CN105243789A

CN105243789A - 一种融合心电信号和手握方向盘压力的疲劳驾驶检测方法

Info

Publication number: CN105243789A
Application number: CN201510549054.8A
Authority: CN
Inventors: 吴健康; 管仲达; 戴仲升; 韩禹; 顾冬冬
Original assignee: Jiangsu Zhi Hai Electron Technology Co Ltd
Current assignee: Jiangsu Zhi Hai Electron Technology Co Ltd
Priority date: 2015-08-31
Filing date: 2015-08-31
Publication date: 2016-01-13
Anticipated expiration: 2035-08-31
Also published as: CN105243789B

Abstract

本发明公开了一种融合心电信号和手握方向盘压力的疲劳驾驶检测方法，其特征在于包括a、心电信号采集、手握方向盘压力信号采集；b、根据手握方向盘压力变换以及心率变异性特征建立的疲劳评价融合算法；c、通过采集心电信号以及手握方向盘压力信号导入到步骤b中疲劳评价算法来判定驾驶员是否疲劳驾驶。该检测方法通过监测驾驶员自体生理信号和手握方向盘压力能够更直接准确的判断驾驶清醒和疲劳状态。本发明采集到驾驶员实时心电信号并实时获取手握力数据，两组数据导入疲劳驾驶指数融合方程并绘制方程曲线对照疲劳驾驶参考评价表对驾驶员疲劳状态作出实时评价。本发明方法对疲劳驾驶的检测更为合理和准确，从而避免了疲劳驾驶的误判。

Description

一种融合心电信号和手握方向盘压力的疲劳驾驶检测方法

技术领域

本发明涉及汽车行车安全领域，特别是涉及一种融合心电信号和手握方向盘压力的疲劳驾驶检测方法。

背景技术

近年来，随着汽车保有量和机动车驾驶人的数量迅速增加，道路交通安全问题已成为社会焦点。疲劳驾驶是造成特大交通事故的主要原因。因此，研究驾驶疲劳的检测，对于事故预防和改善交通安全状况具有重大意义。引起驾驶疲劳的原因很多，最常见的有单调的环境，驾驶时间过长，缺少睡眠等。一些研究采用主观测量和精神测试来评测疲劳，如反应时间、注意力集中度和睡眠尺度量表等。最近几年的研究中，驾驶疲劳检测倾向于选择较为客观的方法，如心电生理参数指标、呼吸频率检测、面部识别等。本文通过模拟驾驶实验，采集了19位被试者的心电以及对方向盘的握力数据并进行分析。实验结果表明，心率指数(Fβ/α)能较好地判断驾驶清醒和疲劳状态但是容易出现误判的情况如有些心率缓慢的驾驶员长时间安静单调驾驶也会误判成疲劳状态，故引入方向盘的握力检测提出一种融合算法。

发明内容

本发明针对目前单一疲劳检测指标的疲劳驾驶监测手段的局限性提出了一个针对心率参数和手握方向盘压力参数融合参数指标提出一种更科学准确低误报性监测手段。

本发明为实现上述目的，采用如下技术方案：

一种融合心电信号和手握方向盘压力的疲劳驾驶检测方法，其特征在于包括下述步骤：

(1)建立疲劳检测模型：

1.1采集驾驶员的心电信号以及手握方向盘压力信号，并对信号进行滤波处理；

1.2将心电信号和手握方向盘压力信号数据导入疲劳方程绘制疲劳曲线；

1.3根据驾驶员的实际疲劳状态和疲劳曲线建立疲劳检测模型；

(2)疲劳驾驶报警：

2.1采集驾驶员的心电信号以及手握方向盘压力信号，并对信号进行滤波处理；

2.2将心电信号和手握方向盘压力信号数据导入疲劳方程，并与已建立的疲劳检测模型相比较，如果符合疲劳驾驶预定模板，则发出报警信号。

其进一步特征在于：所述疲劳方程为，

\{\begin{matrix} F i (C r, W p) = (σ \cdot {(\frac{2 C r_- C r}{2 C r_})}^{α} + ρ \cdot {(\frac{2 W p_- W p}{2 W p_})}^{β}) \\ C r_= (Σ_{i = 1}^{n} {Cr}_{i}) / n, n = 100 \\ W p_= (Σ_{i = 1}^{n} {Wp}_{i}) / n, n = 100 \\ σ = 0.62, ρ = 0.55, α = 2.33, β = 1.95, C r_> C r, W p_> W p \end{matrix}

其中σ为心率系数，ρ为压力系数，α为心率指数，β为压力指数，Cr为驾驶时的心率，Cr_为驾驶准备时平均心率，Wp为驾驶时手握方向盘压力，Wp_为驾驶准备时手握方向盘平均压力，Fi为驾驶间疲劳指数。

所述疲劳检测模型为，

当Fi<0.80为警醒状态；

当Fi值为0.80～0.85时为兴奋状态；

当Fi值为0.86～0.90时为清醒状态；

当Fi值为0.91～0.95时为稍困状态；

当Fi值为0.96～1.00时为瞌睡状态；

当Fi>1.00时为睡眠状态。

所述疲劳驾驶预定模板为Fi≥0.96。

上述心电信号的采集方法为，利用差分阈值的方法驾驶员检测QRS波，得到RR间期序列，并将误检、漏检和异常的QRS波从RR间期序列中删除；以1min为时间窗口，计算RR间期的均值，再以60除以均值，就得到心率beats/min，15s为窗口前移步长，即重叠窗口为45s；

计算公式为：

Cr代表心率，mean(RRinterval)即平均RR间期。

本发明通过单导联心电采集设备采集到驾驶员实时心电信号并通过方向盘上压力传感器实时获取手握力数据，两组数据导入疲劳驾驶指数融合方程并绘制方程曲线对照疲劳驾驶参考评价表对驾驶员疲劳状态作出实时评价。本发明方法对疲劳驾驶的检测更为合理和准确，从而避免了疲劳驾驶的误判。

附图说明

图1为建立疲劳检测模型流程图。

图2为疲劳驾驶报警流程图。

图3为驾驶员心率示意图。

图4为驾驶员疲劳曲线示意图，其中FatigueDrivingIndex为疲劳驾驶指数，Fi为疲劳指数，I为时间段。

具体实施方式

一种融合心电信号和手握方向盘压力的疲劳驾驶检测方法包括建立疲劳检测模型和疲劳驾驶报警步骤。

如图1所示建立疲劳检测模型步骤为：

1.3根据驾驶员的实际疲劳状态和疲劳曲线建立疲劳检测模型。

如图2所示疲劳驾驶报警步骤为：

驾驶员的心率如图3所示，分析较为简单、直观。研究表明心率的变化对于描述驾驶疲劳具有潜在的意义。利用差分阈值的方法检测QRS波，得到RR间期序列，RR间期就是两个R波峰之间的时间距离，并将误检、漏检和异常的QRS波从RR间期序列中删除。为了得到心率，1min为时间窗口，计算RR间期的均值，再以60除以均值，就得到心率(beats/min)。15s为窗口前移步长，即重叠窗口为45s。计算公式如下：(CR代表心率、mean(RRinterval)即平均RR间期)。

从现有技术的研究可知，心率在整个驾驶过程中的变化是呈下降趋势的，在最后一个阶段，也就是单调驾驶阶段，心率显著下降。使用方差分析心率在驾驶前后变化的程度与方向，所有的被试者都有显著性的下降(p<0.01)。实验结果表明，随着驾驶过程的进行，被试者在生理上心跳下降，心率降低并且在驾驶过程中的手握方向盘压力在整个实验过程中的变化是承下降趋势的，这两个相关因素都和驾驶员疲劳状态有直接关系，为了更好的判断疲劳状态我们分析大量数据做融合处理得出的经验公式：

\{\begin{matrix} F i (C r, W p) = (σ \cdot {(\frac{2 C r_- C r}{2 C r_})}^{α} + ρ \cdot {(\frac{2 W p_- W p}{2 W p_})}^{β}) \\ C r_= (Σ_{i = 1}^{n} {Cr}_{i}) / n, n = 100 \\ W p_= (Σ_{i = 1}^{n} {Wp}_{i}) / n, n = 100 \\ σ = 0.62, ρ = 0.55, α = 2.33, β = 1.95, C r_> C r, W p_> W p \end{matrix}

图4是一组实验数据曲线，根据疲劳尺度表发现在第10阶段以后我们被测驾驶员出现了瞌睡迹象。根据此制定了一个疲劳尺度表这样我们可以直接通过此表分析心率数据和驾驶员手握方向盘压力数据得出驾驶员当前疲劳程度。

根据上述的疲劳尺度表，设定疲劳驾驶预定模板为达到瞌睡标准(疲劳指数≥0.96)即可开始报警。

Claims

1.一种融合心电信号和手握方向盘压力的疲劳驾驶检测方法，其特征在于包括下述步骤：

(1)建立疲劳检测模型：

(2)疲劳驾驶报警：

2.根据权利要求1所述的融合心电信号和手握方向盘压力的疲劳驾驶检测方法，其特征在于：所述疲劳方程为：

\{\begin{matrix} F i (C r, W p) = (σ \cdot {(\frac{2 C r_- C r}{2 C r_})}^{α} + ρ \cdot {(\frac{2 W p_- W p}{2 W p_})}^{β}) \\ C r_= (Σ_{i = 1}^{n} {Cr}_{i}) / n, n = 100 \\ W p_= (Σ_{i = 1}^{n} {Wp}_{i}) / n, n = 100 \\ σ = 0.62, ρ = 0.55, α = 2.33, β = 1.95, C r_> C r, W p_> W p \end{matrix}

3.根据权利要求2所述的融合心电信号和手握方向盘压力的疲劳驾驶检测方法，其特征在于：所述疲劳检测模型为，