CN113561989B - 基于心电信号的危险驾驶状态检测方法、设备及存储介质 - Google Patents

Abstract

本申请提供一种基于心电信号的危险驾驶状态检测方法、设备及存储介质，应用于电子设备中，包括：电子设备获取预设时长的驾驶员的心电信号；所述电子设备确定预设时长的心电信号是驾驶员驾驶车辆的初始阶段；电子设备从所述心电信号提取特征，并从所述特征中提取基准线，基准线包括所述特征的第一平均值向量与第一标准差向量；电子设备基于基准线对持续获取的心电信号的特征进行规则化处理；电子设备将规则化后的所述特征输入包含时间信息的分类模型中，并通过分类模型判断所述驾驶员的驾驶状态；当所述驾驶状态为危险状态时，所述电子设备进行预警和/或对驾驶车辆进行控制。该方法能够更准确的实时监测，从而提高驾驶员的驾驶安全。

Description

基于心电信号的危险驾驶状态检测方法、设备及存储介质

技术领域

本申请涉及驾驶技术领域，尤其涉及基于心电信号的危险驾驶状态检测方法、设备及存储介质。

背景技术

目前，从安全角度考虑，例如，道路交通秩序角度，以及所有道路交通参与者的生命财产安全角度出发，实时监测驾驶员的警觉性状态是至关重要的。与研究场景不同，实际使用中通常都应采用非侵入性的监测方法，更为实用以及轻便。通常最为广泛采用的非侵入方式为利用视觉信号监测，但是它的局限性在于视觉信号只能监测到表观明显的、有行为的状态，而诸如对于驾驶员在长期驾驶中身体与心理状态并不能辨别出来，这些身体与心理状态在表观上难以捕捉与判断，进而难以对驾驶员的行为进行非警觉性检测。

发明内容

有鉴于此，本申请提供一种基于心电信号的危险驾驶状态检测方法、设备及存储介质，能够解决上述背景中提到的难易对驾驶员非身体与心理状态的辨别。

本申请的一些实施方式提供了一种基于心电信号的危险驾驶状态检测方法。以下从多个方面介绍本申请，以下多个方面的实施方式和有益效果可互相参考。

第一方面，本申请提供一种基于心电信号的危险驾驶状态检测方法，应用于电子设备中，所述方法包括：

所述电子设备获取预设时长的驾驶员的心电信号；

所述电子设备确定所述预设时长的心电信号是驾驶员驾驶车辆的初始阶段；

所述电子设备从所述心电信号提取特征，并从所述特征中提取基准线，所述基准线包括所述特征的第一平均值向量与第一标准差向量；

所述电子设备基于所述基准线对持续获取的所述心电信号的特征进行规则化处理；所述电子设备将规则化后的所述特征输入包含时间信息的分类模型中，并通过所述分类模型判断所述驾驶员的驾驶状态；

当所述驾驶状态为危险状态时，所述电子设备进行预警和/或对驾驶车辆进行控制。

作为本发明第一方面的一个实施例，当所述驾驶状态为异常状态时，所述电子设备进行预警和/或对所述车辆进行控制，包括：

当所述驾驶状态为异常状态时，所述电子设备将当前时间至所述当前时间之前的第一预设时间段内的心电信号的特征作为基准，提取该第一预设时间段内的心电信号的特征的第二平均值向量与第二标准差向量，并基于所述第一平均值向量、第一标准差向量、所述第二平均值向量及所述第二标准差向量更新所述基准线。

作为本发明第一方面的一个实施例，所述心电信号的特征包括：心率、心率变异性的时域特征和频率特征中的一种或多种。

作为本发明第一方面的一个实施例，所述心电信号包括心率，所述方法还包括：当所述驾驶状态为正常状态时，所述电子设备基于第二预设时间段内的心率值与当前基准线中的心率平均值比较，若所述心率值都小于所述心率平均值，且，距离上次生成或更新所述当前基准线的时间超过设定阈值，则更新所述当前基准线。

作为本发明第一方面的一个实施例，所述分类模型是基于驾驶数据库中的不同人在不同驾驶状态下的心电信号的数据训练得到，其中，所述不同驾驶状态包括正常状态驾驶、分心状态驾驶、压力状态驾驶。

作为本发明第一方面的一个实施例，所述危险状态包括分心状态和压力状态。

作为本发明第一方面的一个实施例，所述基准线为所述电子设备基于在初始驾驶时所述驾驶员处于专注平静状态时的心电信号的特征规则化处理得到。

作为本发明第一方面的一个实施例，所述电子设备基于所述基准线对持续或许的所述心电信号的特征进行规则化处理，包括：

当所述电子设备判断所述驾驶员为初始驾驶时，将驾驶的初始时间至所述预设时长内的所述驾驶员的心电信号的特征进行规则化处理，得到所述基准线，所述初始驾驶表示驾驶员刚启动车辆开始驾驶行程。

第二方面，本申请还提供一种电子设备，包括：

获取模块，用于获取预设时长的驾驶员的心电信号；

处理模块，用于确定所述预设时长的心电信号是驾驶员驾驶车辆的初始阶段；

提取模块，用于提取所述心电信号中的特征，并从所述特征中提取基准线，所述基准线包括所述特征的第一平均值向量与第一标准差向量；

处理模块用于基于所述基准线对持续获取的所述心电信号的特征进行规则化处理；所述处理模块用于将规则化后的所述特征输入包含时间信息的分类模型中，并通过所述分类模型判断所述驾驶员的驾驶状态；

控制模块，用于当所述驾驶状态为危险状态时，进行预警和/或对驾驶车辆进行控制。

作为本发明第二方面的一个实施例，当所述驾驶状态为异常状态时，所述处理模块用于将当前时间至所述当前时间之前的第一预设时间段内的心电信号的特征作为基准；

所述提取模块用于提取该第一预设时间段内的心电信号的特征的第二平均值向量与第二标准差向量；

所述处理模块用于基于所述第一平均值向量、第一标准差向量、所述第二平均值向量及所述第二标准差向量更新所述基准线。

作为本发明第二方面的一个实施例，所述心电信号的特征包括：心率、心率变异性的时域特征和频率特征中的一种或多种。

作为本发明第二方面的一个实施例，所述心电信号包括心率，所述电子设备还包括：

当所述驾驶状态为正常状态时，所述处理模块用于基于第二预设时间段内的心率值与当前基准线中的心率平均值比较，若所述心率值都小于所述心率平均值，且，距离上次生成或更新所述当前基准线的时间超过设定阈值，则更新所述当前基准线。

作为本发明第二方面的一个实施例，所述分类模型是基于驾驶数据库中的不同人在不同驾驶状态下的心电信号的数据训练得到，其中，所述不同驾驶状态包括正常状态驾驶、分心状态驾驶、压力状态驾驶。

作为本发明第二方面的一个实施例，所述危险状态包括分心状态和压力状态。

作为本发明第二方面的一个实施例，所述基准线为所述处理模块基于在初始驾驶时所述驾驶员处于专注平静状态时的心电信号的特征规则化处理得到。

作为本发明第二方面的一个实施例，当所述处理模块判断所述驾驶员为初始驾驶时，将驾驶的初始时间至所述预设时长内的所述驾驶员的心电信号的特征进行规则化处理，得到所述基准线，所述初始驾驶表示驾驶员刚启动车辆开始驾驶行程。

第三方面，本申请还提供一种电子设备，包括：

存储器，用于存储由设备的一个或多个处理器执行的指令，以及

处理器，用于执行上述第一方面实施例的方法。

第四方面，本申请还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器运行时，使得处理器执行上述第一方面的方法。

附图说明

图1为本申请的示例性的场景架构示意图；

图2为本申请一个实施例的基于心电信号的危险驾驶状态检测方法的流程图；

图3为本申请一个实施例的电子设备的结构示意图；

图4为本申请一个实施例的电子设备的结构示意图；

图5为本申请一些实施例的一种设备的框图；

图6为本申请一些实施例的一种片上系统(SoC)的框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

参考图1，图1示例性的示出了场景架构示意图。如图1所示，该架构示意图中，包括电子设备110，和分别与电子设备110连接的第一设备120和第二设备130。其中，第一设备120用于采集用户在驾驶时的身体产生的原始信号，并将原始信号转换成心电信号。电子设备110从心电信号中提取特征，例如，心率(Heart Rate，HR)、心率变异性相关时域特征，例如，SDNN、RMSSD等、频域特征，例如HF、LF等。电子设备110确定基准线后，将这些特征规则化处理，此外还可以对这些特征进行对数化、异常点去除，将数据动态范围缩小。经过规则化处理后的特征输入包含时间信息的分类模型，通过分类模型得出用户当前的驾驶状态，例如，正常状态驾驶、分心状态驾驶或压力状态驾驶。当用户处于分心状态或是压力状态驾驶时，电子设备110可以根据严重程度发出警报，或者直接控制该驾驶员驾驶的车辆进入自动驾驶模式等。进而避免驾驶员处于分心状态或压力状态时，没有提示，或没有进入自动驾驶模式而带来安全隐患。

根据本申请的一个实施例，上述第一设备120可以是具有用于检测心电信号电极感应片的方向盘、安全带、座椅等车辆内的部件，也可是用于佩带在用户身上的具有电极感应片的心率带、手环、手表、戒指等非侵入式设备。第二设备130可以是云端服务器，或者具有接收数据和具有计算能力的设备。该设备可以从大量驾驶人员的第一设备120收集驾驶员的心电信号数据，并且经过计算得到分类模型。电子设备可以是用于安装在车辆上的车机等设备。

下面结合具体实施例对本申请的基于心电信号的危险驾驶状态检测方法进行描述。

以电子设备为车机终端为例进行说明，参考图2，图2示例性的示出了基于心电信号的危险驾驶状态检测方法的流程图，如图2所示，包括以下步骤：

S210，车机终端获取预设时长的驾驶员的心电信号。例如，车机终端可以从方向盘的电极感应片处获得t1-t2时间内的用户的心电信号。也可以通过嵌入有电极感应片的安全带等采集到驾驶员的心电信号。

在本发明的一个实施例中，电子设备，或者采集心电的设备还可以对原始信号进行滤波或去除噪声，以获得更加清晰的心电信号，避免噪音的干燥影响心电信号的质量。

S220，电子设备判断心电信号是否是驾驶员驾驶车辆的初始阶段。驾驶车辆的初始阶段是指用户驾驶的车辆刚启动时开始计时一定时间，例如0.5小时，1小时等。由于开始驾驶车辆时，用户的状态是更加平静、专注的。因此将从此阶段提取特征的基准线，更能够反映用户后期驾驶过程中的分神、分心的心电信号。该步骤还可以设置在其他位置执行，但是在数据规则化之前完成。若是初始阶段则执行S230。若否则执行S240。

S230，电子设备从预设时长的心电信号提取特征，并从特征中提取基准线。其中，心电信号的特征的提取过程为，从心电信号中定位每个波形的P、Q、R、S、T波峰，找到连续两个心跳RR之间的间隔，并以此计算出心率，心率变异性的时域特征，如SDNN、RMSSD等，频率特征，如HF、LF、LF/HF等。由于这些特征直接反映了驾驶员的自主神经系统的活动情况，因此，更有利于对用户的分心状态或压力状态的进行精准的判断。其中，基准线包括特征的第一平均值向量与第一标准差向量。

在本发明的一个实施例中，还可以对提取的特征进一步处理，如对数化、异常点去除，将数据动态范围缩小

S240，电子设备基于基准线对持续获取的心电信号的特征进行规则化处理。当获取到基准线结束之后，则将此后获取的心电信号的特征进行规则化，例如，每提取一个特征，将该特征的值减去基准线的第一平均值在除以第一标准差，也可以是一段时间特征的均值减去基准线的第一平均值在除以第一标准差等，实现对持续采集的心电信号中的特征进行规则化处理。

S250，电子设备将规则化后的特征输入包含时间信息的分类模型。

在本申请的一个实施例中，分类模型可以是由上述实施例图1中的第二设备基于驾驶数据库中的心电信号数据训练得到。其中，驾驶数据库包括了不同人正常驾驶、分心状态下驾驶、压力等情况下驾驶的多种模态的数据。分心、压力等危险状态是由心理学和医学广泛采用认可的诱发实验进行诱发，正常平静状态是无任何诱发、刺激的平稳状态。

S260，电子设备基于分类模型判断驾驶状态。

在本发明的实施例中，分类算法可以利用了过去一段时间T，如半年、一年的时间的信息，可以是对长为T的时间序列进行分类的深度神经网络，也可以是对每一秒数据进行分类的算法，如，随机森林、梯度提升树等算法，结合过去T时间的结果进行加权投票的方法。最终输出的驾驶状态的结果，例如，可以是正常状态、危险状态的分心状态或压力状态等。当输出处于危险状态时，电子设备执行S270-S280,当输出正常状态时，电子设备执行步骤S280。

在S270中，电子设备进行预警/或对驾驶车辆进行控制。也就是说，电子设备可以根据危险状态进行报警处理，也可以根据危险状态对驾驶车辆进行控制，或者两者结合的方式，从而以确保驾驶安全。

在S280中，更新基准线。

当驾驶状态为正常状态时，电子设备根据更新规则对S230中获取的基准线进行更新。例如，在过去t2-t1时间内，心率HR的值与当前基准线中的心率平均值比较，若都小于初始基线，且距离上次更新基线的时间超过了时间阈值，如1小时、半小时，则更新基准线。否则不更新。通过更新规则对初始的基准线进行更新，可以避免在驾驶初始阶段，由于驾驶员状态有可能不稳定，而影响初始的基准线的准确性，并且能够检测到报警干预后再次发生的危险状态。此后，电子设备继续返回执行S240，以更新后的基准线为基准对持续采集的心电信号进行规则化。

当电子设备为危险状态时，即在电子设备执行S270之后，电子设备将当前时间至当前时间之前的第一预设时间段内(t2-t1)的心电信号的特征作为基准，例如，当前时刻至过去1小时内的心电信号的特征，提取该第一预设时间段内的心电信号的特征的第二平均值向量与第二标准差向量，并基于第一平均值向量、第一标准差向量、第二平均值向量及第二标准差向量更新基准线。该方法可以避免持续反复报警。

根据本申请实施例的方法，能够通过非侵入式的方式，对一些危险驾驶状态(即使表观变化不显著、程度不剧烈)进行更准确的实时监测，从而提高驾驶员的驾驶安全。

参考图3，本申请还提供了一种电子设备，包括：

获取模块310，用于获取预设时长的驾驶员的心电信号；

处理模块320，用于确定预设时长的心电信号是驾驶员驾驶车辆的初始阶段；

提取模块330，用于提取心电信号中的特征，并从特征中提取基准线，基准线包括特征的第一平均值向量与第一标准差向量；

处理模块320用于基于基准线对持续获取的心电信号的特征进行规则化处理；处理模块320用于将规则化后的特征输入包含时间信息的分类模型中，并通过分类模型判断驾驶员的驾驶状态；

控制模块340，用于当驾驶状态为危险状态时，进行预警和/或对驾驶车辆进行控制。

在本发明的一个实施例中，当驾驶状态为异常状态时，处理模块320用于将当前时间至当前时间之前的第一预设时间段内的心电信号的特征作为基准；

提取模块330用于提取该第一预设时间段内的心电信号的特征的第二平均值向量与第二标准差向量；

处理模块320用于基于第一平均值向量、第一标准差向量、第二平均值向量及第二标准差向量更新基准线。

在本发明的一个实施例中，心电信号的特征包括：心率、心率变异性的时域特征和频率特征中的一种或多种。

在本发明的一个实施例中，心电信号包括心率，电子设备还包括：

当驾驶状态为正常状态时，处理模块320用于基于第二预设时间段内的心率值与当前基准线中的心率平均值比较，若心率值都小于心率平均值，且，距离上次生成或更新当前基准线的时间超过设定阈值，则更新当前基准线。

在本发明的一个实施例中，分类模型是基于驾驶数据库中的不同人在不同驾驶状态下的心电信号的数据训练得到，其中，不同驾驶状态包括正常状态驾驶、分心状态驾驶、压力状态驾驶。

在本发明的一个实施例中，危险状态包括分心状态和压力状态。

在本发明的一个实施例中，基准线为处理模块基于在初始驾驶时驾驶员处于专注平静状态时的心电信号的特征规则化处理得到。

在本发明的一个实施例中，当处理模块320判断驾驶员为初始驾驶时，将驾驶的初始时间至预设时长内的驾驶员的心电信号的特征进行规则化处理，得到基准线，初始驾驶表示驾驶员刚启动车辆开始驾驶行程。

本发明的电子设备的各模块的工作过程及作用，在上述实施例中，已经详细的说明，具体可参见上述实施例图2的方法的描述，此处不再赘述。

参考图4，本申请还提供了一种电子设备，包括：

存储器410，用于存储由设备的一个或多个处理器执行的指令，以及

处理器420，用于执行上述实施例图2所示的方法。

本申请还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器运行时，使得处理器执行上述实施例图2所示的方法。

现在参考图5，所示为根据本申请的一个实施例的设备1200的框图。设备1200可以包括耦合到控制器中枢1203的一个或多个处理器1201。对于至少一个实施例，控制器中枢1203经由诸如前端总线(Front Side Bus，FSB)之类的多分支总线、诸如快速通道互连(Quick Path Interconnect，QPI)之类的点对点接口、或者类似的连接1206与处理器1201进行通信。处理器1201执行控制一般类型的数据处理操作的指令。在一实施例中，控制器中枢1203包括，但不局限于，图形存储器控制器中枢(Graphics Memory Controller Hub，GMCH)(未示出)和输入/输出中枢(Input Output Hub，IOH)(其可以在分开的芯片上)(未示出)，其中GMCH包括存储器和图形控制器并与IOH耦合。

设备1200还可包括耦合到控制器中枢1203的协处理器1202和存储器1204。或者，存储器和GMCH中的一个或两者可以被集成在处理器内(如本申请中所描述的)，存储器1204和协处理器1202直接耦合到处理器1201以及控制器中枢1203，控制器中枢1203与IOH处于单个芯片中。存储器1204可以是例如动态随机存取存储器(Dynamic Random AccessMemory，DRAM)、相变存储器(Phase Change Memory，PCM)或这两者的组合。在一个实施例中，协处理器1202是专用处理器，诸如例如高吞吐量MIC处理器(Many Integerated Core，MIC)、网络或通信处理器、压缩引擎、图形处理器、通用图形处理器(General PurposeComputing on GPU，GPGPU)、或嵌入式处理器等等。协处理器1202的任选性质用虚线表示在图5中。

存储器1204作为计算机可读存储介质，可以包括用于存储数据和/或指令的一个或多个有形的、非暂时性计算机可读介质。例如，存储器1204可以包括闪存等任何合适的非易失性存储器和/或任何合适的非易失性存储设备，例如一个或多个硬盘驱动器(Hard-Disk Drive，HDD(s))，一个或多个光盘(Compact Disc，CD)驱动器，和/或一个或多个数字通用光盘(Digital Versatile Disc，DVD)驱动器。

在一个实施例中，设备1200可以进一步包括网络接口(Network InterfaceController，NIC)1206。网络接口1206可以包括收发器，用于为设备1200提供无线电接口，进而与任何其他合适的设备(如前端模块，天线等)进行通信。在各种实施例中，网络接口1206可以与设备1200的其他组件集成。网络接口1206可以实现上述实施例中的通信单元的功能。

设备1200可以进一步包括输入/输出(Input/Output，I/O)设备1205。I/O 1205可以包括：用户界面，该设计使得用户能够与设备1200进行交互；外围组件接口的设计使得外围组件也能够与设备1200交互；和/或传感器设计用于确定与设备1200相关的环境条件和/或位置信息。

值得注意的是，图5仅是示例性的。即虽然图5中示出了设备1200包括处理器1201、控制器中枢1203、存储器1204等多个器件，但是，在实际的应用中，使用本申请各方法的设备，可以仅包括设备1200各器件中的一部分器件，例如，可以仅包含处理器1201和NIC1206。图5中可选器件的性质用虚线示出。

根据本申请的一些实施例，作为计算机可读存储介质的存储器1204上存储有指令，该指令在计算机上执行时使系统1200执行根据上述实施例中的计算方法，具体可参照上述实施例图2所示所示的方法，在此不再赘述。

现在参考图6，所示为根据本申请的一实施例的SoC(System on Chip，片上系统)1300的框图。在图6中，相似的部件具有同样的附图标记。另外，虚线框是更先进的SoC的可选特征。在图6中，SoC1300包括：互连单元1350，其被耦合至应用处理器1310；系统代理单元1380；总线控制器单元1390；集成存储器控制器单元1340；一组或一个或多个协处理器1320，其可包括集成图形逻辑、图像处理器、音频处理器和视频处理器；静态随机存取存储器(Static Random Access Memory，SRAM)单元1330；直接存储器存取(DMA)单元1360。在一个实施例中，协处理器1320包括专用处理器，诸如例如网络或通信处理器、压缩引擎、GPGPU、高吞吐量MIC处理器、或嵌入式处理器等。

静态随机存取存储器(SRAM)单元1330中可以包括用于存储数据和/或指令的一个或多个计算机可读介质。计算机可读存储介质中可以存储有指令，具体而言，存储有该指令的暂时和永久副本。该指令可以包括：由处理器中的至少一个单元执行时使Soc1300执行根据上述实施例中的计算方法，具体可参照上述实施例图2所示所示的方法，在此不再赘述。

本申请公开的机制的各实施例可以被实现在硬件、软件、固件或这些实现方法的组合中。本申请的实施例可实现为在可编程系统上执行的计算机程序或程序代码，该可编程系统包括至少一个处理器、存储系统(包括易失性和非易失性存储器和/或存储元件)、至少一个输入设备以及至少一个输出设备。

可将程序代码应用于输入指令，以执行本申请描述的各功能并生成输出信息。可以按已知方式将输出信息应用于一个或多个输出设备。为了本申请的目的，处理系统包括具有诸如例如数字信号处理器(Digital Signal Processor，DSP)、微控制器、专用集成电路(Application Specific Integrated Circuit，ASIC)或微处理器之类的处理器的任何系统。

程序代码可以用高级程序化语言或面向对象的编程语言来实现，以便与处理系统通信。在需要时，也可用汇编语言或机器语言来实现程序代码。事实上，本申请中描述的机制不限于任何特定编程语言的范围。在任一情形下，该语言可以是编译语言或解释语言。

在一些情况下，所公开的实施例可以以硬件、固件、软件或其任何组合来实现。所公开的实施例还可以被实现为由一个或多个暂时或非暂时性机器可读(例如，计算机可读)存储介质承载或存储在其上的指令，其可以由一个或多个处理器读取和执行。例如，指令可以通过网络或通过其他计算机可读介质分发。因此，机器可读介质可以包括用于以机器(例如，计算机)可读的形式存储或传输信息的任何机制，包括但不限于，软盘、光盘、光碟、光盘只读存储器(Compact Disc Read Only Memory，CD-ROMs)、磁光盘、只读存储器(Read OnlyMemory，ROM)、随机存取存储器(RAM)、可擦除可编程只读存储器(Erasable ProgrammableRead Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically ErasableProgrammable Read Only Memory，EEPROM)、磁卡或光卡、闪存、或用于利用因特网以电、光、声或其他形式的传播信号来传输信息(例如，载波、红外信号数字信号等)的有形的机器可读存储器。因此，机器可读介质包括适合于以机器(例如，计算机)可读的形式存储或传输电子指令或信息的任何类型的机器可读介质。

在附图中，可以以特定布置和/或顺序示出一些结构或方法特征。然而，应该理解，可能不需要这样的特定布置和/或排序。而是，在一些实施例中，这些特征可以以不同于说明书附图中所示的方式和/或顺序来布置。另外，在特定图中包括结构或方法特征并不意味着暗示在所有实施例中都需要这样的特征，并且在一些实施例中，可以不包括这些特征或者可以与其他特征组合。

需要说明的是，本申请各设备实施例中提到的各单元/模块都是逻辑单元/模块，在物理上，一个逻辑单元/模块可以是一个物理单元/模块，也可以是一个物理单元/模块的一部分，还可以以多个物理单元/模块的组合实现，这些逻辑单元/模块本身的物理实现方式并不是最重要的，这些逻辑单元/模块所实现的功能的组合才是解决本申请所提出的技术问题的关键。此外，为了突出本申请的创新部分，本申请上述各设备实施例并没有将与解决本申请所提出的技术问题关系不太密切的单元/模块引入，这并不表明上述设备实施例并不存在其它的单元/模块。

需要说明的是，在本专利的示例和说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

虽然通过参照本申请的某些优选实施例，已经对本申请进行了图示和描述，但本领域的普通技术人员应该明白，可以在形式上和细节上对其作各种改变，而不偏离本申请的精神和范围。

Claims (15)

1.一种基于心电信号的危险驾驶状态检测方法，应用于电子设备中，其特征在于，所述方法包括：

所述电子设备获取预设时长的驾驶员的心电信号；

所述电子设备确定所述预设时长的心电信号是驾驶员驾驶车辆的初始阶段；

所述电子设备从所述心电信号提取特征，并从所述特征中提取基准线，所述基准线包括所述特征的第一平均值向量与第一标准差向量；

所述电子设备基于所述基准线对持续获取的所述心电信号的特征进行规则化处理；所述电子设备将规则化后的所述特征输入包含时间信息的分类模型中，并通过所述分类模型判断所述驾驶员的驾驶状态；当所述驾驶状态为危险状态时，所述电子设备进行预警和/或对驾驶车辆进行控制；

所述心电信号包括心率，当所述驾驶状态为正常状态时，所述电子设备基于第二预设时间段内的心率值与当前基准线中的心率平均值比较，若所述心率值都小于所述心率平均值，且，距离上次生成或更新所述当前基准线的时间超过设定阈值，则更新所述当前基准线。

2.根据权利要求1所述的方法，其特征在于，当所述驾驶状态为异常状态时，所述电子设备进行预警和/或对所述车辆进行控制，包括：

当所述驾驶状态为异常状态时，所述电子设备将当前时间至所述当前时间之前的第一预设时间段内的心电信号的特征作为基准，提取该第一预设时间段内的心电信号的特征的第二平均值向量与第二标准差向量，并基于所述第一平均值向量、第一标准差向量、所述第二平均值向量及所述第二标准差向量更新所述基准线。

3.根据权利要求1或2所述的方法，其特征在于，所述心电信号的特征还包括：心率变异性的时域特征和频率特征中的一种或多种。

4.根据权利要求1所述的方法，其特征在于，所述分类模型是基于驾驶数据库中的不同人在不同驾驶状态下的心电信号的数据训练得到，其中，所述不同驾驶状态包括正常状态驾驶、分心状态驾驶、压力状态驾驶。

5.根据权利要求4所述的方法，其特征在于，所述危险状态包括分心状态和压力状态。

6.根据权利要求1所述的方法，其特征在于，所述基准线为所述电子设备基于在初始驾驶时所述驾驶员处于专注平静状态时的心电信号的特征规则化处理得到。

7.根据权利要求6所述的方法，其特征在于，所述电子设备基于所述基准线对持续或许的所述心电信号的特征进行规则化处理，包括：

当所述电子设备判断所述驾驶员为初始驾驶时，将驾驶的初始时间至所述预设时长内的所述驾驶员的心电信号的特征进行规则化处理，得到所述基准线，所述初始驾驶表示驾驶员刚启动车辆开始驾驶行程。

8.一种电子设备，其特征在于，包括：

获取模块，用于获取预设时长的驾驶员的心电信号；

处理模块，用于确定所述预设时长的心电信号是驾驶员驾驶车辆的初始阶段；

提取模块，用于提取所述心电信号中的特征，并从所述特征中提取基准线，所述基准线包括所述特征的第一平均值向量与第一标准差向量；

处理模块用于基于所述基准线对持续获取的所述心电信号的特征进行规则化处理；所述处理模块用于将规则化后的所述特征输入包含时间信息的分类模型中，并通过所述分类模型判断所述驾驶员的驾驶状态；

控制模块，用于当所述驾驶状态为危险状态时，进行预警和/或对驾驶车辆进行控制；

所述心电信号包括心率，所述处理模块还用于，当所述驾驶状态为正常状态时，所述处理模块用于基于第二预设时间段内的心率值与当前基准线中的心率平均值比较，若所述心率值都小于所述心率平均值，且，距离上次生成或更新所述当前基准线的时间超过设定阈值，则更新所述当前基准线。

9.根据权利要求8所述的电子设备，其特征在于，

当所述驾驶状态为异常状态时，所述处理模块用于将当前时间至所述当前时间之前的第一预设时间段内的心电信号的特征作为基准；

所述提取模块用于提取该第一预设时间段内的心电信号的特征的第二平均值向量与第二标准差向量；

所述处理模块用于基于所述第一平均值向量、第一标准差向量、所述第二平均值向量及所述第二标准差向量更新所述基准线。

10.根据权利要求8或9所述的电子设备，其特征在于，所述心电信号的特征包括：心率、心率变异性的时域特征和频率特征中的一种或多种。

11.根据权利要求8所述的电子设备，其特征在于，所述分类模型是基于驾驶数据库中的不同人在不同驾驶状态下的心电信号的数据训练得到，其中，所述不同驾驶状态包括正常状态驾驶、分心状态驾驶、压力状态驾驶。

12.根据权利要求11所述的电子设备，其特征在于，所述危险状态包括分心状态和压力状态。

13.根据权利要求8所述的电子设备，其特征在于，所述基准线为所述处理模块基于在初始驾驶时所述驾驶员处于专注平静状态时的心电信号的特征规则化处理得到。

14.根据权利要求13所述的电子设备，其特征在于，

当所述处理模块判断所述驾驶员为初始驾驶时，将驾驶的初始时间至所述预设时长内的所述驾驶员的心电信号的特征进行规则化处理，得到所述基准线，所述初始驾驶表示驾驶员刚启动车辆开始驾驶行程。

15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器运行时，使得所述处理器执行权利要求1-7任一项所述的方法。

Images