CN106137181A - 用于获取用户的疲劳特征的系统、方法和设备 - Google Patents

Abstract

本公开涉及一种用于获取用户的疲劳特征的系统、设备和方法，其中该系统包括：计算机，所述计算机被配置成：接收关于所述用户的信息和实验目的中的至少一项；基于所述信息和所述实验目的中的至少一项选择疲劳训练；以及针对所述用户提供所述疲劳训练；测量设备，所述测量设备被配置成测量所述用户在疲劳训练时或疲劳训练后的身体数据。

Description

用于获取用户的疲劳特征的系统、方法和设备

技术领域

本公开涉及平台领域，更具体而言，涉及通过疲劳实验平台来获取用户的疲劳特征的系统、方法和设备。

背景技术

在一定环境下，人经过一段时间工作，特别是长时间进行高强度的体力或脑力劳动，继而引起生理与心理状态的改变，产生身体疲劳和精神疲劳，导致其工作能力、注意力及工作效率下降。疲劳检测主要有主观检测法和客观检测法两种：主观检测法主要采用疲劳量表进行主观自评的方法进行判断疲劳状态，受到个人因素影响较大；客观检测法主要使用仪器设备对人体的生理指标进行测量、记录和分析。针对疲劳状态的生理指标判断，国内外使用了大量的技术手段，检测了疲劳发生时人的相关生理指标，包括脑电、心电、眼电、体温、脉搏、运动、面部变化、眼睛变化等。同时使用主观检测法和客观检测法比使用单一检测法能更好地判断人的疲劳状态。目前，提取疲劳特征大部分集中于模拟驾驶环境中驾驶员的疲劳或科研中一些固定实验任务导致的疲劳，不同疲劳训练平台的选择，严重影响了疲劳特征的提取。而现有的这些疲劳训练平台成本高、影响因素较多、操作难度差异较大、系统稳定性差、测试环境要求较高，不利于疲劳特征的准确提取。

因此，本领域亟需一种用于获取疲劳特征的新的疲劳训练平台。

发明内容

为了克服上述问题中的至少一些方面，本公开提出了一种新的用于获取用户的疲劳特征的系统、方法和设备。

根据本公开的第一方面，提供了一种用于获取用户的疲劳特征的系统，包括：计算机，所述计算机被配置成：接收关于所述用户的信息和实验目的中的至少一项；基于所述信息和所述实验目的中的至少一项选择疲劳训练；以及针对所述用户提供所述疲劳训练；测量设备，所述测量设备被配置成测量所述用户在疲劳训练时或疲劳训练后的身体数据；其中，所述计算机还被配置成分析所述身体数据以获取所述用户的疲劳特征。

可选地，所述计算机还被配置成记录所述身体数据的至少一部分。

可选地，还包括服务器，被配置成从所述计算机或所述测量设备接收所述身体数据的至少一部分。

可选地，所述服务器对所接收的身体数据进行分析以获取所述用户的疲劳特征。

可选地，所述身体数据包括生理参数和行为特征。

可选地，所述生理参数包括脑电图、心电图、肌电图、眼电图、脉搏、体温和血液含氧量中的至少一项。

可选地，所述行为特征包括身体运动、面部变化、眼部变化及疲劳训练任务中用户的反应速度和任务正确率中的至少一项。

可选地，所述测量设备包括脑电测量装置、心电测量装置、肌电测量装置、眼电测量装置、体温测量装置、脉搏测量装置、血液含氧量测量装置、动作测量装置、面部变化测量装置和所述眼部变化测量装置中的至少一种。

可选地，所述面部变化测量装置和所述眼部变化测量装置中的至少一种是视频拍摄设备。

可选地，当所述视频拍摄设备拍摄面部图像或眼部图像时，所述视频拍摄设备包括多路摄像设备，所述多路摄像设备被配置成对所述用户的面部的正面和多个侧面中的至少一个进行摄像。

根据本公开的第二方面，提供了一种用于获取用户的疲劳特征的方法，包括：接收关于所述用户的信息和实验目的中的至少一项；基于所述信息和所述实验目的中的至少一项选择疲劳训练；针对所述用户提供所述疲劳训练；测量所述用户在疲劳训练时或疲劳训练后的身体数据；以及分析所述身体数据以获取所述用户的疲劳特征。

可选地，还包括记录所述用户的身体数据。

可选地，所述用户的信息包括用户训练序号、姓名、职业、行业、从业时间、年龄、性别、兴趣、擅长、专业、学校、联系方式、可穿戴设备号中的至少一项。

可选地，所述身体数据包括生理参数和行为特征。

可选地，所述生理参数包括脑电图、心电图、肌电图、眼电图、脉搏、体温和血液含氧量中的至少一项。

可选地，所述行为特征包括身体运动、面部变化、眼部变化及疲劳训练任务中用户的反应速度和任务正确率中的至少一项。

可选地，在执行所述疲劳训练之前接收所述用户的测试前信息。

可选地，根据所述测试前信息来分析所述用户的身体状态，从而获取所述用户的疲劳特征。

可选地，所述测试前信息包括体内酒精含量、饮食习惯、运动习惯、睡觉习惯、过敏源和所服药物中的至少一项。

可选地，所述疲劳训练包括主观训练测试和客观训练测试中的至少一项。

可选地，所述主观训练测试包括疲劳量表、卡罗林斯卡嗜睡量表、对疲劳训练的厌恶度、爱泼沃斯嗜睡量表和斯坦福嗜睡量表中的至少一项。

可选地，所述客观训练测试包括精神运动警觉任务和疲劳实验任务中的至少一项。

可选地，所述眼部变化包括睁闭眼、眨眼频率、慢闭眼、瞳孔大小中的至少一项。

根据本公开的第三方面，提供了用于获取用户的疲劳特征的设备，包括：接收装置，被配置成接收关于所述用户的信息和实验目的中的至少一项；选择装置，被配置成选择疲劳训练；提供装置，被配置成针对所述用户提供所述疲劳训练；测量装置，被配置成测量所述用户在疲劳训练时或疲劳训练后的身体数据；以及分析装置，被配置成分析所述身体数据以获取所述用户的疲劳特征。

可选地，还包括记录装置，被配置成记录所述用户的身体数据。

可选地，所述用户的信息包括用户训练序号、姓名、职业、行业、从业时间、年龄、性别、兴趣、擅长、专业、学校、联系方式、可穿戴设备号中的至少一项。

可选地，所述身体数据包括生理参数和行为特征。

可选地，所述生理参数包括脑电图、心电图、肌电图、眼电图、脉搏、体温和血液含氧量中的至少一项。

可选地，所述行为特征包括身体运动、面部变化、眼部变化及疲劳训练任务中用户的反应速度和任务正确率中的至少一项。

可选地，所述接收装置还被配置成在执行所述疲劳训练之前接收所述用户的测试前信息。

可选地，所述分析装置还被配置成根据所述测试前信息来分析所述用户的身体状态，从而获取所述用户的疲劳特征。

可选地，所述测试前信息包括体内酒精含量、饮食习惯、运动习惯、睡觉习惯、过敏源和所服药物中的至少一项。

可选地，所述疲劳训练包括主观训练测试和客观训练测试中的至少一项。

可选地，所述主观训练测试包括疲劳量表、卡罗林斯卡嗜睡量表、对疲劳训练的厌恶度、爱泼沃斯嗜睡量表和斯坦福嗜睡量表中的至少一项。

可选地，所述客观训练测试包括精神运动警觉任务和疲劳实验任务中的至少一项。

可选地，所述眼部变化包括睁闭眼、眨眼频率、慢闭眼、瞳孔大小中的至少一项。

根据本公开的一些实施方式，可以实现以下优势中的至少一些：降低疲劳训练成本、排除一些影响因素、降低操作难度差异、提供系统稳定性、降低测试环境要求、提供疲劳特征获取的准确率。更具体而言，可以例如实现具有上述优势中至少一些的跨平台的疲劳训练实验系统。

附图说明

通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。

图1是根据本公开的一个实施例的用于获取用户的疲劳特征的系统的示意图；

图2是根据本公开的另一实施例的用于获取用户的疲劳特征的系统的示意图；

图3是根据本公开的一个实施例的用于获取用户的疲劳特征的方法的流程图；以及

图4是根据本公开的一个实施例的疲劳实验训练任务的一个示例。

具体实施方式

现在下文描述中阐述某些具体细节以便提供对本公开的主题内容的各种方面的透彻理解。然而在不具有这些具体细节的情形下仍然可以实现本公开的主题内容。

除非上下文另有要求，否则在说明书和所附权利要求书全文中，词语“包括”将解释成开放式包含意义，也就是说，解释为“包括但不限于”。

在本说明书全文中引用“一个实施例”或者“实施例”意味着结合该实施例描述的特定特征、结构或者特性包含于至少一个实施例中。因此，在本说明书全文中各处出现表达“在一个实施例中”或者“在实施例中”未必都是指相同方面。另外，可以在本公开内容的一个或者多个方面中以任何适当方式组合特定特征、结构或者特性。

在介绍本公开的实施例之前，简单描述疲劳特征获取的意义和应用。众所周知，随着生活和工作节奏的日益加快，人们也经常产生疲劳的现象。当例如在驾驶或工作(尤其是涉及人身安全的工作)过程中，疲劳驾驶或是疲劳工作容易导致灾难性的后果。因此，迫切希望能够避免此类现象的出现。通过研究发现，人类产生疲劳感觉时，通常伴有一些共同的特征。因此，目前已有一些技术方案能够提取这类的疲劳特征，并且将其应用于驾驶或是工作过程中，例如，在模拟驾驶环境或是一些特定的科研实验中，通过长时间模拟驾驶操作或是重复一些特定操作来提取驾驶员或受试者的疲劳特征。当驾驶员被检测到典型的疲劳特征(例如，之前通过模拟获取的疲劳特征)时，发出警报，告知驾驶员应该停止驾驶并休息一段时间。这类平台系统成本高、系统较为复杂、实验操作繁琐、影响因素较多、实验任务单一化、测试者动作频繁，严重影响疲劳特征的准确提取，同时还需要测试者熟悉驾驶环境。科研中的疲劳训练实验一般采用导致精神疲劳的实验任务，让测试者在电子屏蔽室内长时间持续做相关实验任务从而导致测试者产生疲劳情况，但是这个平台不固定、操作较简单、系统稳定性较差，大部分实验测试人数也相对偏少，不能形成稳定可靠的平台系统，不利于疲劳特征的提取。

针对上述问题，本公开提出了一种跨平台的系统，其可以应用于各种疲劳训练实验环境并且获取相应的疲劳特征。

参见图1，图1示出了根据本公开的一个实施例的用于获取用户的疲劳特征的系统100的示意图。系统100包括计算机110、测量设备120和服务器130。计算机110例如可以是个人计算机(PC)、笔记本、工作站、平板电脑等。计算机110可以用于接收各种数据，例如关于用户的信息和实验目的，其中用户的信息可以包括用户训练序号、姓名、职业、行业、从业时间、年龄、性别、兴趣、擅长、专业、学校、联系方式、可穿戴设备号中的至少一项。实验目的例如可以是科研、安全生产等。本领域技术人员可以理解，以上列举的用户信息和实验目的仅是用于举例说明而非旨在对其进行限制。计算机110可以根据所接收的用户信息和实验目的提供不同类型的疲劳实验训练项目，该疲劳实验训练项目可以存储在计算机110中，也可以存储在远程的服务器130或是云端网络(例如因特网)中，其中当疲劳实验训练项目并不存储在本地计算机110中时，计算机110可以通过有线或者无线的方式从服务器130或是云或网络(例如因特网)下载疲劳实验训练项目。可选地，在疲劳实验训练之后，将该疲劳实验训练项目存储在本地的计算机110以免日后重复下载。也可以根据用户信息和实验目的增加疲劳实验训练项目或对现有实验训练项目进行一定的参数调整(即实验项目任务内容更新)。

当用户进行疲劳实验训练(例如在计算机110的显示屏上进行疲劳训练)时，测量设备120可以实时地测量用户的身体数据。测量设备120可以包括用于在用户进行疲劳训练时测量用户脑电的脑电测量装置、用于在用户进行疲劳训练时测量用户心电的心电测量装置、用于在用户进行疲劳训练时测量用户肌电的肌电测量装置、用于在用户进行疲劳训练时测量眼电的眼电测量装置、用于在用户进行疲劳训练时测量用户体温的体温测量装置、用于在用户进行疲劳训练时测量用户脉搏的脉搏测量装置、用于在用户进行疲劳训练时测量用户血液含氧量的血液含氧量测量装置、用于在用户进行疲劳训练时测量用户身体(例如，手部)动作的身体动作测量装置、用于在用户进行疲劳训练时测量用户面部变化的面部变化测量装置和用于在用户进行疲劳训练时测量用户眼部变化的眼部变化测量装置中的至少一种。本领域技术人员可以理解，上述列举仅是用于说明而非旨在限制，此外，测量设备120可以是集成脑电测量装置、心电测量装置、肌电测量装置、眼电测量装置、体温测量装置、脉搏测量装置、血液含氧量测量装置、动作测量装置、面部变化测量装置和眼部变化测量装置中的至少一种的单个可穿戴设备，例如头部可穿戴设备或是腕部可穿戴设备。在根据本公开的一个实施例中，测量设备120是面部变化测量装置或眼部变化测量装置，更具体而言是用于拍摄面部变化和眼部变化的摄像机。在一个示例中，测量设备120是多路摄像机，其用于拍摄用户的正面和侧面。所拍摄的面部图像或眼部图像可以通过本领域已知的图像分析算法来自动分析其面部或眼部变化，例如睁闭眼、眨眼频率、慢闭眼、瞳孔大小中的至少一项，这将在下面具体描述。本领域技术人员可以理解，上述多路摄像机仅是用于说明而非旨在限制，也可以使用单路摄像机，其仅拍摄用户的正面。

此外，上述身体数据包括生理参数和行为特征。本领域技术人员可以理解，上述列举仅是用于举例说明而非旨在对身体数据进行限制。例如，身体数据还可以包括生化参数。在本公开的一个实施例中，可以用于测量的生理参数包括脑电图、心电图、肌电图、眼电图、脉搏、体温和血液含氧量中的至少一项。在本公开的另一实施例中，可以用于测量的行为特征包括身体运动、面部变化、眼部变化及疲劳训练任务中用户的反应速度和任务正确率中的至少一项。例如，在根据本公开的一个实施例中，眼部变化可以包括睁闭眼、眨眼频率、慢闭眼、瞳孔大小中的至少一项。当进行疲劳实验训练的用户闭眼一段时间时，可以认为其已经疲劳。即，闭眼一段时间对应于用户疲劳，这可以是一个疲劳特征。例如，当用户眨眼频率较低或闭眼较慢时，也可以认为其已经疲劳。类似地，瞳孔的大小也可以用于确定用户已经疲劳。本领域技术人员可以理解，上述列举仅是用于举例说明而非旨在对其进行限制，还可以有用于疲劳特征提取的其它生理参数或是行为特征。

测量设备120可以将测得的数据通过有线或无线的连接方式实时地传送至计算机110和服务器130中的至少一个，也可以存储在测量设备120中随后传送至它们。

服务器130可以是诸如远程网络服务器之类的任何服务器，其可以存储计算机110和测量设备120传输过来的数据，并且可选地，可以对该数据进行分析以获取用户的疲劳特征。换言之，计算机110和服务器130除了上面所述地可以均具有用于接收用户数据的功能模块之外，也可以均具有对测量设备120测得的数据进行分析以获取用户疲劳特征的功能模块。优选地，在计算机110中执行分析功能，以便实时地呈现分析结果。

在根据本公开的一个实施例中，服务器130可以存储有疲劳特征数据库。可以对该疲劳特征数据库进行数据挖掘和分析以提取典型疲劳特征或统计学疲劳特征，从而从某种程度上排除个体因素的干扰。本领域技术人员可以理解，计算机110可以从服务器130获取疲劳特征数据库以根据典型疲劳特征或统计学疲劳特征来分析实时监测的身体数据，从而事实判断用户是否处于疲劳状态，这不仅可以应用于疲劳实验训练，也可以应用于实际工作(例如高速列车驾驶，例如在驾驶室内的计算设备中集成了类似本实施例中的计算机110并且驾驶员佩戴了类似本实施例中的测量设备120)中的实时疲劳检测。换言之，根据本公开的实施例的系统、设备和方法不仅可以用于疲劳特征获取，也可以用于疲劳检测。本领域技术人员可以理解，上述举例仅是用于说明而非旨在限制。

上面结合图1描述了根据本发明的一个实施例的系统100。下面参见图2，图2示出了根据本公开的另一实施例的系统200，系统200包括训练控制台210、训练操作台220、测量设备230、240和250。出于简略的目的，图2中与图1实施例中相同或相似的部分在此省略，不再赘述。本领域技术人员可以理解，图1和图2的实施例中的功能部件、特征部分在技术上不相冲突的情况下，可以根据实际需要进行组合。系统200是采用硬件设备为疲劳实验训练定制的系统。训练控制台210和训练操作台220组合起来可以类似于图1中的计算机110，其中训练控制台执行图1中的计算机的接收用户信息和实验目的、基于用户信息和实验目的选择疲劳训练项目、向用户提供疲劳训练项目以及分析测量设备230、240和250测得的身体数据以获取用户疲劳特征的功能，训练操作台220例如可以是类似于图1中的计算机110的显示屏，例如触摸屏，用户可以在操作台220进行疲劳实验训练操作，训练控制台可以基于操作的结果和实时测量的身体数据来分析用户的身体数据以获取用户的疲劳特征。在图2的实施例中，也可以具有服务器或远程数据库，其实现与图1中的服务器130相似的功能。

在图2中，系统200还包括与图1中的测量设备120类似的测量设备230、240和250，其中测量设备230是脑电测量装置，测量设备240是动作测量装置，测量设备250是眼部变化测量装置(例如为四路摄像机)。本领域技术人员可以理解，脑电测量装置230、动作测量装置240和眼部变化测量装置250可以为三个分立的测量设备，也可以被集成到一个测量设备中。

脑电测量装置230为本领域技术人所熟知，其用于测量用户的脑电信号(或脑电图EEG，Electro Encephalo Graph)。本领域技术人员可以理解，可以测量用户脑电信号的任何测量设备均属于脑电测量装置的范畴之内。类似地，可以测量用户动作的任何测量设备均属于动作测量装置的范畴之内，例如用户可以佩戴的含有陀螺仪或加速度计之类的装置的可穿戴设备。同样，可以测量用户眼部变化的任何测量设备均属于眼部变化测量装置的范畴之内，在本实施例中，眼部变化测量装置250如上所述地是四路摄像机，其用于拍摄测试者正面、左右侧面(正中偏30°)、操作台电脑屏幕实验任务，从而捕获测试者面部和眼睛图像及整个实验任务过程。

测量设备230、240和250采集的信号可以实时地传输给训练控制台210，也可以如上所述地传输服务器(未示出)，或者也可以存储在测量设备中随后传输。训练控制台210可以实时地对测量数据进行分析，例如，当使用眼部图形识别算法对眼部变化测量装置250测得的数据进行分析时，可以使用用户睁闭眼、眨眼频率、慢闭眼、瞳孔大小中的至少一项来获取疲劳特征。

本领域技术人员可以理解，上面针对图1和图2所述的实施例仅是用于说明，而非对其进行限制。还可以有其它系统，其也属于本公开的范围之内。

应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。

应当注意，尽管在上文详细描述中提及了系统的若干单元或子单元，但是这种划分仅仅并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

下面结合图3来描述根据本公开的一个实施例的用于获取用户的疲劳特征的方法的流程图。

首先，在步骤310处，例如计算机110之类的设备接收关于所述用户的信息和实验目的中的至少一项。如上所述，用户信息可以包括用户训练序号、姓名、职业、行业、从业时间、年龄、性别、兴趣、擅长、专业、学校、联系方式、可穿戴设备号中的至少一项。实验目的例如可以是科研、安全生产等。由于本公开的疲劳特征训练系统、方法和设备均旨在建立一种跨平台的系统、方法和设备，因此，在系统和设备内部存储了多种训练项目，该多种训练项目的内容、难易程度、操作方式等均可以不同以适配根据用户信息和实验目的细化的用户。例如，训练项目内容可以模拟人的日常工作环境或者模拟驾驶环境等。

在步骤320处，例如计算机110或训练控制台210之类的设备基于上述信息和所述实验目的中的至少一项从疲劳训练数据库中选择疲劳训练。如上所述，当本地疲劳训练数据库中不具有适配的训练项目时，可以从远程服务器或因特网下载适配的训练项目。本领域技术人员可以理解，也可以根据用户信息和实验目的增加疲劳实验训练项目或对现有实验训练项目进行一定的参数调整(即实验项目任务内容更新)。

在步骤330处，例如计算机110或训练控制台210之类的设备针对所述用户提供所述疲劳训练，从而用户可以在计算机110上或操作台220上进行疲劳训练。例如，用户可以佩戴脑电测量装置230和动作测量装置240，并且将视频四路摄像头250拍摄位置调整好，然后开始进行疲劳训练。

疲劳训练测试包括主观测试和客观测试两部分。疲劳训练主观测试为测试者对实验过程中特定时间点的疲劳状态进行主观判定。疲劳训练客观测试包括疲劳实验任务和测试者在特定时间点的反应时间。疲劳实验任务、疲劳状态评分、疲劳状态下反应时间组成整个疲劳训练任务。在一个实施例中，主观训练测试包括疲劳量表、卡罗林斯卡嗜睡量表、对疲劳训练的厌恶度、爱泼沃斯嗜睡量表和斯坦福嗜睡量表中的至少一项。在一个实施例中，客观训练测试包括精神运动警觉任务和疲劳实验任务中的至少一项。

在主观测试中，疲劳量表(Fatigue Scale)包括14个问题量表，即生理症状(8个问题：1-8)和心理症状(5个问题：9-14)。在实验前后进行疲劳量表的问答，其评分分值越高越疲劳。关于疲劳量表，可以参见Chalder，T.，Berelowitz，G.，Pawlikowska，T.，Watts，L.，Wessely，S.，Wright，D.，Wallace，E.P.，.Development of a fatigue scale.Journal of Psychosomatic Research，1993，37：147-153。卡罗林斯卡嗜睡量表(Karolinska Sleepiness Scale，KSS)，KSS检测的是一天中特定时间嗜睡自省水平，最大反应实验十分钟内的心理状态，是一种情境嗜睡测量方法，对波动敏感。KSS分为9种困倦程度：1)极度清醒；2)非常清醒；3)清醒；4)还算清醒；5)既不清醒也不困倦；6)有一些困倦；7)困倦，但是不需要费力去保持清醒；8)很困倦，需要努力保持清醒；9)非常困倦，需要努力挣扎去保持清醒。关于卡罗林斯卡嗜睡量表，可以参见Kaida M，Takahashi T，A，Nakata Y，Otsuka T，Haratani K，et a1.Validation of the Karolinskasleepiness scale against performance and EEG variables.ClinicalNeurophysiology，2006，117：1574-81。厌恶表(aversion scale)检测实验过程中受试者的情绪变化，反映受试者随着时间的延长对操作实验的厌恶程度，评分为0-10分，分值越大则越厌恶：0分，完全不厌恶；10分，最大厌恶。关于厌恶度，可以参见Maarten AS Boksem，et a1.Effects of mental fatigue on attention：An ERP study.CognitiveBrain Reasearch，2005，25：107-116。爱泼沃斯嗜睡量表(EpworthSleepiness Scale，ESS)是由澳大利亚墨尔本的Epworth医院设计的，是一种十分简单的患者自我评估白天嗜睡程度的问卷表。评分标准按照所选择的0、1、2、3为相应分值，分值越高，提示嗜睡倾向越明显。正常人的评分应在7.6以内。ESS评价最近时间内打瞌睡的可能性，总分≥10分，睡眠不足；总分≥18分，睡眠非常不足。关于爱泼沃斯嗜睡量表，可以参见Johns MW.A new method for measuringdaytime sleepiness：the Epworth sleepiness scale.Sleep.1991；14(6)：540-545。斯坦福嗜睡量表(Stanford Sleepiness Scale，SSS)一直是自我评估嗜睡的标准方法，接受评估的测试者选择SSS中7个陈诉中的一个来评估自己目前的状态。SSS是一个快速的方法来评估警觉性，其优点是操作简单并可反复进行。关于斯坦福嗜睡量表，可以参见Stanford Sleepiness Scale[EB/OL].2011。以上文献通过引用在此并入本文。

在客观测试中，例如疲劳状态下反应时间采用精神运动警觉任务(Psychomotor vigilance task，PVT)。PVT测试能在计算机屏幕中央随机出现毫秒计数器，测试者以敲击键盘来测试其反应时间，而反应时间的快慢反映了测试者疲劳程度的深浅(测试5min)。关于PVT测试，可以参见Basner M，Dinges DF.Maximizing Sensitivityof the Psychomotor Vigilance Test(PVT)to Sleep Loss.Sleep.2011，34(5)：581-591。以上文献通过引用在此并入本文。

疲劳实验任务为一个让测试者长时间重复做一种或多种类型的题目、游戏等不同实验任务，模拟人长期集中注意力做事后导致的身体疲劳和精神疲劳。例如，当屏幕上出现红色或蓝色矩形框时，测试者需立即对此进行颜色判断，并尽快做出相应的按键反馈，测试结果包括测试者的正确率和反应时间，具体实验内容见图4，每个循环包括480个任务选择。上述实验还可以具体参见EdmundWaschera，et al.Frontal theta activity reflects distinct aspects of mentalfatigue.Biological Psychology.2014，96：57-65，该文献在此通过引用并入本文。本发明选取的这个实验任务只是实例中的一个举例，并不限于这一种实验任务，上面列举的主观训练任务和客观训练任务均可以在此应用。

当用户穿戴好测量设备或是设置好测量设备之后，在步骤340处，例如测量设备120、脑电测量装置230，动作测量装置240和测眼部变化测量装置(例如为四路摄像机)250测量所述用户在疲劳训练时或疲劳训练后的身体数据，诸如脑电图、心电图、肌电图、眼电图、脉搏、体温和血液含氧量中的至少一项，以及身体运动、面部变化、眼部变化及疲劳训练任务中用户的反应速度和任务正确率中的至少一项。本领域技术人员可以理解，测量设备可以实时测量用户在进行疲劳训练时的身体数据，也可以在疲劳训练结束之后测量用户的身体数据，例如当系统用于检测用户在实际工作过程中的身体数据。测量设备也可以将所测数据实时传输给诸如计算机110或是训练控制台210之类的设备以供后续分析处理。

在步骤350处，例如计算机110或是训练控制台210之类的设备分析所测得的身体数据以获取所述用户的疲劳特征。例如，如上所述，使用面部图像识别或眼部图形识别算法来识别出睁闭眼、眨眼频率、慢闭眼、瞳孔大小中的至少一项，并且基于上述分析出的结果来获取用户的疲劳特征。所获得的疲劳特征可以存储在计算机110或是控制台210中，或是上传至远程服务器130。可以使用所获得的疲劳特征实时监控用户的状态，当用户在驾驶或是工作时，当出现与疲劳特征相似的特征时，可以发出通知、警报或对其进行记录，告知用户或上级主管，用户处于疲劳状态。

本领域技术人员可以理解，由于个体差异，或疲劳训练之前处于非正常状态(例如饮酒)，因此可能导致疲劳训练效果不佳。为此，本公开也构思了缓解或消除个体差异对于疲劳训练带来的影响，以获取较为准确的疲劳特征。例如，在步骤310之前，例如计算机110或是训练控制台210之类的设备在执行所述疲劳训练之前接收所述用户的测试前信息，该测试前信息包括体内酒精含量、饮食习惯(例如实验前一天是否饮用咖啡、茶等)、运动习惯(例如实验前一天是否参加过运动，如骑车、跑步等，导致人身体疲劳)、睡觉习惯(例如前一天睡眠时间长短、是否有熬夜、是否有午睡习惯)、过敏源和所服药物(例如对于影响反应的药物)中的至少一项。通过研究发现，上述项对于疲劳训练有着较为重大的影响。因此，可以在疲劳训练之前获取测试前信息，例如填写实验前调查问卷、采用仪器测量酒精含量等。在获取测试前信息之后，将其记录或存储，例如存储在计算机110中或是训练控制台210中。

当进行到步骤350时，计算机110或是训练控制台210在分析所测得的身体数据以获取疲劳特征时，需要考虑测试前信息带来的影响，例如调整对于测试中反应时间或是眨眼速率造成的影响。换言之，在此情形下，计算机110或是训练控制台210根据所述测试前信息来分析所述用户的身体状态，从而获取所述用户的疲劳特征。此外，如上所述地，还可以参考疲劳特征数据库中的典型疲劳特征或疲劳特征统计来对单个用户的疲劳特征进行分析。

本领域技术人员可以理解，也可以将测试前信息纳入对实验训练项目选择的考量。即，例如计算机110或是训练控制台210之类的设备也可以接收测试前信息，并且基于该测试前信息以及上述的用户信息和实验目的来选择疲劳训练项目(该疲劳训练项目是针对具有该测试前信息涉及的内容而定制的训练项目)，以及提供该疲劳训练项目、测量身体状态和分析身体数据以及获得疲劳特征。

综上所述，根据本公开的疲劳实验训练平台系统可以建立测试者数据库、针对不同研究目的或研究阶段选择不同的疲劳实验任务，而且还可以根据不同的实验对象调整疲劳训练任务难易程度，从而提高了训练平台的智能化与人性化，这样大大减少了实验影响因素，同时也保证了疲劳趋势正确性，更有利于提取疲劳特征。此外，该系统稳定性高、成本低、操作便捷，可以应用于不同的训练平台，提供不同的训练环境和训练项目。

应当注意，尽管在上文详细描述中提及了系统的若干单元或子单元，但是这种划分仅仅并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本发明，但是应该理解，本发明并不限于所公开的具体实施方式。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。所附权利要求的范围符合最宽泛的解释，从而包含所有这样的修改及等同结构和功能。

Claims (36)

1.一种用于获取用户的疲劳特征的系统，包括：

计算机，所述计算机被配置成：

接收关于所述用户的信息和实验目的中的至少一项；

基于所述信息和所述实验目的中的至少一项选择疲劳训练；以及

针对所述用户提供所述疲劳训练；

测量设备，所述测量设备被配置成测量所述用户在疲劳训练时或疲劳训练后的身体数据；

其中，所述计算机还被配置成分析所述身体数据以获取所述用户的疲劳特征。

2.根据权利要求1所述的系统，其中所述计算机还被配置成记录所述身体数据的至少一部分。

3.根据权利要求1所述的系统，还包括服务器，被配置成从所述计算机或所述测量设备接收所述身体数据的至少一部分。

4.根据权利要求3所述的系统，其中所述服务器对所接收的身体数据进行分析以获取所述用户的疲劳特征。

5.根据权利要求1-4中任一项所述的系统，其中所述身体数据包括生理参数和行为特征。

6.根据权利要求5所述的系统，其中所述生理参数包括脑电图、心电图、肌电图、眼电图、脉搏、体温和血液含氧量中的至少一项。

7.根据权利要求5所述的系统，其中所述行为特征包括身体运动、面部变化、眼部变化及疲劳训练任务中用户的反应速度和任务正确率中的至少一项。

8.根据权利要求1所述的系统，所述测量设备包括脑电测量装置、心电测量装置、肌电测量装置、眼电测量装置、体温测量装置、脉搏测量装置、血液含氧量测量装置、动作测量装置、面部变化测量装置和所述眼部变化测量装置中的至少一种。

9.根据权利要求8所述的系统，其中，所述面部变化测量装置和所述眼部变化测量装置中的至少一种是视频拍摄设备。

10.根据权利要求8所述的系统，其中，当所述视频拍摄设备拍摄面部图像或眼部图像时，所述视频拍摄设备包括多路摄像设备，所述多路摄像设备被配置成对所述用户的面部的正面和多个侧面中的至少一个进行摄像。

11.一种用于获取用户的疲劳特征的方法，包括：

接收关于所述用户的信息和实验目的中的至少一项；

基于所述信息和所述实验目的中的至少一项选择疲劳训练；

针对所述用户提供所述疲劳训练；

测量所述用户在疲劳训练时或疲劳训练后的身体数据；以及

分析所述身体数据以获取所述用户的疲劳特征。

12.根据权利要求11所述的方法，还包括记录所述用户的身体数据。

13.根据权利要求11所述的方法，其中所述用户的信息包括用户训练序号、姓名、职业、行业、从业时间、年龄、性别、兴趣、擅长、专业、学校、联系方式、可穿戴设备号中的至少一项。

14.根据权利要求11-13中任一项所述的方法，其中所述身体数据包括生理参数和行为特征。

15.根据权利要求14所述的方法，其中所述生理参数包括脑电图、心电图、肌电图、眼电图、脉搏、体温和血液含氧量中的至少一项。

16.根据权利要求14所述的方法，其中所述行为特征包括身体运动、面部变化、眼部变化及疲劳训练任务中用户的反应速度和任务正确率中的至少一项。

17.根据权利要求11所述的方法，其中在执行所述疲劳训练之前接收所述用户的测试前信息。

18.根据权利要求17所述的方法，其中根据所述测试前信息来分析所述用户的身体状态，从而获取所述用户的疲劳特征。

19.根据权利要求17或18所述的方法，其中所述测试前信息包括体内酒精含量、饮食习惯、运动习惯、睡觉习惯、过敏源和所服药物中的至少一项。

20.根据权利要求11所述的方法，其中所述疲劳训练包括主观训练测试和客观训练测试中的至少一项。

21.根据权利要求20所述的方法，其中，所述主观训练测试包括疲劳量表、卡罗林斯卡嗜睡量表、对疲劳训练的厌恶度、爱泼沃斯嗜睡量表和斯坦福嗜睡量表中的至少一项。

22.根据权利要求20或21所述的方法，其中，所述客观训练测试包括精神运动警觉任务和疲劳实验任务中的至少一项。

23.根据权利要求16所述的方法，其中，所述眼部变化包括睁闭眼、眨眼频率、慢闭眼、瞳孔大小中的至少一项。

24.一种用于获取用户的疲劳特征的设备，包括：

接收装置，被配置成接收关于所述用户的信息和实验目的中的至少一项；

选择装置，被配置成选择疲劳训练；

提供装置，被配置成针对所述用户提供所述疲劳训练；

测量装置，被配置成测量所述用户在疲劳训练时或疲劳训练后的身体数据；以及

分析装置，被配置成分析所述身体数据以获取所述用户的疲劳特征。

25.根据权利要求24所述的设备，还包括记录装置，被配置成记录所述用户的身体数据。

26.根据权利要求24所述的设备，其中所述用户的信息包括用户训练序号、姓名、职业、行业、从业时间、年龄、性别、兴趣、擅长、专业、学校、联系方式、可穿戴设备号中的至少一项。

27.根据权利要求24-26中任一项所述的设备，其中所述身体数据包括生理参数和行为特征。

28.根据权利要求27所述的设备，其中所述生理参数包括脑电图、心电图、肌电图、眼电图、脉搏、体温和血液含氧量中的至少一项。

29.根据权利要求27所述的设备，其中所述行为特征包括身体运动、面部变化、眼部变化及疲劳训练任务中用户的反应速度和任务正确率中的至少一项。

30.根据权利要求24所述的设备，其中所述接收装置还被配置成在执行所述疲劳训练之前接收所述用户的测试前信息。

31.根据权利要求20所述的设备，其中所述分析装置还被配置成根据所述测试前信息来分析所述用户的身体状态，从而获取所述用户的疲劳特征。

32.根据权利要求30或31所述的设备，其中所述测试前信息包括体内酒精含量、饮食习惯、运动习惯、睡觉习惯、过敏源和所服药物中的至少一项。

33.根据权利要求24所述的设备，其中所述疲劳训练包括主观训练测试和客观训练测试中的至少一项。

34.根据权利要求33所述的设备，其中，所述主观训练测试包括疲劳量表、卡罗林斯卡嗜睡量表、对疲劳训练的厌恶度、爱泼沃斯嗜睡量表和斯坦福嗜睡量表中的至少一项。

35.根据权利要求33或34所述的设备，其中，所述客观训练测试包括精神运动警觉任务和疲劳实验任务中的至少一项。

36.根据权利要求29所述的设备，其中，所述眼部变化包括睁闭眼、眨眼频率、慢闭眼、瞳孔大小中的至少一项。