CN109938719A - 一种基于生理参数的驾驶员疲劳检测方法 - Google Patents
一种基于生理参数的驾驶员疲劳检测方法 Download PDFInfo
- Publication number
- CN109938719A CN109938719A CN201910215255.2A CN201910215255A CN109938719A CN 109938719 A CN109938719 A CN 109938719A CN 201910215255 A CN201910215255 A CN 201910215255A CN 109938719 A CN109938719 A CN 109938719A
- Authority
- CN
- China
- Prior art keywords
- driver
- frequency
- interval
- fatigue
- mean
- 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
Abstract
本发明公开了一种基于生理参数的驾驶员疲劳检测方法,包括步骤:首先采用PPG光电容积脉搏波描记法每10ms采集一次待检测驾驶员血液中的透光率数据,对透光率数据作滤波、除噪以及模数转换预处理操作后,对待测驾驶员进行心电波形检测;对心电波形中的R波峰进行检测,得到R‑R间期序列,并将异常的R波从R‑R间期序列中删除,进而得到正确R‑R间期序列;然后对正确R‑R间期序列进行时域分析,计算得到时域指标的R‑R间期均值RR.mean;同时对正确R‑R间期序列进行快速傅里叶变换,进行频域分析后获取频域指标LF/HF;最后基于R‑R间期均值RR.mean和频域指标LF/HF判定待检测驾驶员的疲劳状态;本发明可实现对驾驶员的实时及高精度检测,可有效对驾驶员是否存在疲劳驾驶进行监测和提醒。
Description
技术领域
本发明属于疲劳驾驶检测技术领域,具体涉及一种基于生理参数的驾驶员疲劳检测方法。
背景技术
近年来,疲劳驾驶检测方法研究经过了多年的发展,有了长足的进步,随着对驾驶员疲劳研究的深入,现已经形成体系的检测方法主要包括主观检测、客观检测两种。
主观评定法主要依据主观调查表、驾驶员自我调查表等来评价驾驶员的疲劳程度。这些主观的方法使用简单,但很难量化疲劳的等级和程度,又因个人的理解有明显差异,其结果往往不能令人满意。
客观检测有基于驾驶行为的检测方法、基于车辆行为特征的检测方法和基于生理参数的检测方法。基于驾驶行为的检测方法一般与驾驶员无接触,驾驶员容易接受,常常采用计算机视觉的方式结合驾驶员的面部表情、头部及嘴部状态进行检测,但是这种方法依赖于机器视觉技术,而机器视觉技术本身就具有不确定性,故这种方法进可靠性不高且具有局限性。基于车辆行为特征的检测方法一般通过检测车辆异常状态间接确定驾驶员的疲劳程度。该疲劳检测技术较为简单,但检测的实时性较差。
而基于生理参数的检测方法利用驾驶员在疲劳状态下的生理机能会发生明显的改变的特点来判别驾驶员的疲劳状态。由于生理信号的采集方法是接触性的,所以生理信号指标更能够准确反映驾驶员的疲劳程度,且更易以量化的形式反映疲劳程度。在各种生理指标中,脑电信号和心电信号是最具有指示性的生理指标信号。而生理指标中脑电和眼电信号易受外界因素干扰,个体差异显著,在疲劳检测应用中也有局限性。生理指标中心电主要包括心率(HeartRate,HR)和心率变异性(Heart Rate Variability,HRV)两类指标。HR曾经被用于评估精神疲劳度,表现出易受体力、情绪等因素的影响。HRV反映心率连续的瞬时波动以及每次心动周期的差别,可以综合反映生理和精神的疲劳状况。
表征疲劳的心电信号时域指标主要有R-R间期(心脏每次搏动间期)和R-R间期标准差SDNN等;频域指标主要是LF(0.04-0.15Hz频段的功率)、HF(0.15-0.4Hz频段的功率)和LF/HF,但并非所有HRV指标均与驾驶员疲劳度存在较强的相关关系。
发明内容
本发明的目的在于提供一种基于生理参数的驾驶员疲劳检测方法,该方法可对驾驶员驾驶过程中的具体情况进行检测,判断驾驶员是否存在疲劳驾驶情况,便于后续的驾驶预警,具体技术方案如下:
一种基于生理参数的驾驶员疲劳检测方法,所述方法包括步骤:
S1、采用PPG光电容积脉搏波描记法,每10ms采集一次待检测驾驶员血液中的透光率数据;
S2、对所述透光率数据作滤波、除噪以及模数转换预处理操作,随后对待测驾驶员进行心电波形检测;
S3、对心电波形中的R波峰进行检测,得到R-R间期序列,并将异常的R波从R-R间期序列中删除,进而得到正确R-R间期序列;
S4、对所述正确R-R间期序列进行时域分析,计算得到时域指标的R-R间期均值RR.mean;
S5、对所述正确R-R间期序列进行快速傅里叶变换,进行频域分析后获取频域指标LF/HF;
S6、基于所述R-R间期均值RR.mean和频域指标LF/HF判定待检测驾驶员的疲劳状态。
进一步的,步骤S4中,所述R-R间期均值RR.mean的计算公式为:式中,N表示正常心搏的总次数,RRi表示第i个相邻且正常的R-R间期,RR.mean表示N个R-R间期序列的平均值。
进一步的,步骤S5中所述正确R-R间期序列进行傅里叶变换后得到的功率谱密图中包含极低频段功率VLF、低频段功率LF和高频段功率HF,其中,所述极低段频段功率VLF范围大小为0.003-0.04Hz,所述低频段功率LF的范围大小为0.04-0.15Hz,所述高频段功率HF的范围大小为0.15-0.4Hz。
进一步的,步骤S5中所述频域指标LF/HF的获取包括:
S51、将所述正确R-R间期序列等分成M段,每段长度为L,通过公式进行傅里叶变换,式中,x(n)为所述正确R-R间期序列表达式,Xi(ejw)为xi(n)傅里叶变换后的频域表达式,N表示正确R-R间期序列的点数;
S52、计算所述正确R-R间期序列每段序列的功率谱,公式为:式中,L表示每段序列的长度,Pi(w)表示每段R-R间期序列Xi(ejw)功率谱随频率变化的函数;
S53、将所述正确R-R间期序列每段的所述功率谱相加和取平均数,得到平均功率谱,公式为:
式中,M表示序列的段数,表示整段R-R间期序列功率随频率变化的函数;
S54、基于所述极低频段功率VLF、低频段功率LF以及高频段功率HF计算得到计算LF和HF,得到所述频域指标LF/HF,LF和HF的计算公式分别为:
其中,a表示低频段功率LF范围的最低频率值,b表示低频段评论LF范围的最大频率值,c表示高频段功率HF范围的最高频率值。
进一步的,步骤S6中,根据所述R-R间期均值RR.mean和所述频域指标LF/HF两项指标的大小判定待测驾驶员的疲劳状态具体为:
对于所述R-R间期均值RR.mean:
若0<RR.mean<q1,则待测驾驶员的疲劳状态为清醒;
若q1<RR.mean<q2,则待测驾驶员的疲劳状态为轻度疲劳;
若q2<RR.mean<q3,则待测驾驶员的疲劳状态为重度疲劳;
对于所述频域指标LF/HF:
若0<LF/HF<p1,则待测驾驶员的疲劳状态为清醒;
若p1<LF/HF<p2,则待测驾驶员的疲劳状态为轻度疲劳;
若p2<LF/HF<p3,则待测驾驶员的疲劳状态为重度疲劳;
其中,p1,p2,p3和q1,q2,q3均为预先设定阈值。
与现有技术相比,本发明的基于生理参数的驾驶员疲劳检测方法的有益效果为:利用生理指标中不易受外界因素干扰,适用性强的心率变异性指标,可以实现实时检测,精度较高,有效对驾驶员疲劳驾驶进行监测和提醒,具体的:利用PPG光电容积脉搏波描记法,采集血液中透光率,折算成电信号,而非通过传统复杂的心电图实现心电信号的检测;选取与驾驶员疲劳度存在较强的相关关系的HRV指标,正确R-R间期均值RR.mean与频域指标LF/HF,摒弃了无相关性和弱相关性的时频域指标;将疲劳等级划分为清醒、轻度疲劳和重度疲劳,确定了具体的取值区间,可有效实现疲劳预警。
附图说明
图1为本发明实施例中所述基于生理参数的驾驶员疲劳检测方法的流程框图示意;
图2为实施例中300次连续心跳的R-R间期序列图示意;
图3为实施例中300次连续心跳的R-R间期序列的功率谱图示意;
图4为实施例中清醒、轻度疲劳、重度疲劳三组分析对象R-R间期均值随实验时长的变化图示意;
图5为实施例中清醒、轻度疲劳、重度疲劳三组分析对象LF/HF随实验时长的变化图示意。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
实施例一
本发明提供了一种基于生理参数的驾驶员疲劳检测方法,参阅图1,本发明实施例中,所述方法具体包括步骤:
步骤一、采用PPG光电容积脉搏波描记法,每10ms采集一次待检测驾驶员血液中的透光率数据;其中,PPG光电容积脉搏波描记法为现有常规技术,在此,本发明不再进行赘述。
步骤二、对透光率数据作滤波、除噪以及模数转换预处理操作,便于后续对待测驾驶员进行心电波形检测。
步骤三、对心电波形中的R波峰进行检测,得到R-R间期序列,并将异常的R波从R-R间期序列中删除,进而得到正确R-R间期序列。
步骤四、对正确R-R间期序列进行时域分析,计算得到时域指标的R-R间期均值RR.mean;具体的,通过公式计算得到R-R间期均值RR.mean,式中,N表示正常心搏的总次数,RRi表示第i个相邻且正常的R-R间期,RR.mean表示N个R-R间期序列的平均值。
步骤五、对正确R-R间期序列进行快速傅里叶变换,进行频域分析后获取频域指标LF/HF;其中,正确R-R间期序列进行傅里叶变换后得到的功率谱密图中包含极低频段功率VLF、低频段功率LF和高频段功率HF,其中,极低段频段功率VLF范围大小为0.003-0.04Hz,低频段功率LF的范围大小为0.04-0.15Hz,高频段功率HF的范围大小为0.15-0.4Hz;具体包括步骤:
首先,将正确R-R间期序列按照设定等分成M段,且每段长度为L,通过公式进行傅里叶变换,式中,x(n)为正确R-R间期序列表达式,Xi(ejw)为xi(n)傅里叶变换后的频域表达式,N表示正确R-R间期序列的序列数;然后,通过公式计算正确R-R间期序列每段序列的功率谱,式中,L表示每段序列的长度,Pi(w)表示每段R-R间期序列Xi(ejw)功率谱随频率变化的函数;同时,将正确R-R间期序列每段的功率谱相加和取平均数,得到平均功率谱,具体由公式计算得到,式中,M表示序列的段数,表示整段R-R间期序列功率随频率变化的函数;最后,基于极低频段功率VLF、低频段功率LF以及高频段功率HF计算得到计算LF和HF,得到频域指标LF/HF,其中,LF通过公式计算得到,HF通过公式计算得到,其中,a表示低频段功率LF范围的最低频率值,b表示低频段评论LF范围的最大频率值,c表示高频段功率HF范围的最高频率值,即a=0.04,b=0.15,c=0.4。
步骤六、基于R-R间期均值RR.mean和频域指标LF/HF判定待检测驾驶员的疲劳状态;具体的,对于R-R间期均值RR.mean:
若0<RR.mean<q1,则待测驾驶员的疲劳状态为清醒;
若q1<RR.mean<q2,则待测驾驶员的疲劳状态为轻度疲劳;
若q2<RR.mean<q3,则待测驾驶员的疲劳状态为重度疲劳;
对于所述频域指标LF/HF:
若0<LF/HF<p1,则待测驾驶员的疲劳状态为清醒;
若p1<LF/HF<p2,则待测驾驶员的疲劳状态为轻度疲劳;
若p2<LF/HF<p3,则待测驾驶员的疲劳状态为重度疲劳;
在本发明实施例中,p1,p2,p3和q1,q2,q3根据具体实施例中实际数值进行设定。
实施例二
下面结合具体的实例对本发明方法进行具体说明:
首先,生成正确的R-R间期序列的生成
一般心率变异讯号的频谱分析使用200至500连续心跳间期稳定记录表现,本实施例截取300次连续脉搏波周期的数据,对应成长度为300的R-R间期序列,R-R间期序列数据如表1所示。
表1 R-R间期序列
然后,计算时域指标RR.mean
得到正确的R-R间期序列后,进行时域分析,计算时域指标R-R间期均值RR.mean,所用公式为:式中,N表示正常心搏的总次数,RRi表示第i个相邻且正常的R-R间期,RR.mean表示N个R-R间期的平均值,本实施例取N为300,则经过计算可得到RR.mean为0.708s。
随后,计算频域指标LF/HF
结合表1可知,HRV数据在0.7s上下浮动,为了对其进行频域分析,需要将数据电平降到0值附近才能进行快速傅里叶变换,进行三次样条拟合之后减去平均值可以达到上述要求;参阅图2,从中可知通过三次样条拟合处理可得到的拟合数据。
将拟合后的正确R-R间期序列进行重采样,采样率为4Hz,获得的功率谱密度图,具体可参阅图3;从中可知,得到功率谱图的三个主要的成份,极低频段功率VLF,0.003-0.04Hz;低频段功率LF,0.04-0.15Hz;高频段功率HF,0.15-0.4Hz,从而可通过公式计算得到LF=2325,通过公式计算得到HF=1762,进一步得到频域指标LF/HF=1.32。
最后,根据计算得到的时域指标RR.mean和频域指标LF/HF两项指标的大小判断待测驾驶员的疲劳状态
具体的,本实施例通过清醒、轻度疲劳和重度疲劳三组不同状态下的实验为例;实验分三次进行,分析对象执行相同难度的任务,实验时长2h;第一次为正常状态下的实验,实验前被试正常休息,记为正常组;第二次为轻度疲劳状态下的实验,实验前剥夺被试睡眠19h左右,记为轻度疲劳组,第三次为重度疲劳状态下的实验,实验前剥夺被试睡眠24h左右,记为重度疲劳组;将分析对象的实验数据按照每10min为一时段进行整理,计算分析对象在12个时段的HRV指标值。
参阅图4,从中可知,三组分析对象的R-R间期均值RR.mean随实验时长的增加呈上升趋势,而这个趋势在疲劳状态下更加明显;结合图5,三组分析对象的频域指标LF/HF值存在波动下降的情况。在此基础上,将三组数据对比分析,分别设置时域指标RR.mean和频域指标LF/HF的阈值,划分待测驾驶员的疲劳等级,具体为:
对于时域指标RR.mean:
若0<RR.mean<0.80,则表示待测驾驶员的疲劳状态为清醒;
若0.80<RR.mean<0.85,则表示待测驾驶员的疲劳状态为轻度疲劳;
若0.85<RR.mean<2,则表示待测驾驶员的疲劳状态为重度疲劳;
对于频域指标LF/HF:
若0<LF/HF<1.40,则表示待测驾驶员的疲劳状态为清醒;
若1.40<LF/HF<1.50,则表示待测驾驶员的疲劳状态为轻度疲劳;
若1.50<LF/HF<2,则表示待测驾驶员的疲劳状态为重度疲劳。
与现有技术相比,本发明的基于生理参数的驾驶员疲劳检测方法的有益效果为:利用生理指标中不易受外界因素干扰,适用性强的心率变异性指标,可以实现实时检测,精度较高,有效对驾驶员疲劳驾驶进行监测和提醒,具体的:利用PPG光电容积脉搏波描记法,采集血液中透光率,折算成电信号,而非通过传统复杂的心电图实现心电信号的检测;选取与驾驶员疲劳度存在较强的相关关系的HRV指标,正确R-R间期均值RR.mean与频域指标LF/HF,摒弃了无相关性和弱相关性的时频域指标;将疲劳等级划分为清醒、轻度疲劳和重度疲劳,确定了具体的取值区间,可有效实现疲劳预警。
以上仅为本发明的较佳实施例,但并不限制本发明的专利范围,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本发明专利保护范围之内。
Claims (5)
1.一种基于生理参数的驾驶员疲劳检测方法,其特征在于,所述方法包括步骤:
S1、采用PPG光电容积脉搏波描记法,每10ms采集一次待检测驾驶员血液中的透光率数据;
S2、对所述透光率数据作滤波、除噪以及模数转换预处理操作,随后对待测驾驶员进行心电波形检测;
S3、对心电波形中的R波峰进行检测,得到R-R间期序列,并将异常的R波从R-R间期序列中删除,进而得到正确R-R间期序列;
S4、对所述正确R-R间期序列进行时域分析,计算得到时域指标的R-R间期均值RR.mean;
S5、对所述正确R-R间期序列进行快速傅里叶变换,进行频域分析后获取频域指标LF/HF;
S6、基于所述R-R间期均值RR.mean和频域指标LF/HF判定待检测驾驶员的疲劳状态。
2.如权利要求1所述的基于生理参数的驾驶员疲劳检测方法,其特征在于,步骤S4中,所述R-R间期均值RR.mean的计算公式为:式中,N表示正常心搏的总次数,RRi表示第i个相邻且正常的R-R间期,RR.mean表示N个R-R间期序列的平均值。
3.如权利要求1所述的基于生理参数的驾驶员疲劳检测方法,其特征在于,步骤S5中所述正确R-R间期序列进行傅里叶变换后得到的功率谱密图中包含极低频段功率VLF、低频段功率LF和高频段功率HF,其中,所述极低段频段功率VLF范围大小为0.003-0.04Hz,所述低频段功率LF的范围大小为0.04-0.15Hz,所述高频段功率HF的范围大小为0.15-0.4Hz。
4.如权利要求3所述的基于生理参数的驾驶员疲劳检测方法,其特征在于,步骤S5中所述频域指标LF/HF的获取包括:
S51、将所述正确R-R间期序列等分成M段,每段长度为L,通过公式进行傅里叶变换,式中,x(n)为所述正确R-R间期序列表达式,Xi(ejw)为xi(n)傅里叶变换后的频域表达式,N表示正确R-R间期序列的点数;
S52、计算所述正确R-R间期序列每段序列的功率谱,公式为:式中,L表示每段序列的长度,Pi(w)表示每段R-R间期序列Xi(ejw)功率谱随频率变化的函数;
S53、将所述正确R-R间期序列每段的所述功率谱相加和取平均数,得到平均功率谱,公式为:
式中,M表示序列的段数,表示整段R-R间期序列功率随频率变化的函数;
S54、基于所述极低频段功率VLF、低频段功率LF以及高频段功率HF计算得到计算LF和HF,得到所述频域指标LF/HF,LF和HF的计算公式分别为:
其中,a表示低频段功率LF范围的最低频率值,b表示低频段评论LF范围的最大频率值,c表示高频段功率HF范围的最高频率值。
5.如权利要求1所述的基于生理参数的驾驶员疲劳检测方法,其特征在于,步骤S6中,根据所述R-R间期均值RR.mean和所述频域指标LF/HF两项指标的大小判定待测驾驶员的疲劳状态具体为:
对于所述R-R间期均值RR.mean:
若0<RR.mean<q1,则待测驾驶员的疲劳状态为清醒;
若q1<RR.mean<q2,则待测驾驶员的疲劳状态为轻度疲劳;
若q2<RR.mean<q3,则待测驾驶员的疲劳状态为重度疲劳;
对于所述频域指标LF/HF:
若0<LF/HF<p1,则待测驾驶员的疲劳状态为清醒;
若p1<LF/HF<p2,则待测驾驶员的疲劳状态为轻度疲劳;
若p2<LF/HF<p3,则待测驾驶员的疲劳状态为重度疲劳;
其中,p1,p2,p3和q1,q2,q3均为预先设定阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910215255.2A CN109938719B (zh) | 2019-03-21 | 2019-03-21 | 一种基于生理参数的驾驶员疲劳检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910215255.2A CN109938719B (zh) | 2019-03-21 | 2019-03-21 | 一种基于生理参数的驾驶员疲劳检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109938719A true CN109938719A (zh) | 2019-06-28 |
CN109938719B CN109938719B (zh) | 2023-02-03 |
Family
ID=67011080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910215255.2A Active CN109938719B (zh) | 2019-03-21 | 2019-03-21 | 一种基于生理参数的驾驶员疲劳检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109938719B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112494044A (zh) * | 2020-11-09 | 2021-03-16 | 沈阳东软智能医疗科技研究院有限公司 | 疲劳驾驶检测方法、装置、可读存储介质及电子设备 |
CN112572454A (zh) * | 2020-12-01 | 2021-03-30 | 浙江清华柔性电子技术研究院 | 疲劳驾驶检测方法、装置及方向盘设备 |
CN114202794A (zh) * | 2022-02-17 | 2022-03-18 | 之江实验室 | 一种基于人脸ppg信号的疲劳检测方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013022211A (ja) * | 2011-07-20 | 2013-02-04 | Nissan Motor Co Ltd | 運転者疲労度推定装置 |
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 |
CN105769222A (zh) * | 2016-02-16 | 2016-07-20 | 北京博研智通科技有限公司 | 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 |
CN105943015A (zh) * | 2016-06-04 | 2016-09-21 | 浙江大学 | 一种主动降噪的穿戴式心率变异性监测设备 |
CN106326644A (zh) * | 2016-08-16 | 2017-01-11 | 沈阳东软熙康医疗系统有限公司 | 一种心率变异性参数及疲劳度指标的计算方法及装置 |
CN106333658A (zh) * | 2016-09-12 | 2017-01-18 | 吉林大学 | 一种光电容积脉搏波检测仪及检测方法 |
CN106585444A (zh) * | 2015-10-14 | 2017-04-26 | 南京金同润医疗科技有限公司 | 一种防疲劳汽车坐垫及其防疲劳方法 |
US10022057B1 (en) * | 2015-06-19 | 2018-07-17 | Michael Blake | Wearable physiological monitoring and notification system based on real-time heart rate variability analysis |
-
2019
- 2019-03-21 CN CN201910215255.2A patent/CN109938719B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013022211A (ja) * | 2011-07-20 | 2013-02-04 | Nissan Motor Co Ltd | 運転者疲労度推定装置 |
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 |
US10022057B1 (en) * | 2015-06-19 | 2018-07-17 | Michael Blake | Wearable physiological monitoring and notification system based on real-time heart rate variability analysis |
CN106585444A (zh) * | 2015-10-14 | 2017-04-26 | 南京金同润医疗科技有限公司 | 一种防疲劳汽车坐垫及其防疲劳方法 |
CN105769222A (zh) * | 2016-02-16 | 2016-07-20 | 北京博研智通科技有限公司 | 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 |
CN105943015A (zh) * | 2016-06-04 | 2016-09-21 | 浙江大学 | 一种主动降噪的穿戴式心率变异性监测设备 |
CN106326644A (zh) * | 2016-08-16 | 2017-01-11 | 沈阳东软熙康医疗系统有限公司 | 一种心率变异性参数及疲劳度指标的计算方法及装置 |
CN106333658A (zh) * | 2016-09-12 | 2017-01-18 | 吉林大学 | 一种光电容积脉搏波检测仪及检测方法 |
Non-Patent Citations (1)
Title |
---|
吕德卫等: "基于智能终端的精神压力分析系统的设计", 《计算机工程与应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112494044A (zh) * | 2020-11-09 | 2021-03-16 | 沈阳东软智能医疗科技研究院有限公司 | 疲劳驾驶检测方法、装置、可读存储介质及电子设备 |
CN112572454A (zh) * | 2020-12-01 | 2021-03-30 | 浙江清华柔性电子技术研究院 | 疲劳驾驶检测方法、装置及方向盘设备 |
CN114202794A (zh) * | 2022-02-17 | 2022-03-18 | 之江实验室 | 一种基于人脸ppg信号的疲劳检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109938719B (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110742585B (zh) | 基于bcg信号的睡眠分期方法 | |
Acharya et al. | Comprehensive analysis of cardiac health using heart rate signals | |
Castiglioni et al. | Local scale exponents of blood pressure and heart rate variability by detrended fluctuation analysis: effects of posture, exercise, and aging | |
CN206792400U (zh) | 心率变异性检测装置 | |
CN111067508B (zh) | 非临床环境下对高血压进行非干预式的监测和评估方法 | |
CN105581792B (zh) | 心律不整的检测设备 | |
CN109938719A (zh) | 一种基于生理参数的驾驶员疲劳检测方法 | |
CN103445767B (zh) | 传感监测交互控制全自动自主神经功能检测仪 | |
US10980489B2 (en) | Method and device for quantifying a respiratory sinus arrhythmia and use of said type of method or said type of device | |
WO2015035764A1 (zh) | 生理参数处理方法、系统及监护设备 | |
Tobon et al. | Spectro-temporal electrocardiogram analysis for noise-robust heart rate and heart rate variability measurement | |
Verma et al. | A robust algorithm for derivation of heart rate variability spectra from ECG and PPG signals | |
CN112057087B (zh) | 精神分裂症高风险人群自主神经功能数据处理方法及装置 | |
CN112656393A (zh) | 一种心率变异性的检测方法及系统 | |
Ghosh et al. | Detection of essential hypertension with physiological signals from wearable devices | |
WO2018130897A1 (en) | Method and system for determining heart rate variability | |
Swapna et al. | ECG signal generation and heart rate variability signal extraction: Signal processing, features detection, and their correlation with cardiac diseases | |
Faust et al. | Heart rate variability analysis for different age and gender | |
Yuda et al. | Detection of daily emotions by wearable biometric sensors | |
CN110432885A (zh) | 一种光电容积脉搏波噪声去除方法 | |
JP2019198531A (ja) | 生体情報計測装置及び生体情報計測方法 | |
Srinivasa et al. | Application of entropy techniques in analyzing heart rate variability using ECG signals | |
CN114052681A (zh) | 一种基于心电判读系统的血压监测方法及系统 | |
TWI458463B (zh) | 個人化心電圖處理裝置與方法 | |
Kumar et al. | Statistical heart rate variability analysis under rest and post-exercise |
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 |