CN109977923A - 基于脑电信号的驾驶员性别检测方法及系统 - Google Patents

Abstract

本发明公开了一种基于脑电信号的驾驶员性别检测方法及系统，该方法包括：按照预设的采样频率多次连续采集驾驶员前额脑电信号，以获得样本集；对所述样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型；在线采集驾驶员的脑电信号，将采集到的脑电信号导入所述性别计算模型中，以确定驾驶员的性别，并将性别检测结果及对应的脑电信号上传至云端。本发明能够有效检测驾驶员的性别，性别检测结果及对应的脑电信号上传至云端，再结合男性和女性驾驶车辆的时间和品牌型号，能够对行车安全、车辆设计和销售产生帮助。

Description

基于脑电信号的驾驶员性别检测方法及系统

技术领域

本发明涉及驾驶检测技术领域，特别是涉及一种基于脑电信号的驾驶员性别检测方法及系统。

背景技术

随着大数据分析的兴起，很多的应用场景都用到了大数据分析，特别是销售行业，用大数据分析促进销售业绩是一个非常好的途径，同时随着车辆的普及，现在越来越多的汽车走向家庭。

不同性别的驾驶员对车的偏爱是不一样的，同样对驾车的舒适性感觉也是不一样的，而这种偏好可能会影响选车的型号和款式，如果能有大数据分析出男性和女性驾驶车辆的时间和品牌型号，那么对行车安全、车辆设计和销售都有很重要的意义，汽车的品牌型号和驾驶时间通过车联网可以很好的获取，但是驾驶员的性别却很难实时获取，现有技术中，缺乏有效的解决方案。

发明内容

为此，本发明的一个目的在于提出一种基于脑电信号的驾驶员性别检测方法，以实现驾驶员性别的检测。

一种基于脑电信号的驾驶员性别检测方法，包括：

按照预设的采样频率多次连续采集驾驶员前额脑电信号，以获得样本集；

对所述样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型；

在线采集驾驶员的脑电信号，将采集到的脑电信号导入所述性别计算模型中，以确定驾驶员的性别，并将性别检测结果及对应的脑电信号上传至云端。

根据本发明提供的基于脑电信号的驾驶员性别检测方法，首先按照预设的采样频率多次连续采集驾驶员前额脑电信号，包括男性驾驶员和女性驾驶员的前额脑电信号，获得样本集，然后对样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型，在实际检测时，只需在线采集驾驶员的脑电信号，然后将采集到的脑电信号导入性别计算模型中，即可确定驾驶员的性别，实际测试表明，性别检测的准确率达到97％，能够有效检测驾驶员的性别，性别检测结果及对应的脑电信号上传至云端，再结合男性和女性驾驶车辆的时间和品牌型号，能够对行车安全、车辆设计和销售产生帮助。

另外，根据本发明上述的基于脑电信号的驾驶员性别检测方法，还可以具有如下附加的技术特征：

进一步地，所述对所述样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取的步骤包括：

第一步，设定功率谱变换参数，具体包括：

选择功率谱计算方法；

利用选定的功率谱方法对样本集进行计算；

计算男性和女性样本功率谱之间的距离；

对选定的距离按照从大到小进行排序，然后选取距离较大的点；

利用这些点作为特征，通过分类器计算男性和女性的分类效果；

保存功率谱计算参数，作为特征模型的一部分。

第二步，根据第一步计算的特征点，划分区间；

第三步，进行多次聚类，计算特征，具体包括：

对第二步得到的区间，计算区间内部频率谱值的标准差，以该标准差为特征，对男性和女性进行分类计算，计算分类结果，然后以全排列的方式合并相邻区间。

第四步，建立性别计算模型。

进一步地，所述第一步，设定功率谱变换参数，具体包括：

采用pburg方法对样本集进行计算；

计算男性和女性样本功率谱之间的Fisher距离；

对选定的距离按照从大到小进行排序，然后选取距离较大的点，选择点的依据距离下降梯度方法，假设对于三个点x1,x2,x3，梯度Tx计算方法是当T>1时候，选择x2作为分割点，x2前面的点作为选中，x2后面的为放弃；

利用这些点作为特征，通过分类器计算男性和女性的分类效果，若分类计算正确的样本数为x1，分类错误的样本数为x2，那么分类效果Cx＝x1/x2；以网格搜索的方法对参数按照一定的下降梯度进行计算，选择Cx值最大的参数作为功率谱计算参数；

保存该功率谱计算参数，作为特征模型的一部分。

进一步地，所述第二步，根据第一步计算的特征点，划分区间，具体包括：

根据第一步计算的特征点，划分区间，若第一步计算的特征点为(x1,x2,x3,x4...xn)；且在功率谱中，这个特征点所在位置为(y1,y2,y3,...,yn)，那么这个区间就以{(x₀x_y1)(x_y1x_y2)(x_y2x_y3)....(x_yn-1x_yn)}作为第一层聚类结果。

进一步地，所述第三步，进行多次聚类，计算特征，具体包括：

对第二步得到的区间，计算区间内部频率谱值的标准差，以该标准差为特征，对男性和女性进行分类计算，计算分类结果，然后以全排列的方式合并相邻区间，全排列的方法是，首先两两合并，第一个和第二个合并，计算一次结果，第二个和第三个合并计算一个结果，依次计算，然后三三合并，一直到全部合并为一个区间，选择计算准确率大于95％的最小区间数，作为最终聚类结果。

进一步地，所述方法还包括：

获取驾驶员所驾驶车辆的信息，将所述车辆的信息上传至云端，并建立其与性别检测结果及对应的脑电信号的映射关系，所述车辆的信息至少包括车辆品牌、型号和颜色。

本发明的另一个目的在于提出一种基于脑电信号的驾驶员性别检测系统，以实现驾驶员性别的检测。

一种基于脑电信号的驾驶员性别检测系统，所述系统包括：

样本获取模块，用于按照预设的采样频率多次连续采集驾驶员前额脑电信号，以获得样本集；

模型建立模块，用于对所述样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型；

检测上传模块，用于在线采集驾驶员的脑电信号，将采集到的脑电信号导入所述性别计算模型中，以确定驾驶员的性别，并将性别检测结果及对应的脑电信号上传至云端。

根据本发明提供的基于脑电信号的驾驶员性别检测系统，首先按照预设的采样频率多次连续采集驾驶员前额脑电信号，包括男性驾驶员和女性驾驶员的前额脑电信号，获得样本集，然后对样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型，在实际检测时，只需在线采集驾驶员的脑电信号，然后将采集到的脑电信号导入性别计算模型中，即可确定驾驶员的性别，实际测试表明，性别检测的准确率达到97％，能够有效检测驾驶员的性别，性别检测结果及对应的脑电信号上传至云端，再结合男性和女性驾驶车辆的时间和品牌型号，能够对行车安全、车辆设计和销售产生帮助。

另外，根据本发明上述的基于脑电信号的驾驶员性别检测系统，还可以具有如下附加的技术特征：

进一步地，所述模型建立模块包括设定单元、划分单元、聚类单元和建立单元：

所述设定单元用于设定功率谱变换参数，具体用于：

选择功率谱计算方法；

利用选定的功率谱方法对样本集进行计算；

计算男性和女性样本功率谱之间的距离；

对选定的距离按照从大到小进行排序，然后选取距离较大的点；

利用这些点作为特征，通过分类器计算男性和女性的分类效果；

保存功率谱计算参数，作为特征模型的一部分。

所述划分单元用于根据第一步计算的特征点，划分区间；

所述聚类单元用于进行多次聚类，计算特征，具体用于：

对第二步得到的区间，计算区间内部频率谱值的标准差，以该标准差为特征，对男性和女性进行分类计算，计算分类结果，然后以全排列的方式合并相邻区间。

所述建立单元用于建立性别计算模型。

进一步地，所述设定单元具体用于：

采用pburg方法对样本集进行计算；

计算男性和女性样本功率谱之间的Fisher距离；

对选定的距离按照从大到小进行排序，然后选取距离较大的点，选择点的依据距离下降梯度方法，假设对于三个点x1,x2,x3，梯度Tx计算方法是当T>1时候，选择x2作为分割点，x2前面的点作为选中，x2后面的为放弃；

利用这些点作为特征，通过分类器计算男性和女性的分类效果，若分类计算正确的样本数为x1，分类错误的样本数为x2，那么分类效果Cx＝x1/x2；以网格搜索的方法对参数按照一定的下降梯度进行计算，选择Cx值最大的参数作为功率谱计算参数；

保存该功率谱计算参数，作为特征模型的一部分。

进一步地，所述划分单元具体用于：

根据第一步计算的特征点，划分区间，若第一步计算的特征点为(x1,x2,x3,x4...xn)；且在功率谱中，这个特征点所在位置为(y1,y2,y3,...,yn)，那么这个区间就以{(x₀x_y1)(x_y1x_y2)(x_y2x_y3)....(x_yn-1x_yn)}作为第一层聚类结果。

进一步地，所述聚类单元具体用于：

对第二步得到的区间，计算区间内部频率谱值的标准差，以该标准差为特征，对男性和女性进行分类计算，计算分类结果，然后以全排列的方式合并相邻区间，全排列的方法是，首先两两合并，第一个和第二个合并，计算一次结果，第二个和第三个合并计算一个结果，依次计算，然后三三合并，一直到全部合并为一个区间，选择计算准确率大于95％的最小区间数，作为最终聚类结果。

进一步地，所述系统可以还包括：

上传映射模块，用于获取驾驶员所驾驶车辆的信息，将所述车辆的信息上传至云端，并建立其与性别检测结果及对应的脑电信号的映射关系，所述车辆的信息至少包括车辆品牌、型号和颜色。

附图说明

本发明实施例的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明第一实施例的基于脑电信号的驾驶员性别检测方法的流程图；

图2是根据本发明第二实施例的基于脑电信号的驾驶员性别检测系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明第一实施例提出的基于脑电信号的驾驶员性别检测方法，包括步骤S101～S103；

S101，按照预设的采样频率多次连续采集驾驶员前额脑电信号，以获得样本集；

其中，可以利用现有的便携脑电信号采集设备(例如neurosky的前额两导联脑电信号采集设备)采集驾驶员前额一导联或两导联的脑电信号，一导联以左前额为采集对象(也可以是右前额)，两导联为前额(左和右)，对驾驶员进行多次连续采集，采样频率可设置为128Hz或者256Hz或者512Hz或者1024Hz等，采用频率可以根据实际情况进行选择，在此不做限制。根据自身设备不同设置参数；数据迭代量是指每次截取采集数据周期的迭代数据(因为数据是连续采集的，但是计算是按照采样周期计算的，因此每次采样周期之间是否需要迭代，也就是后面的是否会包括前一个周期的部分数据，如果是0，就说明数据没有迭代，每次计算完一个周期，就清空，然后重新截取新的数据，两个样本之间没有重叠部分)。

具体的，例如选择单导联左侧前额作为采集点，每次采集40分钟，采集6次，共计240分钟，根据现有脑电信号分析方法，在这240分钟内，对每个受试者选择稳定信号100分钟，共计6000秒，这样每个受试者可以得到6000*1024的数据集，其中6000是样本数，1024是采样频率。

S102，对所述样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型；

具体实施时，步骤S102包括以下步骤：

第一步，设定功率谱变换参数，具体包括：

选择功率谱计算方法，目前功率谱计算方法有很多，这里可以任意选择一个，例如选择pburg方法；

利用选定的功率谱方法对样本集进行计算；

计算男性和女性样本功率谱之间的距离，可以用欧式距离等多种距离计算方法，例如选择Fisher距离；；

对选定的距离按照从大到小进行排序，然后选取距离较大的点，具体的，选择点的依据距离下降梯度方法，假设对于三个点x1,x2,x3，梯度Tx计算方法是当T>1时候，选择x2作为分割点，x2前面的点作为选中，x2后面的为放弃；

利用这些点作为特征，通过分类器计算男性和女性的分类效果，分类器可以选择现有的各种分类器，例如BP神经网络、SVM、随机森林等，具体的，若分类计算正确的样本数为x1，分类错误的样本数为x2，那么分类效果Cx＝x1/x2；以网格搜索的方法对参数按照一定的下降梯度进行计算，选择Cx值最大的参数作为功率谱计算参数；

保存功率谱计算参数，作为特征模型的一部分。

第二步，根据第一步计算的特征点，划分区间，具体的，根据第一步计算的特征点，划分区间，若第一步计算的特征点为(x1,x2,x3,x4...xn)；且在功率谱中，这个特征点所在位置为(y1,y2,y3,...,yn)，那么这个区间就以{(x₀x_y1)(x_y1x_y2)(x_y2x_y3)....(x_yn-1x_yn)}作为第一层聚类结果；

第三步，进行多次聚类，计算特征，具体包括：

对第二步得到的区间，计算区间内部频率谱值的标准差，以该标准差为特征，对男性和女性进行分类计算，计算分类结果，然后以全排列的方式合并相邻区间，具体的，全排列的方法是，首先两两合并，第一个和第二个合并，计算一次结果，第二个和第三个合并计算一个结果，依次计算，然后三三合并，一直到全部合并为一个区间，选择计算准确率大于95％的最小区间数，作为最终聚类结果。

第四步，建立性别计算模型。

S103，在线采集驾驶员的脑电信号，将采集到的脑电信号导入所述性别计算模型中，以确定驾驶员的性别，并将性别检测结果及对应的脑电信号上传至云端。

其中，建立了性别计算模型后，就可以进行实时性别检测分类，并把计算结果和脑电数据上传云端。

需要指出的是，本实施例中，计算功率谱模型，选择pburg作为功率谱计算模型，该模型需输入四个参数，样本、阶数、计算频率和采样频率，该模型仅需要选择恰当的阶数，根据上述方法，首先从阶数为1开始计算，以步长为2计算不同阶数的结果，通过计算结果选择5作为阶数，功率谱计算结果(去除频率为0)是2个500*6000的矩阵，其中500是频率，6000是样本数，现有技术表明，频率大于100hz的数据里面含有的脑电信号成分并不多，因此，本实施例选择频率小于100作为有用数据，最终原始时域信号变为100*6000的矩阵，该矩阵用Fisher距离进行特征选择，Fisher距离的计算方法为：

计算公式为：其中μ代表该向量的均值，σ代表该向量的标准差，

I和j分别代表男性和女性受试者的特征；然后对计算的结果按照从大到小进行排序，利用步骤S102中的特征选择方法，得到两个向量，一个是排序的Fisher距离向量，一个是该Fisher距离的频率段向量选择SVM进行分类计算，其中SVM的参数设计分别为(c＝9.5,g＝-0.5,核函数为线性核函数)，最终得到识别率为97％，即性别识别的成功率达到97％。

此外，可选的，本实施例提供的基于脑电信号的驾驶员性别检测方法，还可以进一步包括步骤：

获取驾驶员所驾驶车辆的信息，将所述车辆的信息上传至云端，并建立其与性别检测结果及对应的脑电信号的映射关系，所述车辆的信息至少包括车辆品牌、型号和颜色，从而进一步对大数据进行完善。

根据本实施例提供的基于脑电信号的驾驶员性别检测方法，首先按照预设的采样频率多次连续采集驾驶员前额脑电信号，包括男性驾驶员和女性驾驶员的前额脑电信号，获得样本集，然后对样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型，在实际检测时，只需在线采集驾驶员的脑电信号，然后将采集到的脑电信号导入性别计算模型中，即可确定驾驶员的性别，实际测试表明，性别检测的准确率达到97％，能够有效检测驾驶员的性别，性别检测结果及对应的脑电信号上传至云端，再结合男性和女性驾驶车辆的时间和品牌型号，能够对行车安全、车辆设计和销售产生帮助。

请参阅图2，基于同一发明构思，本发明第二实施例提出的基于脑电信号的驾驶员性别检测系统，所述系统包括：

样本获取模块10，用于按照预设的采样频率多次连续采集驾驶员前额脑电信号，以获得样本集；

模型建立模块20，用于对所述样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型；

检测上传模块30，用于在线采集驾驶员的脑电信号，将采集到的脑电信号导入所述性别计算模型中，以确定驾驶员的性别，并将性别检测结果及对应的脑电信号上传至云端。

本实施例中，所述模型建立模块20包括设定单元21、划分单元22、聚类单元23和建立单元24：

所述设定单元21用于设定功率谱变换参数，具体用于：

选择功率谱计算方法；

利用选定的功率谱方法对样本集进行计算；

计算男性和女性样本功率谱之间的距离；

对选定的距离按照从大到小进行排序，然后选取距离较大的点；

利用这些点作为特征，通过分类器计算男性和女性的分类效果；

保存功率谱计算参数，作为特征模型的一部分。

所述划分单元22用于根据第一步计算的特征点，划分区间；

所述聚类单元23用于进行多次聚类，计算特征，具体用于：

对第二步得到的区间，计算区间内部频率谱值的标准差，以该标准差为特征，对男性和女性进行分类计算，计算分类结果，然后以全排列的方式合并相邻区间。

所述建立单元24用于建立性别计算模型。

本实施例中，所述设定单元21具体用于：

采用pburg方法对样本集进行计算；

计算男性和女性样本功率谱之间的Fisher距离；

对选定的距离按照从大到小进行排序，然后选取距离较大的点，选择点的依据距离下降梯度方法，假设对于三个点x1,x2,x3，梯度Tx计算方法是当T>1时候，选择x2作为分割点，x2前面的点作为选中，x2后面的为放弃；

利用这些点作为特征，通过分类器计算男性和女性的分类效果，若分类计算正确的样本数为x1，分类错误的样本数为x2，那么分类效果Cx＝x1/x2；以网格搜索的方法对参数按照一定的下降梯度进行计算，选择Cx值最大的参数作为功率谱计算参数；

保存该功率谱计算参数，作为特征模型的一部分。

本实施例中，所述划分单元22具体用于：

根据第一步计算的特征点，划分区间，若第一步计算的特征点为(x1,x2,x3,x4...xn)；且在功率谱中，这个特征点所在位置为(y1,y2,y3,...,yn)，那么这个区间就以{(x₀x_y1)(x_y1x_y2)(x_y2x_y3)....(x_yn-1x_yn)}作为第一层聚类结果。

本实施例中，所述聚类单元23具体用于：

对第二步得到的区间，计算区间内部频率谱值的标准差，以该标准差为特征，对男性和女性进行分类计算，计算分类结果，然后以全排列的方式合并相邻区间，全排列的方法是，首先两两合并，第一个和第二个合并，计算一次结果，第二个和第三个合并计算一个结果，依次计算，然后三三合并，一直到全部合并为一个区间，选择计算准确率大于95％的最小区间数，作为最终聚类结果。

本实施例中，所述系统可以还包括：

上传映射模块40，用于获取驾驶员所驾驶车辆的信息，将所述车辆的信息上传至云端，并建立其与性别检测结果及对应的脑电信号的映射关系，所述车辆的信息至少包括车辆品牌、型号和颜色。

根据本实施例提供的基于脑电信号的驾驶员性别检测系统，首先按照预设的采样频率多次连续采集驾驶员前额脑电信号，包括男性驾驶员和女性驾驶员的前额脑电信号，获得样本集，然后对样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型，在实际检测时，只需在线采集驾驶员的脑电信号，然后将采集到的脑电信号导入性别计算模型中，即可确定驾驶员的性别，实际测试表明，性别检测的准确率达到97％，能够有效检测驾驶员的性别，性别检测结果及对应的脑电信号上传至云端，再结合男性和女性驾驶车辆的时间和品牌型号，能够对行车安全、车辆设计和销售产生帮助。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具体用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (10)

1.一种基于脑电信号的驾驶员性别检测方法，其特征在于，所述方法包括：

按照预设的采样频率多次连续采集驾驶员前额脑电信号，以获得样本集；

对所述样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型；

在线采集驾驶员的脑电信号，将采集到的脑电信号导入所述性别计算模型中，以确定驾驶员的性别，并将性别检测结果及对应的脑电信号上传至云端。

2.根据权利要求1所述的基于脑电信号的驾驶员性别检测方法，其特征在于，所述对所述样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取的步骤包括：

第一步，设定功率谱变换参数，具体包括：

选择功率谱计算方法；

利用选定的功率谱方法对样本集进行计算；

计算男性和女性样本功率谱之间的距离；

对选定的距离按照从大到小进行排序，然后选取距离较大的点；

利用这些点作为特征，通过分类器计算男性和女性的分类效果；

保存功率谱计算参数，作为特征模型的一部分。

第二步，根据第一步计算的特征点，划分区间；

第三步，进行多次聚类，计算特征，具体包括：

对第二步得到的区间，计算区间内部频率谱值的标准差，以该标准差为特征，对男性和女性进行分类计算，计算分类结果，然后以全排列的方式合并相邻区间。

第四步，建立性别计算模型。

3.根据权利要求2所述的基于脑电信号的驾驶员性别检测方法，其特征在于，所述第一步，设定功率谱变换参数，具体包括：

采用pburg方法对样本集进行计算；

计算男性和女性样本功率谱之间的Fisher距离；

对选定的距离按照从大到小进行排序，然后选取距离较大的点，选择点的依据距离下降梯度方法，假设对于三个点x1,x2,x3，梯度Tx计算方法是当T>1时候，选择x2作为分割点，x2前面的点作为选中，x2后面的为放弃；

利用这些点作为特征，通过分类器计算男性和女性的分类效果，若分类计算正确的样本数为x1，分类错误的样本数为x2，那么分类效果Cx＝x1/x2；以网格搜索的方法对参数按照一定的下降梯度进行计算，选择Cx值最大的参数作为功率谱计算参数；

保存该功率谱计算参数，作为特征模型的一部分。

4.根据权利要求3所述的基于脑电信号的驾驶员性别检测方法，其特征在于，所述第二步，根据第一步计算的特征点，划分区间，具体包括：

根据第一步计算的特征点，划分区间，若第一步计算的特征点为(x1,x2,x3,x4...xn)；且在功率谱中，这个特征点所在位置为(y1,y2,y3,...,yn)，那么这个区间就以{(x₀ x_y1)(x_y1 x_y2)(x_y2 x_y3)....(x_yn-1 x_yn)}作为第一层聚类结果。

5.根据权利要求4所述的基于脑电信号的驾驶员性别检测方法，其特征在于，所述第三步，进行多次聚类，计算特征，具体包括：

对第二步得到的区间，计算区间内部频率谱值的标准差，以该标准差为特征，对男性和女性进行分类计算，计算分类结果，然后以全排列的方式合并相邻区间，全排列的方法是，首先两两合并，第一个和第二个合并，计算一次结果，第二个和第三个合并计算一个结果，依次计算，然后三三合并，一直到全部合并为一个区间，选择计算准确率大于95％的最小区间数，作为最终聚类结果。

6.根据权利要求1所述的基于脑电信号的驾驶员性别检测方法，其特征在于，所述方法还包括：

获取驾驶员所驾驶车辆的信息，将所述车辆的信息上传至云端，并建立其与性别检测结果及对应的脑电信号的映射关系，所述车辆的信息至少包括车辆品牌、型号和颜色。

7.一种基于脑电信号的驾驶员性别检测系统，其特征在于，所述系统包括：

样本获取模块，用于按照预设的采样频率多次连续采集驾驶员前额脑电信号，以获得样本集；

模型建立模块，用于对所述样本集中的脑电信号的功率谱特征进行多层聚类，进行性别特征提取，并建立性别计算模型；

检测上传模块，用于在线采集驾驶员的脑电信号，将采集到的脑电信号导入所述性别计算模型中，以确定驾驶员的性别，并将性别检测结果及对应的脑电信号上传至云端。

8.根据权利要求7所述的基于脑电信号的驾驶员性别检测系统，其特征在于，所述模型建立模块包括设定单元、划分单元、聚类单元和建立单元：

所述设定单元用于设定功率谱变换参数，具体用于：

选择功率谱计算方法；

利用选定的功率谱方法对样本集进行计算；

计算男性和女性样本功率谱之间的距离；

对选定的距离按照从大到小进行排序，然后选取距离较大的点；

利用这些点作为特征，通过分类器计算男性和女性的分类效果；

保存功率谱计算参数，作为特征模型的一部分。

所述划分单元用于根据第一步计算的特征点，划分区间；

所述聚类单元用于进行多次聚类，计算特征，具体用于：

对第二步得到的区间，计算区间内部频率谱值的标准差，以该标准差为特征，对男性和女性进行分类计算，计算分类结果，然后以全排列的方式合并相邻区间。

所述建立单元用于建立性别计算模型。

9.根据权利要求8所述的基于脑电信号的驾驶员性别检测系统，其特征在于，所述设定单元具体用于：

采用pburg方法对样本集进行计算；

计算男性和女性样本功率谱之间的Fisher距离；

对选定的距离按照从大到小进行排序，然后选取距离较大的点，选择点的依据距离下降梯度方法，假设对于三个点x1,x2,x3，梯度Tx计算方法是当T>1时候，选择x2作为分割点，x2前面的点作为选中，x2后面的为放弃；

利用这些点作为特征，通过分类器计算男性和女性的分类效果，若分类计算正确的样本数为x1，分类错误的样本数为x2，那么分类效果Cx＝x1/x2；以网格搜索的方法对参数按照一定的下降梯度进行计算，选择Cx值最大的参数作为功率谱计算参数；

保存该功率谱计算参数，作为特征模型的一部分。

10.根据权利要求9所述的基于脑电信号的驾驶员性别检测系统，其特征在于，所述划分单元具体用于：

根据第一步计算的特征点，划分区间，若第一步计算的特征点为(x1,x2,x3,x4...xn)；且在功率谱中，这个特征点所在位置为(y1,y2,y3,...,yn)，那么这个区间就以{(x₀ x_y1)(x_y1 x_y2)(x_y2 x_y3)....(x_yn-1 x_yn)}作为第一层聚类结果。