CN115137941A - 一种基于疲劳识别模型和电刺激的应急唤醒方法及系统 - Google Patents
一种基于疲劳识别模型和电刺激的应急唤醒方法及系统 Download PDFInfo
- Publication number
- CN115137941A CN115137941A CN202210708665.2A CN202210708665A CN115137941A CN 115137941 A CN115137941 A CN 115137941A CN 202210708665 A CN202210708665 A CN 202210708665A CN 115137941 A CN115137941 A CN 115137941A
- Authority
- CN
- China
- Prior art keywords
- driver
- fatigue
- electrical stimulation
- data
- state
- 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.)
- Granted
Links
- 230000000638 stimulation Effects 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 59
- 206010016256 fatigue Diseases 0.000 claims abstract description 191
- 238000012544 monitoring process Methods 0.000 claims abstract description 71
- 208000028327 extreme fatigue Diseases 0.000 claims abstract description 25
- 210000003710 cerebral cortex Anatomy 0.000 claims abstract description 9
- 238000013186 photoplethysmography Methods 0.000 claims description 20
- 238000012795 verification Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 15
- 230000002490 cerebral effect Effects 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 230000001054 cortical effect Effects 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000008058 pain sensation Effects 0.000 claims 1
- 230000006996 mental state Effects 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 8
- 206010039203 Road traffic accident Diseases 0.000 abstract description 5
- 230000001960 triggered effect Effects 0.000 abstract description 3
- 238000002565 electrocardiography Methods 0.000 description 18
- 238000000718 qrs complex Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000002889 sympathetic effect Effects 0.000 description 5
- 230000002996 emotional effect Effects 0.000 description 4
- 230000001734 parasympathetic effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 206010041349 Somnolence Diseases 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003340 mental effect Effects 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 208000019914 Mental Fatigue Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000028161 membrane depolarization Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000005424 photoluminescence Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002336 repolarization Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 206010001497 Agitation Diseases 0.000 description 1
- 208000010428 Muscle Weakness Diseases 0.000 description 1
- 206010028372 Muscular weakness Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 210000005037 parasympathetic nerve Anatomy 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 210000002442 prefrontal cortex Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 210000005241 right ventricle Anatomy 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 231100000430 skin reaction Toxicity 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000002820 sympathetic nervous system Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
- A61B5/0533—Measuring galvanic skin response
-
- 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
- A61B5/24—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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/33—Heart-related electrical modalities, e.g. electrocardiography [ECG] specially adapted for cooperation with other devices
-
- 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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/353—Detecting P-waves
-
- 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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/355—Detecting T-waves
-
- 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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/357—Detecting U-waves
-
- 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
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/366—Detecting abnormal QRS complex, e.g. widening
-
- 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
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36014—External stimulators, e.g. with patch electrodes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36014—External stimulators, e.g. with patch electrodes
- A61N1/3603—Control systems
- A61N1/36031—Control systems using physiological parameters for adjustment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0072—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus with application of electrical currents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0083—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus especially for waking up
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/04—Heartbeat characteristics, e.g. ECG, blood pressure modulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/08—Other bio-electrical signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/65—Impedance, e.g. conductivity, capacity
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Dermatology (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Signal Processing (AREA)
- Anesthesiology (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Social Psychology (AREA)
- Acoustics & Sound (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Hematology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于疲劳识别模型和电刺激的应急唤醒方法及系统,涉及辅助驾驶技术领域。通过多模态传感器对驾驶员进行数据监测,将提取的监测数据输入疲劳识别模型进行疲劳识别结果;当为极度疲劳状态触发双模式电刺激,当非极度疲劳状态时触发单模式电刺激,达到利用生理数据对其疲劳状态进行精准识别,针对不同程度疲劳状态的驾驶员通过多通道多方式电刺激进行针对性唤醒,除利用痛感电刺激进行直接快速的唤醒,还利用tDCS技术进行大脑皮层的刺激从根本上改善驾驶员的精神状态,有效避免驾驶员因疲劳驾驶存在安全隐患的效果,解决对驾驶员缺乏疲劳状态监测及状态改善的有效手段,存在因疲劳而发生车祸的技术问题。
Description
技术领域
本发明涉及辅助驾驶技术领域,尤其涉及一种基于疲劳识别模型和电刺激的应急唤醒方法及系统。
背景技术
汽车已经相当普及,在汽车驾驶过程中疲劳驾驶是发生车祸的重要原因之一,尤其对于长途汽车、货车等,需要进行长时间的连续驾驶,在驾驶时长超过一定时长,驾驶员易产生疲惫,或者驾驶员身体状态欠佳,精力不足的状态下,容易因状态不佳,而对驾驶造成一定的安全隐患,如何确保驾驶员的精神状态,是减少疲劳驾驶造成车祸发生的有效途经。
现有技术中缺乏对驾驶员进行疲劳状态监测及状态改善的有效手段,存在因疲劳而发生车祸,造成人员财产损失的技术问题。
发明内容
本申请的目的是提供一种基于疲劳识别模型和电刺激的应急唤醒方法及系统,用以解决现有技术中缺乏对驾驶员进行疲劳状态监测及状态改善的有效手段,存在因疲劳而发生车祸,造成人员财产损失的技术问题。
鉴于上述问题,本申请提供了一种基于疲劳识别模型和电刺激的应急唤醒方法及系统。
第一方面,本申请提供了一种基于疲劳识别模型和电刺激的应急唤醒方法,所述方法应用于一穿戴设备,所述穿戴设备具有PPG、EDA、ECG传感器和tDCS、tENS电刺激装置,所述方法包括:通过PPG、EDA、ECG传感器对驾驶员进行数据监测,获得驾驶员监测数据;按照预设时间要求对所述驾驶员监测数据进行提取,将提取的所述驾驶员监测数据输入疲劳识别模型,得到驾驶员疲劳识别结果;当所述驾驶员疲劳识别结果满足疲劳状态要求时,判断所述驾驶员疲劳状态是否满足极度疲劳状态要求;当满足时,生成双模式电刺激指令,所述双模式电刺激指令用于触发tDCS电刺激装置和tENS电刺激装置启动,分别对驾驶员实施电刺激;当不满足时,生成单模式电刺激指令,所述单模式电刺激指令用于触发tDCS电刺激装置对驾驶员实施刺激。
优选的,所述预设时间要求为1min窗长、1s步长。
优选的,所述双模式电刺激指令包括通过AL-tENS电刺激技术对驾驶员实施痛觉电刺激,其中,电刺激强度为最大值小于90V;通过tDCS技术作用于驾驶员DLPFC大脑皮层区域,其中,电流强度为1mA,持续时间为5min。
优选的,所述单模式电刺激指令包括通过tDCS技术作用于驾驶员DLPFC对应的大脑皮层区域,其中,电流强度为1mA,持续时间为5min。
优选的,按照预设时间要求对所述驾驶员监测数据进行提取之前,包括:向驾驶员发送疲劳咨询信息;基于所述疲劳咨询信息,获得回复信息,判断所述回复信息是否为疲劳状态;当所述回复信息为疲劳状态时,获得电刺激模式,基于所述电刺激模式启动所述双模式电刺激指令或单模式电刺激指令。
优选的,判断所述回复信息是否为疲劳状态之后,包括:当所述回复信息不是疲劳状态时,按照预设时间要求对所述驾驶员监测数据进行提取,通过所述疲劳识别模型进行疲劳状态识别。
优选的,将提取的所述驾驶员监测数据输入疲劳识别模型,得到驾驶员疲劳识别结果,包括:对所述驾驶员监测数据进行预处理,对预处理后的驾驶员监测数据进行特征提取,获得驾驶员特征数据;基于所述驾驶员特征数据进行重叠数据比对校正,获得处理后特征数据;基于所述驾驶员特征数据采集预设数据级驾驶员监测数据,构建训练数据集、验证数据集,其中所述训练数据集、验证数据集为包括监测数据及驾驶员疲劳程度标签;通过训练数据集、验证数据集进行有监督学习和验证,构建疲劳识别模型;将所述处理后特征数据输入所述疲劳识别模型中,输出所述驾驶员疲劳识别结果。
优选的,所述方法包括:所述驾驶员疲劳识别结果包括第一结果、第二结果、第三结果,其中,所述第一结果为不疲劳、第二结果为疲劳、第三结果为极度疲劳;当所述驾驶员疲劳识别结果为第二结果或第三结果时,为处于疲劳状态;当所述第三结果的输出概率达到预设阈值时,为极度疲劳状态。
第二方面,本申请提供了一种基于疲劳识别模型和电刺激的应急唤醒方法,所述系统包括:数据监测模块,用于通过PPG、EDA、ECG传感器对驾驶员进行数据监测,获得驾驶员监测数据;疲劳识别模块,用于按照预设时间要求对所述驾驶员监测数据进行提取,将提取的所述驾驶员监测数据输入疲劳识别模型,得到驾驶员疲劳识别结果;疲劳状态判断模块,用于当所述驾驶员疲劳识别结果满足疲劳状态要求时,判断所述驾驶员疲劳状态是否满足极度疲劳状态要求;双模式电刺激模块,用于当满足时,生成双模式电刺激指令,所述双模式电刺激指令用于触发tDCS电刺激装置和tENS电刺激装置启动,分别对驾驶员实施电刺激;单模式电刺激模块,用于当不满足时,生成单模式电刺激指令,所述单模式电刺激指令用于触发tDCS电刺激装置对驾驶员实施刺激。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过PPG、EDA、ECG传感器对驾驶员进行数据监测,获得驾驶员监测数据;按照预设时间要求对所述驾驶员监测数据进行提取,将提取的所述驾驶员监测数据输入疲劳识别模型,得到驾驶员疲劳识别结果;当所述驾驶员疲劳识别结果满足疲劳状态要求时,判断所述驾驶员疲劳状态是否满足极度疲劳状态要求;当满足时,生成双模式电刺激指令,所述双模式电刺激指令用于触发tDCS电刺激装置和tENS电刺激装置启动,分别对驾驶员实施电刺激;当不满足时,生成单模式电刺激指令,所述单模式电刺激指令用于触发tDCS电刺激装置对驾驶员实施刺激。达到了对驾驶员进行实时外周生理数据的采集,利用生理数据对其疲劳状态进行精准识别,针对不同程度疲劳状态的驾驶员通过多通道多方式电刺激进行针对性唤醒,有效改善驾驶员的精神状态,提升注意力,除利用痛感电刺激进行直接快速的唤醒,还利用tDCS技术进行大脑皮层的刺激从根本上改善驾驶员的精神状态,从而有效避免驾驶员因疲劳驾驶存在的安全隐患的技术效果。从而解决了现有技术中缺乏对驾驶员进行疲劳状态监测及状态改善的有效手段,存在因疲劳而发生车祸,造成人员财产损失的技术问题。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术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示例性的,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种基于疲劳识别模型和电刺激的应急唤醒方法的流程示意图;
图2为本申请实施例提供的一种基于疲劳识别模型和电刺激的应急唤醒方法中疲劳识别模型处理过程的流程示意图;
图3为本申请实施例中ECG在一个典型的心搏周期的波形示意图;
图4为本申请实施例提供的一种基于疲劳识别模型和电刺激的应急唤醒系统的结构示意图。
具体实施方式
本申请通过提供一种基于疲劳识别模型和电刺激的应急唤醒方法及系统,解决了现有技术中缺乏对驾驶员进行疲劳状态监测及状态改善的有效手段,存在因疲劳而发生车祸,造成人员财产损失的技术问题。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,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,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
实施例一
如图1所示,本申请提供了一种基于疲劳识别模型和电刺激的应急唤醒方法,所述方法应用于一穿戴设备,所述穿戴设备具有PPG、EDA、ECG传感器和tDCS、tENS电刺激装置,所述方法包括:
PPG传感器:光电容积脉搏波描记法,提供血容量脉冲,可从中得出心率、心率变异性和其他心血管特征数据。
EDA传感器:皮肤电反应,用于测量交感神经系统的唤醒程度,并得出与压力、活动事件和情绪刺激等有关的特征数据。可输出GSR原始数据、SCR和SCL的数值。
ECG传感器:心电图(ECG)是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形的技术。可从中得出心率、心率变异性和其他心血管特征数据。
S1:通过PPG、EDA、ECG传感器对驾驶员进行数据监测,获得驾驶员监测数据。
具体的,通过PPG、EDA、ECG传感器分别对驾驶员进行心电、皮肤电反应数据、脉搏波数据采集,驾驶员监测数据即包括了驾驶员监测到的心电、皮肤电反应数据、脉搏波数据。
S2:按照预设时间要求对所述驾驶员监测数据进行提取,将提取的所述驾驶员监测数据输入疲劳识别模型,得到驾驶员疲劳识别结果;
进一步的,所述预设时间要求为1min窗长、1s步长。
进一步的,将提取的所述驾驶员监测数据输入疲劳识别模型,得到驾驶员疲劳识别结果,如图2所示,包括:S21对所述驾驶员监测数据进行预处理,对预处理后的驾驶员监测数据进行特征提取,获得驾驶员特征数据;S22基于所述驾驶员特征数据进行重叠数据比对校正,获得处理后特征数据;S23基于所述驾驶员特征数据采集预设数据级驾驶员监测数据,构建训练数据集、验证数据集,其中所述训练数据集、验证数据集为包括监测数据及驾驶员疲劳程度标签;S24通过训练数据集、验证数据集进行有监督学习和验证,构建疲劳识别模型;S25将所述处理后特征数据输入所述疲劳识别模型中,输出所述驾驶员疲劳识别结果。
具体的,驾驶员通过佩戴的穿戴设备对驾驶员进行1min窗长、1s步长的实时监测,对驾驶员监测数据按照各数据的属性、特征进行特征提取,ECG采集到的原始数据就是一条曲折的线,参考医院里的心电图,特征提取是把这一条线的数据通过计算得出这个人的心率、心率变异性等几十种特征数据,PPG也是同样的,通过脉搏波原始数据经过特征提取得到心率变异性等特征数据。由于PPG和ECG获取的特征数据具有重合性,因而对这两部分数据进行对比和校正,提升数据的质量。GSR皮肤电则是通过特征提取得到皮肤电导水平SCL和皮肤电导反应SCR两大类十数种特征数据。
举例而言,针对ECG采集的脉搏数据,拟提取心率、R-R间期、低频心率变异性、高频心率变异性、高低频心率变异性的比值等时频域特征,以及脉搏幅度、一阶/二阶导数及其均值、方差等描述性统计学指标。针对GSR采集的皮肤电数据,对皮肤电阻除了描述性统计学指标外,还将提取皮肤电导水平和皮肤电导反应两种成分。皮肤电导水平是跨越皮肤两点的皮肤电导的绝对值,可称作基础皮肤电传导,一般认为它是在平静状态下生理活动的基础值,是个体基线水平下心理状态的重要参考指标。而皮肤电导反应是在皮肤电导水平中出现的一个瞬时的、较快的波动,是由刺激而引起的生理心理唤醒状态,是个体的情绪唤醒水平的重要参考依据。
由于原始数据的采集过程中充满了噪音对数据产生影响,因而在进行疲劳状态识别时,首选对原始数据进行预处理,通过滤波或者降噪处理,以提高驾驶员监测数据的可靠性,同时由于是三种传感器采集的三种监测数据,因而还需要进行数据时间对齐。
特征提取后,利用三种外周生理数据得到了大量特征数据,通过机器学习的方法进行建模,采用有监督学习的方法,对具有概念标记(分类)的训练样本进行学习,以尽可能对训练样本集外的数据进行标记(分类)预测。常见的有监督学习方法有支持向量机、神经网络、决策树、贝叶斯网络、K-近邻以及隐马尔科夫模型等。
通过机器学习后得到的疲劳识别模型可以针对个体不同的心理疲劳水平,对HRV时域与频域上的心率变异性特征数据进行分类,以及个体的不同强度的情绪变化造成的皮肤电指标进行分类识别。基于有监督学习的机器学习算法,通过建立ECG、PPG和EDA的分类识别模型,输出被试在训练过程中的疲劳状态等反应个体心理波动的量化指标。
示例性地,请参考图3,ECG在一个典型的心搏周期中,心电信号由一个P博、一个QRS波群、一个T波以及一个U波组成。R-R间期值得是相邻的两个R波之间的间隔时间。P波是再心房除极的过程中产生,并且位于QRS波群之前的一个向上的微微突起的波形。PR间期是从P波开始到QRS波群开始的时间段的时间。QRS波群是由左右心室快速去极化的过程产生,其中R峰值常常用作标定其他波形的基准。J点指的是QRS波群结束及ST段开始的位置,常被用做ST段抬高或者压低的参照点。ST间期值得是QRS波群结束到T波结束的这一段时间,ST段则代表了心事缓慢复极化的过程。T波为QRS波群向后的第一个波峰,代表了心室快速复极化的过程。QR间期指的是从QRS波群开始到T波结束的这一段时间上的波形。U波常常紧跟着T波出现,并且不能经常看到。对各指标特征数据进行提取。
在采集心电数据之后,经过对数据的滤波和噪音信号处理,从心电数据中提取了心律变异性(heart rate variability,HRV)信号,心率变异性是连续窦性心率期间的瞬时心率的轻微波动。对心率变异性的研究常常从每一拍心跳两个R波间的R-R间期的轻微变化入手进行分析。
对采集的心电数据分别进行了时域和频域上的特征提取,时域上的特征分别为SDNN、HR、和RMSSD。SDNN为平均R-R间期的标准差,是从统计学的角度分析心率变异性的方法,利用公式:进行计算,其中N为检测到的心搏总数,xn为第n个R-R间期,mean为N个心搏的R-R间期的平均值。RMSSD为相邻R-R间期差值的均方根,其计算公式为 心率则为每分钟R峰出现的次数,计算为60秒除以R-R间期。
频域上提取的特征为PSD_LF、PSD_HF、和LHR。人在基础状态下的正常心率普曲线分布在0-0.4Hz的频率之间,其中PSD_LF为低频段(0.04-0.15z)上的功率谱密度,PSD_HF为高频段(0.15-0.4Hz)上的功率谱密度,作为描述心率变异性信号的能量分布的定量指标。LHR为低频功率谱与高频功率谱的比值。心率变异性的低频节律可以体现交感神经和副交感神经的活动,低频段上功率的增长通常被认为是交感神经兴奋的结果,如精神紧张、心里压力增大等。而高频节律与呼吸频率相一致,与胸内压的变化以及呼吸运动引起的机械变动相关,更高的功率通常被认为可以体现副交感神经的兴奋。而由于极低频(≤0.04Hz)成分比较复杂,通常需要对低频和高频节律进行分析。当低频功能率增加,高频功率会相应减小,二者呈负相关关系,且它们的变动与交感/副交感平衡相一致。因此,确定LHR的数值可以定量地体现交感神经与副交感神经的平衡。
SDNN值降低代表着心率变异性的复杂性降低,可以作为机体对环境变化和压力的适应能力减弱的标值。此外,对疲劳程度的分析通常采用频域的指标,特别是低频段的功率,并结合压力程度进行综合评价。一般来说压力越大疲劳程度就越大,患者易出现乏困、肌无力等症状,此时低频功率会出现下降的表现等等。
心率变异性越高意味着心脏能够越快的适应内部和外部带来的影响,即机体对环境变化的适应程度越好,反之,则表明机体对环境的适应能力越差,并可能暗示严重的健康损害。
心率/心率变异性指标反映自主神经系统中交感神经活性与副交感神经活性的大小及其平衡协调的关系。其指标可以反映情绪和认知活动,对认知需求、时间限制、不确定性及注意水平敏感。在人机交互过程中也是监控心理负荷和情绪状态的有效指标。
S3:当所述驾驶员疲劳识别结果满足疲劳状态要求时,判断所述驾驶员疲劳状态是否满足极度疲劳状态要求;
进一步的,所述方法包括:所述驾驶员疲劳识别结果包括第一结果、第二结果、第三结果,其中,所述第一结果为不疲劳、第二结果为疲劳、第三结果为极度疲劳;当所述驾驶员疲劳识别结果为第二结果或第三结果时,为处于疲劳状态;当所述第三结果的输出概率达到预设阈值时,为极度疲劳状态。
具体的,利用疲劳识别模型输出识别结果,疲劳识别模型通过对大量有标识的数据进行有监督学习,能够通过分析对应的特征数据得到哪些特征组合处于一定数值范围时是疲劳或非疲劳的状态,可选的输出结果:0即第一结果为不疲劳,1即第二结果为疲劳,2即第三结果为极度疲劳,根据应用的场景可以进行对应的预设阈值设定。
如:当10s内的输出结果为2的比例超过60%,设定为极度疲劳状态,若对于应用环境具有较高的要求时,可以将预设阈值设定为100%,即只有当在预设的时间内输出的第三结果的概率达到了100%,全部输出为第三结果时,确定为极度疲劳状态。
S4:当满足时,生成双模式电刺激指令,所述双模式电刺激指令用于触发tDCS电刺激装置和tENS电刺激装置启动,分别对驾驶员实施电刺激;
进一步的,所述双模式电刺激指令包括通过AL-tENS电刺激技术对驾驶员实施痛觉电刺激,其中,电刺激强度为最大值小于90V;通过tDCS技术作用于驾驶员DLPFC大脑皮层区域,其中,电流强度为1mA,持续时间为5min。
具体的,对于驾驶员达到极度疲劳状态时,触发多通道、多方式电刺激,通过AL-tENS电刺激技术通过痛觉提高生理唤醒水平,刺激强度优选的最大值小于90V的自适应数值恰好能诱发驾驶员疼痛感。同时利用tDCS技术作用于DLPFC(背外侧前额叶皮层)相应大脑皮层区域,缓解精神疲劳,其中,电流强度1mA,持续时间为5min。
经研究表明,在DLPFC的左侧为调节人们注意力的,通过tDCS技术通过微电流作用于大脑皮层区域进行一段时间的刺激,激活人们的注意力,改变驾驶员的状态,使其通过大脑皮层的刺激缓解精神疲劳。
应理解,经颅直流电刺激(transcranial direct current stimulation,tDCS)是一种非侵入性的,利用恒定、低强度直流电(1~2mA)调节大脑皮层神经元活动的技术。tDCS通过电极经过头皮向颅内特定区域输入电流,而颅内电流则会提高或降低神经元细胞的兴奋性(取决于输入电流的极性),而此兴奋性的提高或降低则可引起大脑功能性的改变。通过将tDCS技术应用于驾驶员疲劳状态唤醒中,可以通过大脑皮层的深度控制从而有效的改善了驾驶员的疲劳状态,相较于电刺激的痛感唤醒更为有效,痛感刺激为短期、瞬间的唤醒,而tDCS作用于大脑皮层较于痛感而言具有长久性,从根本上激活驾驶员的精神状态。
S5:当不满足时,生成单模式电刺激指令,所述单模式电刺激指令用于触发tDCS电刺激装置对驾驶员实施刺激。
进一步的,所述单模式电刺激指令包括通过tDCS技术作用于驾驶员DLPFC对应的大脑皮层区域,其中,电流强度为1mA,持续时间为5min。
具体的,若驾驶员的识别结果为疲劳状态,还未达到极度疲劳的程度,则可以单模式的电刺激进行激活,改善驾驶员的精神状态,痛感刺激为直接有效的,能够快速刺激驾驶员的感知进行状态改变,若并非到达了极度疲劳状态,没有那么急迫,则通过tDCS技术进行大脑皮层的刺激,从而改善驾驶员的精神状态,提高注意力。解决了现有技术中缺乏对驾驶员进行疲劳状态监测及状态改善的有效手段,存在因疲劳而发生车祸,造成人员财产损失的技术问题。达到了对驾驶员进行实时外周生理数据的采集,利用生理数据对其疲劳状态进行精准识别,针对不同程度疲劳状态的驾驶员通过多通道多方式电刺激进行针对性唤醒,有效改善驾驶员的精神状态,提升注意力,除利用痛感电刺激进行直接快速的唤醒,还利用tDCS技术进行大脑皮层的刺激从根本上改善驾驶员的精神状态,从而有效避免驾驶员因疲劳驾驶存在的安全隐患的技术效果。
进一步的,按照预设时间要求对所述驾驶员监测数据进行提取之前,包括:向驾驶员发送疲劳咨询信息;基于所述疲劳咨询信息,获得回复信息,判断所述回复信息是否为疲劳状态;当所述回复信息为疲劳状态时,获得电刺激模式,基于所述电刺激模式启动所述双模式电刺激指令或单模式电刺激指令。
进一步的,判断所述回复信息是否为疲劳状态之后,包括:当所述回复信息不是疲劳状态时,按照预设时间要求对所述驾驶员监测数据进行提取,通过所述疲劳识别模型进行疲劳状态识别。
具体的,在进行驾驶员智能检测和疲劳状态识别前,可选的向驾驶员进行主观疲劳感受的咨询,若驾驶员已经感受到疲劳时,则可以进入电刺激模型进行电刺激,若驾驶员无疲劳感受时,则进行智能监测模式,对驾驶员进行智能监测,将监测到的数据进行疲劳状态识别。
在驾驶员确定疲劳状态时,还可以进一步进行疲劳困倦状态的咨询,以确定是否进入极度疲劳状态,若没有达到困倦的状态,可以启动单模式电刺激,若出现困倦则启动双模式电刺激。
可选的,驾驶员可以根据需求进行电刺激模式的激活,如当感觉自己疲劳时,通过发送激活口令或者语音等方式,激活电刺激模式进行电刺激,以提高精神注意力,可以根据自己的主观感知状态进行选择模式。以实现改善疲劳状态,提高注意力,保证驾驶员的驾驶状态的技术效果。
实施例二
基于与前述实施例中一种基于疲劳识别模型和电刺激的应急唤醒方法同样的发明构思,如图4所示,本申请还提供了一种基于疲劳识别模型和电刺激的应急唤醒系统,所述系统包括:
数据监测模块,用于通过PPG、EDA、ECG传感器对驾驶员进行数据监测,获得驾驶员监测数据;
疲劳识别模块,用于按照预设时间要求对所述驾驶员监测数据进行提取,将提取的所述驾驶员监测数据输入疲劳识别模型,得到驾驶员疲劳识别结果;
疲劳状态判断模块,用于当所述驾驶员疲劳识别结果满足疲劳状态要求时,判断所述驾驶员疲劳状态是否满足极度疲劳状态要求;
双模式电刺激模块,用于当满足时,生成双模式电刺激指令,所述双模式电刺激指令用于触发tDCS电刺激装置和tENS电刺激装置启动,分别对驾驶员实施电刺激;
单模式电刺激模块,用于当不满足时,生成单模式电刺激指令,所述单模式电刺激指令用于触发tDCS电刺激装置对驾驶员实施刺激。
进一步的,所述预设时间要求为1min窗长、1s步长。
进一步的,所述双模式电刺激模块还用于:
执行双模式电刺激指令,通过AL-tENS电刺激技术对驾驶员实施痛觉电刺激,其中,电刺激强度为最大值小于90V;
通过tDCS技术作用于驾驶员DLPFC大脑皮层区域,其中,电流强度为1mA,持续时间为5min。
进一步的,所述单模式电刺激模块还用于,执行单模式电刺激指令,通过tDCS技术作用于驾驶员DLPFC对应的大脑皮层区域,其中,电流强度为1mA,持续时间为5min。
进一步的,所述系统还包括:
咨询模块,用于向驾驶员发送疲劳咨询信息;
回复接收模块,用于判断疲劳基于所述疲劳咨询信息,获得回复信息,判断所述回复信息是否为疲劳状态;
电刺激执行模块,用于当所述回复信息为疲劳状态时,获得电刺激模式,基于所述电刺激模式启动所述双模式电刺激指令或单模式电刺激指令。
进一步的,所述系统还包括:
回复执行监测模块,用于当所述回复信息不是疲劳状态时,按照预设时间要求对所述驾驶员监测数据进行提取,通过所述疲劳识别模型进行疲劳状态识别。
进一步的,所述疲劳识别模块还用于:
对所述驾驶员监测数据进行预处理,对预处理后的驾驶员监测数据进行特征提取,获得驾驶员特征数据;
基于所述驾驶员特征数据进行重叠数据比对校正,获得处理后特征数据;
基于所述驾驶员特征数据采集预设数据级驾驶员监测数据,构建训练数据集、验证数据集,其中所述训练数据集、验证数据集为包括监测数据及驾驶员疲劳程度标签;
通过训练数据集、验证数据集进行有监督学习和验证,构建疲劳识别模型;
将所述处理后特征数据输入所述疲劳识别模型中,输出所述驾驶员疲劳识别结果。
进一步的,所述系统还包括:
疲劳划分模块,用于所述驾驶员疲劳识别结果包括第一结果、第二结果、第三结果,其中,所述第一结果为不疲劳、第二结果为疲劳、第三结果为极度疲劳;
极度疲劳判断模块,用于当所述驾驶员疲劳识别结果为第二结果或第三结果时,为处于疲劳状态;
极度疲劳状态确定模块,用于当所述第三结果的输出概率达到预设阈值时,为极度疲劳状态。
前述实施例一中的一种基于疲劳识别模型和电刺激的应急唤醒方法和具体实例同样适用于本实施例的一种基于疲劳识别模型和电刺激的应急唤醒系统,通过前述对一种基于疲劳识别模型和电刺激的应急唤醒方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于疲劳识别模型和电刺激的应急唤醒系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种基于疲劳识别模型和电刺激的应急唤醒方法,其特征在于,所述方法应用于一穿戴设备,所述穿戴设备具有PPG、EDA、ECG传感器和tDCS、tENS电刺激装置,所述方法包括:
通过PPG、EDA、ECG传感器对驾驶员进行数据监测,获得驾驶员监测数据;
按照预设时间要求对所述驾驶员监测数据进行提取,将提取的所述驾驶员监测数据输入疲劳识别模型,得到驾驶员疲劳识别结果;
当所述驾驶员疲劳识别结果满足疲劳状态要求时,判断所述驾驶员疲劳状态是否满足极度疲劳状态要求;
当满足时,生成双模式电刺激指令,所述双模式电刺激指令用于触发tDCS电刺激装置和tENS电刺激装置启动,分别对驾驶员实施电刺激;
当不满足时,生成单模式电刺激指令,所述单模式电刺激指令用于触发tDCS电刺激装置对驾驶员实施刺激。
2.如权利要求1所述的方法,其特征在于,所述预设时间要求为1min窗长、1s步长。
3.如权利要求1所述的方法,其特征在于,所述双模式电刺激指令包括通过AL-tENS电刺激技术对驾驶员实施痛觉电刺激,其中,电刺激强度为最大值小于90V;
通过tDCS技术作用于驾驶员DLPFC大脑皮层区域,其中,电流强度为1mA,持续时间为5min。
4.如权利要求1所述的方法,其特征在于,所述单模式电刺激指令包括通过tDCS技术作用于驾驶员DLPFC对应的大脑皮层区域,其中,电流强度为1mA,持续时间为5min。
5.如权利要求1所述的方法,其特征在于,按照预设时间要求对所述驾驶员监测数据进行提取之前,包括:
向驾驶员发送疲劳咨询信息;
基于所述疲劳咨询信息,获得回复信息,判断所述回复信息是否为疲劳状态;
当所述回复信息为疲劳状态时,获得电刺激模式,基于所述电刺激模式启动所述双模式电刺激指令或单模式电刺激指令。
6.如权利要求5所述的方法,其特征在于,判断所述回复信息是否为疲劳状态之后,包括:
当所述回复信息不是疲劳状态时,按照预设时间要求对所述驾驶员监测数据进行提取,通过所述疲劳识别模型进行疲劳状态识别。
7.如权利要求1所述的方法,其特征在于,将提取的所述驾驶员监测数据输入疲劳识别模型,得到驾驶员疲劳识别结果,包括:
对所述驾驶员监测数据进行预处理,对预处理后的驾驶员监测数据进行特征提取,获得驾驶员特征数据;
基于所述驾驶员特征数据进行重叠数据比对校正,获得处理后特征数据;
基于所述驾驶员特征数据采集预设数据级驾驶员监测数据,构建训练数据集、验证数据集,其中所述训练数据集、验证数据集为包括监测数据及驾驶员疲劳程度标签;
通过训练数据集、验证数据集进行有监督学习和验证,构建疲劳识别模型;
将所述处理后特征数据输入所述疲劳识别模型中,输出所述驾驶员疲劳识别结果。
8.如权利要求7所述的方法,其特征在于,所述方法包括:
所述驾驶员疲劳识别结果包括第一结果、第二结果、第三结果,其中,所述第一结果为不疲劳、第二结果为疲劳、第三结果为极度疲劳;
当所述驾驶员疲劳识别结果为第二结果或第三结果时,为处于疲劳状态;
当所述第三结果的输出概率达到预设阈值时,为极度疲劳状态。
9.一种基于疲劳识别模型和电刺激的应急唤醒系统,其特征在于,所述系统包括:
数据监测模块,用于通过PPG、EDA、ECG传感器对驾驶员进行数据监测,获得驾驶员监测数据;
疲劳识别模块,用于按照预设时间要求对所述驾驶员监测数据进行提取,将提取的所述驾驶员监测数据输入疲劳识别模型,得到驾驶员疲劳识别结果;
疲劳状态判断模块,用于当所述驾驶员疲劳识别结果满足疲劳状态要求时,判断所述驾驶员疲劳状态是否满足极度疲劳状态要求;
双模式电刺激模块,用于当满足时,生成双模式电刺激指令,所述双模式电刺激指令用于触发tDCS电刺激装置和tENS电刺激装置启动,分别对驾驶员实施电刺激;
单模式电刺激模块,用于当不满足时,生成单模式电刺激指令,所述单模式电刺激指令用于触发tDCS电刺激装置对驾驶员实施刺激。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708665.2A CN115137941B (zh) | 2022-06-21 | 2022-06-21 | 一种基于疲劳识别模型和电刺激的应急唤醒方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210708665.2A CN115137941B (zh) | 2022-06-21 | 2022-06-21 | 一种基于疲劳识别模型和电刺激的应急唤醒方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115137941A true CN115137941A (zh) | 2022-10-04 |
CN115137941B CN115137941B (zh) | 2024-05-03 |
Family
ID=83407517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210708665.2A Active CN115137941B (zh) | 2022-06-21 | 2022-06-21 | 一种基于疲劳识别模型和电刺激的应急唤醒方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115137941B (zh) |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868951A (zh) * | 2012-09-03 | 2013-01-09 | 陈火 | 传感式预警提醒耳机 |
CN103111020A (zh) * | 2013-02-04 | 2013-05-22 | 东北大学 | 一种基于穴位电刺激的驾驶疲劳的检测缓解系统及方法 |
CN105373219A (zh) * | 2014-08-11 | 2016-03-02 | Lg电子株式会社 | 可穿戴装置及其操作方法 |
CN205582210U (zh) * | 2016-04-28 | 2016-09-14 | 李忠孝 | 头戴式防疲劳驾驶装置 |
CN106297194A (zh) * | 2016-10-13 | 2017-01-04 | 杭州电子科技大学 | 一种汽车疲劳驾驶监测系统 |
CN106491156A (zh) * | 2016-10-13 | 2017-03-15 | 杭州电子科技大学 | 一种基于多源信息融合的汽车疲劳驾驶检测方法 |
CN106781284A (zh) * | 2016-12-31 | 2017-05-31 | 中国铁道科学研究院电子计算技术研究所 | 基于多信息融合的机车司机疲劳驾驶预警系统 |
CN106997106A (zh) * | 2016-01-22 | 2017-08-01 | 周常安 | 眼镜式生理感测、穿戴装置及眼镜结构 |
CN110084998A (zh) * | 2019-04-18 | 2019-08-02 | 西安理工大学 | 便携式驾驶疲劳监测与干预装置及其方法 |
CN110151166A (zh) * | 2019-05-07 | 2019-08-23 | 中国电子科技集团公司第二十八研究所 | 一种基于双模态生物电信号与生理数据的疲劳度评估系统及评估方法 |
CN110544361A (zh) * | 2019-09-03 | 2019-12-06 | 苏州美利金机电有限公司 | 具有突发性疾病监控报警功能和疲劳驾驶监控预警纠正系统 |
CN111105595A (zh) * | 2018-10-29 | 2020-05-05 | 广州汽车集团股份有限公司 | 一种疲劳驾驶唤醒系统 |
WO2020172849A1 (zh) * | 2019-02-28 | 2020-09-03 | 东莞市讯天宏智能科技有限公司 | 疲劳驾驶干涉系统及具有其的车辆、疲劳驾驶干涉方法 |
CN112721937A (zh) * | 2020-12-29 | 2021-04-30 | 三一海洋重工有限公司 | 一种机械设备的疲劳驾驶控制方法及装置 |
CN113616219A (zh) * | 2021-07-30 | 2021-11-09 | 燕山大学 | 一种用于飞行员驾驶状态自适应调整的方法 |
CN113628448A (zh) * | 2021-06-28 | 2021-11-09 | 东风汽车集团股份有限公司 | 车辆及其缓解疲劳驾驶的装置 |
CN114469098A (zh) * | 2022-01-24 | 2022-05-13 | 佛山职业技术学院 | 一种防疲劳穿戴式电刺激系统及控制方法 |
CN114469035A (zh) * | 2022-01-05 | 2022-05-13 | 清华大学 | 抗驾驶疲劳安全辅助系统及方法 |
-
2022
- 2022-06-21 CN CN202210708665.2A patent/CN115137941B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102868951A (zh) * | 2012-09-03 | 2013-01-09 | 陈火 | 传感式预警提醒耳机 |
CN103111020A (zh) * | 2013-02-04 | 2013-05-22 | 东北大学 | 一种基于穴位电刺激的驾驶疲劳的检测缓解系统及方法 |
CN105373219A (zh) * | 2014-08-11 | 2016-03-02 | Lg电子株式会社 | 可穿戴装置及其操作方法 |
CN106997106A (zh) * | 2016-01-22 | 2017-08-01 | 周常安 | 眼镜式生理感测、穿戴装置及眼镜结构 |
CN205582210U (zh) * | 2016-04-28 | 2016-09-14 | 李忠孝 | 头戴式防疲劳驾驶装置 |
CN106297194A (zh) * | 2016-10-13 | 2017-01-04 | 杭州电子科技大学 | 一种汽车疲劳驾驶监测系统 |
CN106491156A (zh) * | 2016-10-13 | 2017-03-15 | 杭州电子科技大学 | 一种基于多源信息融合的汽车疲劳驾驶检测方法 |
CN106781284A (zh) * | 2016-12-31 | 2017-05-31 | 中国铁道科学研究院电子计算技术研究所 | 基于多信息融合的机车司机疲劳驾驶预警系统 |
CN111105595A (zh) * | 2018-10-29 | 2020-05-05 | 广州汽车集团股份有限公司 | 一种疲劳驾驶唤醒系统 |
WO2020172849A1 (zh) * | 2019-02-28 | 2020-09-03 | 东莞市讯天宏智能科技有限公司 | 疲劳驾驶干涉系统及具有其的车辆、疲劳驾驶干涉方法 |
CN110084998A (zh) * | 2019-04-18 | 2019-08-02 | 西安理工大学 | 便携式驾驶疲劳监测与干预装置及其方法 |
CN110151166A (zh) * | 2019-05-07 | 2019-08-23 | 中国电子科技集团公司第二十八研究所 | 一种基于双模态生物电信号与生理数据的疲劳度评估系统及评估方法 |
CN110544361A (zh) * | 2019-09-03 | 2019-12-06 | 苏州美利金机电有限公司 | 具有突发性疾病监控报警功能和疲劳驾驶监控预警纠正系统 |
CN112721937A (zh) * | 2020-12-29 | 2021-04-30 | 三一海洋重工有限公司 | 一种机械设备的疲劳驾驶控制方法及装置 |
CN113628448A (zh) * | 2021-06-28 | 2021-11-09 | 东风汽车集团股份有限公司 | 车辆及其缓解疲劳驾驶的装置 |
CN113616219A (zh) * | 2021-07-30 | 2021-11-09 | 燕山大学 | 一种用于飞行员驾驶状态自适应调整的方法 |
CN114469035A (zh) * | 2022-01-05 | 2022-05-13 | 清华大学 | 抗驾驶疲劳安全辅助系统及方法 |
CN114469098A (zh) * | 2022-01-24 | 2022-05-13 | 佛山职业技术学院 | 一种防疲劳穿戴式电刺激系统及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115137941B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1495715B1 (en) | A method and apparatus based on combination of three phsysiological parameters for assessment of analgesia during anesthesia or sedation | |
US20170238858A1 (en) | Depression assessment system and depression assessment method based on physiological information | |
CN204931634U (zh) | 基于生理信息的抑郁症评估系统 | |
CN114748080B (zh) | 一种感觉运动功能的检测量化方法和系统 | |
EP3232917B1 (en) | Apparatus for the assessment of the level of pain and nociception during general anesthesia using electroencephalogram, plethysmographic impedance cardiography, heart rate variability and the concentration or biophase of the analgesics | |
CN107281609A (zh) | 一种睡眠质量改善的系统及方法 | |
JP5874489B2 (ja) | 睡眠状態判定装置及び睡眠状態判定方法 | |
CN106333652A (zh) | 一种睡眠状态分析方法 | |
KR20090096051A (ko) | 긴장도를 조절하는 드라이빙 시뮬레이션 시스템 및 방법과이에 사용되는 기록매체 | |
CN115640827B (zh) | 对电刺激数据处理的智能闭环反馈网络方法及系统 | |
CN111481799A (zh) | 一种脑电波闭环控制设备 | |
Kokonozi et al. | A study of heart rate and brain system complexity and their interaction in sleep-deprived subjects | |
Szypulska et al. | Prediction of fatigue and sleep onset using HRV analysis | |
Xu et al. | Fatigue EEG feature extraction based on tasks with different physiological states for ubiquitous edge computing | |
CN114886439A (zh) | 一种基于云计算大数据的人体脉搏脑电生物反馈驾驶方法 | |
CN114983419A (zh) | 一种基于脑电信号提升运动技能的康复装置 | |
EP3957248A1 (en) | Systems, methods and devices for biomarker shaping and sleep profile enhancement | |
CN105125186A (zh) | 一种确定干预治疗方式的方法及系统 | |
CN115137941B (zh) | 一种基于疲劳识别模型和电刺激的应急唤醒方法及系统 | |
CN116098619B (zh) | 一种基于高频听觉稳态响应的抑郁症自动检测系统 | |
JPH09322943A (ja) | 生体刺激装置 | |
Attarodi et al. | Detection of driver's drowsiness using new features extracted from HRV signal | |
CN202036686U (zh) | 一种新型带测试功能的智能低频治疗仪 | |
CN114287939A (zh) | 一种疲劳驾驶检测方法及系统 | |
Kasturiwale et al. | Influence of physiological factors on heart rate variability in predicting cardiovascular diseases |
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 |