CN108013884A - 一种汽车驾驶员疲劳驾驶主动安全监测系统及其监测方法 - Google Patents
一种汽车驾驶员疲劳驾驶主动安全监测系统及其监测方法 Download PDFInfo
- Publication number
- CN108013884A CN108013884A CN201810075537.2A CN201810075537A CN108013884A CN 108013884 A CN108013884 A CN 108013884A CN 201810075537 A CN201810075537 A CN 201810075537A CN 108013884 A CN108013884 A CN 108013884A
- Authority
- CN
- China
- Prior art keywords
- driver
- fatigue
- mrow
- signal
- heartbeat
- 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
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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6893—Cars
-
- 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
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明公开了一种汽车驾驶员疲劳驾驶主动安全监测系统,包括:压电薄膜传感器,其设置在驾驶员座位下,用于检测驾驶员心跳和呼吸信号;电荷放大电路,其输入端与所述压电薄膜传感器连接,用于放大所述心跳和呼吸信号;低通滤波电路,其输入端与所述电荷放大电路的输出端连接,用于提高心跳和呼吸信号的信噪比;微控制器,其与所述低通滤波电路的输出端连接,用于分离心跳和呼吸信号并分析驾驶员的疲劳程度,采用非接触式测量汽车驾驶员的生理信号,结构简单,测量准确。本发明还公开了汽车驾驶员疲劳驾驶主动安全监测方法,通过压电薄膜传感器采集驾驶员的心跳、呼吸等混合信号并进行分离,计算驾驶员的疲劳指数而分析驾驶员的疲劳状态。
Description
技术领域
本发明涉及汽车主动安全监测领域,更具体的是,本发明涉及一种汽车驾驶员疲劳驾驶主动安全监测系统及其监测方法。
背景技术
随着我国经济的快速发展,汽车保有量呈现高速增长的趋势,与此同时,交通事故的发生量也在逐年递增。公安部交管局的统计数据显示,截止到2016 年底,我国的汽车保有量将超过2亿辆,同时2016年全国共发生货车责任道路交通事故5.04万起,造成2.5万人死亡、4.68万人受伤,已经连续十余年居世界第一。引发交通事故的原因多种多样,疲劳驾驶便是其中最为重要的一种。不同于其它危险驾驶,疲劳驾驶具有隐蔽性,不易检测,严重威胁了广大驾驶员的人身安全。因此,研究如何有效地防止疲劳驾驶,对于减少交通事故,保护驾驶员的人身安全具有重要意义。
驾驶疲劳作为一种生理现象,与人体的生理参数紧密相关。通过传感器检测驾驶员的生理信号,如心电信号、呼吸信号等,来评估驾驶员的疲劳状态是现今最准确的检测方法。传统驾驶员生理信号监测需要全身佩戴采用多个传感器电极和复杂的连线,对驾驶员造成极大的身心压力,会导致监测数据缺乏真实性,不能有效反映被测者的实际心电生理状况。因此,采用非接触式测量汽车驾驶员的心电生理信号成为了研究热点和创新应用领域。
发明内容
本发明的目的是设计开发了一种汽车驾驶员疲劳驾驶主动安全监测系统,采用非接触式测量汽车驾驶员的生理信号,结构简单,测量准确。
本发明的另一个目的是设计开发了一种汽车驾驶员疲劳驾驶主动安全监测方法,通过压电薄膜传感器采集驾驶员的心跳、呼吸等混合信号并进行分离,计算驾驶员的疲劳指数进而分析驾驶员的疲劳状态,测量结果更准确。
本发明提供的技术方案为:
一种汽车驾驶员疲劳驾驶主动安全监测系统,包括:
压电薄膜传感器,其设置在驾驶员座位下,用于检测驾驶员心跳和呼吸信号;
电荷放大电路,其输入端与所述压电薄膜传感器连接,用于放大所述心跳和呼吸信号;
低通滤波电路,其输入端与所述电荷放大电路的输出端连接,用于提高心跳和呼吸信号的信噪比;
微控制器,其与所述低通滤波电路的输出端连接,用于分离心跳和呼吸信号并分析驾驶员的疲劳程度。
优选的是,所述电荷放大电路包括:
电荷放大器芯片,其为四路轨道集成电路TLV2460的第1路;
第一电容和第一电阻,其设置在电荷放大电路的输入端组成阻容耦合网络;
反馈电容和反馈电阻,其设置在电荷放大电路的输出端组成电荷放大器功能电路。
优选的是,所述低通滤波电路为四阶巴特沃斯低通有源滤波器电路,其由第一二阶巴特沃斯低通滤波器电路和第二二阶巴特沃斯低通滤波器电路串联而成。
优选的是,所述第一二阶巴特沃斯低通滤波器电路包括:
第一集成运算放大器芯片,其为四路轨道集成电路TLV2460的第2路;
第二电容和第二电阻,其设置在第一二阶巴特沃斯低通滤波器电路的输入端组成第一低通滤波;
所述第二二阶巴特沃斯低通滤波器电路包括:
第二集成运算放大器芯片,其为四路轨道集成电路TLV2460的第3路;
第三电容和第三电阻,其设置在第二二阶巴特沃斯低通滤波器电路的输入端组成第二低通滤波。
优选的是,所述压电薄膜传感器为聚偏氟乙烯压电薄膜传感器。
相应地,本发明还提供一种汽车驾驶员疲劳驾驶主动安全监测方法,包括如下步骤:
步骤1:通过压电薄膜传感器根据驾驶员体动采集压电电荷,并进行电荷放大和低通滤波,所述采集的压电电荷为:
Qout=d33·Fi
其中,Qout为采集的压电电荷,d33为压电薄膜传感器的压电常数,Fi为压电薄膜传感器表面受到的应变力;
步骤2:将低通滤波后的混合信号进行50Hz工频陷波处理得到转移函数:
其中,H(z)为得到的转移函数,z为低通滤波后的混合信号;
步骤3:采用最小均方自适应动态滤波方法提取分离呼吸值和心跳值,并计算驾驶员疲劳指数:
其中,χ为疲劳指数,nh为采集的驾驶员的心跳值,n0为基础心跳值,ωb为采集的驾驶员的呼吸值,ω0为基础呼吸值。
优选的是,所述步骤1中,信号采集时间间隔为14个时钟周期,转换精度为12bit,时钟配置为TIM输出,采用DMA乒乓结构进行数据存储和处理。
优选得是,所述步骤1中,低通滤波的截止频率为100Hz。
优选的是,所述步骤3中采用最小均方自适应动态滤波方法提取分离呼吸值和心跳值包括:
将50Hz工频陷波处理的混合信号s(i)作为原始输入信号;
将原始混合信号s(i)进行延迟处理得到信号d(i)作为参考信号;
将心跳信号e(i)作为噪声滤波掉,分离出目标呼吸信号y(i);
初始化滤波系数矢量估值w(i)、滤波器阶数L以及初始化收敛速度的步长因子μ,得到呼吸信号y(i)=wT(i)*s(i),并计算心跳信号e(i)=d(i)-y(i);
依据w(i)=w(i-1)+2*μ*s(i)*e(i)进行迭代计算,采用最小均方优化分离呼吸信号y(i)和心跳信号e(i)。
优选的是,所述步骤3中:
当1≤χ<1.5时,驾驶员处于轻度疲劳状态;
当1.5≤χ<3时,驾驶员处于中度疲劳状态;
当χ≥3时,驾驶员处于重度疲劳状态。
本发明至少具备以下有益效果:
(1)本发明所述的汽车驾驶员疲劳驾驶主动安全监测系统,采用非接触式测量汽车驾驶员的生理信号,结构简单,测量准确。
(2)本发明所述汽车驾驶员疲劳驾驶主动安全监测方法,通过压电薄膜传感器采集驾驶员的心跳、呼吸等混合信号并进行分离,进而分析驾驶员的疲劳状态,测量结果更准确。
附图说明
图1为本发明所述汽车驾驶员疲劳驾驶主动安全监测系统模块图。
图2为本发明所述PVDF压电薄膜传感器的工作原理图。
图3为本发明所述电荷放大电路的电路图。
图4为本发明所述低通滤波电路的电路图。
图5为本发明所述汽车驾驶员疲劳驾驶主动安全监测方法的流程图。
图6为本发明所述最小均方自适应动态滤波方法提取分离呼吸值和心跳值的算法图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供一种汽车驾驶员疲劳驾驶主动安全监测系统,包括:压电薄膜传感器110,其设置在驾驶员座位下,用于检测驾驶员心跳和呼吸信号;电荷放大电路120,其输入端与所述压电薄膜传感器110连接,用于放大所述心跳和呼吸信号;低通滤波电路130,其输入端与所述电荷放大电路120的输出端连接,用于提高心跳和呼吸信号的信噪比;微控制器140,其与所述低通滤波电路130的输出端连接,用于分离心跳和呼吸信号并分析驾驶员的疲劳程度。
所述压电薄膜传感器110为聚偏氟乙烯(PVDF)压电薄膜传感器,其工作原理如图2所示,PVDF压电薄膜传感器是一种新型的压电高分子材料,当薄膜表面受到外部压力F时在上下两个表面会产生极性相反、大小相等的电荷,此时可等效成为电容器。本实施例中,所述PVDF压电薄膜传感器为长40cm,宽8cm的长带形,厚度为30μm,压电常数为21±1pC/N。
如图3所示,所述电荷放大电路120包括:电荷放大器芯片121,其为四路轨道集成电路TLV2460的第1路;第一电容122和第一电阻123,其设置在电荷放大电路120的输入端组成阻容耦合网络;反馈电容124和反馈电阻125,其设置在电荷放大电路120的输出端组成电荷放大器功能电路。
所述电荷放大电路120的工作原理是:PVDF压电薄膜传感器受到驾驶员体动压力后产生的是微弱电荷信号(包括心跳信号、呼吸信号和噪声),为了进一步处理,需要利用电荷放大电路将该信号放大同时获得容易测量的电压信号。输入端接阻容耦合,隔离掉原始信号的差模干扰;输出端连接反馈电容和电阻,利用阻抗匹配特性可以有效实现传感器的高阻抗输入、低阻抗输出的目的。
如图4所示,所述低通滤波电路130为四阶巴特沃斯低通有源滤波器电路,其由第一二阶巴特沃斯低通滤波器电路131和第二二阶巴特沃斯低通滤波器电路132串联而成。所述第一二阶巴特沃斯低通滤波器电路131包括:第一集成运算放大器芯片1311,其为四路轨道集成电路TLV2460的第2路;第二电容1312和第二电阻1313,其设置在第一二阶巴特沃斯低通滤波器电路131的输入端组成第一低通滤波;所述第二二阶巴特沃斯低通滤波器电路132包括:第二集成运算放大器芯片1321,其为四路轨道集成电路TLV2460 的第3路;第三电容1322和第三电阻1323,其设置在第二二阶巴特沃斯低通滤波器电路132的输入端组成第二低通滤波。
所述低通滤波电路130的工作原理是:驾驶员生理信号属于易干扰、强度弱的低频信号,考虑到干扰源通常来自于元器件噪声、电磁干扰以及外界温度引起的热电效应,对混合信号采用四阶低通模拟滤波处理以滤掉高频噪声使处于低频带的心跳和呼吸信号信噪比大为提高。为了保持驾驶员生理信号的原形,采用较平坦的巴特沃斯四阶低通有源滤波,截止频率f=100Hz。
所述微控制器140包括工频陷波处理模块141和最小均方自适应动态滤波模块142,能够将低通滤波后的混合信号进行工频陷波处理,并采用最小均方自适应动态滤波方法提取分离呼吸值和心跳值,最后根据呼吸值和心跳值计算驾驶员的疲劳指数。
作为本发明的另一实施例,还包括:蓝牙模块150和显示模块160,显示模块160安装于仪表盘附近,蓝牙模块能够将微控制器140得到的呼吸值、心跳值以及驾驶员的疲劳指数发送到显示模块160显示,并作出警示。
本发明所述的汽车驾驶员疲劳驾驶主动安全监测系统,采用非接触式测量汽车驾驶员的生理信号,结构简单,测量准确。
本发明还提供一种本发明还提供一种汽车驾驶员疲劳驾驶主动安全监测方法,如图5所示,包括如下步骤:
步骤1:通过压电薄膜传感器根据驾驶员体动采集压电电荷,并进行电荷放大和低通滤波(低通滤波的截止频率为100Hz),所述采集的压电电荷为:
Qout=d33·Fi
其中,Qout为采集的压电电荷,d33为压电薄膜传感器的压电常数,Fi为压电薄膜传感器表面受到的应变力;
本实施例中,信号采集时间间隔为14个时钟周期,转换精度为12bit,时钟配置为TIM输出,优选TIM2输出,采用DMA乒乓结构进行数据存储和处理。
步骤2:将低通滤波后的混合信号进行50Hz工频陷波处理(本实施例中所用的工频陷波器为IIR),生成相关参数,导出滤波系数得到转移函数:
其中,H(z)为得到的转移函数,z为低通滤波后的混合信号;
步骤3:采用最小均方(LMS)自适应动态滤波方法提取分离呼吸值和心跳值,如图6所示,包括:
将50Hz工频陷波处理的混合信号s(i)作为原始输入信号;
将原始混合信号s(i)进行延迟处理得到信号d(i)作为参考信号;
将心跳信号e(i)作为噪声滤波掉,分离出目标呼吸信号y(i);
初始化滤波系数矢量估值w(i)、滤波器阶数L以及初始化收敛速度的步长因子μ,得到呼吸信号y(i)=wT(i)*s(i),并计算心跳信号e(i)=d(i)-y(i);
依据w(i)=w(i-1)+2*μ*s(i)*e(i)进行迭代计算,采用最小均方优化分离呼吸信号y(i)和心跳信号e(i)即呼吸值和心跳值(单位次/分)。
根据呼吸值和心跳值计算驾驶员疲劳指数:
其中,χ为疲劳指数,nh为采集的驾驶员的心跳值,n0为基础心跳值,ωb为采集的驾驶员的呼吸值,ω0为基础呼吸值。
当1≤χ<1.5时,驾驶员处于轻度疲劳状态;
当1.5≤χ<3时,驾驶员处于中度疲劳状态;
当χ≥3时,驾驶员处于重度疲劳状态。
最后,蓝牙模块将呼吸值、心跳值以及驾驶员的疲劳指数发送到显示模块显示,分析驾驶员的疲劳状态并作出警示。
本发明所述汽车驾驶员疲劳驾驶主动安全监测方法,通过压电薄膜传感器采集驾驶员的心跳、呼吸等混合信号,并进行电荷放大和低通滤波,再进行工频陷波处理后采用最小均方自适应动态滤波方法提取分离呼吸值和心跳值,计算驾驶员的疲劳指数进而分析驾驶员的疲劳状态,测量结果更准确。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (10)
1.一种汽车驾驶员疲劳驾驶主动安全监测系统,其特征在于,包括:
压电薄膜传感器,其设置在驾驶员座位下,用于检测驾驶员心跳和呼吸信号;
电荷放大电路,其输入端与所述压电薄膜传感器连接,用于放大所述心跳和呼吸信号;
低通滤波电路,其输入端与所述电荷放大电路的输出端连接,用于提高心跳和呼吸信号的信噪比;
微控制器,其与所述低通滤波电路的输出端连接,用于分离心跳和呼吸信号并分析驾驶员的疲劳程度。
2.如权利要求1所述的汽车驾驶员疲劳驾驶主动安全监测系统,其特征在于,所述电荷放大电路包括:
电荷放大器芯片,其为四路轨道集成电路TLV2460的第1路;
第一电容和第一电阻,其设置在电荷放大电路的输入端组成阻容耦合网络;
反馈电容和反馈电阻,其设置在电荷放大电路的输出端组成电荷放大器功能电路。
3.如权利要求1所述的汽车驾驶员疲劳驾驶主动安全监测系统,其特征在于,所述低通滤波电路为四阶巴特沃斯低通有源滤波器电路,其由第一二阶巴特沃斯低通滤波器电路和第二二阶巴特沃斯低通滤波器电路串联而成。
4.如权利要求3所述的汽车驾驶员疲劳驾驶主动安全监测系统,其特征在于,所述第一二阶巴特沃斯低通滤波器电路包括:
第一集成运算放大器芯片,其为四路轨道集成电路TLV2460的第2路;
第二电容和第二电阻,其设置在第一二阶巴特沃斯低通滤波器电路的输入端组成第一低通滤波;
所述第二二阶巴特沃斯低通滤波器电路包括:
第二集成运算放大器芯片,其为四路轨道集成电路TLV2460的第3路;
第三电容和第三电阻,其设置在第二二阶巴特沃斯低通滤波器电路的输入端组成第二低通滤波。
5.如权利要求1所述的汽车驾驶员疲劳驾驶主动安全监测系统,其特征在于,所述压电薄膜传感器为聚偏氟乙烯压电薄膜传感器。
6.一种汽车驾驶员疲劳驾驶主动安全监测方法,其特征在于,包括如下步骤:
步骤1:通过压电薄膜传感器根据驾驶员体动采集压电电荷,并进行电荷放大和低通滤波,所述采集的压电电荷为:
Qout=d33·Fi
其中,Qout为采集的压电电荷,d33为压电薄膜传感器的压电常数,Fi为压电薄膜传感器表面受到的应变力;
步骤2:将低通滤波后的混合信号进行50Hz工频陷波处理得到转移函数:
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mn>0.902398</mn>
<mo>-</mo>
<mn>0.5577128</mn>
<msup>
<mi>z</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>+</mo>
<mn>0.90239778</mn>
<msup>
<mi>z</mi>
<mrow>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msup>
</mrow>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mn>0.5577128</mn>
<msup>
<mi>z</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>+</mo>
<mn>0.8047958</mn>
<msup>
<mi>z</mi>
<mrow>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msup>
</mrow>
</mfrac>
</mrow>
其中,H(z)为得到的转移函数,z为低通滤波后的混合信号;
步骤3:采用最小均方自适应动态滤波方法提取分离呼吸值和心跳值,并计算驾驶员疲劳指数:
<mrow>
<mi>&chi;</mi>
<mo>=</mo>
<mn>0.75</mn>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<mo>|</mo>
<msub>
<mi>n</mi>
<mi>h</mi>
</msub>
<mo>-</mo>
<msub>
<mi>n</mi>
<mn>0</mn>
</msub>
<mo>|</mo>
</mrow>
<mn>9.2</mn>
</mfrac>
<mo>+</mo>
<mn>0.25</mn>
<mo>&CenterDot;</mo>
<mfrac>
<mrow>
<mo>|</mo>
<msub>
<mi>&omega;</mi>
<mi>b</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<mo>|</mo>
</mrow>
<mn>2.3</mn>
</mfrac>
</mrow>
其中,χ为疲劳指数,nh为采集的驾驶员的心跳值,n0为基础心跳值,ωb为采集的驾驶员的呼吸值,ω0为基础呼吸值。
7.如权利要求6所述的汽车驾驶员疲劳驾驶主动安全监测方法,其特征在于,所述步骤1中,信号采集时间间隔为14个时钟周期,转换精度为12bit,时钟配置为TIM输出,采用DMA乒乓结构进行数据存储和处理。
8.如权利要求6所述的汽车驾驶员疲劳驾驶主动安全监测方法,其特征在于,所述步骤1中,低通滤波的截止频率为100Hz。
9.如权利要求6所述的汽车驾驶员疲劳驾驶主动安全监测方法,其特征在于,所述步骤3中采用最小均方自适应动态滤波方法提取分离呼吸值和心跳值包括:
将50Hz工频陷波处理的混合信号s(i)作为原始输入信号;
将原始混合信号s(i)进行延迟处理得到信号d(i)作为参考信号;
将心跳信号e(i)作为噪声滤波掉,分离出目标呼吸信号y(i);
初始化滤波系数矢量估值w(i)、滤波器阶数L以及初始化收敛速度的步长因子μ,得到呼吸信号y(i)=wT(i)*s(i),并计算心跳信号e(i)=d(i)-y(i);
依据w(i)=w(i-1)+2*μ*s(i)*e(i)进行迭代计算,采用最小均方优化分离呼吸信号y(i)和心跳信号e(i)。
10.如权利要求6所述的汽车驾驶员疲劳驾驶主动安全监测方法,其特征在于,所述步骤3中:
当1≤χ<1.5时,驾驶员处于轻度疲劳状态;
当1.5≤χ<3时,驾驶员处于中度疲劳状态;
当χ≥3时,驾驶员处于重度疲劳状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810075537.2A CN108013884B (zh) | 2018-01-26 | 2018-01-26 | 一种汽车驾驶员疲劳驾驶主动安全监测系统及其监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810075537.2A CN108013884B (zh) | 2018-01-26 | 2018-01-26 | 一种汽车驾驶员疲劳驾驶主动安全监测系统及其监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108013884A true CN108013884A (zh) | 2018-05-11 |
CN108013884B CN108013884B (zh) | 2023-08-15 |
Family
ID=62074749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810075537.2A Active CN108013884B (zh) | 2018-01-26 | 2018-01-26 | 一种汽车驾驶员疲劳驾驶主动安全监测系统及其监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108013884B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108933977A (zh) * | 2018-09-27 | 2018-12-04 | 江苏鹿得医疗电子股份有限公司 | 心肺拾音装置 |
CN110731764A (zh) * | 2019-10-28 | 2020-01-31 | 重庆大学 | 一种脉搏检测系统 |
CN110766913A (zh) * | 2019-11-22 | 2020-02-07 | 上海工程技术大学 | 一种基于pvdf压电薄膜传感器的疲劳驾驶监测系统 |
CN111209815A (zh) * | 2019-12-28 | 2020-05-29 | 杭州电子科技大学 | 一种基于动量优化的bp神经网络的非接触式疲劳驾驶检测方法 |
CN114176542A (zh) * | 2021-12-24 | 2022-03-15 | 江西洪都航空工业集团有限责任公司 | 一种飞行员瞬间生理状态评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6506153B1 (en) * | 1998-09-02 | 2003-01-14 | Med-Dev Limited | Method and apparatus for subject monitoring |
US20100219955A1 (en) * | 2009-02-27 | 2010-09-02 | Toyota Motor Engineering & Manufacturing NA (TEMA) | System, apparatus and associated methodology for interactively monitoring and reducing driver drowsiness |
CN102215746A (zh) * | 2008-09-15 | 2011-10-12 | 新加坡南洋理工大学 | 用于检测心跳和/或呼吸的方法 |
CN102648845A (zh) * | 2011-02-23 | 2012-08-29 | 深圳市迈迪加科技发展有限公司 | 一种睡眠中心跳、呼吸无线自动监测与预警系统 |
CN107082034A (zh) * | 2017-05-08 | 2017-08-22 | 南京信息工程大学 | 一种智能汽车座垫及其测量方法 |
-
2018
- 2018-01-26 CN CN201810075537.2A patent/CN108013884B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6506153B1 (en) * | 1998-09-02 | 2003-01-14 | Med-Dev Limited | Method and apparatus for subject monitoring |
CN102215746A (zh) * | 2008-09-15 | 2011-10-12 | 新加坡南洋理工大学 | 用于检测心跳和/或呼吸的方法 |
US20100219955A1 (en) * | 2009-02-27 | 2010-09-02 | Toyota Motor Engineering & Manufacturing NA (TEMA) | System, apparatus and associated methodology for interactively monitoring and reducing driver drowsiness |
CN102648845A (zh) * | 2011-02-23 | 2012-08-29 | 深圳市迈迪加科技发展有限公司 | 一种睡眠中心跳、呼吸无线自动监测与预警系统 |
CN107082034A (zh) * | 2017-05-08 | 2017-08-22 | 南京信息工程大学 | 一种智能汽车座垫及其测量方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108933977A (zh) * | 2018-09-27 | 2018-12-04 | 江苏鹿得医疗电子股份有限公司 | 心肺拾音装置 |
CN110731764A (zh) * | 2019-10-28 | 2020-01-31 | 重庆大学 | 一种脉搏检测系统 |
CN110766913A (zh) * | 2019-11-22 | 2020-02-07 | 上海工程技术大学 | 一种基于pvdf压电薄膜传感器的疲劳驾驶监测系统 |
CN111209815A (zh) * | 2019-12-28 | 2020-05-29 | 杭州电子科技大学 | 一种基于动量优化的bp神经网络的非接触式疲劳驾驶检测方法 |
CN111209815B (zh) * | 2019-12-28 | 2023-08-22 | 杭州电子科技大学 | 一种基于动量优化的bp神经网络的非接触式疲劳驾驶检测方法 |
CN114176542A (zh) * | 2021-12-24 | 2022-03-15 | 江西洪都航空工业集团有限责任公司 | 一种飞行员瞬间生理状态评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108013884B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108013884A (zh) | 一种汽车驾驶员疲劳驾驶主动安全监测系统及其监测方法 | |
US10618522B2 (en) | Drowsiness detection and intervention system and method | |
CN104127195B (zh) | 一种融合脑电和心电信号的疲劳驾驶检测方法 | |
TWI446297B (zh) | 睡意辨識系統 | |
Mehler et al. | A comparison of heart rate and heart rate variability indices in distinguishing single-task driving and driving under secondary cognitive workload | |
CN104545863B (zh) | 基于模糊模式识别的bcg心率提取方法及系统 | |
CN103337132B (zh) | 基于三轴加速度传感器的人体跌倒检测方法 | |
CN103006211B (zh) | 一种基于脑电网络分析的地形图描绘装置 | |
CN106491156A (zh) | 一种基于多源信息融合的汽车疲劳驾驶检测方法 | |
CN107082034A (zh) | 一种智能汽车座垫及其测量方法 | |
CN203226817U (zh) | 一种基于脑电波检测驾驶员的疲劳程度装置 | |
CN101843489A (zh) | 一种呼吸信号处理方法 | |
CN106297194A (zh) | 一种汽车疲劳驾驶监测系统 | |
CN106333658A (zh) | 一种光电容积脉搏波检测仪及检测方法 | |
CN105266800B (zh) | 一种基于低信噪比条件下胎儿心电盲分离方法 | |
Nepal et al. | Apnea detection and respiration rate estimation through parametric modelling | |
CN106859648A (zh) | 基于非接触式检测的多目标人体呼吸信号监测方法及装置 | |
CN105997043A (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
CN107361770A (zh) | 睡眠呼吸暂停事件判别装置 | |
CN105943042A (zh) | 基于肌电信号的操作者手部行为感知系统 | |
CN106344023A (zh) | 一种基于气压和加速度的非稳态呼吸波检测装置 | |
CN106951852A (zh) | 一种有效的人体行为识别系统 | |
CN107328494A (zh) | 一种微弹体纳米压力传感器及健康监测系统 | |
Vetter et al. | Integration of an electromagnetic coupled sensor into a driver seat for vital sign monitoring: Initial insight | |
Sari et al. | A two-stage intelligent model to extract features from PPG for drowsiness detection |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |