CN106073806A - 一种用于穿戴式设备的疲劳检测方法、装置及穿戴式设备 - Google Patents

Abstract

本发明属于穿戴式设备领域，提供了一种用于穿戴式设备的疲劳检测方法、装置及穿戴式设备。该疲劳检测方法包括：通过穿戴式设备的两个电极片采集预设时间内人体的GSR数据，GSR数据包括SCL数据和SCR数据；将SCL数据和SCR数据进行分离；计算SCL数据的偏移率和SCR数据的偏移率；并根据SCL数据的偏移率和SCR数据的偏移率计算人体疲劳指数，而通过人体疲劳指数可直接判断所述预设时间内人体的疲劳状况，因此，该疲劳检测方法具有检测过程简单，不受检测环境和检测人员限制，且可实现对人体疲劳状况的实时监测的优点。

Description

一种用于穿戴式设备的疲劳检测方法、装置及穿戴式设备

技术领域

本发明属于穿戴式设备领域，尤其涉及一种用于穿戴式设备的疲劳检测方法、装置及穿戴式设备。

背景技术

现今都市生活节奏快、人们的压力大，大多数人都处于疲劳状态，处于疲劳状态下的人反应慢、警觉性弱，且容易心神不宁。而对于一些要求注意力高度集中的工作，例如，高空作业、车辆驾驶、外科医生手术等，若疲劳作业、疲劳驾驶等将会产生非常严重的后果。因此，在日常生活中，对人体的疲劳状况进行实时监测是非常必要的。

现有的用于检测人体疲劳状况的方法主要包括生理化指标检测法和生理参数指标检测法。生理化指标检测法主要是通过采集人体的尿液、血液、唾液和汗液等指标并进行成分分析，以获取人体的疲劳状况；生理参数指标检测法主要是通过采集人体的心电、脑电、肌电等指标并进行变异性分析，以获取人体的疲劳状况。

然而，上述两种疲劳检测方法均属于临床检测法，其需要在特定的场所并由特定的医护人员来实施，检测过程较麻烦，且无法实现对人体疲劳状况的实时监测。

发明内容

本发明的目的在于提供一种用于穿戴式设备的疲劳检测方法、装置及穿戴式设备，旨在解决传统的临床式疲劳检测方法检测过程较麻烦，且受检测场所和检测人员的限制，无法实现对人体疲劳状况的实时监测的问题。

本发明是这样实现的，一种用于穿戴式设备的疲劳检测方法，所述疲劳检测方法包括：

通过所述穿戴式设备的两个电极片采集预设时间内人体的皮肤电反应数据，所述皮肤电反应数据包括皮肤电导水平数据和皮肤电导反应数据；

将所述皮肤电导水平数据和所述皮肤电导反应数据进行分离；

计算所述预设时间内所述皮肤电导水平数据的偏移率，并计算所述预设时间内所述皮肤电导反应数据的偏移率；

根据所述皮肤电导水平数据的偏移率和所述皮肤电导反应数据的偏移率计算人体疲劳指数。

本发明还提供了一种用于穿戴式设备的疲劳检测装置，所述疲劳检测装置包括：

数据采集模块，用于通过所述穿戴式设备的两个电极片采集预设时间内人体的皮肤电反应数据，所述皮肤电反应数据包括皮肤电导水平数据和皮肤电导反应数据；

数据处理模块，用于将所述皮肤电导水平数据和所述皮肤电导反应数据进行分离；

偏移率计算模块，用于计算所述预设时间内所述皮肤电导水平数据的偏移率，并计算所述预设时间内所述皮肤电导反应数据的偏移率；

疲劳检测模块，用于根据所述皮肤电导水平数据的偏移率和所述皮肤电导反应数据的偏移率计算人体疲劳指数。

本发明还提供了一种穿戴式设备，包括采集电路，所述采集电路包括第一电极片和第二电极片，所述穿戴式设备还包括上述的疲劳检测装置，所述疲劳检测装置与所述采集电路的输出端连接。

本发明提供的疲劳检测方法包括：通过穿戴式设备的两个电极片采集预设时间内人体的皮肤电反应数据，皮肤电反应数据包括皮肤电导水平数据和皮肤电导反应数据；将皮肤电导水平数据和皮肤电导反应数据进行分离；计算皮肤电导水平数据的偏移率和皮肤电导反应数据的偏移率；并根据皮肤电导水平数据的偏移率和皮肤电导反应数据的偏移率计算人体疲劳指数，而通过人体疲劳指数可直接判断所述预设时间内人体的疲劳状况，因此，该疲劳检测方法具有检测过程简单，不受检测环境和检测人员限制，且可实现对人体疲劳状况的实时监测的优点。

附图说明

图1是本发明实施例提供的用于穿戴式设备的疲劳检测方法的实现流程图；

图2是本发明实施例提供的预设时间内的GSR数据的波形示意图；

图3本发明实施例提供的用于穿戴式设备的疲劳检测装置的模块结构示意图；

图4是本发明实施例提供的穿戴式设备的内部结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例所提供的疲劳检测方法包括：通过穿戴式设备的两个电极片采集预设时间内人体的皮肤电反应数据，皮肤电反应数据包括皮肤电导水平数据和皮肤电导反应数据；将皮肤电导水平数据和皮肤电导反应数据进行分离；计算皮肤电导水平数据的偏移率和皮肤电导反应数据的偏移率；并根据皮肤电导水平数据的偏移率和皮肤电导反应数据的偏移率计算人体疲劳指数，而通过人体疲劳指数可直接判断所述预设时间内人体的疲劳状况，因此，该疲劳检测方法具有检测过程简单，不受检测环境和检测人员限制，且可实现对人体疲劳状况的实时监测的优点。

图1是本发明实施例提供的用于穿戴式设备的疲劳检测方法的实现流程图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：

如图1所示，在步骤S10中，通过穿戴式设备的两个电极片采集预设时间内人体的皮肤电反应(Galvanic Skin Response，GSR)数据。

人体由于交感神经兴奋，导致汗腺活动加强，分泌汗液较多，而汗液内的盐成分较多使皮肤导电能力增强，形成大的皮肤电反应。所以，通过采集并分析人体的GSR数据，便可可以监测人体的交感神经活跃度，而交感神经活跃度作为脑唤醒、警觉水平等的重要指标，间接地反映了人体的疲劳状况。因此，通过采集并分析人体的GSR数据，便可获知人体的疲劳状况。

在本发明实施例中，穿戴式设备具体为穿戴式皮肤电反应检测设备，其内部设置有采集电路，采集电路包括第一电极片、第二电极片及运算放大器。在实际应用中，穿戴式设备通过两个电极片采集人体的GSR数据，并通过运算放大器对GSR数据进行放大后输出GSR数据。其中，运算放大器的基准电压值为V_REF。

图2是本发明实施例提供的预设时间内的GSR数据的波形示意图，为了便于说明，仅示出了与本发明实施例相关的部分。

如图2所示，人体受周围环境影响，GSR数据一直处于变化状态，GSR数据中较为平缓的部分为皮肤电导水平(Skin Conductance Level，SCL)数据，SCL数据指跨越皮肤两点的皮肤电导的绝对值，一般认为它是在平静状态下生理活动的基础值；GSR数据中明显凸起的波峰部分为皮肤电导反应(Skin Conductance Reaction，SCR)数据，SCR数据是指在皮肤电导水平中出现的一个瞬时的、较快的波动，该波动是由外界刺激而引起的，它直接反应着人体交感神经/副交感神经的变化。

在本发明实施例中，预设时间可根据实际需求来确定。例如，需要知道人体在6:30～6:30:03的疲劳状况，则需要通过穿戴式皮肤电反应检测设备采集人体在6:30～6:30:03这段时间内的GSR数据，此时的预设时间即为6:30～6:30:03。该预设时间的时间间隔为3秒，该时间间隔取决于取决于穿戴式皮肤电反应检测设备的采样频率。

在步骤S20中，将SCL数据和SCR数据进行分离。

在本发明实施例中，将SCL数据和SCR数据进行分离，以分别分析人体在平静状态下和受外界刺激情况下的疲劳状况，综合人体在平静状态下的疲劳状况和人体在受外界刺激情况下的疲劳状况，便可得到预设时间内人体的疲劳状况。

作为本发明一实施例，步骤S20具体为：

通过包络法将SCL数据和SCR数据进行分离。

作为本发明一实施例，在步骤S20之后，所述疲劳检测方法还包括：

将SCR数据依次通过FIR(Finite Impulse Response，有限长单位脉冲响应)带通滤波器和FR窗口进行第一次滤波和第二次滤波，以滤除SCR数据中的噪声和毛刺。其中，FIR带通滤波器的窗口函数为凯撒窗函数。

作为本发明一实施例，FIR带通滤波器的具体参数如下：

Fstop1＝0.05hz，Fpass1＝0.1hz；

Fstop2＝2.8hz，Fpass2＝2.5hz；

Astop1＝40db，Astop2＝40db；

Apass1＝0.6db，Apass2＝0.6db；

其中，Fstop1、Fpass1、Fstop2、Fpass2分别为FIR带通滤波器的下阻带截止频率、通带下限截止频率、上阻带截止频率、通带上限截止频率。

Astop1、Apass1、Astop2、Apass2分别为FIR带通滤波器的下阻带截止幅度、通带下限截止幅度、上阻带截止幅度、通带上限截止幅度。

在步骤S30中，计算预设时间内SCL数据的偏移率，并计算预设时间内SCR数据的偏移率。

作为本发明一实施例，步骤S30具体包括：

通过以下算式计算预设时间内SCL数据的变化面积：

S_SCL＝∫_ΔT(V_SCL-V_REF)；

其中，S_SCL为预设时间内SCL数据的变化面积，ΔT为SCL数据的持续时间，如图3所示，ΔT为[(T2-T1)+(T4-T3)+(T6-T5)]，V_SCL为预设时间内SCL数据的电压值，V_REF为穿戴式设备中的运算放大器的基准电压值。

通过以下算式计算预设时间内SCL数据的偏移率：

$offset1=1-\left|\frac{S_{SCL}-{S_{SCL}}^{\′}}{{S_{SCL}}^{\′}}\right|;$

其中，offset1为预设时间内SCL数据的偏移率，S_SCL′为预设时间内SCL数据的变化面积的标准值。

在本发明实施例中，offset1越大，代表人体在平静状态下越疲劳。

作为本发明一实施例，步骤S30还包括：

对SCR数据进行微分处理以得到SCR数据的斜率。

对SCR数据的斜率进行微分处理以得到SCR数据的上升沿斜率拐点和下降沿斜率拐点。

分别通过以下算式计算预设时间内SCR数据的上升沿斜率拐点的偏移率和SCR数据的下降沿斜率拐点的偏移率：

$offset2=1-\left|\frac{{\mathrm{\μ}}_1-{{\mathrm{\μ}}_1}^{\′}}{{{\mathrm{\μ}}_1}^{\′}}\right|;$

$offset3=1-\left|\frac{{\mathrm{\μ}}_2-{{\mathrm{\μ}}_2}^{\′}}{{{\mathrm{\μ}}_2}^{\′}}\right|;$

其中，offset2为预设时间内SCR数据的上升沿斜率拐点的偏移率，μ₁为预设时间内SCR数据的上升沿斜率拐点，μ₁′为预设时间内SCR数据的上升沿斜率拐点的标准值，offset3为预设时间内SCR数据的下降沿斜率拐点的偏移率，μ₂为预设时间内SCR数据的下降沿斜率拐点，μ₂′为预设时间内SCR数据的下降沿斜率拐点的标准值。

在本发明实施例中，offset2和offset3越大，代表人体在受外界刺激的情况下越疲劳。

在本发明实施例中，S_SCL′、μ₁′和μ₂′具体可以通过以下方法获得：

在理想情况(人体在不疲劳且所受的外界刺激相同的情况)下，连续采集人体一定时间内的GSR数据，例如连续采集人体7天的GSR数据，计算7天的GSR数据中预设时间内SCL数据的变化面积的平均值，该平均值即为预设时间内SCL数据的变化面积的标准值S_SCL′。例如，7天的GSR数据中预设时间内SCL数据的变化面积分别为S_SCL1～S_SCL7，计算S_SCL1～S_SCL7这7个数据的平均值，即可得到预设时间内SCL数据的变化面积的标准值S_SCL′；再计算7天的GSR数据中预设时间内SCR数据的上升沿斜率拐点N的正态分布的期望值和下降沿斜率拐点M的正太分布的期望值，该上升沿斜率拐点N的正态分布的期望值即为预设时间内SCR数据的上升沿斜率拐点的标准值μ₁′，该下降沿斜率拐点M的正太分布的期望值即为预设时间内SCR数据的下降沿斜率拐点的标准值μ₂′。例如，7天的GSR数据中预设时间内SCR数据的上升沿斜率拐点分别为N1～N7，计算N1～N7这7个数据的正太分布的期望值，即可得到预设时间内SCR数据的上升沿斜率拐点的标准值μ₁′，同理可得到预设时间内SCR数据的下降沿斜率拐点的标准值μ₂′。

作为本发明一实施例，步骤S40具体包括：

通过以下算式计算人体疲劳指数：

F＝100*(a*Offset1+b*Offset2+c*Offset3)；

其中，F为人体疲劳指数，a、b、c为相关系数，a、b、c是经多次实验得出的。

在本发明实例中，人体疲劳指数F越大，代表人体越疲劳。

本发明实施例还提供了一种用于穿戴式设备的疲劳检测装置。

图3示出了本发明实施例提供的用于穿戴式设备的疲劳检测装置的模块结构，为了便于说明，仅示出了与本发明实施例相关的部分。

如图3所示，疲劳检测装置包括：数据采集模块1、数据处理模块2、偏移率计算模块3及疲劳检测模块4。

数据采集模块1用于通过穿戴式设备的两个电极片采集预设时间内人体的皮肤电反应(Galvanic Skin Response，GSR)数据，GSR数据包括皮肤电导水平(Skin ConductanceLevel，SCL)数据和皮肤电导反应(Skin Conduftance Reaction，SCR)数据。

数据处理模块2用于将SCL数据和SCR数据进行分离。

偏移率计算模块3用于计算预设时间内SCL数据的偏移率，并计算预设时间内SCR数据的偏移率。

疲劳检测模块4用于根据SCL数据的偏移率和SCR数据的偏移率计算人体疲劳指数，并根据人体疲劳指数判断预设时间内人体的疲劳状况。

作为本发明一实施例，疲劳检测装置还包括滤波模块5。

滤波模块5用于对SCR数据进行滤波。

在本发明实施例中，穿戴式设备具体为穿戴式皮肤电反应检测设备，其内部设置有采集电路，采集电路包括第一电极片、第二电极片及运算放大器。在实际应用中，穿戴式设备通过两个电极片采集人体的GSR数据，并通过运算放大器对GSR数据进行放大后输出GSR数据。其中，运算放大器的基准电压值为V_REF。

作为本发明一实施例，数据处理模块2包括：

数据分离单元21，用于通过包络法将SCL数据和SCR数据进行分离。

在本发明实施例中，通过数据分离单元21将SCL数据和SCR数据进行分离，以分别分析人体在平静状态下和受外界刺激情况下的疲劳状况，综合人体在平静状态下的疲劳状况和人体在受外界刺激情况下的疲劳状况，便可得到预设时间内人体的疲劳状况。

作为本发明一实施例，滤波模块5包括FIR(Finite Impulse Response，有限长单位脉冲响应)带通滤波器51和FR窗口52。

FIR带通滤波器51用于对SCR数据进行第一次滤波。

FR窗口52用于对SCR数据进行第二次滤波。

其中，FIR带通滤波器的窗口函数为凯撒窗函数。

作为本发明一实施例，FIR带通滤波器的具体参数如下：

Fstop1＝0.05hz，Fpass1＝0.1hz；

Fstop2＝2.8hz，Fpass2＝2.5hz；

Astop1＝40db，Astop2＝40db；

Apass1＝0.6db，Apass2＝0.6db；

其中，Fstop1、Fpass1、Fstop2、Fpass2分别为FIR带通滤波器的下阻带截止频率、通带下限截止频率、上阻带截止频率、通带上限截止频率。

Astop1、Apass1、Astop2、Apass2分别为FIR带通滤波器的下阻带截止幅度、通带下限截止幅度、上阻带截止幅度、通带上限截止幅度。

作为本发明一实施例，偏移率计算模块3包括第一偏移率计算单元31和第二偏移率计算单元32。

第一偏移率计算单元31用于通过以下算式计算预设时间内SCL数据的变化面积：

S_SCL＝∫_ΔT(V_SCL-V_REF)；

其中，S_SCL为预设时间内SCL数据的变化面积，ΔT为SCL数据的持续时间，如图3所示，ΔT为[(T2-T1)+(T4-T3)+(T6-T5)]，V_SCL为预设时间内SCL数据的电压值，V_REF为所述穿戴式设备中的运算放大器的基准电压值。

并通过以下算式计算预设时间内SCL数据的偏移率：

$offset1=1-\left|\frac{S_{SCL}-{S_{SCL}}^{\′}}{{S_{SCL}}^{\′}}\right|;$

其中，offset1为预设时间内SCL数据的偏移率，S_SCL′为预设时间内SCL数据的变化面积的标准值。

在本发明实施例中，offset1越大，代表人体在平静状态下越疲劳。

第二偏移率计算单元32用于对SCR数据进行微分处理以得到SCR数据的斜率；并对SCR数据的斜率进行微分处理以得到SCR数据的上升沿斜率拐点和下降沿斜率拐点；并分别通过以下算式计算预设时间内SCR数据的上升沿斜率拐点的偏移率和SCR数据的下降沿斜率拐点的偏移率：

$offset2=1-\left|\frac{{\mathrm{\μ}}_1-{{\mathrm{\μ}}_1}^{\′}}{{{\mathrm{\μ}}_1}^{\′}}\right|;$

$offset3=1-\left|\frac{{\mathrm{\μ}}_2-{{\mathrm{\μ}}_2}^{\′}}{{{\mathrm{\μ}}_2}^{\′}}\right|;$

其中，offset2为预设时间内SCR数据的上升沿斜率拐点的偏移率，μ₁为预设时间内SCR数据的上升沿斜率拐点，μ₁′为预设时间内SCR数据的上升沿斜率拐点的标准值，offset3为预设时间内SCR数据的下降沿斜率拐点的偏移率，μ₂为预设时间内SCR数据的下降沿斜率拐点，μ₂′为预设时间内SCR数据的下降沿斜率拐点的标准值。

在本发明实施例中，offset2和offset3越大，代表人体在受外界刺激的情况下越疲劳。

在本发明实施例中，S_SCL′、μ₁′和μ₂′可以通过以下方法获得：

在理想情况(人体在不疲劳且所受的外界刺激相同的情况)下，连续采集人体一定时间内的GSR数据，例如连续采集人体7天的GSR数据，计算7天的GSR数据中预设时间内SCL数据的变化面积的平均值，该平均值即为预设时间内SCL数据的变化面积的标准值S_SCL′。例如，7天的GSR数据中预设时间内SCL数据的变化面积分别为S_SCL1～S_SCL7，计算S_SCL1～S_SCL7这7个数据的平均值，即可得到预设时间内SCL数据的变化面积的标准值S_SCL′；再计算7天的GSR数据中预设时间内SCR数据的上升沿斜率拐点N的正态分布的期望值和下降沿斜率拐点M的正太分布的期望值，该上升沿斜率拐点N的正态分布的期望值即为预设时间内SCR数据的上升沿斜率拐点的标准值μ₁′，该下降沿斜率拐点M的正太分布的期望值即为预设时间内SCR数据的下降沿斜率拐点的标准值μ₂′。例如，7天的GSR数据中预设时间内SCR数据的上升沿斜率拐点分别为N1～N7，计算N1～N7这7个数据的正太分布的期望值，即可得到预设时间内SCR数据的上升沿斜率拐点的标准值μ₁′，同理可得到预设时间内SCR数据的下降沿斜率拐点的标准值μ₂′。

作为本发明一实施例，疲劳检测模块4包括疲劳指数计算单元41。

疲劳指数计算单元41用于通过以下算式计算人体疲劳指数：

F＝100*(a*Offset1+b*Offset2+c*Offset3)；

其中，F为人体疲劳指数，a、b、c均为相关系数，a、b、c是经多次实验得出的。

在本发明实例中，人体疲劳指数F越大，代表人体越疲劳。

本发明实施例还提供了一种穿戴式设备。

图4是本发明实施例提供的穿戴式设备的内部结构图，为了便于说明，仅示出了与本发明实施例相关的部分。

如图4所示，穿戴式设备包括采集电路6，采集电路6包括第一电极片a和第二电极片b，穿戴式设备还包括上述实施例所提供的疲劳检测装置，疲劳检测装置与所述采集电路的输出端连接。

作为本发明一实施例，采集电路6还包括：

第一电阻R1、第二电阻R2、第三电阻R3、滤波电容C及运算放大器U1；

第一电阻R1的第一端接第一电极片a，第一电阻R1的第二端接正电源VCC，第二电阻R2的第一端和滤波电容C的第一端共接于第二电极片b，第二电阻R2的第二端接地，滤波电容C的第二端接运算放大器U1的第一输入端，运算放大器U1的第二输入端输入基准电压，第三电阻R3连接在运算放大器U1的第二输入端和输出端之间，运算放大器U1的输出端为采集电路6的输出端。

人体皮肤可以看做是由一个纳法级的电容与一个兆欧级的电阻串联后，再与一个微法级的电容并联而形成的电子模块，因此，当穿戴式设备的第一电极片a和第二电极片b与人体皮肤相接触时，第一电极片a和第二电极片b之间的微安级的弱电流流向人体皮肤，而人体皮肤所产生的微弱的电反应变化通过滤波电容C的噪声隔离，再通过后端运算放大器U1的放大后得到GSR数据，采集电路6将GSR数据输出至疲劳检测装置，疲劳检测装置对GSR数据进行分析和处理得到人体疲劳指数。

本发明实施例所提供的疲劳检测方法包括：通过穿戴式设备的两个电极片采集预设时间内人体的皮肤电反应数据，皮肤电反应数据包括皮肤电导水平数据和皮肤电导反应数据；将皮肤电导水平数据和皮肤电导反应数据进行分离；计算皮肤电导水平数据的偏移率和皮肤电导反应数据的偏移率；并根据皮肤电导水平数据的偏移率和皮肤电导反应数据的偏移率计算人体疲劳指数，而通过人体疲劳指数可直接判断所述预设时间内人体的疲劳状况，因此，该疲劳检测方法具有检测过程简单，不受检测环境和检测人员限制，且可实现对人体疲劳状况的实时监测的优点。

本领域普通技术人员可以理解：实现上述方法实施例的步骤或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤，而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于穿戴式设备的疲劳检测方法，其特征在于，所述疲劳检测方法包括：

通过所述穿戴式设备的两个电极片采集预设时间内人体的皮肤电反应数据，所述皮肤电反应数据包括皮肤电导水平数据和皮肤电导反应数据；

将所述皮肤电导水平数据和所述皮肤电导反应数据进行分离；

计算所述预设时间内所述皮肤电导水平数据的偏移率，并计算所述预设时间内所述皮肤电导反应数据的偏移率；

根据所述皮肤电导水平数据的偏移率和所述皮肤电导反应数据的偏移率计算人体疲劳指数。

2.如权利要求1所述的疲劳检测方法，其特征在于，所述计算所述预设时间内所述皮肤电导水平数据的偏移率的步骤具体包括：

通过以下算式计算所述预设时间内所述皮肤电导水平数据的变化面积：

S_SCL＝∫_ΔT(V_SCL-V_REF)；

其中，S_SCL为所述预设时间内所述皮肤电导水平数据的变化面积，ΔT为所述皮肤电导水平数据的持续时间，V_SCL为所述预设时间内所述皮肤电导水平数据的电压值，V_REF为所述穿戴式设备中的运算放大器的基准电压值；

通过以下算式计算所述预设时间内所述皮肤电导水平数据的偏移率：

$offset1=1-\left|\frac{S_{SCL}-{S_{SCL}}^{\′}}{{S_{SCL}}^{\′}}\right|;$

其中，offset1为所述预设时间内所述皮肤电导水平数据的偏移率，S_SCL′为所述预设时间内所述皮肤电导水平数据的变化面积的标准值。

3.如权利要求2所述的疲劳检测方法，其特征在于，所述计算所述预设时间内所述皮肤电导反应数据的偏移率的步骤具体包括：

对所述皮肤电导反应数据进行微分处理以得到所述皮肤电导反应数据的斜率；

对所述皮肤电导反应数据的斜率进行微分处理以得到所述皮肤电导反应数据的上升沿斜率拐点和下降沿斜率拐点；

通过以下算式计算所述预设时间内所述皮肤电导反应数据的上升沿斜率拐点的偏移率和所述皮肤电导反应数据的下降沿斜率拐点的偏移率：

$offset2=1-\left|\frac{{\mathrm{\μ}}_1-{{\mathrm{\μ}}_1}^{\′}}{{{\mathrm{\μ}}_1}^{\′}}\right|;$

$offset3=1-\left|\frac{{\mathrm{\μ}}_2-{{\mathrm{\μ}}_2}^{\′}}{{{\mathrm{\μ}}_2}^{\′}}\right|;$

其中，offset2为所述预设时间内所述皮肤电导反应数据的上升沿斜率拐点的偏移率，μ₁为所述预设时间内所述皮肤电导反应数据的上升沿斜率拐点，μ₁′为所述预设时间内所述皮肤电导反应数据的上升沿斜率拐点的标准值，offset3为所述预设时间内所述皮肤电导反应数据的下降沿斜率拐点的偏移率，μ₂为所述预设时间内所述皮肤电导反应数据的下降沿斜率拐点，μ₂′为所述预设时间内所述皮肤电导反应数据的下降沿斜率拐点的标准值。

4.如权利要求3所述的疲劳检测方法，其特征在于，所述根据所述皮肤电导水平数据的偏移率和所述皮肤电导反应数据的偏移率计算人体疲劳指数的步骤具体包括：

通过以下算式计算人体疲劳指数：

F＝100*(a*Offset1+b*Offset2+c*Offset3)；

其中，F为人体疲劳指数，a、b、c为相关系数。

5.一种用于穿戴式设备的疲劳检测装置，其特征在于，所述疲劳检测装置包括：

数据采集模块，用于通过所述穿戴式设备的两个电极片采集预设时间内人体的皮肤电反应数据，所述皮肤电反应数据包括皮肤电导水平数据和皮肤电导反应数据；

数据处理模块，用于将所述皮肤电导水平数据和所述皮肤电导反应数据进行分离；

偏移率计算模块，用于计算所述预设时间内所述皮肤电导水平数据的偏移率，并计算所述预设时间内所述皮肤电导反应数据的偏移率；

疲劳检测模块，用于根据所述皮肤电导水平数据的偏移率和所述皮肤电导反应数据的偏移率计算人体疲劳指数。

6.如权利要求5所述的疲劳检测装置，其特征在于，所述偏移率计算模块包括：

第一偏移率计算单元，用于通过以下算式计算所述预设时间内所述皮肤电导水平数据的变化面积：

S_SCL＝∫_ΔT(V_SCL-V_REF)；

其中，S_SCL为所述预设时间内所述皮肤电导水平数据的变化面积，ΔT为所述皮肤电导水平数据的持续时间，V_SCL为所述预设时间内所述皮肤电导水平数据的电压值，V_REF为所述穿戴式设备中的运算放大器的基准电压值；

并通过以下算式计算所述预设时间内所述皮肤电导水平数据的偏移率：

$offset1=1-\left|\frac{S_{SCL}-{S_{SCL}}^{\′}}{{S_{SCL}}^{\′}}\right|;$

其中，offset1为所述预设时间内所述皮肤电导水平数据的偏移率，S_SCL′为所述预设时间内所述皮肤电导水平数据的变化面积的标准值。

7.如权利要求6所述的疲劳检测装置，其特征在于，所述偏移率计算模块还包括：

第二偏移率计算单元，用于对所述皮肤电导反应数据进行微分处理以得到所述皮肤电导反应数据的斜率；并对所述皮肤电导反应数据的斜率进行微分处理以得到所述皮肤电导反应数据的上升沿斜率拐点和下降沿斜率拐点；并分别通过以下算式计算所述预设时间内所述皮肤电导反应数据的上升沿斜率拐点的偏移率和所述皮肤电导反应数据的下降沿斜率拐点的偏移率：

$offset2=1-\left|\frac{{\mathrm{\μ}}_1-{{\mathrm{\μ}}_1}^{\′}}{{{\mathrm{\μ}}_1}^{\′}}\right|;$

$offset3=1-\left|\frac{{\mathrm{\μ}}_2-{{\mathrm{\μ}}_2}^{\′}}{{{\mathrm{\μ}}_2}^{\′}}\right|;$

其中，offset2为所述预设时间内所述皮肤电导反应数据的上升沿斜率拐点的偏移率，μ₁为所述预设时间内所述皮肤电导反应数据的上升沿斜率拐点，μ₁′为所述预设时间内所述皮肤电导反应数据的上升沿斜率拐点的标准值，offset3为所述预设时间内所述皮肤电导反应数据的下降沿斜率拐点的偏移率，μ₂为所述预设时间内所述皮肤电导反应数据的下降沿斜率拐点，μ₂′为所述预设时间内所述皮肤电导反应数据的下降沿斜率拐点的标准值。

8.如权利要求7所述的疲劳检测装置，其特征在于，所述疲劳检测模块具体用于通过以下算式计算人体疲劳指数：

F＝100*(a*Offset1+b*Offset2+c*Offset3)；

其中，F为人体疲劳指数，a、b、c均为相关系数。

9.一种穿戴式设备，包括采集电路，所述采集电路包括第一电极片和第二电极片，其特征在于，所述穿戴式设备还包括如权利要求5-8任意一项所述的疲劳检测装置，所述疲劳检测装置与所述采集电路的输出端连接。

10.如权利要求9所述的穿戴式设备，其特征在于，所述采集电路还包括：

第一电阻、第二电阻、第三电阻、滤波电容及运算放大器；

所述第一电阻的第一端接所述第一电极片，所述第一电阻的第二端接正电源，所述第二电阻的第一端和所述滤波电容的第一端共接于所述第二电极片，所述第二电阻的第二端接地，所述滤波电容的第二端接所述运算放大器的第一端，所述运算放大器的第二端输入基准电压，所述第三电阻连接在所述运算放大器的第二输入端和输出端之间，所述运算放大器的输出端为所述采集电路的输出端。