CN106650636A - 一种基于脑机接口的驾驶警觉度实时监测装置及方法 - Google Patents

一种基于脑机接口的驾驶警觉度实时监测装置及方法 Download PDF

Info

Publication number
CN106650636A
CN106650636A CN201611088397.XA CN201611088397A CN106650636A CN 106650636 A CN106650636 A CN 106650636A CN 201611088397 A CN201611088397 A CN 201611088397A CN 106650636 A CN106650636 A CN 106650636A
Authority
CN
China
Prior art keywords
alertness
result
eeg signals
type identification
component
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.)
Pending
Application number
CN201611088397.XA
Other languages
English (en)
Inventor
蒋昌俊
闫春钢
张亚英
曹磊
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.)
Tongji University
Original Assignee
Tongji University
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 Tongji University filed Critical Tongji University
Priority to CN201611088397.XA priority Critical patent/CN106650636A/zh
Publication of CN106650636A publication Critical patent/CN106650636A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing

Abstract

一种基于脑机接口的驾驶警觉度实时监测装置，用于通过实时监控驾驶人员大脑警觉度信息，包括：脑电信号采集单元和脑电信息处理服务端；脑电信号采集单元包括脑电信号传感器，用于通过脑电信号传感器采集脑电信号；驾驶员脑电信息处理服务端，用于根据脑电信号采集单元监测脑电信号，并根据脑电信号与警觉度监控模型生成警觉度类型识别结果，根据警觉度类型识别结果生成并发送预警报告。

Description

一种基于脑机接口的驾驶警觉度实时监测装置及方法
技术领域
本发明涉及一种脑电信号检测装置，特别是涉及一种基于脑机接口的驾驶警觉度实时监测装置及方法。
背景技术
目前，驾驶疲劳是交通安全的致命威胁之一。自可操控汽车诞生以来，预防和控制由于驾驶员的疲劳引起的人身财产损失一直是交通安全研究领域的重要课题。由于驾驶疲劳主要与操控者的精神注意力状态有关，因此，监测驾驶员的警觉度变化是发现驾驶疲劳现象、提供安全预警的有效途径之一。
现有技术中，可用于警觉度检测的生理信号指标种类繁多。根据信号检测的显隐性，可分为显式和隐式信号指标两类。用于驾驶警觉分析的常用显式指标信号包括眼动、头部姿态检测以及嘴部形态检测等。其中，眼睑闭合度(PERCLOS，Percentage ofEyeIidCIosure over the PupiI，over Time)是研究最多、效果最好的显式信号指标。这些显式信号可以精准捕捉到危险驾驶情况，但往往实时性不足，不能及时预警潜在的警觉度异常变化，如瞌睡、注意力分心等。因而，基于人体生物信号检测的隐式信号指标作为另一类监测手段被应用于驾驶警觉度研究中来。常用的隐式信号包括任务反应时、心率变异、血压以及脑电信号等。这其中，脑电信号因其具有能准备反应大脑认知状态的细微变化、时间分辨率高等特点，因而成为使用更为频繁的隐式信号指标。
自发脑电信号反映了大脑组织的电活动及大脑的功能状态，在不同的警觉度状态下，自发脑电中的不同节律也呈现出各异的活动状态。一般认为，快波β波是大脑皮层处在紧张状态时的主要脑电活动表现，α波是皮层处在安静状态时的主要表现，慢波δ波是睡眠状态下的主要表现。
目前的脑电信号的警觉度研充分析主要利用覆盖整个头皮层的导联频谱数据进行分析，使用模式识别算法进行警觉度统计监测，离线分析占比重较大。目前，尚未有较好的导联筛选方法能够在保证评测效果的前提下，使用较少导联进行实时警觉度监测，以适合于实际的穿戴脑电设备使用。
综上，现有技术中披露的警觉度检测技术存在实时性较低，导联复杂不适合驾驶员穿戴，自适应性低等技术问题。
发明内容
鉴于以上现有技术的缺点，为解决现有技术中实时性较低，导联复杂不适合驾驶员穿戴，自适应性低的技术问题，本发明的目的在于提供一种基于脑机接口的驾驶警觉度实时监测装置及方法，用于通过实时监控驾驶人员大脑警觉度信息，包括：脑电信号采集单元和脑电信息处理服务端；脑电信号采集单元包括脑电信号传感器，用于通过所述脑电信号传感器采集脑电信号；驾驶员脑电信息处理服务端，用于根据所述脑电信号采集单元监测所述脑电信号，并根据所述脑电信号与所述警觉度监控模型生成警觉度类型识别结果，根据所述警觉度类型识别结果生成并发送预警报告。
于本发明的一实施方式中，脑电信号采集单元，包括：传感器固定装置、脑电信号输出单元；传感器固定装置，用于将脑电信号传感器穿戴于测试人员头部；脑电信号输出单元，用于放大脑电信号并输出。
于本发明的一实施方式中，驾驶员脑电信息处理服务端，包括：警觉度模型选择单元、警觉度检测结果生成单元、类型识别报警单元；警觉度模型选择单元，用于设置系统工作信息并选择警觉度监控模型；警觉度检测结果生成单元，用于根据系统工作信息实时监测脑电信号，并根据脑电信号与警觉度监控模型生成警觉度检测结果；类型识别报警单元，用于根据警觉度检测结果得出警觉度类型识别结果，根据警觉度类型识别结果生成并发送预警报告。
于本发明的一实施方式中，警觉度模型选择单元，包括：滤波参数设置组件、适用场景判断组件、选择结果生成组件、检测要求设置组件、预警阈值设置组件；滤波参数设置组件，用于设置分类识别时间窗口长度及滤波参数；适用场景判断组件，用于判断适用场景，得出场景判断结果；选择结果生成组件，用于根据场景判断结果选择警觉度监控模型，得出警觉度监控模型选择结果，其中，警觉度监控模型包括：SVM(Support VectorMachine)模型、GMMcluster(Gaussian Mixture Model Cluster)模型和无模型；检测要求设置组件，用于预设检测要求；预警阈值设置组件，用于根据检测要求设置警觉度预警阈值。
于本发明的一实施方式中，警觉度检测结果生成单元，包括：脑电信号截取组件、脑电信息滤波组件、警觉度特征计算组件；脑电信号截取组件，用于根据分类识别时间窗口长度异步截取脑电信号，得到单位时间内的脑电信息；脑电信息滤波组件，用于根据滤波参数对脑电信息进行滤波，得到滤波脑电信息；警觉度特征计算组件，用于根据滤波脑电信息计算得出警觉度特征。
于本发明的一实施方式中，类型识别报警单元，包括：模型选择结果及警觉度特征接收组件、分类识别结果生成组件、危险状态判断组件、警报组件、循环更新组件；模型选择结果及警觉度特征接收组件，用于接收警觉度监控模型选择结果及警觉度特征；分类识别结果生成组件，用于根据警觉度监控模型选择结果使用对应警觉度监控模型对警觉度特征分类，获得警觉度类型识别结果；危险状态判断组件，用于根据警觉度识别结果判断是否处于危险状态；警报组件，用于在处于危险状态时，发出警报并生成预警报告；循环更新组件，用于在未处于危险状态时，循环执行从通过传感装置采集脑电信号至根据警觉度检测结果得出警觉度类型识别结果，根据警觉度类型识别结果生成并发送预警报告的步骤，更新警觉度类型识别结果。
于本发明的一实施方式中，将传感器穿戴于测试人员头部，包括：传感器固定装置将脑电传感器固定于测试人员头部；传感器与脑电信号采集单元连接。
于本发明的一实施方式中，通过脑电信号传感器采集脑电信号，包括：脑电信号采集单元通过脑电传感器采集脑电信号；脑电信号输出单元放大脑电信号并输出。
于本发明的一实施方式中，一种驾驶员脑电信号处理方法，包括：设置系统工作信息并选择警觉度监控模型；根据系统工作信息实时监测脑电信号，并根据脑电信号与警觉度监控模型生成警觉度检测结果；根据警觉度检测结果得出警觉度类型识别结果，根据警觉度类型识别结果生成并发送预警报告。
于本发明的一实施方式中，警觉度模型选择单元设置系统工作信息并选择警觉度监控模型，包括：设置分类识别时间窗口长度及滤波参数；判断适用场景，得出场景判断结果；根据场景判断结果选择警觉度监控模型，得出警觉度监控模型选择结果，其中，警觉度监控模型包括：SVM模型、GMMcluster模型和无模型；预设检测要求；预警阈值设置组件根据检测要求设置警觉度预警阈值。
于本发明的一实施方式中，警觉度检测结果生成单元根据系统工作信息实时监测脑电信号，并根据脑电信号与警觉度监控模型生成警觉度检测结果，包括：根据分类识别时间窗口长度异步截取脑电信号，得到单位时间内的脑电信息；根据滤波参数对脑电信息进行滤波，得到滤波脑电信息；根据滤波脑电信息计算得出警觉度特征。
于本发明的一实施方式中，类型识别报警单元根据警觉度检测结果得出警觉度类型识别结果，根据警觉度类型识别结果生成并发送预警报告，包括：接收警觉度监控模型选择结果及警觉度特征；根据警觉度监控模型选择结果使用对应的警觉度监控模型对警觉度特征分类，获得警觉度类型识别结果；根据警觉度类型识别结果判断是否处于危险状态；在警觉度类型识别结果判断处于危险状态时，发出警报并生成预警报告；在警觉度类型识别结果判断未处于危险状态时，循环执行从脑电信号采集单元通过传感装置采集脑电信号至类型识别报警单元根据警觉度检测结果得出警觉度类型识别结果，根据警觉度类型识别结果生成并发送预警报告的步骤，更新警觉度类型识别结果。
如上所述，本发明提供的一种基于脑机接口的驾驶警觉度实时监测装置及方法，具有以下有益效果：
本发明公开一种基于脑机接口的驾驶警觉度实时监测装置及方法，解决了现有技术中导联数过多、自适应更新、预警策略单一和可视化信息较少的的技术问题。
附图说明
图1显示为本发明的一种基于脑机接口的驾驶警觉度实时监测装置示意图。
图2显示为本发明的脑电信息处理服务端示意图。
图3显示为本发明的警觉度模型选择单元组件示意图。
图4显示为本发明的警觉度检测结果生成单元组件示意图。
图5显示为本发明的类型识别报警单元组件示意图。
图6显示为一种驾驶员脑电信号处理方法步骤示意图。
图7显示为本发明设置系统工作信息并选择警觉度监控模型步骤示意图。
图8显示为本发明的警觉度检测结果生成步骤示意图。
图9显示为本发明的警觉度类型识别结果生成步骤示意图。
元件标号说明
1 一种基于脑机接口的驾驶警觉度实时监测装置
11 脑电信号采集单元
12 驾驶员脑电信息处理服务端
111 脑电信号传感器
112 传感器固定装置
113 脑电信号输出单元
121 警觉度模型选择单元
122 警觉度检测结果生成单元
123 类型识别报警单元
1211 滤波参数设置组件
1212 适用场景判断组件
1213 选择结果生成组件
1214 检测要求设置组件
1315 预警阈值设置组件
1221 脑电信号截取组件
1222 脑电信息滤波组件
1223 警觉度特征计算组件
1231 模型选择结果及警觉度特征接收组件
1232 分类识别结果生成组件
1233 危险状态判断组件
1234 警报组件
1235 循环更新组件
步骤标号说明
图6 S1～S3
图7 S11～S15
图8 S21～S23
图9 S31～S35
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
请参阅图1至图9，须知，本说明书所附图式所绘示的结构，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容所能涵盖的范围内。同时，本说明书中所引用的如”上”、”下”、”左”、”右”、”中间”及”一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
请参阅图1，显示为本发明的一种基于脑机接口的驾驶警觉度实时监测装置示意图，如图1所示，为解决现有技术中导联数过多、自适应更新、预警策略单一和可视化信息较少的的技术问题，本发明的目的在于提供一种基于脑机接口的驾驶警觉度实时监测装置及方法，用于通过实时监控驾驶人员大脑警觉度信息，包括：脑电信号采集单元11和驾驶员脑电信息处理服务端12；脑电信号采集单元11包括脑电信号传感器111，用于通过所述脑电信号传感器111采集脑电信号，本系统采用奥地利g.Tec公司的16导g.USBamp高精度生物信号放大器及其相关软件采集脑电信号；驾驶员脑电信息处理服务端12与脑电信号采集单元11连接，为了便于使用，最终选择导联需要布置在头发稀疏的位置，确定选择导联为FP2、F5、T8和CB2，用于根据所述脑电信号采集单元11监测所述脑电信号，并根据所述脑电信号与所述警觉度监控模型生成警觉度类型识别结果。
脑电信号采集单元，包括：传感器固定装置112、脑电信号输出单元113；传感器固定装置112，用于将脑电信号传感器穿戴于测试人员头部，，根据所述警觉度类型识别结果生成并发送预警报告，为了便于使用，最终选择导联需要布置在头发稀疏的位置，确定选择导联为FP2、F5、T8和CB2；脑电信号输出单元113与脑电信号传感器111连接，用于放大脑电信号并输出。
请参阅图2，显示为本发明的驾驶员脑电信息处理服务端示意图，如图2所示，驾驶员脑电信息处理服务端12，包括：警觉度模型选择单元121、警觉度检测结果生成单元122、类型识别报警单元123；警觉度模型选择单元121，用于设置系统工作信息并选择警觉度监控模型；警觉度检测结果生成单元122与警觉度模型选择单元121连接，用于根据系统工作信息实时监测脑电信号，并根据脑电信号与警觉度监控模型生成警觉度检测结果；类型识别报警单元123与警觉度检测结果生成单元122连接，用于根据警觉度检测结果得出警觉度类型识别结果，根据警觉度类型识别结果生成并发送预警报告。
请参阅图3，显示为本发明的警觉度模型选择单元组件示意图，如图3所示，警觉度模型选择单元121，包括：滤波参数设置组件1211、适用场景判断组件1212、选择结果生成组件1213、检测要求设置组件1214、预警阈值设置组件1215；滤波参数设置组件1211，用于设置分类识别时间窗口长度及滤波参数，系统启动前，在设置界面上，设置5秒为一个时间窗口，该时间窗口用于一次分类识别输出识别结果，系统启动前，在设置界面上，设置滤波参数为5-30赫兹的带通滤波；适用场景判断组件1212，用于判断适用场景，得出场景判断结果；选择结果生成组件1213与适用场景判断组件1212连接，用于根据场景判断结果选择警觉度监控模型，得出警觉度监控模型选择结果，其中，警觉度监控模型包括：SVM模型、GMMcluster模型和无模型，系统启动前，在设置界面上，选择警觉度监控模型，从SVM、GMMcluster模型、无模型中选择一类；检测要求设置组件1214，用于预设检测要求；预警阈值设置组件1215，用于根据检测要求设置警觉度预警阈值，系统启动前，在设置界面上，滑动阈值1槽选择预警阈值。在警觉度预警系统实时工作时，用户可进行多特征维度的数据可视化观测，可观测的参数包括：时序信号：对经过预处理的采集导联脑电信号进行时序可视化，根据对应时间窗口显示信号的单次曲线图像；频带能量：对选中导联的单次时间窗脑电数据进行频谱能量计算，将各带宽能量及对应比值以直方图形式展示，用于比较各特征值的实时变化；导联特征投影图：对于选中特征维度，可视化所有特征值在头模型上的能量分布，用于展示各特征能量的空间分布情况；主分量特征投影图：对于选中主分量，先投影回时序信号，再将数值在头模型上的能量分布可视化，用于展示主分量的变换空间分布；警觉度状态变化统计信息：对每次警觉度判别结果进行数据统计和按时间先后顺序线性展示，反应用户的警觉度连续变化情况，便于用户观察自身的精神状态变化情况，辅助驾驶决策。
请参阅图4，显示为本发明的警觉度检测结果生成单元组件示意图，如图4所示，警觉度检测结果生成单元122包括：脑电信号截取组件1221、脑电信息滤波组件1222、警觉度特征计算组件1223；脑电信号截取组件1221，用于根据分类识别时间窗口长度异步截取脑电信号，得到单位时间内的脑电信息；脑电信息滤波组件1222与脑电信号截取组件1221连接，用于根据滤波参数对脑电信息进行滤波，得到滤波脑电信息；警觉度特征计算组件1223与脑电信号滤波组件1222连接，用于根据滤波脑电信息计算得出警觉度特征。
请参阅图5，显示为本发明的类型识别报警单元组件示意图，如图5所示，类型识别报警单元123包括：模型选择结果及警觉度特征接收组件1231、分类识别结果生成组件1232、危险状态判断组件1233、警报组件1234、循环更新组件1235；模型选择结果及警觉度特征接收组件1231，用于接收警觉度监控模型选择结果及警觉度特征；分类识别结果生成组件1232与模型选择结果及警觉度特征接收组件1231连接，用于根据警觉度监控模型选择结果使用对应警觉度监控模型对警觉度特征分类，获得警觉度类型识别结果；危险状态判断组件1233与分类识别结果生成组件1232连接，用于根据警觉度识别结果判断是否处于危险状态；警报组件1234与危险状态判断组件1233连接，用于在处于危险状态时，发出警报并生成预警报告；循环更新组件1235与危险状态判断组件1233连接，用于在未处于危险状态时，循环执行从通过传感装置采集脑电信号至根据警觉度检测结果得出警觉度类型识别结果，根据警觉度类型识别结果生成并发送预警报告的步骤，更新警觉度类型识别结果。
将传感器穿戴于测试人员头部，包括：传感器固定装置将脑电传感器固定于测试人员头部；传感器与脑电信号采集单元连接，使用便携脑电放大器连接电极帽，受试戴上脑电帽，涂抹导电溶剂，插上电极后，与计算机通过USB设备连接，采集脑电信号。
通过脑电信号传感器采集脑电信号，包括：脑电信号采集单元通过脑电传感器采集脑电信号；脑电信号输出单元放大脑电信号并输出，放大器将所述EEG脑电信号放大输出。
请参阅图6，显示为本发明的一种驾驶员脑电信号处理方法步骤示意图，如图6所示，一种驾驶员脑电信号处理方法，包括：S1、设置系统工作信息并选择警觉度监控模型；S2、根据系统工作信息实时监测脑电信号，并根据脑电信号与警觉度监控模型生成警觉度检测结果；S3、根据警觉度检测结果得出警觉度类型识别结果，根据警觉度类型识别结果生成并发送预警报告，处理特征提取和模式识别算法，得到结果后进行融合策略分析，最终给出预警结果。
请参阅图7，显示为本发明的设置系统工作信息并选择警觉度监控模型步骤示意图，如图7所示，S1、设置系统工作信息并选择警觉度监控模型，包括：S11、设置分类识别时间窗口长度及滤波参数；S12、判断适用场景，得出场景判断结果；S13、根据场景判断结果选择警觉度监控模型，得出警觉度监控模型选择结果，其中，警觉度监控模型包括：SVM模型、GMMcluster模型和无模型，脑电数据在提取到后，特征提取通过快速傅里叶变换得到频谱特征，再转化为对应比值特征，最后进行模式识别，分别使用SVM支持向量机和GMMcluster高斯混合聚类进行分类，此外，在无先验模型的基础上，利用软件的无模型信号处理方法进行特征分类；S14、预设检测要求；S15、预警阈值设置组件根据检测要求设置警觉度预警阈值。
请参阅图8，显示为本发明的警觉度检测结果生成步骤示意图，如图8所示，S2、警觉度检测结果生成单元根据系统工作信息实时监测脑电信号，并根据脑电信号与警觉度监控模型生成警觉度检测结果，包括：S21、根据分类识别时间窗口长度异步截取脑电信号，得到单位时间内的脑电信息，脑电信号处理模块中的数据获取单元采用预设时间的滑动窗口对放大后的EEG脑电信号进行异步截取，得到单位时间内的脑电数据；S22、根据滤波参数对脑电信息进行滤波，得到滤波脑电信息，预处理单元对所述脑电数据进行滤波；S23、根据滤波脑电信息计算得出警觉度特征，CCA单元对滤波后的脑电数据进行频谱能量计算获得警觉度相关特征；。
请参阅图9，显示为本发明的警觉度类型识别结果生成步骤示意图，如图9所示，类型识别报警单元根据警觉度检测结果得出警觉度类型识别结果，根据警觉度类型识别结果生成并发送预警报告，包括：S31、接收警觉度监控模型选择结果及警觉度特征；S32、根据警觉度监控模型选择结果使用对应的警觉度监控模型对警觉度特征分类，获得警觉度类型识别结果，分别使用SVM支持向量机和GMMcluster高斯混合聚类进行分类。此外，在无先验模型的基础上，利用软件的无模型信号处理方法进行特征分类；S33、根据警觉度类型识别结果判断是否处于危险状态，在取得分类结果后根据是否达到预警阈值，决定是否进行预警；S34、在警觉度类型识别结果判断处于危险状态时，发出警报并生成预警报告，根据不同预警策略和阈值，监测系统给出警觉度分类识别结果，并进行预警报告，即只要有一类模式发现危险，即给出警报；S35、在警觉度类型识别结果判断未处于危险状态时，循环执行S1至S3，根据警觉度类型识别结果生成并发送预警报告的步骤，更新警觉度类型识别结果，在前述基础上，配以相对灵活多变的预警策略，根据单位时间内达到或超出警觉度的门限等级的量化指标来进行声光电的预警，同时，还可根据使用者的警觉度敏感程度来提升或削减量化指标的参数，以达到自适应的预警策略。
综上，本发明提供的一种基于脑机接口的驾驶警觉度实时监测系统及方法，解决了现有技术中导联数过多、自适应更新、预警策略单一和可视化信息较少的技术问题，具有很高的商业价值和实用性。

Claims (12)

1.一种基于脑机接口的驾驶警觉度实时监测装置，其特征在于，用于通过实时监控驾驶人员大脑警觉度信息，包括：脑电信号采集单元和脑电信息处理服务端；
脑电信号采集单元包括脑电信号传感器，用于通过所述脑电信号传感器采集脑电信号；
驾驶员脑电信息处理服务端，用于根据所述脑电信号采集单元监测所述脑电信号，并根据所述脑电信号与所述警觉度监控模型生成警觉度类型识别结果，根据所述警觉度类型识别结果生成并发送预警报告。
2.根据权利要求1所述的装置，其特征在于，所述脑电信号采集单元，包括：传感器固定装置、脑电信号采集单元、脑电信号输出单元；
传感器固定装置，用于将所述脑电信号传感器穿戴于测试人员头部；
脑电信号输出单元，用于放大所述脑电信号并输出。
3.根据权利要求1所述的装置，其特征在于，所述驾驶员脑电信息处理服务端，包括：警觉度模型选择单元、警觉度检测结果生成单元、类型识别报警单元；
警觉度模型选择单元，用于设置系统工作信息并选择警觉度监控模型；
警觉度检测结果生成单元，用于根据所述系统工作信息实时监测所述脑电信号，并根据所述脑电信号与所述警觉度监控模型生成警觉度检测结果；
类型识别报警单元，用于根据所述警觉度检测结果得出警觉度类型识别结果，根据所述警觉度类型识别结果生成并发送预警报告。
4.根据权利要求3所述的装置，其特征在于，所述警觉度模型选择单元，包括：滤波参数设置组件、适用场景判断组件、选择结果生成组件、检测要求设置组件、预警阈值设置组件；
滤波参数设置组件，用于设置分类识别时间窗口长度及滤波参数；
适用场景判断组件，用于判断适用场景，得出场景判断结果；
选择结果生成组件，用于根据所述场景判断结果选择警觉度监控模型，得出警觉度监控模型选择结果，其中，所述警觉度监控模型包括：SVM模型、GMMcluster模型和无模型；
检测要求设置组件，用于预设检测要求；
预警阈值设置组件，用于根据所述检测要求设置警觉度预警阈值。
5.根据权利要求3所述的装置，其特征在于，所述警觉度检测结果生成单元，包括：脑电信号截取组件、脑电信息滤波组件、警觉度特征计算组件；
脑电信号截取组件，用于根据所述分类识别时间窗口长度异步截取所述脑电信号，得到单位时间内的脑电信息；
脑电信息滤波组件，用于根据所述滤波参数对所述脑电信息进行滤波，得到滤波脑电信息；
警觉度特征计算组件，用于根据所述滤波脑电信息计算得出警觉度特征。
6.根据权利要求3或5所述的装置，其特征在于，所述类型识别报警单元，包括：模型选择结果及警觉度特征接收组件、分类识别结果生成组件、危险状态判断组件、警报组件、循环更新组件；
模型选择结果及警觉度特征接收组件，用于接收所述警觉度监控模型选择结果及所述警觉度特征；
分类识别结果生成组件，用于根据所述警觉度监控模型选择结果使用对应警觉度监控模型对所述警觉度特征分类，获得警觉度类型识别结果；
危险状态判断组件，用于根据所述警觉度识别结果判断是否处于危险状态；
警报组件，用于在处于所述危险状态时，发出警报并生成所述预警报告；
循环更新组件，用于在未处于所述危险状态时，循环执行从所述通过传感装置采集脑电信号至所述根据所述警觉度检测结果得出所述警觉度类型识别结果，根据所述警觉度类型识别结果生成并发送所述预警报告的步骤，更新所述警觉度类型识别结果。
7.根据权利要求2所述的装置，其特征在于，所述将所述传感器穿戴于测试人员头部，包括：所述传感器固定装置将所述脑电传感器固定于测试人员头部；所述传感器与所述脑电信号采集单元连接。
8.根据权利要求2所述的装置，其特征在于：所述通过所述脑电信号传感器采集所述脑电信号，包括：脑电信号采集单元通过所述脑电信号传感器采集所述脑电信号；脑电信号输出单元放大所述脑电信号并输出。
9.一种驾驶员脑电信号处理方法，应用于权利要求3至权利要求6中的任一项所述的装置，其特征在于，包括：
设置系统工作信息并选择警觉度监控模型；
根据所述系统工作信息实时监测所述脑电信号，并根据所述脑电信号与所述警觉度监控模型生成警觉度检测结果；
根据所述警觉度检测结果得出警觉度类型识别结果，根据所述警觉度类型识别结果生成并发送预警报告。
10.根据权利要求9所述的方法，其特征在于，所述警觉度模型选择单元设置系统工作信息并选择警觉度监控模型，包括：
设置分类识别时间窗口长度及滤波参数；
判断适用场景，得出场景判断结果；
根据所述场景判断结果选择警觉度监控模型，得出警觉度监控模型选择结果，其中，所述警觉度监控模型包括：SVM模型、GMMcluster模型和无模型；
预设检测要求；
预警阈值设置组件根据所述检测要求设置警觉度预警阈值。
11.根据权利要求9所述的方法，其特征在于，所述警觉度检测结果生成单元根据所述系统工作信息实时监测所述脑电信号，并根据所述脑电信号与所述警觉度监控模型生成警觉度检测结果，包括：
根据所述分类识别时间窗口长度异步截取所述脑电信号，得到单位时间内的脑电信息；
根据所述滤波参数对所述脑电信息进行滤波，得到滤波脑电信息；
根据所述滤波脑电信息计算得出警觉度特征。
12.根据权利要求9或11所述的方法，其特征在于，所述类型识别报警单元根据所述警觉度检测结果得出警觉度类型识别结果，根据所述警觉度类型识别结果生成并发送预警报告，包括：
接收所述警觉度监控模型选择结果及所述警觉度特征；
根据所述警觉度监控模型选择结果使用对应的所述警觉度监控模型对所述警觉度特征分类，获得所述警觉度类型识别结果；
根据所述警觉度类型识别结果判断是否处于危险状态；
在所述警觉度类型识别结果判断处于危险状态时，发出警报并生成所述预警报告；
在所述警觉度类型识别结果判断未处于危险状态时，循环执行从所述脑电信号采集单元通过传感装置采集脑电信号至所述类型识别报警单元根据所述警觉度检测结果得出警觉度类型识别结果，根据所述警觉度类型识别结果生成并发送预警报告的步骤，更新所述警觉度类型识别结果。
CN201611088397.XA 2016-11-30 2016-11-30 一种基于脑机接口的驾驶警觉度实时监测装置及方法 Pending CN106650636A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611088397.XA CN106650636A (zh) 2016-11-30 2016-11-30 一种基于脑机接口的驾驶警觉度实时监测装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611088397.XA CN106650636A (zh) 2016-11-30 2016-11-30 一种基于脑机接口的驾驶警觉度实时监测装置及方法

Publications (1)

Publication Number Publication Date
CN106650636A true CN106650636A (zh) 2017-05-10

Family

ID=58813591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611088397.XA Pending CN106650636A (zh) 2016-11-30 2016-11-30 一种基于脑机接口的驾驶警觉度实时监测装置及方法

Country Status (1)

Country Link
CN (1) CN106650636A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110811573A (zh) * 2019-10-29 2020-02-21 依脉人工智能医疗科技(天津)有限公司 一种基于光电脉搏反馈的大脑警觉度调控装置及方法
CN113616219A (zh) * 2021-07-30 2021-11-09 燕山大学 一种用于飞行员驾驶状态自适应调整的方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003038494A (ja) * 2001-07-30 2003-02-12 Denso Corp 生体情報検出方法
CN102274032A (zh) * 2011-05-10 2011-12-14 北京师范大学 一种基于脑电信号的驾驶员疲劳检测系统
CN103150023A (zh) * 2013-04-01 2013-06-12 北京理工大学 一种基于脑机接口的光标控制系统及方法
CN103340637A (zh) * 2013-06-06 2013-10-09 同济大学 基于眼动与脑电融合的驾驶员警觉度智能监控系统及方法
CN103462618A (zh) * 2013-09-04 2013-12-25 江苏大学 一种基于转向盘转角特性的汽车驾驶员疲劳检测方法
CN105249961A (zh) * 2015-11-02 2016-01-20 东南大学 基于蓝牙脑电耳机的实时驾驶疲劳检测系统及检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003038494A (ja) * 2001-07-30 2003-02-12 Denso Corp 生体情報検出方法
CN102274032A (zh) * 2011-05-10 2011-12-14 北京师范大学 一种基于脑电信号的驾驶员疲劳检测系统
CN103150023A (zh) * 2013-04-01 2013-06-12 北京理工大学 一种基于脑机接口的光标控制系统及方法
CN103340637A (zh) * 2013-06-06 2013-10-09 同济大学 基于眼动与脑电融合的驾驶员警觉度智能监控系统及方法
CN103462618A (zh) * 2013-09-04 2013-12-25 江苏大学 一种基于转向盘转角特性的汽车驾驶员疲劳检测方法
CN105249961A (zh) * 2015-11-02 2016-01-20 东南大学 基于蓝牙脑电耳机的实时驾驶疲劳检测系统及检测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110811573A (zh) * 2019-10-29 2020-02-21 依脉人工智能医疗科技(天津)有限公司 一种基于光电脉搏反馈的大脑警觉度调控装置及方法
CN113616219A (zh) * 2021-07-30 2021-11-09 燕山大学 一种用于飞行员驾驶状态自适应调整的方法
CN113616219B (zh) * 2021-07-30 2022-08-16 燕山大学 一种用于飞行员驾驶状态自适应调整的方法

Similar Documents

Publication Publication Date Title
Sikander et al. Driver fatigue detection systems: A review
CN104146722B (zh) 一种基于头部信号的驾驶疲劳检测分级预警方法
US8391966B2 (en) Sensory-evoked potential (SEP) classification/detection in the time domain
KR20180001367A (ko) 운전자의 생체 신호를 기반으로 하는 운전자의 상태 판별 장치 및 방법
CN106691474A (zh) 融合脑电信号与生理信号的疲劳检测系统
CN102274032A (zh) 一种基于脑电信号的驾驶员疲劳检测系统
CN102125429A (zh) 基于眼电信号的警觉度检测系统
CN106128032A (zh) 一种疲劳状态监测及预警方法及其系统
CN109953763A (zh) 一种基于深度学习的车载驾驶行为检测预警系统及方法
CN105249961A (zh) 基于蓝牙脑电耳机的实时驾驶疲劳检测系统及检测方法
CN110367975A (zh) 一种基于脑机接口的疲劳驾驶检测预警方法
CN106175754A (zh) 睡眠状态分析中清醒状态检测装置
CN107582051A (zh) 一种动物情绪脑电分析设备
Mindoro et al. Drowsy or not? Early drowsiness detection utilizing arduino based on electroencephalogram (eeg) neuro-signal
CN106650636A (zh) 一种基于脑机接口的驾驶警觉度实时监测装置及方法
CN112957049A (zh) 基于脑机接口设备技术的注意力状态监测装置及方法
Tabal et al. Development of low-cost embedded-based electrooculogram blink pulse classifier for drowsiness detection system
CN107168313A (zh) 控制车辆驾驶的方法及装置
Dolezalek et al. Physiological signal monitoring system to analyze driver attentiveness
CN113080971A (zh) 一种通过检测眨眼信号判断疲劳状态的方法和系统
Salimuddin et al. Driver drowsiness monitoring system using fusion of facial features & EEG
CN104997507A (zh) 三位一体帽式智能监测预警系统及其控制方法
Reddy et al. Estimation of driver attention using Visually Evoked Potentials
CN110192879A (zh) 基于多导脑电信号脉冲因子的测谎方法
CN204839506U (zh) 三位一体帽式智能监测预警系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170510