CN113080971A - 一种通过检测眨眼信号判断疲劳状态的方法和系统 - Google Patents

一种通过检测眨眼信号判断疲劳状态的方法和系统 Download PDF

Info

Publication number
CN113080971A
CN113080971A CN202110388664.XA CN202110388664A CN113080971A CN 113080971 A CN113080971 A CN 113080971A CN 202110388664 A CN202110388664 A CN 202110388664A CN 113080971 A CN113080971 A CN 113080971A
Authority
CN
China
Prior art keywords
signal
blink
forehead
eeg signal
electroencephalogram
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
CN202110388664.XA
Other languages
English (en)
Inventor
徐建军
赵明帅
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.)
Beijing Jiaotong University
Original Assignee
Beijing Jiaotong University
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 Beijing Jiaotong University filed Critical Beijing Jiaotong University
Priority to CN202110388664.XA priority Critical patent/CN113080971A/zh
Publication of CN113080971A publication Critical patent/CN113080971A/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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1103—Detecting eye twinkling
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Child & Adolescent Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Educational Technology (AREA)
  • Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Social Psychology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Power Engineering (AREA)
  • Ophthalmology & Optometry (AREA)
  • Mathematical Physics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供一种通过检测眨眼信号判断疲劳状态的方法和系统，通过实时获取被试者的前额脑电信号和后枕脑电信号；基于该前额脑电信号和后枕脑电信号，提取眨眼信号；根据单个所述眨眼信号的周期内峰值至谷值的时间设置判断阈值；通过所述眨眼信号与所述判断阈值进行比较，判断被试者的疲劳状态。本发明提供的方法和系统，采用便携式生理电脑电采集设备进行实时采集以及数据处理，使检测更加的便捷以及迅速。并利用简便快捷的算法快速检测疲劳，降低安全隐患。

Description

一种通过检测眨眼信号判断疲劳状态的方法和系统
技术领域
本发明涉及脑电分析技术中疲劳度检测技术领域，尤其涉及脑电信号中的眨眼信号检测。
背景技术
伴随着世界经济的迅猛发展，目前世界拥有公用以及私人汽车数量已经达到了相当恐怖的数量，但汽车在给我们提供方便的同时，也同样在带给我们伤害。据2019全国数据统计，我国每年由于交通事故的死亡数量约十万人，而其中交通事故中有21％是因为疲劳驾驶。而随着现代社会的迅猛发展，有关于脑力的劳动变得越来越广泛。但由于现代社会情势所需，竞争异常激烈，人们会经常长时间进行高强的脑力活动，产生脑疲劳，在脑疲劳状态下进行驾车，无疑是导致疲劳驾驶的根本原因。而单靠相关法律法规已经无法完全控制住事故率，所以进行脑疲劳检测，从根本解决问题已经成为安全领域的一个重要的方向，而脑电信号无疑成为了检测脑疲劳的重要一环。
随着人们对疲劳问题的重视，国内外学者纷纷开始了对其研究，其中美国航空航天局在1994年便开始了针对飞行员疲劳监测的项目，成为最早关注人类疲劳问题的研究机构之一。而自从1929年首次提出报道脑电信号以来，人类对脑电信号的研究已经从纸质脑电图机进化发展到了数字采集系统，功能更加完善精准。近几年越来越多科研小组进行脑电眼电等人体电信号的研究，但总数仍为少数。
近几年国内许多高效联合研发团队进行脑电方向的研究，并且取得了不错的进展。从03年至今，国内学者在如何准确确定并检测脑电眼电信号以及如何确定疲劳并检测疲劳中取得了很大的突破，使得检测结果越来越精确。
截至目前，脑电信号采集设备已经从比较具有局限性的多通道采集设备简化成了便携式单通道脑电采集设备，而此类设备的出现，同时为有关于脑电方向的实际产品提供了有力依靠。
发明内容
本发明的实施例提供了一种通过检测眨眼信号判断疲劳状态的方法和系统，应用于疲劳的初步检测。
为了实现上述目的，本发明采取了如下技术方案。
一种通过检测眨眼信号判断疲劳状态的方法，包括：
实时获取被试者的前额脑电信号和后枕脑电信号；
基于该前额脑电信号和后枕脑电信号，提取眨眼信号；
根据单个眨眼信号的周期内峰值至谷值的时间设置判断阈值；
通过眨眼信号与判断阈值进行比较，判断被试者的疲劳状态。
优选地，基于该前额脑电信号和后枕脑电信号，提取眨眼信号包括：
基于前额脑电信号和后枕脑电信号，提取振幅超过100uV的电信号，获得眨眼信号。
优选地，根据单个眨眼信号的周期内峰值至谷值的时间设置判断阈值包括：
将峰值至谷值的时间等于0.17秒设置为判断阈值。
优选地，通过眨眼信号与判断阈值进行比较，判断被试者的疲劳状态包括：
判断某个眨眼信号的周期内峰值至谷值的时间是否大于判断阈值，若是则将该个眨眼信号的周期判定为疲劳状态周期。
优选地，还具有对实时获取的被试者的前额脑电信号和后枕脑电信号进行预处理的过程，具体包括：
对前额脑电信号和后枕脑电信号进行离散傅里叶变换处理；
通过去均值方法对前额脑电信号和后枕脑电信号进行低频基线去除处理；
对前额脑电信号和后枕脑电信号进行降噪处理；
对前额脑电信号和后枕脑电信号进行去除伪迹处理；
通过带通滤波器将前额脑电信号和后枕脑电信号进行滤波至1-50Hz。
第二方面，本发明提供一种通过检测眨眼信号判断疲劳状态的系统，执行上述的方法，包括：
脑电采集模块，用于实时获取被试者的前额脑电信号和后枕脑电信号；
数据分析模块，用于：基于该前额脑电信号和后枕脑电信号，提取眨眼信号；根据单个眨眼信号的周期内峰值至谷值的时间设置判断阈值；通过眨眼信号与判断阈值进行比较，判断被试者的疲劳状态；
可视化输出模块，用于可视化输出数据分析模块的分析过程以及判断获得的被试者的疲劳状态。
由上述本发明的实施例提供的技术方案可以看出，本发明提供一种通过检测眨眼信号判断疲劳状态的方法和系统，通过实时获取被试者的前额脑电信号和后枕脑电信号；基于该前额脑电信号和后枕脑电信号，提取眨眼信号；根据单个所述眨眼信号的周期内峰值至谷值的时间设置判断阈值；通过所述眨眼信号与所述判断阈值进行比较，判断被试者的疲劳状态。本发明提供的方法和系统，采用便携式生理电脑电采集设备进行实时采集以及数据处理，使检测更加的便捷以及迅速。并利用简便快捷的算法快速检测疲劳，降低安全隐患。
本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案，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，对于本领域普通技术人员来讲，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为本发明提供的一种通过检测眨眼信号判断疲劳状态的方法的处理流程图；
图2为本发明提供的一种通过检测眨眼信号判断疲劳状态的系统的逻辑框图；
图3为本发明提供的一种通过检测眨眼信号判断疲劳状态的系统的工作流程示意图；
图4为本发明提供的一种通过检测眨眼信号判断疲劳状态的系统中显示的眼电信号单独提取界面示意图；
图5为本发明提供的一种通过检测眨眼信号判断疲劳状态的系统中显示的眨眼信号的基础结构以及初步设计检测标准示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。
参见图1，本发明提供一种通过检测眨眼信号判断疲劳状态的方法，包括如下步骤：
实时获取被试者的前额脑电信号和后枕脑电信号；
基于该前额脑电信号和后枕脑电信号，提取眨眼信号；
根据单个眨眼信号的周期内峰值至谷值的时间设置判断阈值；
通过眨眼信号与判断阈值进行比较，判断被试者的疲劳状态。
进一步的，在本发明提供的优选实施例中，第二个步骤具体包括：
基于前额脑电信号和后枕脑电信号，提取振幅超过100的电信号，获得眨眼信号。
更进一步的，在本发明提供的优选实施例中，第三个步骤具体包括：
将峰值至谷值的时间等于0.17秒设置为判断阈值。
更进一步的，判断被试者的疲劳状态具体包括：
判断某个眨眼信号的周期内峰值至谷值的时间是否大于判断阈值，若是则将该个眨眼信号的周期判定为疲劳状态周期；否则，判定为非疲劳状态。
在本发明提供的优选实施例中，本方法还具有对实时获取的被试者的前额脑电信号和后枕脑电信号进行预处理的过程，具体包括：
通过去均值方法对前额脑电信号和后枕脑电信号进行低频基线去除处理；
对前额脑电信号和后枕脑电信号进行降噪处理；其可通过现有技术中的低通滤波器去除高频噪声信号到达降噪的效果；
对前额脑电信号和后枕脑电信号进行去除伪迹处理；其可通过现有技术中的独立成分分析方法进行去除伪迹处理；
通过带通滤波器将前额脑电信号和后枕脑电信号进行滤波至1-50Hz。
第二方面，本发明提供一种执行上述方法的系统，包括：
脑电采集模块201，用于实时获取被试者的前额脑电信号和后枕脑电信号；可采用便携式生理电采集装置；
数据分析模块202，用于：基于该前额脑电信号和后枕脑电信号，提取眨眼信号；根据单个眨眼信号的周期内峰值至谷值的时间设置判断阈值；通过眨眼信号与判断阈值进行比较，判断被试者的疲劳状态；
可视化输出模块203，用于可视化输出数据分析模块202的分析过程(例如图4所示的界面)以及判断获得的被试者的疲劳状态。
本发明还提供一个实施例，用于显示本发明一个检测过程。
如图3所示，整个工作过程分为信号采集、信号预处理、特征提取和分类决策四部分。
首先采用便携式生理电(脑电)采集模块，进行信号的实时采集。
数据分析模块将脑电采集模块传输来的脑电信号进行预处理，包括：低频基线去除、去除伪迹、降噪和带通滤波，通过去均值进行低频基线去除，然后采用滤波器对噪声进行降噪处理，采用带通滤波器将数据滤波至1-50Hz,以减少对数据分析的影响。
观察眨眼信号以及疲劳时眨眼信号，如图5所示。由图可见，眨眼信号是由一个下降幅度与一个上升幅度共同组成，经多次实验测量得上升下降幅度超过100uV时可定义为眨眼信号，且相关研究表明，在清醒状态和疲劳状态下的眼皮闭合速度有明显差别，前后相差十倍左右。将眨眼信号从下幅值到上幅值时间的阈值设定为0.17秒，一旦人眼闭合时间超过0.17秒，就判定有疲劳驾驶的可能性存在。所以可得到算法思路：
在给定时域内，检测输入信号的幅值大小，如果能在此时域内正向反向峰值均可达到100(经申请人多次实验取得)，便可判断为眨眼信号，且两峰值超过0.17s，则初步判定为疲劳。
综上所述，本发明提供一种通过检测眨眼信号判断疲劳状态的方法和系统，通过实时获取被试者的前额脑电信号和后枕脑电信号；基于该前额脑电信号和后枕脑电信号，提取眨眼信号；根据单个所述眨眼信号的周期内峰值至谷值的时间设置判断阈值；通过所述眨眼信号与所述判断阈值进行比较，判断被试者的疲劳状态。本发明提供的方法和系统，采用便携式生理电脑电采集设备进行实时采集以及数据处理，使检测更加的便捷以及迅速。并利用简便快捷的算法快速检测疲劳，降低安全隐患。
本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种通过检测眨眼信号判断疲劳状态的方法，其特征在于，包括：
实时获取被试者的前额脑电信号和后枕脑电信号；
基于该前额脑电信号和后枕脑电信号，提取眨眼信号；
根据单个所述眨眼信号的周期内峰值至谷值的时间设置判断阈值；
通过所述眨眼信号与所述判断阈值进行比较，判断被试者的疲劳状态。
2.根据权利要求1所述的方法，其特征在于，所述的基于该前额脑电信号和后枕脑电信号，提取眨眼信号包括：
基于所述前额脑电信号和后枕脑电信号，提取振幅超过100uV的电信号，获得所述眨眼信号。
3.根据权利要求2所述的方法，其特征在于，所述的根据单个所述眨眼信号的周期内峰值至谷值的时间设置判断阈值包括：
将峰值至谷值的时间等于0.17秒设置为所述判断阈值。
4.根据权利要求3所述的方法，其特征在于，所述的通过所述眨眼信号与所述判断阈值进行比较，判断被试者的疲劳状态包括：
判断某个所述眨眼信号的周期内峰值至谷值的时间是否大于所述判断阈值，若是则将该个所述眨眼信号的周期判定为疲劳状态周期。
5.根据权利要求1至4任一所述的方法，其特征在于，还具有对实时获取的被试者的前额脑电信号和后枕脑电信号进行预处理的过程，具体包括：
对所述前额脑电信号和后枕脑电信号进行离散傅里叶变换处理；
通过去均值方法对所述前额脑电信号和后枕脑电信号进行低频基线去除处理；
对所述前额脑电信号和后枕脑电信号进行降噪处理；
对所述前额脑电信号和后枕脑电信号进行去除伪迹处理；
通过带通滤波器将所述前额脑电信号和后枕脑电信号进行滤波至1-50Hz。
6.一种通过检测眨眼信号判断疲劳状态的系统，其特征在于，执行如权利要求1至5任一所述的方法，包括：
脑电采集模块，用于实时获取被试者的前额脑电信号和后枕脑电信号；
数据分析模块，用于：基于该前额脑电信号和后枕脑电信号，提取眨眼信号；根据单个所述眨眼信号的周期内峰值至谷值的时间设置判断阈值；通过所述眨眼信号与所述判断阈值进行比较，判断被试者的疲劳状态；
可视化输出模块，用于可视化输出所述数据分析模块的分析过程以及判断获得的被试者的疲劳状态。
CN202110388664.XA 2021-04-12 2021-04-12 一种通过检测眨眼信号判断疲劳状态的方法和系统 Pending CN113080971A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110388664.XA CN113080971A (zh) 2021-04-12 2021-04-12 一种通过检测眨眼信号判断疲劳状态的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110388664.XA CN113080971A (zh) 2021-04-12 2021-04-12 一种通过检测眨眼信号判断疲劳状态的方法和系统

Publications (1)

Publication Number Publication Date
CN113080971A true CN113080971A (zh) 2021-07-09

Family

ID=76676434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110388664.XA Pending CN113080971A (zh) 2021-04-12 2021-04-12 一种通过检测眨眼信号判断疲劳状态的方法和系统

Country Status (1)

Country Link
CN (1) CN113080971A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023116263A1 (zh) * 2021-12-24 2023-06-29 南京邮电大学 一种基于脑电图的眨眼咬牙判断方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101828921A (zh) * 2010-06-13 2010-09-15 天津大学 基于视觉诱发脑电vep的身份识别方法
CN103584856A (zh) * 2013-11-29 2014-02-19 国网安徽省电力公司淮南供电公司 一种通过处理脑电波识别眨眼力度的算法
CN105011951A (zh) * 2014-04-24 2015-11-04 闽南师范大学 一种用脑电波提取眼睛眨动次数的装置及方法
CN105054951A (zh) * 2015-08-11 2015-11-18 西安科技大学 一种基于眨眼频率识别的疲劳驾驶脑电监测方法
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
CN105739127A (zh) * 2016-05-06 2016-07-06 京东方科技集团股份有限公司 智能眼镜及眼疲劳识别方法
CN105894732A (zh) * 2014-10-28 2016-08-24 中国科学院西安光学精密机械研究所 一种疲劳驾驶监测系统
CN105989696A (zh) * 2015-01-28 2016-10-05 江苏众鑫交通器材有限公司 一种疲劳驾驶监测系统
CN107510453A (zh) * 2017-10-12 2017-12-26 北京翼石科技有限公司 一种前额区脑电分析方法
CN109646024A (zh) * 2019-01-09 2019-04-19 浙江强脑科技有限公司 疲劳驾驶检测方法、装置及计算机可读存储介质
CN111046779A (zh) * 2019-12-06 2020-04-21 江苏理工学院 基于单通道脑电信号的有意眨眼识别方法及装置
US20200311879A1 (en) * 2019-03-27 2020-10-01 Boe Technology Group Co., Ltd. Display method, display device, electronic equipment, and storage medium
CN212698896U (zh) * 2019-12-25 2021-03-16 杭州航弈生物科技有限责任公司 生物电信号处理系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101828921A (zh) * 2010-06-13 2010-09-15 天津大学 基于视觉诱发脑电vep的身份识别方法
CN103584856A (zh) * 2013-11-29 2014-02-19 国网安徽省电力公司淮南供电公司 一种通过处理脑电波识别眨眼力度的算法
CN105011951A (zh) * 2014-04-24 2015-11-04 闽南师范大学 一种用脑电波提取眼睛眨动次数的装置及方法
CN105894732A (zh) * 2014-10-28 2016-08-24 中国科学院西安光学精密机械研究所 一种疲劳驾驶监测系统
CN105989696A (zh) * 2015-01-28 2016-10-05 江苏众鑫交通器材有限公司 一种疲劳驾驶监测系统
CN105054951A (zh) * 2015-08-11 2015-11-18 西安科技大学 一种基于眨眼频率识别的疲劳驾驶脑电监测方法
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
CN105739127A (zh) * 2016-05-06 2016-07-06 京东方科技集团股份有限公司 智能眼镜及眼疲劳识别方法
CN107510453A (zh) * 2017-10-12 2017-12-26 北京翼石科技有限公司 一种前额区脑电分析方法
CN109646024A (zh) * 2019-01-09 2019-04-19 浙江强脑科技有限公司 疲劳驾驶检测方法、装置及计算机可读存储介质
US20200311879A1 (en) * 2019-03-27 2020-10-01 Boe Technology Group Co., Ltd. Display method, display device, electronic equipment, and storage medium
CN111046779A (zh) * 2019-12-06 2020-04-21 江苏理工学院 基于单通道脑电信号的有意眨眼识别方法及装置
CN212698896U (zh) * 2019-12-25 2021-03-16 杭州航弈生物科技有限责任公司 生物电信号处理系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023116263A1 (zh) * 2021-12-24 2023-06-29 南京邮电大学 一种基于脑电图的眨眼咬牙判断方法及系统

Similar Documents

Publication Publication Date Title
Wang et al. Analysis of feature fatigue EEG signals based on wavelet entropy
CN105496363B (zh) 基于检测睡眠脑电信号对睡眠阶段进行分类的方法
CN108577834B (zh) 一种用于癫痫间期棘波自动检测的方法
CN103399639B (zh) 基于ssvep和p300联合脑机接口方法及装置
CN107280663A (zh) 一种基于不同实验难度的疲劳脑电特征研究的方法
US20140171820A1 (en) Method and apparatus for automatic evoked potentials assessment
CN106974621B (zh) 一种基于脑电信号重心频率的视觉诱导晕动症检测方法
CN106691474A (zh) 融合脑电信号与生理信号的疲劳检测系统
CN106618559B (zh) 一种aEEG信号图像特征重构表示和提取方法
CN102125429A (zh) 基于眼电信号的警觉度检测系统
CN103019382B (zh) 一种利用诱发电位反映脑部主观动机信号的脑机接口方法
CN105701973A (zh) 基于脑电波采集的疲劳检测及预警方法和系统
CN105942974A (zh) 一种基于低频脑电的睡眠分析方法及系统
CN105147281A (zh) 便携式意识障碍刺激促醒与评估系统
CN113080998B (zh) 一种基于脑电的专注状态等级评定方法和系统
CN110321783A (zh) 一种基于1d卷积神经网络的meg棘波检测方法及系统
CN106913333B (zh) 一种持续性注意水平的敏感性特征指标的选取方法
CN112426162A (zh) 一种基于脑电信号节律熵的疲劳检测方法
Kokonozi et al. A study of heart rate and brain system complexity and their interaction in sleep-deprived subjects
Clement et al. Driver fatigue detection system
CN113080971A (zh) 一种通过检测眨眼信号判断疲劳状态的方法和系统
CN104720799A (zh) 基于低频脑电信号的疲劳检测方法及系统
CN109770920A (zh) 基于穿戴式心电信号的紧张情绪判别方法及其系统
Cynthia et al. A new system for detecting fatigue and sleepiness using brain connectivity: EEG based estimation of fatigue, vigilance and sleepiness for drivers
Pan et al. Vigilance analysis based on fractal features of EEG signals

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210709

RJ01 Rejection of invention patent application after publication