CN110507319B - 一种疲劳度检测方法及设备 - Google Patents
一种疲劳度检测方法及设备 Download PDFInfo
- Publication number
- CN110507319B CN110507319B CN201910834372.7A CN201910834372A CN110507319B CN 110507319 B CN110507319 B CN 110507319B CN 201910834372 A CN201910834372 A CN 201910834372A CN 110507319 B CN110507319 B CN 110507319B
- Authority
- CN
- China
- Prior art keywords
- fatigue
- value
- electroencephalogram
- detected
- heart rate
- 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.)
- Active
Links
Images
Classifications
-
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Pulmonology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种疲劳度检测方法及设备,其方法包括:在疲劳度检测过程中持续获取待检测对象的脑电信号和心率信号;并且,在所述疲劳度检测过程的脑电信号初始化阶段,至少一次利用所述心率信号确定所述待检测对象的疲劳度值并输出,所述脑电信号初始化阶段的时间长度为预设值T1;所述脑电信号初始化阶段结束后,至少一次利用T1时间长度内获取的所述脑电信号确定所述待检测对象的第一疲劳度值,至少一次利用所述心率信号确定所述待检测对象的第二疲劳度值,至少一次根据单次确定的所述第一疲劳度值和所述第二疲劳度值确定所述待检测对象的疲劳度值并输出。本发明实施例提供的疲劳度检测方法及设备提高了检测准确性。
Description
技术领域
本发明涉及疲劳度检测技术领域,更具体地,涉及一种疲劳度检测方法及设备。
背景技术
疲劳度检测广泛应用于各种生产学习场景。例如,工矿作业现场,对作业工人进行疲劳度检测,以及时发现疲劳度较高的作业工人,采取干预措施,避免发生作业危险;又例如,交通工具行驶过程中,对驾驶员进行疲劳度检测,在驾驶员疲劳度达到设定的阈值时,采取报警、提示、自动泊车等干预措施,避免发生交通安全事故;再例如,线上或线下学习过程中,对学生进行疲劳度检测,以此为基础调整教学进度,以提高学习效果。
随着生物电信号采集分析技术在民用领域的不断探索普及,近年来出现了利用能够反映疲劳度的多维生物电信号(例如心率信号和脑电信号)进行疲劳度检测的实现方案。其通常的实现手段是:获取一段时间内的多维生物电信号,对多维生物电信号进行预处理后输入训练得到的疲劳度检测模型,得到疲劳度检测结果。
上述实现方式存在的问题在于:在多个应用场景中,在启动疲劳度检测后需要迅速输出疲劳度检测结果。而脑电信号具有较高的敏感性,易受环境噪声影响,因此,利用较短时间内采集到的脑电信号检测疲劳度,会大大降低疲劳度检测结果的准确性。
发明内容
鉴于上述问题,本发明提出了一种疲劳度检测方法及设备,以提高疲劳度检测的准确性。
一方面,本发明实施例提供一种疲劳度检测方法,包括:
在疲劳度检测过程中持续获取待检测对象的脑电信号和心率信号;并且,
在疲劳度检测过程的脑电信号初始化阶段,至少一次利用上述心率信号确定待检测对象的疲劳度值并输出,该脑电信号初始化阶段的时间长度为预设值T1;
脑电信号初始化阶段结束后,至少一次利用T1时间长度内获取的脑电信号确定待检测对象的第一疲劳度值,至少一次利用心率信号确定待检测对象的第二疲劳度值,至少一次根据单次确定的第一疲劳度值和第二疲劳度值确定待检测对象的疲劳度值并输出。
由于心率信号的输出较为稳定,可以利用短时间内的心率信号确定疲劳度值,其较之利用短时间内的脑电信号确定疲劳度值更为准确。因此,可以在脑电信号初始化阶段,仅利用心率信号确定疲劳度值并输出;在脑电信号初始化完成后,再利用脑电信号和心率信号共同确定疲劳度值,进一步提高疲劳度检测的准确性及可靠性。
在疲劳度检测过程中,可以按照固定的时间周期确定待检测对象的疲劳度值并输出,其时间周期为T2,T2<T1。
周期性地更新疲劳度值,可以及时、准确地向用户展示待检测对象实时疲劳度。
作为举例而非限定,脑电信号初始化的时间周期T1的取值以分钟计,例如5分钟,以确保得到可靠稳定的脑电信号,而确定并输出疲劳度值的时间周期T2则以秒计,例如6秒。
在此基础上,脑电信号初始化阶段结束后,可以按照固定时间周期确定第一疲劳度值以及第二疲劳度值,其时间周期可以但不限于为T2。
在疲劳度检测过程中,也可以按照不固定的时间周期确定待检测对象的疲劳度值并输出。
无论是否按照固定时间周期确定待检测对象的疲劳度值并输出,每次可以利用上一周期(例如前6秒)内获取的心率信号确定疲劳度值(或第一疲劳度值)。
在上述任意方法实施例的基础上,上述利用T1时间长度内获取的脑电信号确定待检测对象的第一疲劳度值,其实现方式可以是:对T1时间长度内获取的脑电信号进行预处理,得到预处理后的脑电波形信号;对脑电波行信号进行特征提取,得到反映疲劳度的脑电特征向量;根据脑电特征向量确定待检测对象的第一疲劳度值。
本发明实施例中,疲劳度值(以及第一疲劳度值和第二疲劳度值)为数值,例如,为取值0-100之间的数值,并预先约定数值大小与疲劳程度之间的关系,例如,数值越大表示越疲劳。在此基础上,在通过特征提取获得反映疲劳度的脑电特征向量后,进一步将其映射为第一疲劳度值,可以使得用户更加直观地了解待检测对象的疲劳程度。
进一步地,作为举例而非限定,每次确定第一疲劳度值均是基于靠近当前时刻的T1时间长度内获取的脑电信号实现的。以6秒为周期确定第一疲劳度值为例,在每6秒的时间周期内,均是基于本周期之前的T1时间长度内获取的脑电信号实现的。即获取脑电信号的时间窗口为T1,步长为6秒。
上述根据脑电特征向量确定所述待检测对象的第一疲劳度值的实现方式可以是:确定疲劳度基准值;利用疲劳度基准值对脑电特征向量进行校准,得到校准后的脑电特征向量;将校准后的脑电特征向量映射为待检测对象的第一疲劳度值。
本发明实施例中,为了进一步提高疲劳检测的准确性,引入了疲劳度基准值,利用其对脑电特征向量进行校准,从而提高第一疲劳度值的准确性。
其中,疲劳度基准值可以是利用预设时间段T3内获取的心率信号确定的,T3≤T1。
例如,T3=T1,即将本次脑电信号的时间窗口T1内利用心率信号确定的疲劳度值(或第一疲劳度值)作为疲劳度基准值。
由于不同的待测对象的疲劳程度基准不同,因此,如果使用相同的基准值,两个待检测对象对应的疲劳度值即使相同,其实际疲劳程度很可能不同。为了准确客观地反映不同待测试对象的疲劳程度,可以基于每个待测对象自己的历史数据确定基准值。本发明实施例中,利用待测对象的心率信号确定疲劳度基准值,从而准确客观地反映不同待测试对象的疲劳程度。
上述利用疲劳度基准值对脑电特征向量进行校准的实现方式可以是:将疲劳度基准值映射为脑电特征基准向量;利用脑电特征基准向量对脑电特征向量进行校准。
为了进一步提高疲劳检测的精度,可以首先将疲劳度基准值映射为脑电特征基准向量,该脑电特征基准向量反映了不同脑电特征值的校准需求。
在上述任意方法实施例的基础上,上述利用心率信号确定待检测对象的疲劳度值的实现方式可以是:根据心率信号确定心率变异性信号,利用心率信号和心率变异性信号确定待检测对象的疲劳度值。
在上述任意方法实施例的基础上,上述利用心率信号确定待检测对象的第二疲劳度值的实现方式可以是:根据心率信号确定心率变异性信号,利用心率信号和心率变异性信号确定待检测对象的疲劳度值。
在上述任意方法实施例的基础上,每次根据单次确定的第一疲劳度值和第二疲劳度值确定待检测对象的疲劳度值,其实现方式可以是:
将单次确定的第一疲劳度值和第二疲劳度值进行加权处理,得到待检测对象的疲劳度值;第一疲劳度值的权重按照预定的规则增加,直至达到第一权重阈值;第二疲劳度值的权重按照预定的规则减小,直至达到第二权重阈值;第一权重阈值大于所述第二权重阈值。
本发明实施例中,通过动态调整权重,可以实现向脑电信号检测疲劳度值的平滑过渡。
另一方面,本发明实施例提供一种头戴式设备,包括:
佩戴部,用于将头戴式设备固定于待检测对象的头部或面部;
脑电信号采集部,固定于佩戴部,用于采集待检测对象的脑电信号并发送给处理部;
心率信号采集部,固定于佩戴部,用于采集待检测对象的心率信号并发送给处理部;
处理部,固定于佩戴部,用于实现上述任意方法实施例。
由于心率信号的输出较为稳定,可以利用短时间内的心率信号确定疲劳度值,其较之利用短时间内的脑电信号确定疲劳度值更为准确。因此,可以在脑电信号初始化阶段,仅利用心率信号确定疲劳度值并输出;在脑电信号初始化完成后,再利用脑电信号和心率信号共同确定疲劳度值,进一步提高疲劳度检测的准确性及可靠性。
又一方面,本发明实施例提供一种计算机设备,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序被配置为执行上述任意方法实施例。
再一方面,本发明实施例提供一种计算机可读存储介质,该计算机可读存储介质中保存有一个或多个应用程序,该一个或多个应用程序被执行以实现上述任意方法实施例。
由于心率信号的输出较为稳定,可以利用短时间内的心率信号确定疲劳度值,其较之利用短时间内的脑电信号确定疲劳度值更为准确。因此,可以在脑电信号初始化阶段,仅利用心率信号确定疲劳度值并输出;在脑电信号初始化完成后,再利用脑电信号和心率信号共同确定疲劳度值,进一步提高疲劳度检测的准确性及可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了根据本发明一个实施例的疲劳度检测方法流程图。
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。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的信号、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
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,所描述的实施例仅仅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,本领域技术人员在没有作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。
如图1所示,本发明实施例提供一种疲劳度检测方法,具体包括如下操作:
步骤101、在疲劳度检测过程中持续获取待检测对象的脑电信号和心率信号。
步骤102、在疲劳度检测过程的脑电信号初始化阶段,至少一次利用上述心率信号确定待检测对象的疲劳度值并输出,该脑电信号初始化阶段的时间长度为预设值T1。
由于脑电信号具有较高的敏感性,因此需要利用较长时间(T1,例如5分钟)内的脑电信号进行疲劳度检测,那么,在疲劳度检测过程中最初的这一较长时间(T1,例如5分钟)被定义为脑电信号初始化阶段。
在脑电信号初始化阶段,可以仅利用心率信号进行一次疲劳度检测并输出,为了及时反映疲劳度变化情况,优选的,多次利用心率信号进行疲劳度检测并输出。
步骤103、脑电信号初始化阶段结束后,至少一次利用T1时间长度内获取的脑电信号确定待检测对象的第一疲劳度值,至少一次利用心率信号确定待检测对象的第二疲劳度值,至少一次根据单次确定的第一疲劳度值和第二疲劳度值确定待检测对象的疲劳度值并输出。
其中,若多次确定第一疲劳度值和第二疲劳度值,那么可以利用最新确定的第一疲劳度值和第二疲劳度值确定待检测对象的疲劳度值。
为便于描述,本发明实施例将疲劳度检测过程进行了阶段划分,但应当指出的是,在实际应用中,还可以有其他的阶段划分方法及解释,本发明实施例对此不做限定。
由于心率信号的输出较为稳定,可以利用短时间内的心率信号确定疲劳度值,其较之利用短时间内的脑电信号确定疲劳度值更为准确。因此,可以在脑电信号初始化阶段,仅利用心率信号确定疲劳度值并输出;在脑电信号初始化完成后,再利用脑电信号和心率信号共同确定疲劳度值,进一步提高疲劳度检测的准确性及可靠性。
在疲劳度检测过程中,可以按照固定的时间周期确定待检测对象的疲劳度值并输出,其时间周期为T2,T2<T1。
周期性地更新疲劳度值,可以及时、准确地向用户展示待检测对象实时疲劳度。
作为举例而非限定,脑电信号初始化的时间周期T1的取值以分钟计,例如5分钟,以确保得到可靠稳定的脑电信号,而确定并输出疲劳度值的时间周期T2则以秒计,例如6秒。
在此基础上,脑电信号初始化阶段结束后,可以按照固定时间周期确定第一疲劳度值以及第二疲劳度值,其时间周期可以但不限于为T2。
在疲劳度检测过程中,也可以按照不固定的时间周期确定待检测对象的疲劳度值并输出。
无论是否按照固定时间周期确定待检测对象的疲劳度值并输出,每次可以利用上一周期(例如前6秒)内获取的心率信号确定疲劳度值(或第二疲劳度值)。
在上述任意方法实施例的基础上,上述利用T1时间长度内获取的脑电信号确定待检测对象的第一疲劳度值,其实现方式可以是:对T1时间长度内获取的脑电信号进行预处理,得到预处理后的脑电波形信号;对脑电波形信号进行特征提取,得到反映疲劳度的脑电特征向量;根据脑电特征向量确定待检测对象的第一疲劳度值。
本发明实施例不对脑电信号的预处理进行限定,预处理可一旦不仅限于包括信号放大、滤波等操作,在实际应用中,可以根据需要确定预处理所包括的操作。
本发明实施例中,疲劳度值(以及第一疲劳度值和第二疲劳度值)为数值,例如,为取值0-100之间的数值,并预先约定数值大小与疲劳程度之间的关系,例如,数值越大表示越疲劳。在此基础上,在通过特征提取获得反映疲劳度的脑电特征向量后,进一步将其映射为第一疲劳度值,可以使得用户更加直观地了解待检测对象的疲劳程度。
进一步地,作为举例而非限定,每次确定第一疲劳度值均是基于靠近当前时刻的T1时间长度内获取的脑电信号实现的。以6秒为周期确定第一疲劳度值为例,在每6秒的时间周期内,均是基于本周期之前的T1时间长度内获取的脑电信号实现的。即获取脑电信号的时间窗口为T1,步长为6秒。
上述根据脑电特征向量确定所述待检测对象的第一疲劳度值的实现方式可以是:确定疲劳度基准值;利用疲劳度基准值对脑电特征向量进行校准,得到校准后的脑电特征向量;将校准后的脑电特征向量映射为待检测对象的第一疲劳度值。
本发明实施例中,为了进一步提高疲劳检测的准确性,引入了疲劳度基准值,利用其对脑电特征向量进行校准,从而提高第一疲劳度值的准确性。
本发明实施例不对疲劳度基准值的获取方式进行限定。作为举例而非限定,疲劳度基准值可以是利用预设时间段T3内获取的心率信号确定的,T3≤T1。
例如,T3=T1,即将本次脑电信号的时间窗口T1内利用心率信号确定的疲劳度值(或第二疲劳度值)作为疲劳度基准值。
由于在本次脑电信号的时间窗口T1内多次利用心率信号确定了疲劳度值(或第二疲劳度值),既可以将最后一次确定的疲劳度值(或第二疲劳度值)作为疲劳度基准值,也可以将多次确定的疲劳度值(或第二疲劳度值)的统计值(例如均值)作为疲劳度基准值。
更进一步的,预设时间段T3可以特指脑电信号初始阶段。
由于不同的待测对象的疲劳程度基准不同,因此,如果使用相同的基准值,两个待检测对象对应的疲劳度值即使相同,其实际疲劳程度很可能不同。为了准确客观地反映不同待测试对象的疲劳程度,可以基于每个待测对象自己的历史数据确定基准值。本发明实施例中,利用待测对象的心率信号确定疲劳度基准值,从而准确客观地反映不同待测试对象的疲劳程度。
除此之外,还可以利用其它方式确定疲劳度基准值,例如,将对上述待检测对象的上一疲劳度检测过程中确定的疲劳度值(或过程中确定的多个疲劳度值的统计值)确定为该待检测对象的疲劳度基准值。
上述利用疲劳度基准值对脑电特征向量进行校准的实现方式可以是:将疲劳度基准值映射为脑电特征基准向量;利用脑电特征基准向量对脑电特征向量进行校准。
作为举例而非限定,假设对脑电波形信号进行特征提取,提取出N个脑电特征,即脑电特征向量包含N个元素,那么,预先确定疲劳度基准值与各个脑电特征的映射关系(可以映射关系表、函数等不同方式体现),通过预先确定的该映射关系,将疲劳度基准值映射为长度为N的脑电特征基准向量。
本发明实施例不对校准的具体实现方式进行限定,可以根据实际需要灵活确定其实现方式。作为举例而非限定,当脑电特征向量中的第n个脑电特征的取值小于其在脑电特征基准向量中的第n个脑电特征基准值,则按照预定规则调高该取值,否则按照预定规则调低其取值。
为了进一步提高疲劳检测的精度,可以首先将疲劳度基准值映射为脑电特征基准向量,该脑电特征基准向量反映了不同脑电特征值的校准需求。
在上述任意方法实施例的基础上,上述利用心率信号确定待检测对象的疲劳度值的实现方式可以是:根据心率信号确定心率变异性信号,利用心率信号和心率变异性信号确定待检测对象的疲劳度值。
在上述任意方法实施例的基础上,上述利用心率信号确定待检测对象的第二疲劳度值的实现方式可以是:根据心率信号确定心率变异性信号,利用心率信号和心率变异性信号确定待检测对象的疲劳度值。
在上述任意方法实施例的基础上,每次根据单次确定的第一疲劳度值和第二疲劳度值确定待检测对象的疲劳度值,其实现方式可以是:
将单次确定的第一疲劳度值和第二疲劳度值进行加权处理,得到待检测对象的疲劳度值;第一疲劳度值的权重按照预定的规则增加,直至达到第一权重阈值;第二疲劳度值的权重按照预定的规则减小,直至达到第二权重阈值;第一权重阈值大于所述第二权重阈值。
本发明实施例中,通过动态调整权重,可以实现向脑电信号检测疲劳度值的平滑过渡。
本发明实施例提供的方法可以在脑电信号和心率信号的采集设备上实现(例如具有脑电和心率信号采集功能的头戴式设备),也可以在与该采集设备关联的其他终端(例如手机、PC等)上实现,还可以在与该采集设备通信的网络节点(例如云端服务器、独立服务器)上实现。
另一方面,本发明实施例提供一种头戴式设备,包括:
佩戴部,用于将头戴式设备固定于待检测对象的头部或面部;
脑电信号采集部,固定于佩戴部,用于采集待检测对象的脑电信号并发送给处理部;
心率信号采集部,固定于佩戴部,用于采集待检测对象的心率信号并发送给处理部;
处理部,固定于佩戴部,用于实现上述任意方法实施例。
本发明实施例中,处理部可以但不仅限于包括处理器(例如CPU、微处理器、FPGA等),还可以包括放大电路、滤波电路等预处理模块。
由于心率信号的输出较为稳定,可以利用短时间内的心率信号确定疲劳度值,其较之利用短时间内的脑电信号确定疲劳度值更为准确。因此,可以在脑电信号初始化阶段,仅利用心率信号确定疲劳度值并输出;在脑电信号初始化完成后,再利用脑电信号和心率信号共同确定疲劳度值,进一步提高疲劳度检测的准确性及可靠性。
又一方面,本发明实施例提供一种计算机设备,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序被配置为执行上述任意方法实施例。
由于心率信号的输出较为稳定,可以利用短时间内的心率信号确定疲劳度值,其较之利用短时间内的脑电信号确定疲劳度值更为准确。因此,可以在脑电信号初始化阶段,仅利用心率信号确定疲劳度值并输出;在脑电信号初始化完成后,再利用脑电信号和心率信号共同确定疲劳度值,进一步提高疲劳度检测的准确性及可靠性。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
再一方面,本发明实施例提供一种计算机可读存储介质,该计算机可读存储介质中保存有一个或多个应用程序,该一个或多个应用程序被执行以实现上述任意方法实施例。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上对本发明所提供的一种疲劳度检测方法及设备进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种疲劳度检测方法,其特征在于,包括:
在疲劳度检测过程中持续获取待检测对象的脑电信号和心率信号;并且,
在所述疲劳度检测过程的脑电信号初始化阶段,至少一次利用所述心率信号确定所述待检测对象的疲劳度值并输出,所述脑电信号初始化阶段的时间长度为预设值T1;在疲劳度检测过程中最初的这一较长时间被定义为脑电信号初始化阶段;
所述脑电信号初始化阶段结束后,至少一次利用T1时间长度内获取的所述脑电信号确定所述待检测对象的第一疲劳度值,至少一次利用所述心率信号确定所述待检测对象的第二疲劳度值,至少一次根据单次确定的所述第一疲劳度值和所述第二疲劳度值确定所述待检测对象的疲劳度值并输出;
所述利用T1时间长度内获取的所述脑电信号确定所述待检测对象的第一疲劳度值,包括:
对T1时间长度内获取的所述脑电信号进行预处理,得到预处理后的脑电波形信号;
对所述脑电波信号进行特征提取,得到反映疲劳度的脑电特征向量;
确定疲劳度基准值;所述疲劳度基准值是利用待检测对象的预设时间段T3内获取的所述心率信号确定的,T3≤T1;
将所述疲劳度基准值映射为脑电特征基准向量;利用所述脑电特征基准向量对所述脑电特征向量进行校准;该校准过程为:脑电特征向量中的第n个脑电特征的取值小于其在脑电特征基准向量中的第n个脑电特征基准值,则按照预定规则调高该取值,否则按照预定规则调低其取值;
将所述校准后的脑电特征向量映射为所述待检测对象的第一疲劳度值。
2.根据权利要求1所述的方法,其特征在于,确定所述待检测对象的疲劳度值并输出的时间周期为T2,T2<T1。
3.根据权利要求1或2所述的方法,其特征在于,
所述利用所述心率信号确定所述待检测对象的疲劳度值,包括:根据所述心率信号确定心率变异性信号,利用所述心率信号和所述心率变异性信号确定所述待检测对象的疲劳度值;
所述利用所述心率信号确定所述待检测对象的第二疲劳度值,包括:根据所述心率信号确定心率变异性信号,利用所述心率信号和所述心率变异性信号确定所述待检测对象的疲劳度值。
4.根据权利要求1或2所述的方法,其特征在于,每次根据单次确定的所述第一疲劳度值和所述第二疲劳度值确定所述待检测对象的疲劳度值,包括:
将单次确定的所述第一疲劳度值和所述第二疲劳度值进行加权处理,得到所述待检测对象的疲劳度值;所述第一疲劳度值的权重按照预定的规则增加,直至达到第一权重阈值;所述第二疲劳度值的权重按照预定的规则减小,直至达到第二权重阈值;所述第一权重阈值大于所述第二权重阈值。
5.一种头戴式设备,其特征在于,包括:
佩戴部,用于将所述头戴式设备固定于待检测对象的头部或面部;
脑电信号采集部,固定于所述佩戴部,用于采集所述待检测对象的脑电信号并发送给处理部;
心率信号采集部,固定于所述佩戴部,用于采集所述待检测对象的心率信号并发送给处理部;
处理部,固定于所述佩戴部,用于实现如权利要求1至4任一项所述的方法。
6.一种计算机设备,其特征在于,包括:
一个或多个处理器;
存储器;
一个或多个应用程序,其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序被配置为执行权利要求1至4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910834372.7A CN110507319B (zh) | 2019-09-04 | 2019-09-04 | 一种疲劳度检测方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910834372.7A CN110507319B (zh) | 2019-09-04 | 2019-09-04 | 一种疲劳度检测方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110507319A CN110507319A (zh) | 2019-11-29 |
CN110507319B true CN110507319B (zh) | 2022-04-15 |
Family
ID=68629758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910834372.7A Active CN110507319B (zh) | 2019-09-04 | 2019-09-04 | 一种疲劳度检测方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110507319B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104665849A (zh) * | 2014-12-11 | 2015-06-03 | 西南交通大学 | 一种基于多生理信号多模型交互的高铁调度员应激检测方法 |
CN105615878A (zh) * | 2016-03-10 | 2016-06-01 | 西安科技大学 | 一种疲劳驾驶脑电监测方法 |
CN106580349A (zh) * | 2016-12-07 | 2017-04-26 | 中国民用航空总局第二研究所 | 管制员疲劳检测方法及装置、管制员疲劳响应方法及装置 |
CN106691474A (zh) * | 2016-11-25 | 2017-05-24 | 中原电子技术研究所(中国电子科技集团公司第二十七研究所) | 融合脑电信号与生理信号的疲劳检测系统 |
CN106730812A (zh) * | 2016-11-30 | 2017-05-31 | 吉林大学 | 一种基于多生理参数情绪量估的游戏调控系统及调控方法 |
KR20180001367A (ko) * | 2016-06-27 | 2018-01-04 | 현대자동차주식회사 | 운전자의 생체 신호를 기반으로 하는 운전자의 상태 판별 장치 및 방법 |
CN108392211A (zh) * | 2018-01-11 | 2018-08-14 | 浙江大学 | 一种基于多信息融合的疲劳检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9771081B2 (en) * | 2014-09-29 | 2017-09-26 | The Boeing Company | System for fatigue detection using a suite of physiological measurement devices |
CN105595996B (zh) * | 2016-03-10 | 2019-05-31 | 西安科技大学 | 一种眼电与脑电综合判定的疲劳驾驶脑电监测方法 |
US10747317B2 (en) * | 2017-10-18 | 2020-08-18 | Biofli Technologies, Inc. | Systematic bilateral situational awareness tracking apparatus and method |
-
2019
- 2019-09-04 CN CN201910834372.7A patent/CN110507319B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104665849A (zh) * | 2014-12-11 | 2015-06-03 | 西南交通大学 | 一种基于多生理信号多模型交互的高铁调度员应激检测方法 |
CN105615878A (zh) * | 2016-03-10 | 2016-06-01 | 西安科技大学 | 一种疲劳驾驶脑电监测方法 |
KR20180001367A (ko) * | 2016-06-27 | 2018-01-04 | 현대자동차주식회사 | 운전자의 생체 신호를 기반으로 하는 운전자의 상태 판별 장치 및 방법 |
CN106691474A (zh) * | 2016-11-25 | 2017-05-24 | 中原电子技术研究所(中国电子科技集团公司第二十七研究所) | 融合脑电信号与生理信号的疲劳检测系统 |
CN106730812A (zh) * | 2016-11-30 | 2017-05-31 | 吉林大学 | 一种基于多生理参数情绪量估的游戏调控系统及调控方法 |
CN106580349A (zh) * | 2016-12-07 | 2017-04-26 | 中国民用航空总局第二研究所 | 管制员疲劳检测方法及装置、管制员疲劳响应方法及装置 |
CN108392211A (zh) * | 2018-01-11 | 2018-08-14 | 浙江大学 | 一种基于多信息融合的疲劳检测方法 |
Non-Patent Citations (2)
Title |
---|
Using EEG spectral components to assess algorithms for detecting fatigue;Budi Thomas Jap et al.;《Expert Systems with Applications》;20071228;第2352-2359页 * |
基于深度收缩自编码网络的飞行员疲劳状态识别;韩霜 等;《生物医学工程学杂志》;20180630;第443-451页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110507319A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109397703B (zh) | 一种故障检测方法及装置 | |
US20180078156A1 (en) | Blood Pressure Measurement Data Processing Method and Apparatus | |
CN108900622B (zh) | 基于物联网的数据融合方法、装置与计算机可读存储介质 | |
RU2016117598A (ru) | Устройство и способ оценки многоканальных электрокардиографических сигналов | |
CN111860568B (zh) | 数据样本的均衡分布方法、装置及存储介质 | |
CN113469300A (zh) | 设备状态检测方法及相关装置 | |
US11610073B2 (en) | Device and method for analyzing the state of a system in a noisy context | |
EP3502979A1 (en) | A probability-based detector and controller apparatus, method, computer program | |
CN113344862A (zh) | 缺陷检测方法、装置、电子设备及存储介质 | |
CN110398775B (zh) | 隧道突涌水灾害微震事件信号波动初至拾取方法及系统 | |
CN116740909A (zh) | 基于穿戴设备信息交互的监测预警方法及系统 | |
JP2017536919A5 (zh) | ||
WO2002095633A3 (en) | Method and apparatus for determining the health of a component using condition indicators | |
CN110507319B (zh) | 一种疲劳度检测方法及设备 | |
CN113672782A (zh) | 一种基于数据查询的物联网设备重要性匹配方法 | |
CN110490132B (zh) | 数据处理方法和装置 | |
CN110507320B (zh) | 一种脑电信号滤波方法及设备 | |
JP2015217060A (ja) | 心拍検出方法および心拍検出装置 | |
CN112957018A (zh) | 基于人工智能的心脏状态检测方法和装置 | |
CN110693509B (zh) | 一种案件相关性确定方法、装置、计算机设备和存储介质 | |
KR20230007139A (ko) | Ssvep 기반의 자극 검출 장치 및 그 방법 | |
CN113197116A (zh) | 生猪健康监测及出栏时间评估方法、终端设备及存储介质 | |
CN112370039A (zh) | 一种基于智慧课堂的课堂质量检测方法及装置 | |
CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 | |
CN111883226A (zh) | 一种信息处理和模型训练方法、装置、设备及存储介质 |
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 |