体红外单元、微型低功耗光感单元、重力加速度感应器单元组成，疲劳参数检测识别单元和智能检测数据处理单元通过通信进行连接，这2个单元均均集成在实现此系统的实现装置即一个可穿戴设备中，疲劳参数检测识别单元采集驾驶员的眼部变化特征并将信息传送给智能检测数据处理单元进行处理和分析，智能检测数据处理单元将处理的结果，与该驾驶员的自学习的常规特征模型进行对比，计算出该驾驶员的P80状态值，当P80的状态值超出了安全阀值时，智能检测数据处理单元会通过蓝牙通讯方式将信息，反馈给后端数据中心，启动预警/干预手段如：震动，刺激性的音频等。

如图1所示，所述疲劳参数检测识别单元具有超微高灵敏收发一体红外单元和微型低功耗光感单元和重力加速度感应器单元组成。其中，超微高灵敏收发一体红外单元、微型低功耗光感单元、重力加速度感应器单元及网络通讯单元以智能检测数据处理单元为核心连接在一起，其中智能检测数据处理单元中运行驾驶员疲劳状态信息自动处理分析单元。

各部件的主要作用为：

(1)疲劳参数检测识别单元以发送周期2倍的频率进行接收眼球反射回来的红外光线，由于，眼皮覆盖眼球晶体面积越大经眼球反射的红外光线越少即疲劳参数检测识别单元获取到的数据值越小，反之越大，这样通过智能检测数据处理单元根据对种数值的变化进行分析和处理来计算出驾驶员眼部变化的特征信息。

(2)微型低功耗光感装置采集的环境光照度数据传送给智能检测数据处理单元作为红外检测数据的线性插补，有效的降低了环境光对红外光的造成的影响。

(3)重力加速度感应器装置对驾驶员的头部行为如，摆头、点头、摇头及加速度信息的采集，将驾驶员的更多行为信息传送给智能检测数据处理单元增加疲劳检测数据的可靠性。

(4)网络通信单元负责通过蓝牙于手机通讯，将智能检测数据处理单元的数据传输给手机，接收手机的语音和数据信息并将信息传送给智能检测数据处理单元处理。

如图2所示，所述智能检测数据处理单元安装在可穿戴设备中，包括蓝牙通讯模块、疲劳数据分析模块、自学习数据存储模块等，各部分均以总线通信方式连接。

各部件的主要作用为:

(1)蓝牙通讯模块负责手机数据语音的传输，智能检测数据处理单元负责接收疲劳参数检测识别单元采集的驾驶员眼部变化特征数据、环境光感数据及头部行为数据信息，智能检测数据处理单元将处理的结果，与该驾驶员的自学习的常规特征模型进行对比，分析并计算出该驾驶员的P80状态值，当P80的状态值超出了安全阀值时，智能检测数据处理分析单元会通过蓝牙通讯模块将信息，反馈给后端数据中心，并启动预警/干预手段如：震动，刺激性的音频等。

(2)疲劳数据分析模块将通过疲劳参数检测识别单元采集的驾驶员眼部特征变化数据、环境光照度数据及头部行为数据信息,进行线性插补后，与自学习的特征数据库做比较，并通过P80判断出该驾驶员的当前疲劳状态。

(3)自学习数据存储模块由疲劳参数检测识别单元对眼部变化信息进行周期性采集得到，并通过信号放大器将采集信号放大。驶员疲劳参数检测识别单元将放大了的眼部特征变化信号转换为数字信号，并向智能检测数据处理单元传输数据。

智能检测数据处理单元对该驾驶员的眼部变化特征数据通过数据建模分析，若经过周期性分析后得到该驾驶员的眼部特征变化模型，表示自学习成功即：

智能检测数据处理单元对自学习成功的驾驶员眼部特征信息进行本地化数据保存。作为疲劳实时检测的数据判断的依据。

如果自学习过程不成功需要重置疲劳参数检测识别单元的位置重新进行自学习，对于人眼睁开时的大小的定义这个数据是因人而异因，为此必须成功自学习后才可以在行驶中使用。

本发明系统的装置实现如下：

本发明系统集成蓝牙耳机技术于疲劳检测技术及基于此技术的实现装置即可穿戴设备，本装置主要由疲劳参数检测识别单元和智能检测数据处理单元组成，其中，疲劳参数检测识别单元包括超微高灵敏收发一体红外单元、微型低功耗光感单元和重力加速度感应器单元。智能检测数据处理单元包括蓝牙通讯模块、疲劳数据分析模块、自学习数据存储模块。智能检测数据处理分析单元接收疲劳参数检测识别单元采集的驾驶员眼部变化特征数据、环境光感数据及头部行为数据，并将数据传给智能检测数据处理单元处理，通过与该驾驶员的自学习的特征模型进行对比，计算出该驾驶员的P80状态值，当P80的状态值超出了安全阀值时，智能检测数据处理分析单元会通过蓝牙通讯模块将信息，反馈给后端数据中心，并启动预警/干预手段如：震动，刺激性的音频等。

如图3所示，所述环境光照度数据插补公式，是环境光线对红外光线产生影响而做出一种降噪补偿措施，此公式通过对环境光照度数据的实时采集来补偿环境光对红外光线的影响，有效的降低外界噪音对检测结果的干扰。

如图4所示，疲劳参数检测识别单元检测过程如下：

系统启动进行初始化后，组成疲劳参数检测识别单元的超微高灵敏度收发一体红外传感器发射红外光线到驾驶员眼部，同时接收经过眼球表面晶状体反射的红外光线，疲劳参数检测识别单元将眼球表面反射的红外光线信息转换成数字信息传送给智能检测数据处理分析单元。

因为眼睛闭合与事故发生的是时间关系，眼睛闭合时间的长短与疲劳程度有密切的关系，驾驶员眼睛闭合的时间越长，疲劳程度越严重。

然后对一个测量周期进行分析，选择5s为一个测量周期，每秒的检测频率为12帧，也就是一个测量周期会选取60帧。以下为对驾驶员眼部特征的检测示例：

疲劳参数检测识别单元采用5s为一个测量周期，每秒采集12帧数据，此数据由组成疲劳参数检测识别单元的超微高灵敏收发一体红外单元发射红外光线到驾驶员眼部，同时接收经过眼球表面晶状体反射的红外光线，疲劳参数检测识别单元将眼球表面反射的红外光线信息转换成的数字信息，将此数据分别赋值给以驾驶员眼动采集帧信息为名称建立的五个数组的1到12个元素中，同时由组成疲劳参数检测识别单元的光感检测单元采集环境光照度数据信息，将此数据分别赋值给以驾驶员眼动采集帧信息为名称建立的五个数组的13到24个元素中，如：

//第一秒疲劳参数检测识别单元采集的经眼球反射后的红外数据

EYEFRAM-INFOR01[1]......[12]＝{205,205,204,203,200,200,199,199,198,198,196,196}；

//第一秒疲劳参数检测识别单元采集的环境光照度数据

EYEFRAM-INFOR01[13]....[24]＝{680,680,690,710,710,680,680,650,650,680,660,670}；

//第二秒疲劳参数检测识别单元采集的经眼球反射后的红外数据

EYEFRAM-INFOR02[1]......[12]＝{180,180,176,175,160,160,155,153,143,140,140,139}；

//第二秒疲劳参数检测识别单元采集的环境光照度数据

EYEFRAM-INFOR02[13]....[24]＝{681,679,680,710,100,680,680,650,650,680,660,669}；

//第三秒疲劳参数检测识别单元采集的经眼球反射后的红外数据

EYEFRAM-INFOR03[1]......[12]＝{100,100,94,93,70,68,68,66,45,40,40,39}

//第三秒疲劳参数检测识别单元采集的环境光照度数据

EYEFRAM-INFOR03[13]....[24]＝{693,678,690,711,715,680,682,651,650,680,660,670}；

//第四秒疲劳参数检测识别单元采集的经眼球反射后的红外数据

EYEFRAM-INFOR04[1]......[12]＝{28,26,26,23,23,39,40,60,68,80,88,100}；

//第四秒疲劳参数检测识别单元采集的环境光照度数据

EYEFRAM-INFOR04[13]....[24]＝{680,680,692,710,712,680,683,653,650,680,660,670}；

//第五秒疲劳参数检测识别单元采集的经眼球反射后的红外数据

EYEFRAM-INFOR05[1]......[12]＝{140,149,160,168,168,180,185,198,198,203,200,210}；

//第五秒疲劳参数检测识别单元采集的环境光照度数据

EYEFRAM-INFOR05[13]....[24]＝{681,681,691,710,710,680,680,650,650,680,665,670}；

疲劳参数检测识别单元将数据传输给智能检测数据处理单元进行计算和处理，下一个5s检测周期时会更新这个数组的数据并传输给智能检测数据处理单元进行计算和处理。

如图5所示，智能检测数据处理单元对疲劳状态数据的处理过程如下：

系统启动进行初始化后，首先进入该驾驶员的自学习模式，由组成疲劳参数检测识别单元的超微高灵敏收发一体红外单元对眼部变化信息进行周期性采集其采样频率为f_采样频率>2f_{发射频率，}并通过信号放大器将采集信号放大。

智能检测数据处理单元对该驾驶员的眼部变化特征数据进行建模和分析，通过对帧数值的周期性对比结果的和取平均后计算出该驾驶员正常状态下眼睑睁开程度mo和眼睑闭合程度mc指标，其他指标由mo和mc的数值比对计算得出，如：眨眼持续时间：计算得出从眼睑开始闭合到完全睁开的时间，闭眼持续时间：计算得出从眼睑开始闭合到开始睁开的时间，睁眼持续时间：计算得出从眼睑开始睁开到完全睁开的时间，眨眼间隔：计算得出两次眨眼之间的间隔，眨眼频率：计算单位时间1分钟眨眼次数，眼睑再睁开延迟：计算眼睑全闭合之后到再开始睁开上眼睑的时间。

若经过周期性分析后得到该驾驶员的眼部特征变化模型，表示自学习成功，智能检测数据处理单元将该驾驶员自学习成功的数据进行本地化存储。

智能检测数据处理单元将接收到的由疲劳参数检测识别单元发送的检测数据，分析处理后对以用于记录该驾驶员的眼部特征变化信息的数组赋值，如下：

EYELIDS-OPEN-DEGREE[2]＝{1：200，该驾驶员当前检测的眼睑睁开程度；2：205，该驾驶员自学习成功后的眼睛睁开程度}；

EYELIDS-CLOSE-DEGREE[2]＝{1：18，该驾驶员当前检测的眼睑闭合程度；2：20，该驾驶员自学习成功后的眼睛闭合程度}；

BLINK-DURATION[2]＝{1：0.5s，该驾驶员当前检测的眨眼持续时间；

2：0.5s，该驾驶员自学习成功后的眨眼持续时间}；

OPEN-DURATION[2]＝{1：0.25s，该驾驶员当前检测的睁眼持续时间；

2：0.25s，该驾驶员自学习成功后的睁眼持续时间}；

CLOSE-DURATION[2]＝{1：0.25s，该驾驶员当前检测的闭眼持续时间；

2：0.25s，该驾驶员自学习成功后的闭眼持续时间}；

BLINK-INTERVAL[2]＝{1：4s，该驾驶员当前检测的眨眼间隔时间；

2：4s，该驾驶员自学习成功后的眨眼间隔时间}；

BLINK-FREQUENCY[2]＝{1：15次/分，该驾驶员当前检测的眨眼频率；

2：15次/分，该驾驶员自学习成功后的眨眼频率}；

EYELID-AGAIN-OPEN-DELAY[2]＝{1：1.5s，该驾驶员当前检测的眼睑再睁开延迟；2：1.5s，该驾驶员自学习成功后的眼睑再睁开延迟}；

智能检测数据处理单元将接收到的由疲劳参数检测识别单元发送的检测数据后处理并计算该驾驶员的P80持续时间，通过计算公式：

C＝1-m1/m2

式中m1——当前的人眼睁开高度：

m2——人眼睁开最大高度；

即：

C＝1-EYEFRAM-INFOR01[1～12]/mo

可以得到该驾驶员的P80持续时间，统计在一定时间内眼睛闭合时所占的时间比例。P80大于0.4，也就是一个测量周期中有超过20帧被判定为闭合状态时，则认为驾驶员处于疲劳状态；当P80处在0.1和0.4之间时，判定为精神不饱满状态；当P80处在0.1以下时，判定其为精神饱满状态。

本发明可以在驾驶员行驶过程中捕捉10余种眼动变量，并分析这些变量的规律。本发明一种基于高灵敏收发一体红外检测驾驶疲劳的方法及实现装置会实时记录这些数据，并全部储存在移动设备里。

本发明利用红外传感器探测用户眨眼情况，结合加速度传感器为辅助手段捕捉驾驶员上半身运动幅度。当数据显示驾驶员精神状态不佳时，装置会通过振动、闪光或者音乐提醒该驾驶员“该醒醒了”。另外，这种机制可以帮助驾驶员在觉得累之前就获得足够休息，使驾驶员能够在必要时刻保持高注意力。

该产品的使用很简单。当驾驶员需要保持注意力时戴上本发明的实现装置，通过蓝牙将产品和移动设备连接：你可以设定提醒的时间和方式。此时配套的手机App会显示相关数据提供用户参考。

Claims

1.一种高灵敏收发一体红外检测驾驶员疲劳度的方法，其特征在于，包括以下步骤：

系统启动进行初始化后，疲劳参数检测识别单元采集驾驶员眼部变化数据；

智能检测数据处理单元对该驾驶员的眼部变化特征数据进行建模和分析，经过周期性分析后得到该驾驶员的眼部特征变化模型，表示自学习成功即：通过学习得到驾驶员的当前的眼睁开高度m1，眼睁开最大高度m2，眨眼频率范围mf信息；智能检测数据处理单元对自学习成功的驾驶员眼部特征信息保存到数据存储处理单元；

疲劳参数检测识别单元的超微高灵敏度收发一体红外传感器发射红外光线到驾驶员眼部，同时接收经过眼球表面晶状体反射的红外光线，驾驶员疲劳度参数检测识别单元将眼球表面反射的红外光线信息转换成数字信息传送给智能检测数据处理单元，并由智能检测数据处理单元进行处理和分析；

智能检测数据处理单元将处理的结果，与该驾驶员的自学习的眼部特征变化模型进行对比，分析并计算出该驾驶员的P80状态值，当P80的状态值超出安全阀值时，智能检测数据处理单元会通过蓝牙通讯模块将信息，反馈给数据存储处理单元，并启动预警/干预手段如：震动，刺激性的音频。

2.按权利要求1所述的高灵敏收发一体红外检测驾驶员疲劳度的方法，其特征在于：智能检测数据处理单元通过疲劳参数检测识别单元采集的驾驶员眼部特征变化信息，通过光感检测单元采集环境光照度数据做线性插补，通过插补公式Y＝-0.094X+269.810；R²＝0.977计算后得出检测数据，与自学习后的眼部变化特征数据做比较，并通过P80计算该驾驶员的当前疲劳状态。

如果智能检测数据处理单元将处理的结果与自学习的特征数据信息进行比对，分析并计算出该驾驶员的P80状态值，P80大于0.4，则认为驾驶员处于疲劳状态；当P80处在0.1和0.4之间时，判定为精神不饱满状态；当P80处在0.1以下时，判定其为精神饱满状态。

3.按权利要求2所述的高灵敏收发一体红外检测驾驶员疲劳度的方法，其特征在于：智能检测数据处理单元对疲劳参数检测识别单元传送的用于记录该驾驶员的眼部特征变化信息的数组为：

以该驾驶员眨眼持续时间、闭眼持续时间、睁眼持续时间、眨眼间隔、眨眼频率、眼睑闭合程度、眼睑睁开程度、眼睑再睁开延迟指标为名称建立8个数组，该数组均有2个元素，对应智能检测数据处理单元对疲劳参数检测识别单元采集并发送的数据处理后的检测眨眼指标，及智能检测数据处理单元对疲劳参数检测识别单元采集并发送的数据处理后的该驾驶员自学习后的眼部特征指标；

4.一种高灵敏收发一体红外检测驾驶员疲劳度的装置，其特征在于：本穿戴装置是蓝牙耳机模块、疲劳参数检测识别单元和智能检测数据处理单元组成；其中，智能检测数据处理单元接收疲劳参数检测识别单元采集的驾驶员眼部变化特征数据、环境光感数据及头部行为数据，并将数据传给智能检测数据处理单元处理；智能检测数据处理单元处理通过与该驾驶员的自学习的特征模型进行对比，计算出该驾驶员的P80状态值，当P80的状态值超出安全阀值时，智能检测数据处理单元会通过蓝牙耳机通讯模块将信息反馈给数据存储处理单元，并启动预警/干预手段，产生震动，刺激性的音频；

所述智能检测数据处理单元包括疲劳数据分析模块、自学习数据存储模块，各模块以总线通信方式连接。

5.按权利要求4所述的一种基于高灵敏收发一体红外检测驾驶疲劳的实现装置，其特征在于：所述疲劳参数检测识别单元具有超微高灵敏收发一体红外单元和微型低功耗光感单元和重力加速度感应器单元组成；其中，超微高灵敏收发一体红外单元、微型低功耗光感单元、重力加速度感应器单元及网络通讯单元以智能检测数据处理单元为核心连接在一起，其中智能检测数据处理单元中存储有驾驶员疲劳状态信息自动处理分析模块。