CN105769222A - 一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备 - Google Patents

一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备 Download PDF

Info

Publication number
CN105769222A
CN105769222A CN201610087532.2A CN201610087532A CN105769222A CN 105769222 A CN105769222 A CN 105769222A CN 201610087532 A CN201610087532 A CN 201610087532A CN 105769222 A CN105769222 A CN 105769222A
Authority
CN
China
Prior art keywords
change
cycle
rate
heart rate
selected cycle
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
CN201610087532.2A
Other languages
English (en)
Other versions
CN105769222B (zh
Inventor
谭墍元
郭伟伟
田小婷
李超飞
杨彦博
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.)
BEIJING BEYOND TRAFFIC TECHNOLOGY Co Ltd
Original Assignee
BEIJING BEYOND TRAFFIC TECHNOLOGY 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 BEIJING BEYOND TRAFFIC TECHNOLOGY Co Ltd filed Critical BEIJING BEYOND TRAFFIC TECHNOLOGY Co Ltd
Priority to CN201610087532.2A priority Critical patent/CN105769222B/zh
Publication of CN105769222A publication Critical patent/CN105769222A/zh
Application granted granted Critical
Publication of CN105769222B publication Critical patent/CN105769222B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B5/02—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
    • A61B5/02405—Determining heart rate variability
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Cardiology (AREA)
  • Veterinary Medicine (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)
  • Physiology (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Fuzzy Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明提供一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备，所述方法包括：获取脉搏数据；分别在多个周期内根据所述脉搏数据计算心率变异性数据；计算选定周期的心率变异性数据与选定周期之前n个周期的心率变异性数据的综合变化率；根据所述综合变化率确定驾驶状态。本发明按周期根据脉搏数据计算驾驶员的心率变异性数据，并对多个周期的心率变异性数据及其变化率进行分析，最终根据心率变异性数据的综合变化率确定驾驶状态，由此提高了驾驶状态判断的准确性。

Description

一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备
技术领域
本发明涉及驾驶状态检测技术领域，具体涉及一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备。
背景技术
驾驶疲劳会导致驾驶员注意力分散、反应迟钝等生理机能的下降，长时间的驾驶疲劳还会出现操作不当的现象，容易引发交通事故。如何实时、准确地检测驾驶员的驾驶状态，并及时有效的预警以减少交通事故的发生，对交通安全具有重要意义。
目前，对驾驶状态的检测方法有多种，例如对驾驶行为、车辆行驶特征和驾驶员生理参数的检测等。基于驾驶行为的检测方法多限于图像采集和图像处理，容易受环境光线的影响，检测算法复杂；基于车辆行驶特征的检测方法受车型、路况和驾驶习惯的影响较大，检测精度较低；基于驾驶员生理参数的检测方法，一般采用电极与驾驶员的身体部位接触，收集驾驶员的生理特征，影响驾驶，难以应用到实际驾驶环境中。
专利文件CN201410811707.0公开了一种车载心率监测装置及方法，其中，基于车载心率监测装置的监测方法包括：步骤1、车辆启动后，通过脉搏波信号光电传感器采集驾驶员心率；步骤2、处理电路将信号转换成视频信号输送至显示器显示；步骤3、处理电路将采集的信号与预存正常阈值比对，若采集信号在阈值之外，则发出报警信号；步骤4、车辆熄火后装置关闭。
该方案将采集到的驾驶者的心率信号与正常阈值进行比对，当心率信号不在正常范围内时，判定驾驶状态存在异常。但是，众所周知身体健康人的心率信号一般不会存在明显的异常，然而，身体健康的人的驾驶状态并不一定正常，例如处于疲劳驾驶或分心状态下的驾驶者，其心率数据多数情况下也是正常的，现有方案仅通过简单的对比很难准确地判断驾驶者的状态，由此可见，现有方案的准确性较差。
发明内容
本发明要解决的技术问题在于现有的驾驶状态检测方法准确性差的缺陷。
有鉴于此，本发明提供一种基于心率变异性检测驾驶状态的方法，该方法包括以下步骤：获取脉搏数据；分别在多个周期内根据所述脉搏数据计算心率变异性数据；计算选定周期的心率变异性数据与选定周期之前n个周期的心率变异性数据的综合变化率；根据所述综合变化率确定驾驶状态。
优选的，所述心率变异性数据为AVHR、SDNN、RMSSD、PNN50和f，其中f＝LF/HF。
优选的，计算选定周期的心率变异性数据与选定周期之前n个周期的心率变异性数据的综合变化率，包括：
判断选定周期内的平均心率AVHR是否在预设平均心率AVHR的阈值范围内；
若选定的周期内的平均心率AVHR在所述阈值范围内，则计算选定周期之前的n个周期的SDNN的平均值、RMSSD的平均值、PNN50的平均值和f的平均值；
分别计算选定周期的SDNN与所述SDNN的平均值的变化率a、选定周期的RMSSD与所述RMSSD的平均值的变化率b、选定周期的PNN50与所述PNN50的平均值的变化率c、选定周期的f与所述f的平均值的变化率d；
将a、b、c、d相加得到所述综合变化率。
优选的，根据所述综合变化率确定驾驶状态，包括：
将连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值进行比对；
根据连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值的关系判定驾驶状态。
优选的，预设变化率阈值为a1、a2和a3，其中a1>a2>a3，所述根据连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值的关系判定驾驶状态，包括：
当连续N1个选定周期与选定周期前n个周期的综合变化率均大于a1时，判定为严重疲劳；
当连续N2个选定周期与选定周期前n个周期的综合变化率均大于a2时，判定为中度疲劳；
当连续N3个选定周期与选定周期前n个周期的综合变化率均大于a3时，判定为轻度疲劳，其中N1≤N2≤N3。
相应地，本发明还提供一种基于心率变异性检测驾驶状态的装置，包括：获取单元，用于获取脉搏数据；心率变异性计算单元，用于分别在多个周期内根据所述脉搏数据计算心率变异性数据；综合变化率计算单元，用于计算选定周期的心率变异性数据与选定周期之前n个周期的心率变异性数据的综合变化率；确定单元，用于根据所述综合变化率确定驾驶状态。
优选地，所述心率变异性计算单元计算的心率变异性数据为AVHR、SDNN、RMSSD、PNN50和f，其中f＝LF/HF。
优选地，所述综合变化率计算单元包括：判定单元，用于判断选定周期内的平均心率AVHR是否在预设平均心率AVHR的阈值范围内；平均值计算单元，用于当选定的周期内的平均心率AVHR在所述阈值范围内时，则计算选定周期之前的n个周期的SDNN的平均值、RMSSD的平均值，PNN50的平均值和f的平均值；变化率计算单元，用于分别计算选定周期的SDNN与所述SDNN的平均值的变化率a、选定周期的RMSSD与所述RMSSD的平均值的变化率b、选定周期的PNN50与所述PNN50的平均值的变化率c、选定周期的f与所述f的平均值的变化率d；求和单元，用于将a、b、c、d相加得到所述综合变化率。
优选地，所述确定单元包括：比对单元，用于将连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值进行比对；状态确定单元，用于根据连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值的关系判定驾驶状态。
优选地，所述预设变化率阈值为a1、a2和a3，其中a1>a2>a3，所述状态确定单元包括：严重疲劳判定单元，用于当连续N1个选定周期与选定周期前n个周期的综合变化率均大于a1时，判定为严重疲劳；中度疲劳判定单元，用于当连续N2个选定周期与选定周期前n个周期的综合变化率均大于a2时，判定为中度疲劳；轻度疲劳判定单元，用于当连续N3个选定周期与选定周期前n个周期的综合变化率均大于a3时，判定为轻度疲劳，其中N1≤N2≤N3。
本发明还提供一种基于心率变异性检测驾驶状态的可穿戴设备，包括：传感单元，用于采集驾驶者的脉搏数据；处理器，与所述传感单元连接，接收所述脉搏数据，并利用上述的方法确定驾驶者的驾驶状态。
优选地，还包括报警器，与所述处理器连接，用于根据所述处理器所确定的驾驶状态进行报警动作。
本发明技术方案，具有如下优点：
本发明提供一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备，该方法包括：获取脉搏数据；分别在多个周期内根据所述脉搏数据计算心率变异性数据；计算选定周期的心率变异性数据与选定周期之前n个周期的心率变异性数据的综合变化率；根据所述综合变化率确定驾驶状态。本发明按周期根据脉搏数据计算驾驶员的心率变异性数据，并对多个周期的心率变异性数据及其变化率进行分析，最终根据心率变异性数据的综合变化率确定驾驶状态，由此提高了驾驶状态判断的准确性。同时，本发明可以通过智能手环或智能手表等可穿戴设备直接采集脉搏信号，避免了通过面部表情或手指采集心率数据的不稳定性，也避免了图像获取和处理易受环境光线影响的缺陷，提高了心率变异性数据的准确度，由此本发明的基于心率变异性驾驶状态检测准确率更高，从而实现便捷、客观地驾驶状态检测。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一种基于心率变异性检测驾驶状态的方法的流程图；
图2为正常情况下随着驾驶疲劳程度的增加心率变化趋势图；
图3为正常情况下随着驾驶疲劳程度的增加SDNN变化趋势图；
图4为正常情况下随着驾驶疲劳程度的增加RMSSD变化趋势图；
图5为正常情况下随着驾驶疲劳程度的增加PNN50变化趋势图；
图6为正常情况下随着驾驶疲劳程度的增加LF/HF变化趋势图；
图7为驾驶状态检测及预警流程图；
图8为一种基于心率变异性检测驾驶状态的装置的结构示意图；
图9为一种基于心率变异性检测驾驶状态的可穿戴设备的结构示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例提供一种基于心率变异性检测驾驶状态的方法，如图1所示，包括：
S1：获取脉搏数据，脉搏数据可以是通过各种传感器收集的驾驶者的脉搏信号。优选的，本实施例通过光电式脉搏检测传感器实现对驾驶员脉搏信号的非接触、连续检测，从而获取驾驶者的脉搏数据。
S2：分别在多个周期内根据所述脉搏数据计算心率变异性数据，对获取的脉搏信号进行低频采样，同时设置计时器开始计时，在到达预设时间后，对预设时间内的每个周期内的脉搏数据进行分析，并计算心率变异性数据。本领域技术人员可以理解，心率变异性数据有多种，如平均心率、RR(相邻心搏)间期的标准差等均是心率变异性数据，本发明可以计算其中的一种或多种。
S3：计算选定周期的心率变异性数据与选定周期之前n个周期的心率变异性数据的综合变化率，其中n≥1，每个周期的心率变异性数据可能都是正常(即表示驾驶者健康状态正常)，但是相邻周期的数据的变化率却是不一定的，假设共有6个周期T1……T6，则6个周期分别对应6组心率变异性数。X1……X6，若选定的周期为T6，如果n取值为1，则计算X6与X5的综合变化率。如果n大于1，例如n＝2，则可以计算X6与X5和X4的平均值的综合变化率。
S4：根据所述综合变化率确定驾驶状态，确定方法有多种，例如，可以将计算出的综合变化率与预设变化率阈值进行比对，当计算出的综合变化率达到预设变化率阈值时，根据所达到预设变化率阈值的情况，确定驾驶员所处的驾驶状态。当驾驶员处于精力充沛状态时，心率变异性各项指标趋于稳定值，而当驾驶员处于疲劳状态时，随着时间的推移，如果未采取及时的干预措施，疲劳状态会随着时间的推移逐渐严重，从心率变异性上表现出各项指标数据变化率较大。因此，对于变化率较大的情况可以判定为异常驾驶或者疲劳驾驶。
本方案按周期根据脉搏数据计算驾驶员的心率变异性数据，并对多个周期的心率变异性数据及其变化率进行分析，最终根据心率变异性数据的综合变化率确定驾驶状态，由此提高了驾驶状态判断的准确性。同时，本发明可以通过智能手环或智能手表等可穿戴设备直接采集脉搏信号，避免了通过面部表情或手指采集心率数据的不稳定性，也避免了图像获取和处理易受环境光线影响的缺陷，提高了心率变异性数据的准确度，由此本发明的基于心率变异性检测驾驶状态准确率更高，从而实现便捷、客观地驾驶状态检测。
作为一个优选的实施方案，上述步骤S2中计算心率变异性数据是根据脉搏数据提取逐次心跳的心动间隔序列实现的。具体地，本实施例选取的心率变异性的指标数据为AVHR、SDNN、RMSSD、PNN50和f，其中f＝LF/HF。具体说明如下：
AVHR：平均心率，即选定周期内的平均脉搏搏动(心动)次数；
心率变异性数据的时域指标：
SDNN(ms)：选定周期内的所有RR(相邻心搏)间期的标准差；
RMSSD(ms)：选定周期内的相邻两个RR间期差值的均方根；
PNN50：选定周期内的RR间期之差大于50ms的个数占心搏总数的百分比；
f：心率变异性数据的频域指标：
将选定周期内的RR间期时间序列通过AR参数模型进行功率谱能量估计，信号分为极低频VLF(0-0.10Hz)、低频LF(0.10-0.15Hz)和高频HF(0.15-0.4Hz)三个频率范围。本实施例选取低频LF和高频HF，并计算f＝LF/HF。
正常情况下，随着驾驶疲劳程度的增加，心率变异性数据AVHR、SDNN、RMSSD、PNN50和LF/HF(即f)的变化趋势分别如图2至图6所示。从图中可以看出，本实施例选取的心率变异性的指标数据能够比较明显的反应驾驶员的驾驶疲劳状态，从而提高了驾驶状态检测的准确性。
假设选定周期为Tn，具体的驾驶状态检测及预警流程如图7所示。
作为一个优选的实施方案，上述步骤S3可以包括如下子步骤：
S31，判断选定周期内的平均心率AVHR是否在预设平均心率AVHR的阈值范围内，本方案中，预设平均心率AVHR的阈值范围为40～120，判断选定周期的AVHR是否满足40<AVHR<120，如果是，则执行步骤S33；如果选定周期的AVHR不满足40<AVHR<120，则执行S32；
S32，选定Tn之后的连续若干个周期Tn+1……Tn+i，分别计算并判断Tn+1……Tn+i内的AVHR是否均不满足40<AVHR<120，如果是，则直接判定为驾驶状态异常；
S33，计算选定周期Tn之前的n个周期Tn-1……Tn-i的SDNN的平均值、RMSSD的平均值，PNN50的平均值和f的平均值，例如，n取值为5时，则计算当前周期之前的5个周期的SDNN的平均值、RMSSD的平均值，PNN50的平均值和f的平均值；
S34，分别计算选定周期的SDNN与所述SDNN的平均值的变化率a、选定周期的RMSSD与所述RMSSD的平均值的变化率b、选定周期的PNN50与所述PNN50的平均值的变化率c、选定周期的f与所述f的平均值的变化率d；根据选定周期的心率变异性的各个指标数据，与选定周期之前n个周期的心率变异性的对应指标数据的平均值，按照变化率公式分别计算心率变异性的各个指标数据的变化率a、b、c、d，其中，X为选定周期的心率变异性数据，为选定周期之前n个周期的心率变异性数据的平均值；
S35，将a、b、c、d相加得到所述综合变化率，即由心率变异性各个指标数据的变化率得到综合变化率。
上述优选方案对选定周期内的心率变异性数据，以及选定周期之前的n个周期的心率变异性数据的平均值进行综合计算，综合考虑多个周期的心率变异性数据，提高了驾驶状态检测的准确性。
作为一个优选的实施方案，上述步骤S4可以包括如下子步骤：
S41，将连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值进行比对，具体地，本方案根据当前周期的心率变异性数据的综合变化率，与预设变化率阈值进行比对后，再连续监测并分析后续若干个周期的情况；
S42，根据连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值的关系判定驾驶状态。具体地，当心率变异性数据的综合变化率连续N次达到预设变化率阈值后，做出与变化率阈值相应的驾驶状态的判定。
进一步地，当预设变化率阈值为a1、a2和a3时，其中a1>a2>a3，上述步骤S42可以包括如下子步骤：
S421，当连续N1个选定周期与选定周期前n个周期的综合变化率均大于a1时，判定为严重疲劳；具体地，例如N1＝2，n＝5，则当Tn与Tn-1～Tn-5的心率变异性数据的综合变化率大于a1，且Tn+1与Tn～Tn-4的心率变异性数据的综合变化率也大于a1时，判定为严重疲劳，并做出一级预警；
S422，当连续N2个选定周期与选定周期前n个周期的综合变化率均大于a2时，判定为中度疲劳；具体地，当连续三个(N2＝3)选定周期与选定周期前5个周期的综合变化率均大于a2时，判定为中度疲劳，并做出二级预警；
S423，当连续N3个选定周期与选定周期前n个周期的综合变化率均大于a3时，判定为轻度疲劳，其中N1≤N2≤N3；具体地，当连续三个(N3＝3)选定周期与选定周期前5个周期的综合变化率均大于a3时，判定为轻度疲劳，并做出三级预警。
上述优选方案根据心率变异性数据的综合变化率达到预设变化率阈值的情况，确定驾驶员所处的驾驶状态，设定不同的变化率阈值以及驾驶疲劳等级，并进行相应级别的预警，进一步提高了驾驶状态检测的准确性。
实施例2
本实施例提供一种基于心率变异性检测驾驶状态的装置，如图8所示，该装置包括：
获取单元81，用于获取脉搏数据；
心率变异性计算单元82，用于分别在多个周期内根据所述脉搏数据计算心率变异性数据；
综合变化率计算单元83，用于计算选定周期的心率变异性数据与选定周期之前n个周期的心率变异性数据的综合变化率；
确定单元84，用于根据所述综合变化率确定驾驶状态。
本方案按周期根据脉搏数据计算驾驶员的心率变异性数据，并对多个周期的心率变异性数据及其变化率进行分析，最终根据心率变异性数据的综合变化率确定驾驶状态，由此提高了驾驶状态判断的准确性。同时，本方案可以通过智能手环或智能手表等可穿戴设备直接采集脉搏信号，避免了通过面部表情或手指采集心率数据的不稳定性，也避免了图像获取和处理易受环境光线影响的缺陷，提高了心率变异性数据的准确度。
优选地，所述心率变异性计算单元计算的心率变异性数据为AVHR、SDNN、RMSSD、PNN50和f，其中f＝LF/HF。
上述优选方案在正常情况下，随着驾驶疲劳程度的增加，心率变异性数据AVHR、SDNN、RMSSD、PNN50和LF/HF(即f)的变化趋势能够比较明显的反应驾驶员的驾驶疲劳状态，从而提高了驾驶状态检测的准确性。
优选地，所述综合变化率计算单元包括：判定单元，用于判断选定周期内的平均心率AVHR是否在预设平均心率AVHR的阈值范围内；平均值计算单元，用于当选定的周期内的平均心率AVHR在所述阈值范围内时，则计算选定周期之前的n个周期的SDNN的平均值、RMSSD的平均值，PNN50的平均值和f的平均值；变化率计算单元，用于分别计算选定周期的SDNN与所述SDNN的平均值的变化率a、选定周期的RMSSD与所述RMSSD的平均值的变化率b、选定周期的PNN50与所述PNN50的平均值的变化率c、选定周期的f与所述f的平均值的变化率d；求和单元，用于将a、b、c、d相加得到所述综合变化率。
上述优选方案对选定周期内的心率变异性数据，以及选定周期之前的n个周期的心率变异性数据的平均值进行综合计算，综合考虑多个周期的心率变异性数据，提高了驾驶状态检测的准确性。
优选地，所述确定单元包括：比对单元，用于将连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值进行比对；状态确定单元，用于根据连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值的关系判定驾驶状态。
优选地，预设变化率阈值为a1、a2和a3，其中a1>a2>a3，所述状态确定单元包括：严重疲劳判定单元，用于当连续N1个选定周期与选定周期前n个周期的综合变化率均大于a1时，判定为严重疲劳；中度疲劳判定单元，用于当连续N2个选定周期与选定周期前n个周期的综合变化率均大于a2时，判定为中度疲劳；轻度疲劳判定单元，用于当连续N3个选定周期与选定周期前n个周期的综合变化率均大于a3时，判定为轻度疲劳，其中N1≤N2≤N3。
上述优选方案根据心率变异性数据的综合变化率达到预设变化率阈值的情况，确定驾驶员所处的驾驶状态，设定不同的变化率阈值以及驾驶疲劳等级，并进行相应级别的预警，进一步提高了驾驶状态检测的准确性。
实施例3
本实施例提供一种基于心率变异性检测驾驶状态的可穿戴设备，如图9所示，该设备包括：
传感单元91，用于采集驾驶者的脉搏数据，传感单元可以采用光电式脉搏检测传感器，设置在腕式设备的腕带中。
处理器92，与所述传感单元91连接，接收所述脉搏数据，并利用实施例1提供的方法确定驾驶者的驾驶状态。
本方案利用传感器来采集驾驶者的脉搏数据，并利用数据处理器按周期根据脉搏数据计算驾驶员的心率变异性数据，对多个周期的心率变异性数据及其变化率进行分析，最终根据心率变异性数据的综合变化率确定驾驶状态，由此提高了驾驶状态判断的准确性。同时，本方案通过智能手环或智能手表等可穿戴设备直接采集脉搏信号，避免了通过面部表情或手指采集心率数据的不稳定性，也避免了图像获取和处理易受环境光线影响的缺陷，提高了心率变异性数据的准确度。
作为一个优选的实施方案，该设备还可以包括：
报警器93，与所述处理器92连接，用于根据处理器92所确定的驾驶状态进行报警动作。报警器可以是震动装置，当判定驾驶状态异常时，可进行震动以提示驾驶者调整驾驶状态。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (12)

1.一种基于心率变异性检测驾驶状态的方法，其特征在于，包括：
获取脉搏数据；
分别在多个周期内根据所述脉搏数据计算心率变异性数据；
计算选定周期的心率变异性数据与选定周期之前n个周期的心率变异性数据的综合变化率；
根据所述综合变化率确定驾驶状态。
2.根据权利要求1所述的方法，其特征在于，所述心率变异性数据为AVHR、SDNN、RMSSD、PNN50和f，其中f＝LF/HF。
3.根据权利要求2所述的方法，其特征在于，计算选定周期的心率变异性数据与选定周期之前n个周期的心率变异性数据的综合变化率，包括：
判断选定周期内的平均心率AVHR是否在预设平均心率AVHR的阈值范围内；
若选定的周期内的平均心率AVHR在所述阈值范围内，则计算选定周期之前的n个周期的SDNN的平均值、RMSSD的平均值，PNN50的平均值和f的平均值；
分别计算选定周期的SDNN与所述SDNN的平均值的变化率a、选定周期的RMSSD与所述RMSSD的平均值的变化率b、选定周期的PNN50与所述PNN50的平均值的变化率c、选定周期的f与所述f的平均值的变化率d；
将a、b、c、d相加得到所述综合变化率。
4.根据权利要求1-3中任一项所述的方法，其特征在于，根据所述综合变化率确定驾驶状态，包括：
将连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值进行比对；
根据连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值的关系判定驾驶状态。
5.根据权利要求4所述的方法，其特征在于，预设变化率阈值为a1、a2和a3，其中a1>a2>a3，所述根据连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值的关系判定驾驶状态，包括：
当连续N1个选定周期与选定周期前n个周期的综合变化率均大于a1时，判定为严重疲劳；
当连续N2个选定周期与选定周期前n个周期的综合变化率均大于a2时，判定为中度疲劳；
当连续N3个选定周期与选定周期前n个周期的综合变化率均大于a3时，判定为轻度疲劳，其中N1≤N2≤N3。
6.一种基于心率变异性检测驾驶状态的装置，其特征在于，包括：
获取单元，用于获取脉搏数据；
心率变异性计算单元，用于分别在多个周期内根据所述脉搏数据计算心率变异性数据；
综合变化率计算单元，用于计算选定周期的心率变异性数据与选定周期之前n个周期的心率变异性数据的综合变化率；
确定单元，用于根据所述综合变化率确定驾驶状态。
7.根据权利要求6所述的装置，其特征在于，所述心率变异性计算单元计算的心率变异性数据为AVHR、SDNN、RMSSD、PNN50和f，其中f＝LF/HF。
8.根据权利要求7所述的装置，其特征在于，所述综合变化率计算单元包括：
判定单元，用于判断选定周期内的平均心率AVHR是否在预设平均心率AVHR的阈值范围内；
平均值计算单元，用于当选定的周期内的平均心率AVHR在所述阈值范围内时，则计算选定周期之前的n个周期的SDNN的平均值、RMSSD的平均值，PNN50的平均值和f的平均值；
变化率计算单元，用于分别计算选定周期的SDNN与所述SDNN的平均值的变化率a、选定周期的RMSSD与所述RMSSD的平均值的变化率b、选定周期的PNN50与所述PNN50的平均值的变化率c、选定周期的f与所述f的平均值的变化率d；
求和单元，用于将a、b、c、d相加得到所述综合变化率。
9.根据权利要求6-8中任一项所述的装置，其特征在于，所述确定单元包括：
比对单元，用于将连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值进行比对；
状态确定单元，用于根据连续N个选定周期与选定周期前n个周期的综合变化率与至少1个预设变化率阈值的关系判定驾驶状态。
10.根据权利要求9所述的装置，其特征在于，预设变化率阈值为a1、a2和a3，其中a1>a2>a3，所述状态确定单元包括：
严重疲劳判定单元，用于当连续N1个选定周期与选定周期前n个周期的综合变化率均大于a1时，判定为严重疲劳；
中度疲劳判定单元，用于当连续N2个选定周期与选定周期前n个周期的综合变化率均大于a2时，判定为中度疲劳；
轻度疲劳判定单元，用于当连续N3个选定周期与选定周期前n个周期的综合变化率均大于a3时，判定为轻度疲劳，其中N1≤N2≤N3。
11.一种基于心率变异性检测驾驶状态的可穿戴设备，其特征在于，包括：
传感单元，用于采集驾驶者的脉搏数据；
处理器，与所述传感单元连接，接收所述脉搏数据，并利用权利要求1-5中任一项所述的方法确定驾驶者的驾驶状态。
12.根据权利要求11所述的设备，其特征在于，还包括：
报警器，与所述处理器连接，用于根据所述处理器所确定的驾驶状态进行报警动作。
CN201610087532.2A 2016-02-16 2016-02-16 一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备 Active CN105769222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610087532.2A CN105769222B (zh) 2016-02-16 2016-02-16 一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610087532.2A CN105769222B (zh) 2016-02-16 2016-02-16 一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备

Publications (2)

Publication Number Publication Date
CN105769222A true CN105769222A (zh) 2016-07-20
CN105769222B CN105769222B (zh) 2018-09-25

Family

ID=56402314

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610087532.2A Active CN105769222B (zh) 2016-02-16 2016-02-16 一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备

Country Status (1)

Country Link
CN (1) CN105769222B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106551691A (zh) * 2016-12-02 2017-04-05 清华大学 一种心率变异性分析方法、装置及用途
WO2018077020A1 (zh) * 2016-10-25 2018-05-03 广东乐源数字技术有限公司 一种基于手环的人体情绪判断方法
CN108186034A (zh) * 2018-02-01 2018-06-22 福建工程学院 一种驾驶员疲劳检测装置及工作方法
CN108771535A (zh) * 2018-05-24 2018-11-09 合肥智慧龙图腾知识产权股份有限公司 一种可以缓解驾驶疲劳的电击手环
CN108937901A (zh) * 2018-06-14 2018-12-07 南昌华勤电子科技有限公司 电子设备、心率检测装置及心率检测方法
CN109938719A (zh) * 2019-03-21 2019-06-28 扬州大学 一种基于生理参数的驾驶员疲劳检测方法
CN110101372A (zh) * 2019-04-24 2019-08-09 上海工程技术大学 一种城轨列车司机生理状态监测系统
CN111387940A (zh) * 2020-03-12 2020-07-10 泰康保险集团股份有限公司 一种疲劳检测方法及装置、电子设备
CN111540169A (zh) * 2020-04-24 2020-08-14 重庆城市管理职业学院 一种基于智能行为监测的公交车危险报警方法和系统
CN112107295A (zh) * 2020-08-13 2020-12-22 苏州唯理创新科技有限公司 可穿戴设备的数据处理方法及系统、存储介质、可穿戴设备
CN112124320A (zh) * 2020-09-10 2020-12-25 恒大新能源汽车投资控股集团有限公司 车辆控制方法、系统及车辆
WO2022233027A1 (zh) * 2021-05-07 2022-11-10 中国科学院深圳先进技术研究院 一种基于可穿戴设备的运动性疲劳检测方法和系统
CN117224098A (zh) * 2023-09-15 2023-12-15 广州麦笛亚医疗器械有限公司 一种心率变异性的评估方法、系统、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1393679B1 (en) * 2002-08-29 2006-03-15 Pioneer Corporation Appratus and method for estimating fatigue level
CN1956680A (zh) * 2004-05-24 2007-05-02 日本先锋公司 生物信息检测装置
TW201248561A (en) * 2011-05-17 2012-12-01 Ind Tech Res Inst Predictive drowsiness alarm method
US20130144181A1 (en) * 2010-04-14 2013-06-06 Donovan L. Fogt Measurements of fatigue level using heart rate variability data
CN103815896A (zh) * 2014-01-22 2014-05-28 东软熙康健康科技有限公司 一种精神疲劳监测方法、装置、系统及移动处理终端
WO2014204567A1 (en) * 2013-06-19 2014-12-24 Raytheon Company Imaging-based monitoring of stress and fatigue
CN105193431A (zh) * 2015-09-02 2015-12-30 杨静 一种人体精神压力状态分析装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1393679B1 (en) * 2002-08-29 2006-03-15 Pioneer Corporation Appratus and method for estimating fatigue level
CN1956680A (zh) * 2004-05-24 2007-05-02 日本先锋公司 生物信息检测装置
US20130144181A1 (en) * 2010-04-14 2013-06-06 Donovan L. Fogt Measurements of fatigue level using heart rate variability data
TW201248561A (en) * 2011-05-17 2012-12-01 Ind Tech Res Inst Predictive drowsiness alarm method
WO2014204567A1 (en) * 2013-06-19 2014-12-24 Raytheon Company Imaging-based monitoring of stress and fatigue
CN103815896A (zh) * 2014-01-22 2014-05-28 东软熙康健康科技有限公司 一种精神疲劳监测方法、装置、系统及移动处理终端
CN105193431A (zh) * 2015-09-02 2015-12-30 杨静 一种人体精神压力状态分析装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JOSÉ VICENTE等: "Detection of Driver’s Drowsiness by Means of HRV Analysis", 《COMPUTING IN CARDIOLOGY》 *
SANG-JOONG JUNG等: "Driver fatigue and drowsiness monitoring system with embedded electrocardiogram sensor on steering wheel", 《IET INTELL. TRANSP. SYST》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018077020A1 (zh) * 2016-10-25 2018-05-03 广东乐源数字技术有限公司 一种基于手环的人体情绪判断方法
CN106551691B (zh) * 2016-12-02 2020-01-21 清华大学 一种心率变异性分析方法、装置及用途
WO2018099120A1 (zh) * 2016-12-02 2018-06-07 清华大学 一种心率变异性分析方法、装置及用途
CN106551691A (zh) * 2016-12-02 2017-04-05 清华大学 一种心率变异性分析方法、装置及用途
US10973455B2 (en) 2016-12-02 2021-04-13 Beijing Pins Medical Co., Ltd Heart rate variability analysis method, device and use thereof
CN108186034A (zh) * 2018-02-01 2018-06-22 福建工程学院 一种驾驶员疲劳检测装置及工作方法
CN108186034B (zh) * 2018-02-01 2023-04-07 福建工程学院 一种驾驶员疲劳检测装置及工作方法
CN108771535A (zh) * 2018-05-24 2018-11-09 合肥智慧龙图腾知识产权股份有限公司 一种可以缓解驾驶疲劳的电击手环
CN108937901B (zh) * 2018-06-14 2021-07-23 南昌华勤电子科技有限公司 电子设备、心率检测装置及心率检测方法
CN108937901A (zh) * 2018-06-14 2018-12-07 南昌华勤电子科技有限公司 电子设备、心率检测装置及心率检测方法
CN109938719A (zh) * 2019-03-21 2019-06-28 扬州大学 一种基于生理参数的驾驶员疲劳检测方法
CN110101372A (zh) * 2019-04-24 2019-08-09 上海工程技术大学 一种城轨列车司机生理状态监测系统
CN111387940A (zh) * 2020-03-12 2020-07-10 泰康保险集团股份有限公司 一种疲劳检测方法及装置、电子设备
CN111540169A (zh) * 2020-04-24 2020-08-14 重庆城市管理职业学院 一种基于智能行为监测的公交车危险报警方法和系统
CN112107295A (zh) * 2020-08-13 2020-12-22 苏州唯理创新科技有限公司 可穿戴设备的数据处理方法及系统、存储介质、可穿戴设备
CN112124320A (zh) * 2020-09-10 2020-12-25 恒大新能源汽车投资控股集团有限公司 车辆控制方法、系统及车辆
WO2022233027A1 (zh) * 2021-05-07 2022-11-10 中国科学院深圳先进技术研究院 一种基于可穿戴设备的运动性疲劳检测方法和系统
CN117224098A (zh) * 2023-09-15 2023-12-15 广州麦笛亚医疗器械有限公司 一种心率变异性的评估方法、系统、设备及存储介质
CN117224098B (zh) * 2023-09-15 2024-02-20 广州麦笛亚医疗器械有限公司 一种心率变异性的评估方法、系统、设备及存储介质

Also Published As

Publication number Publication date
CN105769222B (zh) 2018-09-25

Similar Documents

Publication Publication Date Title
CN105769222A (zh) 一种基于心率变异性检测驾驶状态的方法、装置及可穿戴设备
CN103815896B (zh) 一种精神疲劳监测方法、装置、系统及移动处理终端
EP3485806A1 (en) Wearable device capable of detecting sleep apnea event and detection method thereof
US10206622B2 (en) Biological information analyzing system, biological information processing system, and biological information analyzing device
US20150088002A1 (en) Hydration monitoring
US10028672B2 (en) Wearable device which diagnosis personal cardiac health condition by monitoring and analyzing heartbeat and the method thereof
EP2842491A1 (en) Device for calculating amount of retained physical activity, method for calculating amount of retained physical activity and system for calculating amount of retained physical activity
CN104990562A (zh) 基于自相关运算的计步方法
US20160100792A1 (en) Sleep state determination apparatus, sleep state determination method, and sleep management system
JP2004081723A (ja) 疲労度判別システム、疲労度判別方法、および疲労度判別用プログラム
CN104257392A (zh) 一种疲劳驾驶检测提醒的方法及检测提醒装置
US20200352504A1 (en) Image Drunken Driving Judgment System and Related Method
JP4701694B2 (ja) 覚醒度判定装置及び覚醒度判定方法
US20020156392A1 (en) Method and apparatus for inspecting biological rhythms
CN103494605B (zh) 心率检测方法及装置
CN113288168A (zh) 一种智能可穿戴疲劳监测及预警系统
US7393328B2 (en) Physical condition monitoring system
CN104305958B (zh) 一种极短时自主神经状态的光电容积波多参量分析方法
CN205729331U (zh) 号脉仪控制电路、智能号脉仪、智能手环及移动终端
KR101060268B1 (ko) 인접한 심장박동 주기 차이를 이용한 졸음상태 판정 시스템 및 방법
CN106333677A (zh) 睡眠状态分析中眨眼活动的检测方法和系统
TW202108077A (zh) 專注力自動偵測方法和系統
CN107007292B (zh) 用于获知疲劳的方法
KR101034886B1 (ko) 짧은 심장박동 주기의 변화를 이용한 졸음상태 판정 시스템 및 방법
CN106419885A (zh) 一种心率监测装置及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant