CN113555117B - 一种基于穿戴设备的驾驶员健康管理系统 - Google Patents

Abstract

本发明提供了一种基于穿戴设备的驾驶员健康管理系统，包括岗前考勤机、健康手环、云服务器和终端设备；岗前考勤机用于在驾驶员上岗前获取驾驶员的第一生理数据，并将第一生理数据传输至云服务器；健康手环用于实时获取驾驶员的第二生理数据，并将第二生理数据传输至云服务器；云服务器用于对第一生理数据和第二生理数据进行处理，判断驾驶员的身心状态是否异常，获得第一判断结果；终端设备用于接收并显示判断结果。本发明应用神经网络技术实现多模态、多维度数据的融合计算，实现了对驾驶员生理和心理健康的及时监测和有效监测。

Description

一种基于穿戴设备的驾驶员健康管理系统

技术领域

本发明涉及健康管理领域，尤其涉及一种基于穿戴设备的驾驶员健康管理系统。

背景技术

随着交通事业的发展，交通事故已成为人民群众的首位伤害因素，而根据相关数据统计，80％以上的交通事故是由驾驶员自身的原因引发的。驾驶员作为道路交通的重要参与者，在行车过程中会不断受到来自自身机体、道路、环境及其他方面信息的影响，同时，驾驶员自身意识和情绪不可避免地会受到驾驶环境的影响而波动，如产生愤怒、兴奋、紧张等心理反应，影响驾驶安全。因此，需要对驾驶员的身心健康状态进行管理，及时对异常的状态进行预警。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于穿戴设备的驾驶员健康管理系统，包括岗前考勤机、健康手环、云服务器和终端设备；

所述岗前考勤机用于在驾驶员上岗前获取驾驶员的第一生理数据，并将所述第一生理数据传输至所述云服务器；

所述健康手环用于实时获取驾驶员的第二生理数据，并将所述第二生理数据传输至所述云服务器；

所述云服务器用于对所述第一生理数据和所述第二生理数据进行处理，判断所述驾驶员的身心状态是否异常，获得第一判断结果；

所述终端设备用于接收并显示所述判断结果。

作为优选，所述第一生理数据包括驾驶员使用所述岗前考勤机时的血压、心率、血氧饱和度和体温；

所述第二生理数据包括驾驶员在预设的采集时刻的血压、心率、血氧饱和度和体温。

作为优选，所述判断所述驾驶员的身心状态是否异常，包括：

判断所述第一生理数据或第二生理数据是否超出预设的正常值区间，若是，则表示所述驾驶员的身心状态异常，若否，则表示所述驾驶员的身心状态正常。

作为优选，所述终端设备包括PC和智能手机；所述PC设置在监控中心，所述智能手机由驾驶员携带。

作为优选，所述将所述第一生理数据传输至所述云服务器，包括：

所述健康手环与所述智能手机进行通信，将所述第二生理数据传输至所述智能手机；

所述智能手机用于将所述第二生理数据传输至所述云服务器。

作为优选，所述智能手机还用于对所述第二生理数据进行可视化展示。

作为优选，所述云服务器还用于将所述第一生理数据和所述第二生理数据传输至所述PC；

所述PC用于对所述第一生理数据和所述第二生理数据进行可视化展示。

作为优选，所述云服务器还用于根据所述第二生理数据判断所述驾驶员是否处于疲劳驾驶状态，获得第二判断结果；

以及用于将所述第二判断结果发送至所述终端设备。

作为优选，通过下述方式判断所述驾驶员是否处于疲劳驾驶状态：

对第二生理数据进行数据清洗处理，获得清洗完毕的生理数据；

将所述清洗完毕的生理数据输入到预先训练完毕的神经网络模型中进行运算，获得第二判断结果。

本发明通过深度学习构建模型，可以有效克服个体差异，实现适合于不同驾驶员的个性化健康管理。应用神经网络技术实现多模态、多维度数据的融合计算，实现了对驾驶员生理和心理健康的及时监测和有效监测。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1，为本发明一种基于穿戴设备的驾驶员健康管理系统的一种示例性实施例图。

具体实施方式

下面详细描述本发明的实施例，所述实施例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例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

如图1所示的一种实施例，本发明提供了一种基于穿戴设备的驾驶员健康管理系统，包括岗前考勤机、健康手环、云服务器和终端设备；

所述岗前考勤机用于在驾驶员上岗前获取驾驶员的第一生理数据，并将所述第一生理数据传输至所述云服务器；

所述健康手环用于实时获取驾驶员的第二生理数据，并将所述第二生理数据传输至所述云服务器；

所述云服务器用于对所述第一生理数据和所述第二生理数据进行处理，判断所述驾驶员的身心状态是否异常，获得第一判断结果；

所述终端设备用于接收并显示所述判断结果。

通过设置获取两种生理数据，实现了对驾驶员的健康状态的有效监测，岗前考勤机由于不需要移动，因此能够使用监测精度极高的设备来获取第一生理数据，然后，如果根据第一生理数据判断驾驶员身心状态异常，则对该驾驶员进行进一步的管理，例如，该驾驶员当然停止驾驶，或者是等该驾驶员休息一段时间再重新进行第一生理数据的获取等。

具体地，岗前考勤机可以采用基于ARM的嵌入式操作平台，采用医用级生理参数测量模块获取第一生理数据。

作为优选，岗前考勤机包括登录模块、数据获取模块和通信模块；

所述登录模块用于获取驾驶员的生物特征信息，并根据所述生物特征信息获取所述驾驶员的身份编号；

所述数据获取模块用于获取所述第一生理数据；

所述通信模块用于将所述第一生理数据和所述身份编号发送至所述云服务器。

通过脸部识别的方式能够防止冒名顶替进行岗前健康监测，从而有效地提高本发明的安全性。

具体地，云服务器用于将所述第一生理数据存储到所述身份编号所对应的数据库列表中。

作为优选，通过下述方式获取驾驶员的生物特征信息：

获取驾驶员的脸部图像；

对所述脸部图像进行特征信息提取，获取驾驶员的脸部的特征信息；

将所述特征信息与特征信息数据库中的特征信息进行匹配，从而获取所述驾驶员的身份编号。

具体地，特征信息数据库中存储有所有的驾驶员的脸部的特征信息，若特征信息数据库中存在与从脸部图像中提取的特征信息之间匹配度大于预设的匹配度阈值的特征信息，则将该特征信息对应的身份编号作为所述驾驶员的身份编号。

作为优选，对所述脸部图像进行特征信息提取，获取驾驶员的脸部的特征信息，包括：

对所述脸部图像进行灰度化处理，获得灰度图像；

对所述灰度图像进行调节处理，获得调节图像；

获取所述调节图像中包含的前景图像；

使用预设的特征提取算法获取所述前景图像中包含的特征信息，将所述特征信息未做驾驶员的脸部的特征信息。

本发明上述方式，通过对脸部图像进行灰度化处理能够降低参与计算的数据的维度，从而降低本发明的计算压力，提高本发明的响应速度。

具体地，特征提取算法可以包括HOG算法、LBP算法、Harr算法等。

作为优选，对所述灰度图像进行调节处理，包括：

对所述灰度图像中的像素点进行分类，将灰度图像中的像素点分成需要进行调节处理的像素点和不需要进行调节处理的像素点；

根据预设的调节处理方式对所有需要进行调节处理的像素点进行调节处理，获得调节图像。

通过先对像素点进行分类，能够有效地降低参与调解处理的像素点的数量，同时，也能够尽可能地降低调解图像中的细节信息的丢失程度。

作为优选，通过下述方式对灰度图像中的像素点进行分类：

对于灰度图像中的像素点s，判断像素点s是否满足下述分类条件，若是，则像素点s为需要进行调节处理的像素点，若否，则像素点s为不需要进行调节处理的像素点；

所述分类条件为：

式中，f(s)表示像素点s的像素值，unies表示像素点s的K×K大小的邻域中的所有像素点的集合，s'表示unies中的像素点，f(s')表示s'的像素值，dtn表示预设的常数系数，x_s和y_s分别表示像素点s的横坐标和纵坐标，x_s'和y_s'分别表示像素点s'的横坐标和纵坐标，avef(unies)表示unies中的像素点的像素值的方差，maf和mif分别表示unies的像素点的像素值的最大值和最小值，thre1表示预设的第一判断阈值，thre2表示预设的第二判断阈值，gra(s,1)和gra(s,2)分别表示像素点s横向的梯度值和纵向的梯度值，gra(s',1)和gra(s',2)别表示像素点s'横向的梯度值和纵向的梯度值，numthre表示预设的总数判断值，zds表示取最大值，slz表示满足括号内的条件的像素点的数量。

本发明上述实施方式，通过像素点与其邻域中的像素点在像素值、梯度值、像素值方差，坐标等方面的关系来综合判断像素点的类型，实现了对像素点的类型的准确识别。

作为优选，根据预设的调节处理方式对所有需要进行调节处理的像素点进行调节处理，获得调节图像，包括：

将需要进行调节处理的像素点记为t，

若|f(t)-fnei(t)|≤thref，则采用以下公式对t进行调节处理：

若|f(t)-fnei(t)|＞thref，则采用以下公式对t进行调节处理：

式中，af(t)表示对t进行调节处理后t的像素值，uneit表示t的预设大小的邻域中的像素点的集合，t'表示uneit中的像素点，td(t)和td(t')分别表示t和t'的梯度幅值，cs1表示uneit中的梯度幅值的方差，dlts(t,t')表示t和t'之间的距离，cs2表示uneit中的像素点和t之间的距离的方差，f(t')表示t'的像素值，nofuneit表示uneit中包含的像素点的总数，w₁和w₂表示预设的权重系数，w₁与w₂之间的和为1，thref表示预设的绝对值阈值；fnei(t)表示uneit中的像素点的像素值的均值；

本发明在对需要进行调节处理的像素点进行处理时，通过设置判断条件进一步为不同情况下的像素点选择合适的调节方式来进行调节处理，当|f(t)-fnei(t)|≤thref时，表示t与其邻域中的像素点之间差异较小，因此，采用的是求取均值的方式对t进行调节处理，而当t与其邻域中的像素点之间差异较大时，若依然采用均值的方式，则容易导致t的细节信息严重丢失，因此，本发明上述实施例通过对t的邻域中的像素点分别获取不同的权重参数来加权获得af(t)的部分像素值，然后再将该部分像素点和求取均值获得的数值按预设的比例进行求和，获得t的调节处理之后的像素值，实现了在为t保留更多的细节信息的同时，对t进行了调节处理，有效地降低了调节图像中的噪声的含量。

作为优选，获取所述调节图像中包含的前景图像，包括：

对所述调节图像进行分块处理，获得多个图像块；

分别获取每个图像块中包含的前景像素点；

将所有的前景像素点组成前景图像。

传统的求取前景图像的方式一般是直接将前景图像分成面积相同的多个图像块或者是直接不分块，对整个图像进行前景图像的获取，但是这种处理方式获得的前景图像正确率并不是很高，因为如果多个图像块的面积相同，很容易导致得到全是前景像素点的图像块或全是背景的图像块，若对这些图像块进一步获取前景像素点，显然是获得了错误的计算结果。因此，本发明通过将调节图像划分为面积不全相等的多个子图像的方式，然后再分别对每个子图像块进行前景像素点的获取，能够有效地提高获的前景图像的正确率。

作为优选，通过下述方式进行分块处理：

采用多次分块的方式对调节图像进行分块处理；

第n次分块，分别对集合df_n中包含的每个图像块进行如下处理：

将所述图像块划分为面积相等的Q个子图像块；

分别判断所述Q个子图像块中的每个子图像块是否需要再次进行划分，若是，则将其存入集合df_n+1中，若否，则将其存入集合QU中；

对df_n中包含所有图像块进行上述处理后，若df_n+1中的元素为0，则结束分块处理，或者，若n+1大于等于预设的分块次数最大值N，则结束分块处理，将此时QU中包含的元素作为最终的分块处理结果；

对于子图像块q，通过以下方式判断其是否需要再次进行划分处理：

计算子图像块q的质量系数：

式中，fcidx(q)表示子图像块q的质量系数，u₁、u₂、u₃表示预设的比例系数，u₁+u₂+u₃＝1，numq表示子图像块q中包含的像素点的数量，numb表示预设的像素点数量标准值，cneiq表示子图像块q中包含的像素点的像素值的方差，cneib表示预设的像素点方差标准值，bnumq表示子图像块q中包含的边缘像素点的数量，bnumb表示预设的边缘像素点数量标准值；

若fcidx(q)大于预设的质量系数阈值，则表示需要对子图像块q再次进行划分处理，否则，表示不需要对子图像块q再次进行划分处理。

在分块时，根据像素点的数量、边缘像素点的数量、像素值的方差等方面来获取质量系数，若像素点的数量越多，边缘像素点的数量越多，像素值的方差越大，表面当前的子图像块越需要进一步进行分块处理。

作为优选，通过下述方式获取图像块中包含的前景像素点：

采用分水岭算法对所述图像块进行图像分割处理，获得所述图像块中包含的前景像素点。

作为优选，所述第一生理数据包括驾驶员使用所述岗前考勤机时的血压、心率、血氧饱和度和体温；

所述第二生理数据包括驾驶员在预设的采集时刻的血压、心率、血氧饱和度和体温。

具体地，预设的采集时刻可以是周期性的时刻，例如每隔10S采集一次第二生理数据。

可以在健康手环上采用MAX30102传感器进行血氧饱和度检测、利用血压传感器获取血压、利用体温传感器获取体温、利用心率传感器来获取心率。

作为优选，所述判断所述驾驶员的身心状态是否异常，包括：

判断所述第一生理数据或第二生理数据是否超出预设的正常值区间，若是，则表示所述驾驶员的身心状态异常，若否，则表示所述驾驶员的身心状态正常。

作为优选，所述终端设备包括PC和智能手机；所述PC设置在监控中心，所述智能手机由驾驶员携带。

作为优选，所述将所述第一生理数据传输至所述云服务器，包括：

所述健康手环与所述智能手机进行通信，将所述第二生理数据传输至所述智能手机；

所述智能手机用于将所述第二生理数据传输至所述云服务器。

具体地，健康手环和智能手机之间通过蓝牙进行通信，从而能够有效地降低智能手环的功耗，从而延长智能手环的续航时间。

作为优选，所述健康手环还用于获取驾驶员的睡眠数据，并通过与智能手机进行通信，将所述睡眠数据传输至所述智能手机。

智能手机还用于将所述睡眠数据传输至所述云服务器。

具体地，睡眠数据包括睡眠总时长、深度睡眠时长、眼动时长，清醒次数等。

作为优选，所述智能手机还用于对所述第二生理数据进行可视化展示。

具体地，可以让第二生理数据直接在智能手机通知栏进行显示，无需二次点击，智能手机上设置有相应的app来实现对第二生理数据的可视化展示，

当点击APP后，智能手机会检测蓝牙是否开启，若未开启会提示驾驶员开启蓝牙才可以进入APP，app还具有签到打卡功能，会自动提示驾驶员绑定健康手环，便于操作。

APP可以展示今日或7日或30日的心率平均值、血压平均值、血氧浓度平均值、体温平均值和睡眠平均值，并提示各项参数是否正常，各项数据都可以点击查询历史数据，并可以针对不同的历史数据给出基于医疗健康的温馨提示和健康小建议。

“心率监测”，“血压监测”，“血氧监测”，“睡眠监测”和“体温监测”等选项可以实时展示当前健康手环测量的数值，可以点击查询当前一段时间内各项参数的最低值，最高值和平均值，并可以展示24小时监测的数据曲线。

作为优选，本发明的云服务器能够基于当前各项数据来综合判断驾驶员是否存在疲劳或嗜睡等情况，若存在这些情况会以“消息提醒”等模式在智能手机中提示驾驶员。

作为优选，所述云服务器还用于将所述第一生理数据和所述第二生理数据传输至所述PC；

所述PC用于对所述第一生理数据和所述第二生理数据进行可视化展示。

作为优选，所述云服务器还用于根据所述第二生理数据判断所述驾驶员是否处于疲劳驾驶状态，获得第二判断结果；

以及用于将所述第二判断结果发送至所述终端设备。

作为优选，通过下述方式判断所述驾驶员是否处于疲劳驾驶状态：

对第二生理数据进行数据清洗处理，获得清洗完毕的生理数据；

将所述清洗完毕的生理数据输入到预先训练完毕的神经网络模型中进行运算，获得第二判断结果。

具体地，针对健康手环所采集的数据特点，先进行Percolas算法优化，建立Percolas算法模型，然后基于FAA标准得出相关疲劳指标，结合DSM、行驶状态和健康手环的疲劳判定，先完成建立基于多模态的疲劳判定模型，再基于此模型对个体疲劳指数和疲劳报警进行优化。

本发明通过深度学习构建模型，可以有效克服个体差异，实现适合于不同驾驶员的个性化健康管理。应用神经网络技术实现多模态、多维度数据的融合计算，实现了对驾驶员生理和心理健康的及时监测和有效监测。

尽管已经示出和描述了本发明的实施例，本领域技术人员可以理解：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、替换和变形，本发明的范围由权利要求及其等同物限定。

Claims (9)

1.一种基于穿戴设备的驾驶员健康管理系统，其特征在于，包括岗前考勤机、健康手环、云服务器和终端设备；

所述岗前考勤机用于在驾驶员上岗前获取驾驶员的第一生理数据，并将所述第一生理数据传输至所述云服务器；

所述健康手环用于实时获取驾驶员的第二生理数据，并将所述第二生理数据传输至所述云服务器；

所述云服务器用于对所述第一生理数据和所述第二生理数据进行处理，判断所述驾驶员的身心状态是否异常，获得第一判断结果；

所述终端设备用于接收并显示所述判断结果；

岗前考勤机包括登录模块、数据获取模块和通信模块；

所述登录模块用于获取驾驶员的生物特征信息，并根据所述生物特征信息获取所述驾驶员的身份编号；

所述数据获取模块用于获取所述第一生理数据；

所述通信模块用于将所述第一生理数据和所述身份编号发送至所述云服务器；

通过下述方式获取驾驶员的生物特征信息：

获取驾驶员的脸部图像；

对所述脸部图像进行特征信息提取，获取驾驶员的脸部的特征信息；

将所述特征信息与特征信息数据库中的特征信息进行匹配，从而获取所述驾驶员的身份编号；

对所述脸部图像进行特征信息提取，获取驾驶员的脸部的特征信息，包括：

对所述脸部图像进行灰度化处理，获得灰度图像；

对所述灰度图像进行调节处理，获得调节图像；

获取所述调节图像中包含的前景图像；

使用预设的特征提取算法获取所述前景图像中包含的特征信息，将所述特征信息未做驾驶员的脸部的特征信息；

对所述灰度图像进行调节处理，包括：

对所述灰度图像中的像素点进行分类，将灰度图像中的像素点分成需要进行调节处理的像素点和不需要进行调节处理的像素点；

根据预设的调节处理方式对所有需要进行调节处理的像素点进行调节处理，获得调节图像；

通过下述方式对灰度图像中的像素点进行分类：

对于灰度图像中的像素点s，判断像素点s是否满足下述分类条件，若是，则像素点s为需要进行调节处理的像素点，若否，则像素点s为不需要进行调节处理的像素点；

所述分类条件为：

式中，f(s)表示像素点s的像素值，unies表示像素点s的K×K大小的邻域中的所有像素点的集合，s'表示unies中的像素点，f(s')表示s'的像素值，dtn表示预设的常数系数，x_s和y_s分别表示像素点s的横坐标和纵坐标，x_s'和y_s'分别表示像素点s'的横坐标和纵坐标，avef(unies)表示unies中的像素点的像素值的方差，maf和mif分别表示unies的像素点的像素值的最大值和最小值，thre1表示预设的第一判断阈值，thre2表示预设的第二判断阈值，gra(s,1)和gra(s,2)分别表示像素点s横向的梯度值和纵向的梯度值，gra(s',1)和gra(s',2)别表示像素点s'横向的梯度值和纵向的梯度值，numthre表示预设的总数判断值，zds表示取最大值，slz表示满足括号内的条件的像素点的数量；

根据预设的调节处理方式对所有需要进行调节处理的像素点进行调节处理，获得调节图像，包括：

将需要进行调节处理的像素点记为t，

若|f(t)-fnei(t)|≤thref，则采用以下公式对t进行调节处理：

若|f(t)-fnei(t)|＞thref，则采用以下公式对t进行调节处理：

式中，af(t)表示对t进行调节处理后t的像素值，uneit表示t的预设大小的邻域中的像素点的集合，t'表示uneit中的像素点，td(t)和td(t')分别表示t和t'的梯度幅值，cs1表示uneit中的梯度幅值的方差，dlts(t,t')表示t和t'之间的距离，cs2表示uneit中的像素点和t之间的距离的方差，f(t')表示t'的像素值，nofuneit表示uneit中包含的像素点的总数，w₁和w₂表示预设的权重系数，w₁与w₂之间的和为1，thref表示预设的绝对值阈值；fnei(t)表示uneit中的像素点的像素值的均值。

2.根据权利要求1所述的一种基于穿戴设备的驾驶员健康管理系统，其特征在于，所述第一生理数据包括驾驶员使用所述岗前考勤机时的血压、心率、血氧饱和度和体温；

所述第二生理数据包括驾驶员在预设的采集时刻的血压、心率、血氧饱和度和体温。

3.根据权利要求2所述的一种基于穿戴设备的驾驶员健康管理系统，其特征在于，所述判断所述驾驶员的身心状态是否异常，包括：

判断所述第一生理数据或第二生理数据是否超出预设的正常值区间，若是，则表示所述驾驶员的身心状态异常，若否，则表示所述驾驶员的身心状态正常。

4.根据权利要求1所述的一种基于穿戴设备的驾驶员健康管理系统，其特征在于，所述终端设备包括PC和智能手机；所述PC设置在监控中心，所述智能手机由驾驶员携带。

5.根据权利要求4所述的一种基于穿戴设备的驾驶员健康管理系统，其特征在于，所述将所述第一生理数据传输至所述云服务器，包括：

所述健康手环与所述智能手机进行通信，将所述第二生理数据传输至所述智能手机；

所述智能手机用于将所述第二生理数据传输至所述云服务器。

6.根据权利要求5所述的一种基于穿戴设备的驾驶员健康管理系统，其特征在于，所述智能手机还用于对所述第二生理数据进行可视化展示。

7.根据权利要求5所述的一种基于穿戴设备的驾驶员健康管理系统，其特征在于，所述云服务器还用于将所述第一生理数据和所述第二生理数据传输至所述PC；

所述PC用于对所述第一生理数据和所述第二生理数据进行可视化展示。

8.根据权利要求1所述的一种基于穿戴设备的驾驶员健康管理系统，其特征在于，所述云服务器还用于根据所述第二生理数据判断所述驾驶员是否处于疲劳驾驶状态，获得第二判断结果；

以及用于将所述第二判断结果发送至所述终端设备。

9.根据权利要求8所述的一种基于穿戴设备的驾驶员健康管理系统，其特征在于，通过下述方式判断所述驾驶员是否处于疲劳驾驶状态：

对第二生理数据进行数据清洗处理，获得清洗完毕的生理数据；

将所述清洗完毕的生理数据输入到预先训练完毕的神经网络模型中进行运算，获得第二判断结果。

Images