CN110934600A - 一种基于脑电波监测的防疲劳驾驶预警装置及监测方法 - Google Patents

一种基于脑电波监测的防疲劳驾驶预警装置及监测方法 Download PDF

Info

Publication number
CN110934600A
CN110934600A CN202010023692.7A CN202010023692A CN110934600A CN 110934600 A CN110934600 A CN 110934600A CN 202010023692 A CN202010023692 A CN 202010023692A CN 110934600 A CN110934600 A CN 110934600A
Authority
CN
China
Prior art keywords
brain wave
data
driver
monitoring
module
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
CN202010023692.7A
Other languages
English (en)
Inventor
吕华伟
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.)
Henan Anything Technology Development Co Ltd
Original Assignee
Henan Anything Technology Development Co Ltd
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 Henan Anything Technology Development Co Ltd filed Critical Henan Anything Technology Development Co Ltd
Priority to CN202010023692.7A priority Critical patent/CN110934600A/zh
Publication of CN110934600A publication Critical patent/CN110934600A/zh
Pending legal-status Critical Current

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
    • A61B5/16—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
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • 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
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • 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
    • A61B5/25—Bioelectric electrodes therefor
    • A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
    • A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
    • 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
    • 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]
    • 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
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Social Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Hospice & Palliative Care (AREA)
  • Physiology (AREA)
  • Educational Technology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (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

本发明涉及疲劳驾驶监测领域，尤其涉及一种基于脑电波监测的防疲劳驾驶预警装置及监测方法，包括头戴式监测带和采集电极，在头戴式监测带的两端均安装有松紧带和粘结装置，头戴式监测带通过粘结装置完成闭合连接，采集电极的输出端还连接有数据采集芯片，数据采集芯片的输出端连接有电子设备终端，电子设备终端包括用于分析处理脑电波数据的智能分析处理单元和用于提醒和干预驾驶员的预警模块；通过脑电波采集电极对驾驶员的状态进行信号采集，更加精确和快速，通过独特的核心算法进行设定参数的算法和比对，进而达到判断驾驶员不同疲劳驾驶状态等级的目的，进一步实现了对驾驶员的行为监测和干预提醒功能。

Description

一种基于脑电波监测的防疲劳驾驶预警装置及监测方法
技术领域
本发明涉及脑电波监测、疲劳驾驶领域，尤其涉及一种基于脑电波监测的防疲劳驾驶预警装置及监测方法。
背景技术
根据2010年中国交通部的统计，我国48%的车祸由驾驶员疲劳驾驶引起，直接经济损失达数十亿美元，有关汽车驾驶员的疲劳检测问题，随着高速公路的发展和车速的提高，目前已成为汽车安全研究的重要一环；而大型货车、客车、出租车等营运性车辆，由于其独特的驾驶性质，如果出现疲劳驾驶情形，则会造成更大的财产和人员损失，目前，国内外的疲劳驾驶预警系统，是在发现驾驶员出现疲劳、打哈欠、眯眼睛及其他错误驾驶状态后，预警系统将会对此类行为进行及时的分析，并进行语音灯光提示；达到警示驾驶员，纠正错误驾驶行为的方式。
专利申请公布号为“CN106056850A”的发明公开一种疲劳驾驶监测系统，包括：耳机，其包括采集脑电波信号的脑电波检测传感器和将脑电波检测传感器采集的脑电波信号发出的第一通信装置；面部特征提取装置，其包括拍摄面部特征图像以提取面部特征点的摄像装置、将面部特征图像信息发出的第二通信装置和预警装置；控制器，其包括第三通信装置、预存脑电波数据库以及预存面部特征点数据库；第三通信装置分别与第一通信装置、第二通信装置以及预警装置电连接；电源组件分别连接到面部特征提取装置和控制器；本发明实现脑电波和面部视觉特征对比、完成疲劳驾驶的监测和预警，监测系统简单、操作便利、监测精确度高。
上述专利采用的是视频采集驾驶员面部特征，然后依靠后方进行计算判断驾驶员是否疲劳的方法，然而这种依靠面部特征图像分析的方法有以下不足之处：1、由于光线问题，面部采集判断准确率低；2、图像传输速度慢 ；3、由于是后方监测和计算，数据采集不及时；由此导致，当前预警系统不能够准确快速的发现驾驶员的疲劳驾驶状态，进而判断危险的程度。
发明内容
本发明的目的在于克服现有技术的不足，解决上述存在的问题，而提供了一种基于脑电波监测的防疲劳驾驶预警装置及监测方法，本发明结构简单，操作方便，通过脑电波采集电极对驾驶员的状态进行信号采集，更加精确和快速，通过独特的核心算法进行设定参数的算法和比对，进而达到判断驾驶员不同疲劳驾驶状态等级的目的，进一步实现了对驾驶员的行为监测和干预提醒操作，大大提高了驾驶员信号采集的准确度以及预警判断的高效率。
本发明的目的是通过如下措施来实现的：一种基于脑电波监测的防疲劳驾驶预警装置，包括头戴式监测带以及用于监测脑电波信号的采集电极，所述采集电极设置在头戴式监测带的内侧中部，在所述头戴式监测带的两端均安装有松紧带以及与松紧带相连的粘结装置，所述头戴式监测带通过粘结装置完成闭合连接，所述采集电极的输出端还连接有用于收集脑电波信号的数据采集芯片，所述数据采集芯片安装在头戴式监测带内部，采集电极监测到脑电波信号然后将信号传输给数据采集芯片存储；所述数据采集芯片的输出端连接有电子设备终端，所述电子设备终端包括智能分析处理单元和预警模块；
智能分析处理单元，用于接收数据采集芯片对使用者脑电波信号的采集归类，进而对脑电波信号进行分析、算法处理，通过对时间T、大脑思维值R、大脑注意力值P、大脑T时刻 δ波分析值X、大脑T时刻 α 波分析值Z等参数值进行判断驾驶员处于疲劳驾驶状态的等级；
预警模块，脑电波信号经过智能分析处理单元进行信号-数据的算法后，通过与初期设定值的比对和判断，根据驾驶员处于不同等级的疲劳驾驶状态进行不同程度的提醒和干预操作，进而实现提醒驾驶员谨慎驾驶和减轻伤害的目的；
所述智能分析处理单元还包括信号接收器、信号处理器、AI运算模块、数据传输模块；
信号接收器，用于接收数据采集芯片采集的驾驶员脑电波信号并做出反馈提示信号和信号传输；
信息处理器，用于接收信号接收器的脑电波信号数据，进而对驾驶员的脑电波信号进行分析预处理；
AI运算模块，驾驶员的脑电波信号经过信息处理器的预处理以后，AI运算模块对脑电波信号进行数据值的剥离，然后对时间T、大脑思维值R、大脑注意力值P、大脑T时刻 δ 波分析值X、大脑T时刻 α 波分析值Z等参数值数据进行算法运算，经过规整运算后得出的数值与初期在AI运算模块中设定的参考值进行比对和判断，分析出驾驶员处于的疲劳驾驶状态等级，所述AI运算模块还包括根据脑电波信号进行算法后对使用者驾驶状态评级提醒的状态等级分布模块，所述状态等级分布模块与所述预警模块相连，所述预警模块还包括用于对使用者不同状态进行不同提醒的语音提示器和蜂鸣器；
数据传输模块，经过AI运算模块进行算法运算后的脑电波信号值和处理后算法数据，进行下一步的数据传输预警模块和云端数据存储；
所述数据传输模块的输出端还连接有云端监控服务平台，所述云端监控服务平台与电子设备终端之间通过网络协议双向传输，所述云端监控服务平台还包括监控器、处决模块和云端数据存储模块；
监控器，用于呈现驾驶员脑电波信号和算法处理后数值等实时数据给后台监控人员，后台监控人员通过对数值的判断和算法的提醒进一步实现对驾驶员疲劳驾驶状态的管控；
处决模块，后台监控人员利用监控器呈现的驾驶员状态的相关数据，进行对驾驶员的终端干预和提醒操作，所述处决模块与预警模块相连；
云端数据存储模块，用于存储驾驶员脑电波信号数据、算法参考值等数据以及提醒次数和干预效果等数据进行云端存储，以便后期操作人员通过后台进行回访和大数据算法归类。
优选的，所述采集电极为具有柔软可塑性的导电布，如此设置，佩戴者穿戴更加舒适，利用脑电波信号采集进而进行分析判断驾驶员的疲劳驾驶状态更为准确。
优选的，所述状态等级分布模块由一级良好状态模块、二级正常状态模块、三级较差状态模块、四级严重状态模块以及五级危险状态模块，通过对驾驶使用者状态等级进行分级，进而实现不同级别的提醒和干预；当AI运算模块进行数据运算后，通过数据的比对和参照，进行分级，当判断为一级状态时，语音提示器提示“本阶段驾驶为优良驾驶，给你点赞”；当判断为二级状态时，语音提示器提示为“本阶段驾驶为正常驾驶，请保持”；当判断为三级状态时，语音提示器提示为“本阶段驾驶状态较差，请认真驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为1-2分钟每次；当判断为四级状态时，语音提示器提示为“本阶段驾驶状态很差，请勿疲劳驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为6-10次/每分钟；当判断为五级状态时，语音提示器提示为“本阶段驾驶状态危险，请立即停止驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为50-70次/每分钟；如果情节严重，对车载电子设备终端的使用者进一步采取强制制动减速操作。
优选的，所述粘结装置为魔术贴，如此设置，使用者穿戴使用更加方便。
优选的，所述电子设备终端为车载显示屏，对于部分高档车型可以直接采用车载显示屏进行系统安装，进而实现疲劳驾驶状态判断和干预提醒。
进一步优选的，所述车载显示屏与数据采集芯片之间通过蓝牙协议连接。
优选的，所述电子设备终端为智能手机，对于部分没有车载显示屏的车型可以直接采用手机进行APP系统安装，进而达到判断和警示功能。
进一步优选的，所述智能手机与数据采集芯片之间的连接方式为蓝牙协议或者网络协议的任一种。
所述的一种基于脑电波监测的防疲劳驾驶预警的监测方法，包括以下步骤：
a、头戴式监测带通过采集电极对驾驶员进行头部的脑电波信号采集，对脑电波信号进行分类传输给数据采集芯片；
b、数据采集芯片将脑电波信号传输给智能分析处理单元的信号接收器，进而传输给信息处理器，信息处理器经过对驾驶员脑电波信号的分析预处理，将脑电波信号传输给AI运算模块；
c、经过信息处理器的预处理后，将脑电波信号转化成各参数值，通过对时间T、大脑思维值R、大脑注意力值P、大脑T时刻 δ 波分析值X、大脑T时刻 α 波分析值Z等参数值进行判断驾驶员处于疲劳驾驶的状态；
Xt = (( 200 - δ)/100)
Yt = (150 - β)/100)
Zt = ((α - 20)/100)
f(X) = Xt
f(TX) = Xt+1 - Xt
f(Z) = Zt
f(TZ）= Zt+1 – Zt
判断方法、状态评级：
很好：T 属于 任意值时f(TZ）>= 0 且 P > 40
正常：T 属于 任意值时f(TZ）>= 0 且 P > 10
差 ：T 属于 任意值时f(TZ）< 0且 P < 10
很差 ：T 属于 任意值时，f(TX) > 0
危险：T = 5时，f(TX)> 0
d、通过对步骤c的分析和数值判断，确定驾驶员当前处于的疲劳驾驶状态；
e、通过对步骤c数值的比对和判断以及步骤e的驾驶员疲劳驾驶状态等级的判断分类，根据预警模块中不同的疲劳驾驶状态等级进行不同的语音和蜂鸣声提醒和干预；
f、经过算法处理和判断后的驾驶员脑电波信号和数值等实时数据通过数据传输模块传输给云端监控服务平台，后台监控人员通过云端监控服务平台的监控器呈现数据进而进行终端的判断和提醒干预，后台监控人员通过对各个数值的判断和算法的提醒进一步实现对驾驶员疲劳驾驶状态的管控。
g、经过预警模块和后台监控人员的提醒干预操作后的各项数据，进行云端存储，将采集的驾驶员脑电波信号数据、各个参数值、算法值等数据以及提醒次数和干预效果等数据进行云端存储，以便后期操作人员通过后台进行数据回访和大数据的算法归类统计。
本发明的有益效果是：本设计结构简单，操作方便，通过脑电波采集电极对驾驶员的驾驶状态进行信号采集，进而通过算法运算判断驾驶员的疲劳驾驶状态等级，进一步实现预警和干预的目的，从而进一步达到监测驾驶员疲劳驾驶的效果，更加精确和快速，通过独特的核心算法进行设定参数的算法和比对，通过对时间T、大脑思维值R、大脑注意力值P、大脑T时刻 δ 波分析值X、大脑T时刻 α 波分析值Z等参数值进行算法运算后，得出相应数值用于判断驾驶员处于疲劳驾驶状态的等级，进一步实现对驾驶员的驾驶行为监测和干预提醒操作，大大提高了对驾驶员信号采集的准确度以及预警判断的高效率；通过对驾驶使用者状态等级进行分级，进而实现不同级别的提醒和干预；
当AI运算模块进行数据运算后，通过数据的比对和参照，进行分级，当判断为一级状态时，语音提示器提示“本阶段驾驶为优良驾驶，给你点赞”；当判断为二级状态时，语音提示器提示为“本阶段驾驶为正常驾驶，请保持”；当判断为三级状态时，语音提示器提示为“本阶段驾驶状态较差，请认真驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为1-2分钟每次；当判断为四级状态时，语音提示器提示为“本阶段驾驶状态很差，请勿疲劳驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为6-10次/每分钟；当判断为五级状态时，语音提示器提示为“本阶段驾驶状态危险，请立即停止驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为50-70次/每分钟；如果情节严重，对车载电子设备终端的使用者进一步采取强制制动减速操作。
附图说明
图1为本发明的整体结构示意图；
图2为本发明的脑电波监测分析运算预警干预的流程图。
图中：1-头戴式监测带，2-采集电极，3-云端监控服务平台，4-松紧带，5-粘结装置，6-数据采集芯片，7-电子设备终端，701-车载显示屏，702-智能手机，8-智能分析处理单元，9-预警模块，10-信号接收器，11-信息处理器，12-AI运算模块，13-数据传输模块，14-状态等级分布模块，1401-一级良好状态模块，1402-二级正常状态模块，1403-三级较差状态模块，1404-四级严重状态模块，1405-五级危险状态模块，15-语音提示器，16-蜂鸣器，17-监控器，18-处决模块，19-云端数据存储模块。
具体实施方式
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
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。
实施例1：如图1-图2所示，一种基于脑电波监测的防疲劳驾驶预警装置，包括头戴式监测带1以及用于监测脑电波信号的采集电极2，采集电极2设置在头戴式监测带1的内侧中部，采集电极2为具有柔软可塑性的导电布，如此设置，佩戴者穿戴更加舒适，脑电波信号采集更为准确，在头戴式监测带1的两端均安装有松紧带4以及与松紧带相连的粘结装置5，粘结装置5为魔术贴，如此设置，使用者穿戴使用更加方便，进一步讲，采用松紧带的设计也大大提高了不同使用人员的头径大小；头戴式监测带1通过粘结装置5完成闭合连接固定，采集电极1的输出端还连接有用于收集脑电波信号的数据采集芯片6，数据采集芯片6安装在头戴式监测带1内部，数据采集芯片6的输出端连接有电子设备终端7，电子设备终端7为车载显示屏701，对于部分高档车型可以直接采用车载显示屏701进行防疲劳驾驶的系统安装，进而实现疲劳驾驶状态判断和干预提醒，车载显示屏701与数据采集芯片6之间通过蓝牙协议连接；
电子设备终端7包括智能分析处理单元8和预警模块9；
智能分析处理单元8，用于接收数据采集芯片6对使用者脑电波信号的采集归类，进而对脑电波信号进行分析、算法处理，通过对时间T、大脑思维值R、大脑注意力值P、大脑T时刻δ 波分析值X、大脑T时刻 α 波分析值Z等参数值进行判断驾驶员处于疲劳驾驶的状态；
预警模块9，脑电波信号通过智能分析处理单元9进行信号-数据的算法后，通过与初期设定值的比对和判断，根据驾驶员处于不同等级的疲劳驾驶状态进行不同程度的提醒和干预操作，进而实现提醒驾驶员谨慎驾驶和减轻伤害的目的；
智能分析处理单元8经过脑电波数据处理和运算分析进行数据判断进而分出驾驶员疲劳驾驶状态等级，将根据脑电波信号值经过特殊算法算出的参考值，也即使状态等级信号数据传输给预警模块9，预警模块9通过对前期设定的参数和指令，进行判断，进而做出不同程度的提醒和警示；
智能分析处理单元8还包括信号接收器10、信号处理器11、AI运算模块12、数据传输模块13；
信号接收器10，用于接收数据采集芯片6采集的驾驶员脑电波信号并做出反馈提示信号和信号传输；
信息处理器11，用于接收信号接收器10的脑电波信号数据，进而对驾驶员的脑电波信号进行分析预处理；
AI运算模块12，驾驶员的脑电波信号经过信息处理器的预处理以后，AI运算模块对脑电波信号进行数据值的剥离，然后对时间T、大脑思维值R、大脑注意力值P、大脑T时刻 δ 波分析值X、大脑T时刻 α 波分析值Z等参数值数据进行算法运算，经过规整运算后得出的数值与初期在AI运算模块中设定的参数值进行比对和判断，分析出驾驶员处于的疲劳驾驶状态，AI运算模块12还包括根据脑电波信号进行算法后对使用者驾驶状态评级提醒的状态等级分布模块14，状态等级分布模块14与预警模块9相连，预警模块9还包括用于对使用者不同状态进行不同提醒的语音提示器15和蜂鸣器16；
数据传输模块，经过AI运算模块进行算法运算后的脑电波信号值和处理后数据，进行下一步的数据传输预警模块和存储；
信号接收器10接收来自数据采集芯片6的脑电波信号数据，进而将信号传输给与信号接收器相连的信号处理器11，信号处理器11对脑电波信号数据进行预处理判断，将脑电波数据传输给AI运算模块12，AI运算模块12经过指定的核心运算算法处理，通过数值的比较判断，对驾驶者状态进行分级判断，进行调出相对应的驾驶者状态等级提示指令；
数据传输模块13的输出端还连接有云端监控服务平台3，云端监控服务平台3与电子设备终端7之间通过网络协议双向传输，云端监控服务平台3还包括监控器17、处决模块18和云端数据存储模块19；
监控器17，用于呈现驾驶员脑电波信号和算法处理后数值等实时数据给后台监控人员，后台监控人员通过对数值的判断和算法的提醒进一步实现对驾驶员疲劳驾驶状态的管控；
处决模块18，后台监控人员利用监控器呈现的驾驶员状态的相关数据，进行对驾驶员的终端干预和提醒操作，所述处决模块与预警模块相连；
云端数据存储模块19，用于存储驾驶员脑电波信号数据、算法参考值等数据以及提醒次数和干预效果等数据进行云端存储，以便后期操作人员通过后台进行回访和大数据算法归类；
云端监控服务平台为后台服务器，在接收电子设备终端传输大数据的设定和比对判断下，进行最终的监控，进而对驾驶员状态处于四级和五级情节严重的情况，进行最后的处决，下达二次或者最终的指令，然后对驾驶员状态数据进行云端存储，以便后期调用和大数据态势形成的研究，进而实现对驾驶员状态的再次监测、判断和警示作用，进一步达到监测疲劳驾驶以及防疲劳驾驶伤害的目的。
状态等级分布模块14由一级良好状态模块1401、二级正常状态模块1402、三级较差状态模块1403、四级严重状态模块1404以及五级危险状态模块1405，通过对驾驶使用者状态等级进行分级，进而实现不同级别的提醒和干预；当AI运算模块进行数据运算后，通过数据的比对和参照，进行分级，当判断为一级状态时，语音提示器提示“本阶段驾驶为优良驾驶，给你点赞”；当判断为二级状态时，语音提示器提示为“本阶段驾驶为正常驾驶，请保持”；当判断为三级状态时，语音提示器提示为“本阶段驾驶状态较差，请认真驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为1-2分钟每次；当判断为四级状态时，语音提示器提示为“本阶段驾驶状态很差，请勿疲劳驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为6-10次/每分钟；当判断为五级状态时，语音提示器提示为“本阶段驾驶状态危险，请立即停止驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为50-70次/每分钟，如果情节严重，对车载电子设备终端的使用者在保证安全的前提下进一步采取强制制动减速操作。
所述的一种基于脑电波监测的防疲劳驾驶预警的监测方法，包括以下步骤：
a、头戴式监测带通过采集电极对驾驶员进行间歇性的脑电波信号采集，对脑电波信号进行分类传输给数据采集芯片；
b、数据采集芯片将脑电波信号传输给智能分析处理单元的信号接收器，进而传输给信息处理器，信息处理器经过对驾驶员脑电波信号的分析预处理，将脑电波信号传输给AI运算模块；
c、经过信息处理器的预处理后，将脑电波信号转化成各参数值，通过对时间T、大脑思维值R、大脑注意力值P、大脑T时刻 δ 波分析值X、大脑T时刻 α 波分析值Z等参数值进行判断驾驶员处于疲劳驾驶的状态；
Xt = (( 200 - δ)/100)
Yt = (150 - β)/100)
Zt = ((α - 20)/100)
f(X) = Xt
f(TX) = Xt+1 - Xt
f(Z) = Zt
f(TZ）= Zt+1 – Zt
判断方法、状态评级：
很好：T 属于 任意值时f(TZ）>= 0 且 P > 40
正常：T 属于 任意值时f(TZ）>= 0 且 P > 10
差 ：T 属于 任意值时f(TZ）< 0且 P < 10
很差 ：T 属于 任意值时，f(TX) > 0
危险：T = 5时，f(TX)> 0
d、通过对步骤c的分析和数值判断，确定驾驶员当前处于的疲劳驾驶状态；
e、通过对步骤c数值的比对和判断以及步骤e的驾驶员疲劳驾驶状态等级的判断分类，根据预警模块中不同的疲劳驾驶状态等级进行不同的语音和蜂鸣声提醒和干预；
f、经过算法处理和判断后的驾驶员脑电波信号和数值等实时数据通过数据传输模块传输给云端监控服务平台，后台监控人员通过云端监控服务平台的监控器呈现数据进而进行终端的判断和提醒干预，后台监控人员通过对各个数值的判断和算法的提醒进一步实现对驾驶员疲劳驾驶状态的管控。
g、经过预警模块和后台监控人员的提醒干预操作后的各项数据，进行云端存储，将采集的驾驶员脑电波信号数据、各个参数值、算法值等数据以及提醒次数和干预效果等数据进行云端存储，以便后期操作人员通过后台进行数据回访和大数据的算法归类统计。
实施例2：如图1-图2所示，一种基于脑电波监测技术的防疲劳驾驶预警装置，本实施例与实施例1大体结构和方案相同，其不同之处在于：数据采集芯片6的输出端连接有电子设备终端7，电子设备终端7为智能手机，对于部分没有车载显示屏的车型可以直接采用手机进行APP系统安装，进而也能达到判断、警示和管控功能，智能手机7与数据采集芯片6之间的连接方式为蓝牙协议或者网络协议的任一种；
使用状态下，通过脑电波采集电极对驾驶员的状态信息进行脑电波信号采集，更加精确和快速，采集电极将脑电波信号传输给数据采集芯片，进而传输给智能分析处理单元，AI运算模块通过独特的核心算法进行指定参数的运算和比对判断，进而达到通过驾驶员脑电波信号来判断驾驶员不同疲劳驾驶等级状态的目的，进一步实现对驾驶员的行为操作监测和干预提醒功能，大大提高了驾驶员驾驶状态信号采集的准确度以及预警判断的高效率；通过对驾驶员的疲劳驾驶状态等级进行分级，进而实现不同级别的提醒和干预手段；当AI运算模块进行对时间T、大脑思维值R、大脑注意力值P、大脑T时刻 δ 波分析值X、大脑T时刻α 波分析值Z等参数值数据进行算法运算后，通过得出数据值的比对和参照，进行分级，当判断为一级状态时，语音提示器提示“本阶段驾驶为优良驾驶，给你点赞”；当判断为二级状态时，语音提示器提示为“本阶段驾驶为正常驾驶，请保持”；当判断为三级状态时，语音提示器提示为“本阶段驾驶状态较差，请认真驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为1-2分钟每次；当判断为四级状态时，语音提示器提示为“本阶段驾驶状态很差，请勿疲劳驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为6-10次/每分钟；当判断为五级状态时，语音提示器提示为“本阶段驾驶状态危险，请立即停止驾驶”同时蜂鸣器工作，发出“滴—滴”的警示音，时间间隔为50-70次/每分钟。
在接收电子设备终端传输大数据的设定和比对判断下，后台监控服务人员通过监控器进行数据的最后管控，进而进行最终的警示操作，进而对驾驶员状态处于四级和五级情节严重的情况，进行最后的处决，下达二次或者最终的指令，然后对驾驶员状态数据进行云端存储，以便后期调用和大数据态势形成的研究，进而实现对驾驶员状态的再次监测、判断和警示作用，进一步达到监测疲劳驾驶以及防疲劳驾驶伤害的目的。
最后应说明的是：以上仅为本发明的优选实施例而已，并不用于限制本发明，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来说，其依然可以对前述各实施例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同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于脑电波监测的防疲劳驾驶预警装置，其特征在于：包括头戴式监测带以及用于监测脑电波信号的采集电极，所述采集电极设置在头戴式监测带的内侧中部，在所述头戴式监测带的两端均安装有松紧带以及与松紧带相连的粘结装置，所述头戴式监测带通过粘结装置完成闭合连接，所述采集电极的输出端还连接有用于收集脑电波信号的数据采集芯片，所述数据采集芯片安装在头戴式监测带内部，采集电极监测到脑电波信号然后将信号传输给数据采集芯片存储；所述数据采集芯片的输出端连接有电子设备终端，所述电子设备终端包括智能分析处理单元和预警模块；
智能分析处理单元，用于接收数据采集芯片对驾驶员脑电波信号的采集归类，进而对脑电波信号进行分析、算法处理，通过对时间T、大脑思维值R、大脑注意力值P、大脑T时刻 δ波分析值X、大脑T时刻 α 波分析值Z等参数值进行算法比对，进一步判断驾驶员处于疲劳驾驶的状态等级；
预警模块，脑电波信号通过智能分析处理单元进行信号-数据的算法后，通过与初期设定值的比对和判断，根据不同的疲劳驾驶状态等级进行不同程度的提醒和干预操作；
所述智能分析处理单元还包括信号接收器、信号处理器、AI运算模块、数据传输模块；
信号接收器，用于接收数据采集芯片采集的驾驶员脑电波信号并做出反馈提示信号和信号传输；
信息处理器，用于接收信号接收器的脑电波信号数据，进而对驾驶员的脑电波信号进行分析预处理，得出相对应的数据参数；
AI运算模块，驾驶员的脑电波信号经过信息处理器的预处理以后，AI运算模块对脑电波信号进行数据值的剥离，然后对时间T、大脑思维值R、大脑注意力值P、大脑T时刻 δ 波分析值X、大脑T时刻 α 波分析值Z等参数值数据进行算法运算，经过规整运算后得出的数值与初期在AI运算模块中设定的参考值进行比对和判断，分析出驾驶员处于的疲劳驾驶状态等级，所述AI运算模块还包括根据脑电波信号进行算法后对使用者驾驶状态评级提醒的状态等级分布模块，所述状态等级分布模块与所述预警模块相连，所述预警模块还包括用于对使用者不同状态进行不同提醒的语音提示器和蜂鸣器；
数据传输模块，经过AI运算模块进行算法运算后的脑电波信号值和处理后的算法数据值，进行下一步的数据传输预警模块和云端数据存储；
所述数据传输模块的输出端还连接有云端监控服务平台，所述云端监控服务平台与电子设备终端之间通过网络协议双向传输，所述云端监控服务平台还包括监控器、处决模块和云端数据存储模块；
监控器，用于呈现驾驶员脑电波信号和算法处理后数值等实时数据给后台监控人员，后台监控人员通过对数值的判断和算法的提醒进一步实现对驾驶员疲劳驾驶状态的管控；
处决模块，后台监控人员利用监控器呈现的驾驶员状态的相关数据，进行对驾驶员的终端干预和提醒操作，所述处决模块与预警模块相连；
云端数据存储模块，用于存储驾驶员脑电波信号数据、算法参考值等数据以及提醒次数和干预效果等数据进行云端存储，以便后期操作人员通过后台进行回访和大数据算法归类。
2.根据权利要求1所述的一种基于脑电波监测的防疲劳驾驶预警装置，其特征在于：所述采集电极为具有柔软可塑性的导电布。
3.根据权利要求1所述的一种基于脑电波监测的防疲劳驾驶预警装置，其特征在于：所述状态等级分布模块由一级良好状态模块、二级正常状态模块、三级较差状态模块、四级严重状态模块以及五级危险状态模块。
4.根据权利要求1所述的一种基于脑电波监测的防疲劳驾驶预警装置，其特征在于：所述粘结装置为魔术贴。
5.根据权利要求1所述的一种基于脑电波监测的防疲劳驾驶预警装置，其特征在于：所述电子设备终端为车载显示屏。
6.根据权利要求5所述的一种基于脑电波监测的防疲劳驾驶预警装置，其特征在于：所述车载显示屏与数据采集芯片之间通过蓝牙协议连接。
7.根据权利要求1所述的一种基于脑电波监测的防疲劳驾驶预警装置，其特征在于：所述电子设备终端为智能手机。
8.根据权利要求7所述的一种基于脑电波监测的防疲劳驾驶预警装置，其特征在于：所述智能手机与数据采集芯片之间的连接方式为蓝牙协议或者网络协议的任一种。
9.根据权利要求1所述的一种基于脑电波监测的防疲劳驾驶预警的监测方法，其特征在于：包括以下步骤：
a、头戴式监测带通过采集电极对驾驶员进行头部的脑电波信号采集，对脑电波信号进行分类传输给数据采集芯片；
b、数据采集芯片将脑电波信号传输给智能分析处理单元的信号接收器，进而传输给信息处理器，信息处理器经过对驾驶员脑电波信号的分析预处理，将脑电波信号传输给AI运算模块；
c、经过信息处理器的预处理后，将脑电波信号转化成各参数值，通过对时间T、大脑思维值R、大脑注意力值P、大脑T时刻 δ 波分析值X、大脑T时刻 α 波分析值Z等参数值进行判断驾驶员处于疲劳驾驶的状态；
Xt = (( 200 - δ)/100)
Yt = (150 - β)/100)
Zt = ((α - 20)/100)
f(X) = Xt
f(TX) = Xt+1 - Xt
f(Z) = Zt
f(TZ）= Zt+1 – Zt
判断方法、状态评级：
很好：T 属于 任意值时f(TZ）>= 0 且 P > 40
正常：T 属于 任意值时f(TZ）>= 0 且 P > 10
差 ：T 属于 任意值时f(TZ）< 0且 P < 10
很差 ：T 属于 任意值时，f(TX) > 0
危险：T = 5时，f(TX)> 0
d、通过对步骤c的分析和数值判断，确定驾驶员当前处于的疲劳驾驶状态；
e、通过对步骤c数值的比对和判断以及步骤e的驾驶员疲劳驾驶状态等级的判断分类，根据预警模块中不同的疲劳驾驶状态等级进行不同的语音和蜂鸣声提醒和干预；
f、经过算法处理和判断后的驾驶员脑电波信号和数值等实时数据通过数据传输模块传输给云端监控服务平台，后台监控人员通过云端监控服务平台的监控器呈现数据进而进行终端的判断和提醒干预，后台监控人员通过对各个数值的判断和算法的提醒进一步实现对驾驶员疲劳驾驶状态的管控。
10.g、经过预警模块和后台监控人员的提醒干预操作后的各项数据，进行云端存储，将采集的驾驶员脑电波信号数据、各个参数值、算法值等数据以及提醒次数和干预效果等数据进行云端存储，以便后期操作人员通过后台进行数据回访和大数据的算法归类统计。
CN202010023692.7A 2020-01-09 2020-01-09 一种基于脑电波监测的防疲劳驾驶预警装置及监测方法 Pending CN110934600A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010023692.7A CN110934600A (zh) 2020-01-09 2020-01-09 一种基于脑电波监测的防疲劳驾驶预警装置及监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010023692.7A CN110934600A (zh) 2020-01-09 2020-01-09 一种基于脑电波监测的防疲劳驾驶预警装置及监测方法

Publications (1)

Publication Number Publication Date
CN110934600A true CN110934600A (zh) 2020-03-31

Family

ID=69913994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010023692.7A Pending CN110934600A (zh) 2020-01-09 2020-01-09 一种基于脑电波监测的防疲劳驾驶预警装置及监测方法

Country Status (1)

Country Link
CN (1) CN110934600A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111743554A (zh) * 2020-08-04 2020-10-09 河南省安信科技发展有限公司 基于对脑电波解析的注意力分析算法的注意缺陷多动障碍诊断监测系统
CN112654547A (zh) * 2020-09-25 2021-04-13 华为技术有限公司 驾驶提醒的方法、装置及系统
CN114209328A (zh) * 2021-12-30 2022-03-22 宏谷信息科技（珠海）有限公司 一种基于脑电波监测的声光结合干预装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111743554A (zh) * 2020-08-04 2020-10-09 河南省安信科技发展有限公司 基于对脑电波解析的注意力分析算法的注意缺陷多动障碍诊断监测系统
CN112654547A (zh) * 2020-09-25 2021-04-13 华为技术有限公司 驾驶提醒的方法、装置及系统
CN114209328A (zh) * 2021-12-30 2022-03-22 宏谷信息科技（珠海）有限公司 一种基于脑电波监测的声光结合干预装置

Similar Documents

Publication Publication Date Title
CN110934600A (zh) 一种基于脑电波监测的防疲劳驾驶预警装置及监测方法
CN105678959B (zh) 一种疲劳驾驶监控预警方法及系统
CN109147279B (zh) 一种基于车联网的驾驶员疲劳驾驶监测预警方法及系统
CN105869356A (zh) 一种铁路司机工作状态的评估干预系统及方法
CN105894735B (zh) 一种智能化车载疲劳监测系统及方法
CN104757981A (zh) 一种高灵敏收发一体红外检测驾驶员疲劳度的方法及装置
CN104068868A (zh) 一种基于机器视觉的驾驶人疲劳监测方法及装置
CN104635706A (zh) 基于信息源检测的群集人员监测及预警的方法及系统
CN108402570A (zh) 一种基于nb-iot的智能安全帽
CN109910679A (zh) 一种电池包碰撞强度监测装置
CN107976216A (zh) 一种带电作业安全预警系统
CN112897262A (zh) 一种基于声音特征提取的电梯运行状态评估系统和方法
CN115159285B (zh) 电梯状态监测方法及电梯状态监测装置
CN112556829A (zh) 一种设备振动采集监测系统和方法
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
CN115620480A (zh) 一种基于高空智能自动监测的预警系统
CN104916003A (zh) 一种车辆监控方法和系统
CN113506454A (zh) 一种基于音频事件检测的高速公路诱导灯系统及方法
CN112754095A (zh) 一种基于多生理信号监测的智能安全帽及其控制方法
CN108682120A (zh) 一种车辆疲劳预警装置及方法
CN102568158A (zh) 汽车疲劳驾驶警示系统
CN110621003B (zh) 一种电气设备故障诊断装置
CN107953892A (zh) 一种车载驾驶行为综合评估和矫正系统
CN211381394U (zh) 一种基于脑电波监测的防疲劳驾驶预警装置
CN206301463U (zh) 交通安全监管系统

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