CN115481650A - 基于注意力检测的安全生产监控方法、装置及电子设备 - Google Patents
基于注意力检测的安全生产监控方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115481650A CN115481650A CN202210926641.4A CN202210926641A CN115481650A CN 115481650 A CN115481650 A CN 115481650A CN 202210926641 A CN202210926641 A CN 202210926641A CN 115481650 A CN115481650 A CN 115481650A
- Authority
- CN
- China
- Prior art keywords
- energy
- attention
- constructor
- signal
- sub
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000002159 abnormal effect Effects 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims description 54
- 238000000605 extraction Methods 0.000 claims description 21
- 210000004556 brain Anatomy 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012806 monitoring device Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000002411 adverse Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 210000001061 forehead Anatomy 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002360 prefrontal effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 230000002618 waking effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Computer Security & Cryptography (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本公开提供了一种基于注意力检测的安全生产监控方法、装置及电子设备,方法包括:获取施工人员的脑电信号;从脑电信号中提取出时域特征;对脑电信号进行分频处理,得到不同频率段的信号波段;基于不同频率段的信号波段生成动力学特征;基于不同频率段的信号波段生成初始能量特征,并将初始能量特征按照预设的时间步长划分为N个子能量特征;从N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征;基于施工人员的时域特征、动力学特征和目标能量特征,确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令。上述方法可以降低时间和算力成本,同时可以确保注意力检测结果的具有较高的时效性。
Description
技术领域
本公开涉及生产安全的技术领域,具体涉及一种基于注意力检测的安全生产监控方法、装置及电子设备。
背景技术
生产作业过程会存在诸多安全隐患,保证施工人员的人身安全至关重要,一些安全事故通常是由于施工人员的注意力不集中诱发的,因此确保施工人员保持较高的主力能能够显著地降低发生安全事故的风险。现有的检测注意力的方式,通常采集施工人员的大量稍微脑电信号来检测施工人员的注意力情况,处理大量的数据会耗费较多的时间成本和算力成本,并且会导致注意力检测结果的时效性不强。
发明内容
本公开提供了一种基于注意力检测的安全生产监控方法、装置及电子设备。
根据本公开的第一方面,提供了一种基于注意力检测的安全生产监控方法,基于注意力检测的安全生产监控方法包括:
获取施工人员的脑电信号;
从脑电信号中提取出时域特征;
对脑电信号进行分频处理,得到不同频率段的信号波段;
基于不同频率段的信号波段生成动力学特征;
基于不同频率段的信号波段生成初始能量特征,并将初始能量特征按照预设的时间步长划分为N个子能量特征;
从N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征;
基于施工人员的时域特征、动力学特征和目标能量特征,确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令。
在本公开实施例中,基于施工人员的时域特征、动力学特征和目标能量特征,确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令,包括:
基于时域特征、动力学特征和目标能量特征,生成施工人员的注意力值;
基于注意力值和预设的注意力评价信息确定施工人员的注意力水平,其中,注意力评价信息用于指示各个注意力水平分别对应的注意力值的区间范围;
在确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令。
在本公开实施例中,对脑电信号进行分频处理,得到不同频率段的信号波段,包括:
将初始能量特征按照预设的频率步长划分为频率段为0.5hz-4hz的第一信号波段、频率段为4hz-8hz的第二信号波段、频率段为8hz-13hz的第三信号波段、频率段为13hz-35hz的第四信号波段、频率大于35hz的第五信号波段;
基于不同频率段的信号波段生成动力学特征,包括:
计算第四信号波段和第五信号波段的近似熵、样本熵和模糊熵;
基于计算得到的近似熵、样本熵和模糊熵生成动力学特征。
在本公开实施例中,基于不同频率段的信号波段生成初始能量特征,包括:
确定第三信号波段的最大功率;
计算第四信号波段与第二信号波段的第一能量比;
计算第一信号波段与第二信号波段的第一和值,确定第四信号波段与第一和值的第二能量比;
生成包括最大功率、第一能量比和第二能量比的初始能量特征。
在本公开实施例中,基于注意力值和预设的注意力评价信息确定施工人员的注意力水平,包括:
获取施工人员的位置信息;
基于位置信息,从至少一个区域类型中确定出施工人员的当前位置对应的目标区域类型,其中,至少一个区域类型包括休息区域、行政办公区域和项目现场区域;
确定目标区域类型对应的注意力评价信息,其中,不同的区域类型对应不同的注意力评价信息;
基于注意力值和目标区域类型对应的注意力评价信息,确定施工人员的注意力水平。
在本公开实施例中,基于注意力值和预设的注意力评价信息确定施工人员的注意力水平,包括:
获取施工人员所在环境的环境数据;
基于环境数据,从至少一个环境类型中确定出施工人员所在环境对应的目标环境类型;
确定目标环境类型对应的注意力评价信息,其中,不同的环境类型对应不同的注意力评价信息;
基于注意力值和目标环境类型对应的注意力评价信息,确定施工人员的注意力水平。
在本公开实施例中,从脑电信号中提取出时域特征,包括:从脑电信号的多个预设的时间节点分别提取子时域特征,将提取出的多个子时域特征融合成一个时域特征;
从N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征,包括:从N个子能量特征中剔除出能量值最大的子能量特征和能量值最小的子能量特征,将剩余的(N-2)个子能量特征作为目标能量特征。
根据本公开的第二方面,提供了一种基于注意力检测的安全生产监控装置,基于注意力检测的安全生产监控装置包括信号获取模块、第一特征提取模块、信号分频模块、第二特征提取模块、第三特征提取模块和预警模块。
信号获取模块用于获取施工人员的脑电信号;
第一特征提取模块用于从脑电信号中提取出时域特征;
信号分频模块用于对脑电信号进行分频处理,得到不同频率段的信号波段;
第二特征提取模块用于基于不同频率段的信号波段生成动力学特征;
第三特征提取模块用于基于不同频率段的信号波段生成初始能量特征,并将初始能量特征按照预设的时间步长划分为N个子能量特征,从N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征;
预警模块用于基于施工人员的时域特征、动力学特征和目标能量特征,确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令。
在本公开实施例中,预警模块在用于基于施工人员的时域特征、动力学特征和目标能量特征,确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令时,具体用于:
基于时域特征、动力学特征和目标能量特征,生成施工人员的注意力值;
基于注意力值和预设的注意力评价信息确定施工人员的注意力水平,其中,注意力评价信息用于指示各个注意力水平分别对应的注意力值的区间范围;
在确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令。
在本公开实施例中,信号分频模块在用于对脑电信号进行分频处理,得到不同频率段的信号波段时,具体用于:
将初始能量特征按照预设的频率步长划分为频率段为0.5hz-4hz的第一信号波段、频率段为4hz-8hz的第二信号波段、频率段为8hz-13hz的第三信号波段、频率段为13hz-35hz的第四信号波段、频率大于35hz的第五信号波段;
在本公开实施例中,第二特征提取模块在用于基于不同频率段的信号波段生成动力学特时征,具体用于:
计算第四信号波段和第五信号波段的近似熵、样本熵和模糊熵;
基于计算得到的近似熵、样本熵和模糊熵生成动力学特征。
在本公开实施例中,第三特征提取模块在用于基于不同频率段的信号波段生成初始能量特征时,具体用于:
确定第三信号波段的最大功率;
计算第四信号波段与第二信号波段的第一能量比;
计算第一信号波段与第二信号波段的第一和值,确定第四信号波段与第一和值的第二能量比;
生成包括最大功率、第一能量比和第二能量比的初始能量特征。
在本公开实施例中,预警模块在用于基于注意力值和预设的注意力评价信息确定施工人员的注意力水平时,具体用于:
获取施工人员的位置信息;
基于位置信息,从至少一个区域类型中确定出施工人员的当前位置对应的目标区域类型,其中,至少一个区域类型包括休息区域、行政办公区域和项目现场区域;
确定目标区域类型对应的注意力评价信息,其中,不同的区域类型对应不同的注意力评价信息;
基于注意力值和目标区域类型对应的注意力评价信息,确定施工人员的注意力水平。
在本公开实施例中,预警模块在用于基于注意力值和预设的注意力评价信息确定施工人员的注意力水平时,具体用于:
获取施工人员所在环境的环境数据;
基于环境数据,从至少一个环境类型中确定出施工人员所在环境对应的目标环境类型;
确定目标环境类型对应的注意力评价信息,其中,不同的环境类型对应不同的注意力评价信息;
基于注意力值和目标环境类型对应的注意力评价信息,确定施工人员的注意力水平。
在本公开实施例中,第一特征提取模块在用于从脑电信号中提取出时域特征时,具体用于:从脑电信号的多个预设的时间节点分别提取子时域特征,将提取出的多个子时域特征融合成一个时域特征;
第三特征提取模块在用于从N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征时,具体用于:从N个子能量特征中剔除出能量值最大的子能量特征和能量值最小的子能量特征,将剩余的(N-2)个子能量特征作为目标能量特征。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述第一方面提供的基于注意力检测的安全生产监控方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述第一方面提供的基于注意力检测的安全生产监控方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本公开提供的技术方案带来的有益效果是:
本公开实施例提供的基于注意力检测的安全生产监控方法,可以从脑电信号中提取出时域特征、动力学特征和动力学特征,基于这三种特征来检测注意力水平,这种注意力水平的检测方式可以高效地利用脑电信号中的有效信息,从而简化需要处理的数据量,降低时间成本和算力成本;此外,本公开的方法可以预先将首次提取到的初始能量特征按照时间步长精细地划分为多个子能量特征,通过判断子能量的特征能量值是否异常来剔除易受噪声干扰的子能量特征,避免因能量特征受噪声干扰而影响注意力水平的检测效率,进一步降低时间成本和算力成本,同时可以提升注意力水平的检测速度,使得注意力检测结果的具有较高的时效性,确保能够及时地发现施工人员出现注意力不集中的情况,以便及时地对施工人员进行预警。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示出了本公开实施例提供的一种基于注意力检测的安全生产监控方法对应的示意性的硬件系统示意图;
图2示出了本公开实施例提供的一种基于注意力检测的安全生产监控方法的流程示意图;
图3示出了本公开实施例提供的一种基于注意力检测的安全生产监控装置的示意图;
图4示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
生产作业过程会存在诸多安全隐患,保证施工人员的人身安全至关重要,一些安全事故通常是由于施工人员的注意力不集中诱发的,因此确保施工人员保持较高的主力能能够显著地降低发生安全事故的风险。现有的检测注意力的方式,通常采集施工人员的大量稍微脑电信号来检测施工人员的注意力情况,处理大量的数据会耗费较多的时间成本和算力成本,并且会导致注意力检测结果的时效性不强。
本公开实施例提供的基于注意力检测的安全生产监控方法、装置及电子设备,旨在解决现有技术的如上技术问题中的至少一个。
本公开实施例提供的基于注意力检测的安全生产监控方法的执行主体可以是计算机,也可以是服务器或其他具有数据处理能力的计算设备。例如,前述计算机、服务器、计算设备等可以是前述任意一种应用场景的后台服务设备,如搜索引擎的后台服务器。本公开对基于注意力检测的安全生产监控方法的执行主体也不作限制。
一些实施例中,服务器可以是单独的一个服务器,或者,也可以是由多个服务器构成的服务器集群。部分实施方式中,服务器集群还可以是分布式集群。本公开对服务器的具体实现方式也不作限制。
图1示出了本公开实施例提供的一种基于注意力检测的安全生产监控方法对应的示意性的硬件系统示意图,如图1所示,硬件系统包括云服务器、脑电设备和终端设备(如个人电脑和手机等),云服务器可以与脑电设备和终端设备进行通信,其中,云服务器可以为本公开实施例提供的基于注意力检测的安全生产监控方法的执行主体。脑电设备为脑机接口(Brain Computer Interface,BCI)设备,施工人员可以佩戴脑机接口设备,脑机接口设备配置有脑电图(Electroencephalogram,EEG)电极,通过脑电图点击采集施工人员的脑电信号,并将脑电信号发送至云服务器,使得云服务器获取到施工人员的脑电信号。
云服务器可以基于施工人员的脑电信号确定施工人员的注意力水平,并将包含施工人员的注意力水平的信息发送至某一个目标终端(如图1中的终端设备),在确定施工人员的注意力水平为预警水平时,向某一个目标终端(如图1中的脑电设备)发送预警指令,预警指令用于指示目标终端执行预设的预警策略。
图2示出了本公开实施例提供的一种基于注意力检测的安全生产监控方法的流程示意图,如图2示,以本公开实施例的执行主体是图1中的云服务器为例,该方法主要可以包括以下步骤:
S210:获取施工人员的脑电信号。
在本公开实施例中,施工人员可以佩戴脑机接口设备,脑机接口设备配置有脑电图电极,通过脑电图点击采集施工人员的脑电信号。具体地,脑电图电极为干电极,不需要导电膏和复杂的清洗,佩戴较为舒适。这里,脑电图电极对称分布于前额叶,电极点位左右对称分布,单通道电极具有较高的采样率,能够满足对脑电信号的精确刻画,可以理解,脑电信号为施工人员的大脑的前额叶的产生的信号。由于注意力活动主要激活前额叶,可以只采集Fp1与Fp2导联的脑电信号。在采集到施工人员的脑电信号之后,可以对脑电信号进行预处理,例如,可以对脑电信号进行编码、放大、滤波和去眼电等操作,处理后的脑电信号的频率范围为0.4hz到45hz,幅值为0.5uV到100uV,采样率为200Hz。
本公开实施例的脑电图电极可以长时间佩戴,可以连续采集脑电信号,脑机接口设备可以周期性地将预设时长的脑电信号发送至云服务器,使得云服务器获取到施工人员的脑电信号。例如,脑机接口设备可以周期性地将10秒的脑电信号发送至云服务器。这里,脑电信号的传输方式可以是蓝牙传输和网络传输等。
云服务器在获取施工人员的脑电信号之后,可以对脑电信号进行预处理,例如,可以对脑电信号进行编码、放大、滤波和去眼电等操作,处理后的脑电信号的频率范围为0.4hz到45hz,幅值为0.5uV到100uV,采样率200Hz。
S220:从脑电信号中提取出时域特征。
这里,时域是描述数学函数或物理信号对时间的关系。本公开实施例还可以从时域特征提取信号峰峰值、方差和均值用作生成施工人员的注意力值。可选地,本公开实施例在从脑电信号中提取出时域特征时,可以从脑电信号的多个预设的时间节点分别提取子时域特征,将提取出的多个子时域特征融合成一个时域特征。
S230:对脑电信号进行分频处理,得到不同频率段的信号波段。
本公开实施例可以预先设置多个频率段,按照多个频率段对脑电信号进行分频处理,从而得到不同频率段的信号波段。可选地,在S230中,可以将初始能量特征按照预设的频率步长划分为频率段为0.5hz-4hz的第一信号波段、频率段为4hz-8hz的第二信号波段、频率段为8hz-13hz的第三信号波段、频率段为13hz-35hz的第四信号波段、频率大于35hz的第五信号波段,这样便获得了频率从高到低的5个信号波段。这里,第一信号波段可以定义为delat波段、第二信号波段可以定义为theta波段、第三信号波段可以定义为alpha波段、第四信号波段可以定义为beta波段、第五信号波段可以定义为gamma波段。
S240:基于不同频率段的信号波段生成动力学特征。
当大脑的注意力水平降低时,脑电信号中高频率的信号波段会出现较显著的减弱,因此可以选择频率较高的信号波段来生成动力学特征,用以表征大脑的注意力水平降低时的情况。这里,可以选择频率较高的第四信号波段和第五信号波段来生成动力学特征,具体地,可以计算第四信号波段和第五信号波段的近似熵、样本熵和模糊熵,基于计算得到的近似熵、样本熵和模糊熵生成动力学特征。通过上述方式获得的动力学特征可以更加精准地反映脑电信号的复杂程度,能够比较准确地描述大脑的注意力水平降低的情况。
S250:基于不同频率段的信号波段生成初始能量特征,并将初始能量特征按照预设的时间步长划分为N个子能量特征。
在大脑的清醒阶段,上述的第三信号波段(alpha波段)的变化情况可以反映出大脑的活动状态,因此可以选择第三信号波段用作生成初始能量特征,使得初始能量特征可以反映大脑的活动的强度,这有助于对大脑的注意力状态进行判断。此外,在大脑的注意力不同状态下,高低频的脑部活动会出现变化,具体地,当大脑的精神高度集中时,上述的第四信号波段(beta波段)会更加活跃;当大脑的精神状态不佳的时候,上述的第一信号波段(delat波段)delat波段和第二信号波段(theta波段)会更加活跃。因此可以将第四信号波段与第一信号波段和第二信号波段中的至少一个的比值,用作生成初始能量特征。
具体地,可以将第四信号波段与第二信号波段的比值定义为第一能量比,将第一信号波段与第二信号波段的和值定义为第一和值,将第四信号波段与第一和值的比值定义为第二能量比。在本公开实施例在基于不同频率段的信号波段生成初始能量特征时,可以确定第三信号波段的最大功率,计算第四信号波段与第二信号波段的第一能量比,以及计算第一信号波段与第二信号波段的第一和值,确定第四信号波段与第一和值的第二能量比,之后生成包括最大功率、第一能量比和第二能量比的初始能量特征。
在本公开实施例中,N为不小于3的正整数。可以理解,N的具体数值可以根据脑电信号的总时长和预设的时间步长而定,例如,脑电信号的总时长为10秒,预设的时间步长为2秒,则N为5,因此将初始能量特征按照预设的时间步长划分为5个子能量特征。
S260:从N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征。
可以理解,能量特征易受噪声干扰,本公开实施例将初始能量特征细化为N个子能量特征,从多个子能量特征剔除掉能量值异常的子能量特征,保留剩余的子能量特征作为目标能量特征,确保能量特征的真实性和准确性。这里,可以将能量值最大的子能量特征和能量值最小的子能量特征作为能量值异常的子能量特征,因此在步骤S260中,可以从N个子能量特征中剔除出能量值最大的子能量特征和能量值最小的子能量特征,将剩余的(N-2)个子能量特征作为目标能量特征。以将初始能量特征按照预设的时间步长划分为5个子能量特征为例,在剔除出能量值最大的子能量特征和能量值最小的子能量特征之后,将剩余的3个子能量特征作为目标能量特征。
S270:基于施工人员的时域特征、动力学特征和目标能量特征,在确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令。
本公开实施例可以预先设置多各类型的注意力水平,可选地,可以将注意力水平可以包括高水平、正常水平、欠佳水平和预警水平。基于施工人员的时域特征、动力学特征和目标能量特征可以确定施工人员的注意力水平所属的类型,在定施工人员的注意力水平为预警水平时向目标终端发送预警指令,预警指令用于指示目标终端执行预设的预警策略。
具体地,本公开实施例可以基于时域特征、动力学特征和目标能量特征,生成施工人员的注意力值,基于注意力值和预设的注意力评价信息,确定施工人员的注意力水平。
在本公开实施例中,可以预先训练基于时域特征、动力学特征和能量特征预测注意力的注意力预测模型,这里,可以将前述步骤获取到的时域特征、动力学特征和目标能量特征输入到注意力预测模型,基于注意力预测模型输出施工人员的注意力值。在此需要说明的是,注意力预测模型的具体模型类型可以根据实际的设计需要而定,例如,注意力预测模型可以是支持向量机、k-最近邻分类模型、决策树、随机森林模型、朴素贝叶斯分类模型、基于最小二乘法的模型、逻辑回归模型等。
这里,注意力评价信息用于指示各个注意力水平分别对应的注意力值的区间范围,因此可以通过确定施工人员的注意力值所在的区间范围,确定施工人员的注意力水平。可选地,可以将注意力水平可以包括高水平、正常水平、欠佳水平和预警水平,不同的注意力水平具有不同区间范围的注意力值,例如,当确定施工人员的注意力值在预警水平的区间范围内时,可以确定施工人员的注意力水平为预警水平。
在本公开实施例中,当施工人员的注意力水平为预警水平时,表明该施工人员的注意力处于较低的水平,需要对该施工人员实施预警策略以确保其安全。云服务器在在确定施工人员的注意力水平为预警水平时,可以向某一个目标终端发送预警指令,该预警指令用于指示目标终端执行预设的预警策略。例如,云服务器在在确定施工人员的注意力水平为预警水平时,向图1所示的脑电设备发送预警指令,脑电设备接收到预警指令之后执行对应的预警策略。预警策略的具体形式可以根据实际的场景而定,例如,脑电设备中可以配置振动装置进行振动,振动装置与施工人员的身体(如头部)接触,脑电设备接收到预警指令之后控制振动装置,从而实现对施工人员的预警提醒;或者,脑电设备中可以配置音频装置,脑电设备接收到预警指令之后控制音频装置播放预警语音,从而实现对施工人员的预警提醒。
本公开实施例提供的基于注意力检测的安全生产监控方法,可以从脑电信号中提取出时域特征、动力学特征和动力学特征,基于这三种特征来检测注意力水平,这种注意力水平的检测方式可以高效地利用脑电信号中的有效信息,从而简化需要处理的数据量,降低时间成本和算力成本;此外,本公开的方法可以预先将首次提取到的初始能量特征按照时间步长精细地划分为多个子能量特征,通过判断子能量的特征能量值是否异常来剔除易受噪声干扰的子能量特征,避免因能量特征受噪声干扰而影响注意力水平的检测效率,进一步降低时间成本和算力成本,同时可以提升注意力水平的检测速度,使得注意力检测结果的具有较高的时效性,确保能够及时地发现施工人员出现注意力不集中的情况,以便及时地对施工人员进行预警。
在本公开实施例中,注意力评价信息可以根据施工人员的当前位置对应的目标区域类型而定,即不同的区域类型对应不同的注意力评价信息,这里,区域类型可以包括休息区域、行政办公区域和项目现场区域。具体地,本公开实施例可以获取施工人员的位置信息,基于位置信息从至少一个区域类型中确定出施工人员的当前位置对应的目标区域类型,确定目标区域类型对应的注意力评价信息,基于注意力值和目标区域类型对应的注意力评价信息确定施工人员的注意力水平。
对于不同的区域类型的同一个注意力水平,其对应的注意力值的区间范围是不同的。针对不同的区域类型配置不同的注意力评价信息,可以较准确地匹配不同的工作场景对施工人员的注意力的要求。以预警水平为例,休息区域的预警水平所对应的注意力值的区间范围为0至30,行政办公区域的预警水平所对应的注意力值的区间范围为0至40,项目现场区域的预警水平所对应的注意力值的区间范围为0至50。可以理解,休息区域、行政办公区域和项目现场区域的危险程度依次增加,危险程度越大的区域,其预警水平所对应的注意力值的区间范围越大,施工人员的注意力水平也就更容易被确定为预警水平,使得处于危险区域的施工人员保持较高的注意力水平,确保施工人员的安全。
在本公开实施例中,注意力评价信息可以根据施工人员所在环境的环境类型而定,即不同的环境类型对应不同的注意力评价信息。这里,环境类型可以包括良好环境、正常环境和恶劣环境。具体地,在步骤S208中,可以获取施工人员所在环境的环境数据,基于环境数据从至少一个环境类型中确定出施工人员所在环境对应的目标环境类型,确定目标环境类型对应的注意力评价信息,基于注意力值和目标环境类型对应的注意力评价信息确定施工人员的注意力水平,其中,环境数据可以包括海拔高度、温度、湿度、光照强度等,基于这些数据来确定施工人员所在环境对应的目标环境类型。对于不同的环境类型的同一个注意力水平,其对应的注意力值的区间范围是不同的。针对不同的区域类型配置不同的注意力评价信息,可以较准确地匹配不同的环境场景对施工人员的注意力的要求。以预警水平为例,良好环境的预警水平所对应的注意力值的区间范围为0至30,正常环境的预警水平所对应的注意力值的区间范围为0至40,恶劣环境的预警水平所对应的注意力值的区间范围为0至50。可以理解,良好环境、正常环境和恶劣环境的环境恶劣程度依次增加,恶劣程度越大的环境,其预警水平所对应的注意力值的区间范围越大,施工人员的注意力水平也就更容易被确定为预警水平,使得处于恶劣环境的施工人员保持较高的注意力水平,确保施工人员的安全。
在本公开实施例中,注意力评价信息还可以根据施工人员的当前位置对应的目标区域类型和施工人员所在环境的环境类型共同确定,每一组区域类型和环境类型对应有一个注意力评价信息,这里,区域类型可以包括上述的休息区域、行政办公区域和项目现场区域,环境类型可以包括上述的良好环境、正常环境和恶劣环境。具体地,在步骤S208中,可以获取施工人员的位置信息和施工人员所在环境的环境数据,基于位置信息从至少一个区域类型中确定出施工人员的当前位置对应的目标区域类型,基于环境数据从至少一个环境类型中确定出施工人员所在环境对应的目标环境类型,目标区域类型和目标环境类型对应的注意力评价信息,基于注意力值、目标区域类型和目标环境类型对应的注意力评价信息,确定施工人员的注意力水平。
在本公开实施例中,云服务器还可以将包含施工人员的注意力水平的信息发送至目标终端。具体地,云服务器在确定出施工人员的注意力水平的信息之后,可以将将包含施工人员的注意力水平的信息发送至某一个目标终端,例如,可以将包含施工人员的注意力水平的信息发送至图1中的终端设备,终端设备可以以预设的展示形式来展示该信息,预设的展示形式可以包括文字形式、图表形式和语音形式等。
基于与上述的基于注意力检测的安全生产监控方法相同的原理,本公开实施例提供了一种基于注意力检测的安全生产监控装置,图3示出了本公开实施例提供的一种基于注意力检测的安全生产监控装置的示意图,如图3所示,基于注意力检测的安全生产监控装置300包括信号获取模块310、第一特征提取模块320、信号分频模块330、第二特征提取模块340、第三特征提取模块350和预警模块360。
信号获取模块310用于获取施工人员的脑电信号;
第一特征提取模块320用于从脑电信号中提取出时域特征;
信号分频模块330用于对脑电信号进行分频处理,得到不同频率段的信号波段;
第二特征提取模块340用于基于不同频率段的信号波段生成动力学特征;
第三特征提取模块350用于基于不同频率段的信号波段生成初始能量特征,并将初始能量特征按照预设的时间步长划分为N个子能量特征,从N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征;
预警模块360用于基于施工人员的时域特征、动力学特征和目标能量特征,确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令。
本公开实施例提供的基于注意力检测的安全生产监控装置,可以从脑电信号中提取出时域特征、动力学特征和动力学特征,基于这三种特征来检测注意力水平,这种注意力水平的检测方式可以高效地利用脑电信号中的有效信息,从而简化需要处理的数据量,降低时间成本和算力成本;此外,本公开的方法可以预先将首次提取到的初始能量特征按照时间步长精细地划分为多个子能量特征,通过判断子能量的特征能量值是否异常来剔除易受噪声干扰的子能量特征,避免因能量特征受噪声干扰而影响注意力水平的检测效率,进一步降低时间成本和算力成本,同时可以提升注意力水平的检测速度,使得注意力检测结果的具有较高的时效性,确保能够及时地发现施工人员出现注意力不集中的情况,以便及时地对施工人员进行预警。
在本公开实施例中,预警模块360在用于基于施工人员的时域特征、动力学特征和目标能量特征,确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令时,具体用于:
基于时域特征、动力学特征和目标能量特征,生成施工人员的注意力值;
基于注意力值和预设的注意力评价信息确定施工人员的注意力水平,其中,注意力评价信息用于指示各个注意力水平分别对应的注意力值的区间范围;
在确定施工人员的注意力水平为预警水平时,向目标终端发送预警指令。
在本公开实施例中,信号分频模块330在用于对脑电信号进行分频处理,得到不同频率段的信号波段时,具体用于:
将初始能量特征按照预设的频率步长划分为频率段为0.5hz-4hz的第一信号波段、频率段为4hz-8hz的第二信号波段、频率段为8hz-13hz的第三信号波段、频率段为13hz-35hz的第四信号波段、频率大于35hz的第五信号波段;
在本公开实施例中,第二特征提取模块340在用于基于不同频率段的信号波段生成动力学特时征,具体用于:
计算第四信号波段和第五信号波段的近似熵、样本熵和模糊熵;
基于计算得到的近似熵、样本熵和模糊熵生成动力学特征。
在本公开实施例中,第三特征提取模块350在用于基于不同频率段的信号波段生成初始能量特征时,具体用于:
确定第三信号波段的最大功率;
计算第四信号波段与第二信号波段的第一能量比;
计算第一信号波段与第二信号波段的第一和值,确定第四信号波段与第一和值的第二能量比;
生成包括最大功率、第一能量比和第二能量比的初始能量特征。
在本公开实施例中,预警模块360在用于基于注意力值和预设的注意力评价信息确定施工人员的注意力水平时,具体用于:
获取施工人员的位置信息;
基于位置信息,从至少一个区域类型中确定出施工人员的当前位置对应的目标区域类型,其中,至少一个区域类型包括休息区域、行政办公区域和项目现场区域;
确定目标区域类型对应的注意力评价信息,其中,不同的区域类型对应不同的注意力评价信息;
基于注意力值和目标区域类型对应的注意力评价信息,确定施工人员的注意力水平。
在本公开实施例中,预警模块360在用于基于注意力值和预设的注意力评价信息确定施工人员的注意力水平时,具体用于:
获取施工人员所在环境的环境数据;
基于环境数据,从至少一个环境类型中确定出施工人员所在环境对应的目标环境类型;
确定目标环境类型对应的注意力评价信息,其中,不同的环境类型对应不同的注意力评价信息;
基于注意力值和目标环境类型对应的注意力评价信息,确定施工人员的注意力水平。
在本公开实施例中,第一特征提取模块320在用于从脑电信号中提取出时域特征时,具体用于:从脑电信号的多个预设的时间节点分别提取子时域特征,将提取出的多个子时域特征融合成一个时域特征;
第三特征提取模块350在用于从N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征时,具体用于:从N个子能量特征中剔除出能量值最大的子能量特征和能量值最小的子能量特征,将剩余的(N-2)个子能量特征作为目标能量特征。
在本公开实施例中,预警模块360还可以用于将包含施工人员的注意力水平的信息发送至目标终端。具体地,在确定出施工人员的注意力水平的信息之后,可以将将包含施工人员的注意力水平的信息发送至某一个目标终端,例如,可以将包含施工人员的注意力水平的信息发送至图1中的终端设备,终端设备可以以预设的展示形式来展示该信息,预设的展示形式可以包括文字形式、图表形式和语音形式等。
可以理解的是,本公开实施例中的基于注意力检测的安全生产监控装置的上述各模块具有实现上述的基于注意力检测的安全生产监控方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述基于注意力检测的安全生产监控装置的各模块的功能描述具体可以参见上述的基于注意力检测的安全生产监控方法的对应描述,在此不再赘述。
本公开的技术方案中,所涉及的客户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
该电子设备包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如本公开实施例提供的方法。
图4示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如方法基于注意力检测的安全生产监控方法。例如,在一些实施例中,方法基于注意力检测的安全生产监控方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的方法基于注意力检测的安全生产监控方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法基于注意力检测的安全生产监控方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种基于注意力检测的安全生产监控方法,包括:
获取施工人员的脑电信号;
从所述脑电信号中提取出时域特征;
对所述脑电信号进行分频处理,得到不同频率段的信号波段;
基于所述不同频率段的信号波段生成动力学特征;
基于所述不同频率段的信号波段生成初始能量特征,并将所述初始能量特征按照预设的时间步长划分为N个子能量特征;
从所述N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征;
基于所述施工人员的时域特征、动力学特征和目标能量特征,确定所述施工人员的注意力水平为预警水平时,向所述目标终端发送预警指令。
2.根据权利要求1所述的方法,其特征在于,所述基于所述施工人员的时域特征、动力学特征和目标能量特征,确定所述施工人员的注意力水平为预警水平时,向所述目标终端发送预警指令,包括:
基于所述时域特征、所述动力学特征和所述目标能量特征,生成所述施工人员的注意力值;
基于所述注意力值和预设的注意力评价信息确定所述施工人员的注意力水平,其中,所述注意力评价信息用于指示各个注意力水平分别对应的注意力值的区间范围;
在确定所述施工人员的注意力水平为预警水平时,向所述目标终端发送预警指令。
3.根据权利要求2所述的方法,其特征在于,所述对所述脑电信号进行分频处理,得到不同频率段的信号波段,包括:
将所述初始能量特征按照预设的频率步长划分为频率段为0.5hz-4hz的第一信号波段、频率段为4hz-8hz的第二信号波段、频率段为8hz-13hz的第三信号波段、频率段为13hz-35hz的第四信号波段、频率大于35hz的第五信号波段;
所述基于所述不同频率段的信号波段生成动力学特征,包括:
计算所述第四信号波段和所述第五信号波段的近似熵、样本熵和模糊熵;
基于计算得到的所述近似熵、所述样本熵和所述模糊熵生成动力学特征。
4.根据权利要求3所述的方法,其特征在于,所述基于所述不同频率段的信号波段生成初始能量特征,包括:
确定所述第三信号波段的最大功率;
计算所述第四信号波段与所述第二信号波段的第一能量比;
计算所述第一信号波段与所述第二信号波段的第一和值,确定所述第四信号波段与所述第一和值的第二能量比;
生成包括所述最大功率、所述第一能量比和所述第二能量比的初始能量特征。
5.根据权利要求2所述的方法,其特征在于,所述基于所述注意力值和预设的注意力评价信息确定所述施工人员的注意力水平,包括:
获取所述施工人员的位置信息;
基于所述位置信息,从至少一个区域类型中确定出所述施工人员的当前位置对应的目标区域类型,其中,所述至少一个区域类型包括休息区域、行政办公区域和项目现场区域;
确定所述目标区域类型对应的注意力评价信息,其中,不同的区域类型对应不同的注意力评价信息;
基于所述注意力值和所述目标区域类型对应的注意力评价信息,确定所述施工人员的注意力水平。
6.根据权利要求2所述的方法,其特征在于,所述基于所述注意力值和预设的注意力评价信息确定所述施工人员的注意力水平,包括:
获取所述施工人员所在环境的环境数据;
基于所述环境数据,从至少一个环境类型中确定出所述施工人员所在环境对应的目标环境类型;
确定所述目标环境类型对应的注意力评价信息,其中,不同的环境类型对应不同的注意力评价信息;
基于所述注意力值和所述目标环境类型对应的注意力评价信息,确定所述施工人员的注意力水平。
7.根据权利要求1所述的方法,其特征在于,所述从所述脑电信号中提取出时域特征,包括:从所述脑电信号的多个预设的时间节点分别提取子时域特征,将提取出的多个所述子时域特征融合成一个时域特征;
所述从所述N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征,包括:从所述N个子能量特征中剔除出能量值最大的子能量特征和能量值最小的子能量特征,将剩余的(N-2)个子能量特征作为目标能量特征。
8.一种基于注意力检测的安全生产监控装置,包括:
信号获取模块,用于获取施工人员的脑电信号;
第一特征提取模块,用于从所述脑电信号中提取出时域特征;
信号分频模块,用于对所述脑电信号进行分频处理,得到不同频率段的信号波段;
第二特征提取模块,用于基于所述不同频率段的信号波段生成动力学特征;
第三特征提取模块,用于基于所述不同频率段的信号波段生成初始能量特征,并将所述初始能量特征按照预设的时间步长划分为N个子能量特征,从所述N个子能量特征中剔除出至少一个能量值异常的子能量特征,将剩余的子能量特征作为目标能量特征;
预警模块,用于基于所述施工人员的时域特征、动力学特征和目标能量特征,确定所述施工人员的注意力水平为预警水平时,向所述目标终端发送预警指令。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的基于注意力检测的安全生产监控方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的基于注意力检测的安全生产监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210926641.4A CN115481650A (zh) | 2022-08-03 | 2022-08-03 | 基于注意力检测的安全生产监控方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210926641.4A CN115481650A (zh) | 2022-08-03 | 2022-08-03 | 基于注意力检测的安全生产监控方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115481650A true CN115481650A (zh) | 2022-12-16 |
Family
ID=84422725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210926641.4A Pending CN115481650A (zh) | 2022-08-03 | 2022-08-03 | 基于注意力检测的安全生产监控方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115481650A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116458882A (zh) * | 2023-02-09 | 2023-07-21 | 清华大学 | 施工工人的注意力水平计算方法及装置 |
-
2022
- 2022-08-03 CN CN202210926641.4A patent/CN115481650A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116458882A (zh) * | 2023-02-09 | 2023-07-21 | 清华大学 | 施工工人的注意力水平计算方法及装置 |
CN116458882B (zh) * | 2023-02-09 | 2024-03-12 | 清华大学 | 施工工人的注意力水平计算方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11201885B2 (en) | Anomaly and malware detection using side channel analysis | |
US11991194B2 (en) | Cognitive neuro-linguistic behavior recognition system for multi-sensor data fusion | |
EP2951654B1 (en) | Methods and systems for online monitoring using a variable data sampling rate | |
CN112615742A (zh) | 用于预警的方法、装置、设备以及存储介质 | |
CN114416685B (zh) | 日志处理方法、系统和存储介质 | |
US20150058615A1 (en) | Apparatus and method for enhancing system usability | |
CN115481650A (zh) | 基于注意力检测的安全生产监控方法、装置及电子设备 | |
US20200092313A1 (en) | Data determination device, data determination method, and data determination program | |
CN113992340A (zh) | 用户异常行为识别方法、装置、设备、存储介质和程序 | |
CN115794578A (zh) | 一种电力系统的数据管理方法、装置、设备及介质 | |
CN115486843A (zh) | 安全生产监控平台 | |
CN110769003B (zh) | 一种网络安全预警的方法、系统、设备及可读存储介质 | |
CN112948223A (zh) | 一种监测运行情况的方法和装置 | |
CN115774856A (zh) | 一种梦境情绪的识别方法、装置、电子设备及存储介质 | |
CN114697247B (zh) | 流媒体系统的故障检测方法、装置、设备和存储介质 | |
CN113838477A (zh) | 音频数据包的丢包恢复方法、装置、电子设备及存储介质 | |
CN114330437A (zh) | 一种故障检测方法及故障分类模型的训练方法、装置 | |
CN115868937B (zh) | 睡眠监测方法、装置、设备、系统和存储介质 | |
CN114120982A (zh) | 语音识别方法、语音处理方法、装置和自动驾驶车辆 | |
CN115481651A (zh) | 基于情绪状态检测的安全生产监控方法、装置及电子设备 | |
CN115486842A (zh) | 基于疲劳度检测的安全生产监控方法、装置及电子设备 | |
CN115032499A (zh) | 输电线路防外力破环的监测方法、装置以及系统 | |
CN116386634A (zh) | 语音处理方法、装置及电子设备 | |
CN115802438A (zh) | 一种数据处理方法、装置、设备及介质 | |
CN113360258A (zh) | 数据处理方法、装置、电子设备及存储介质 |
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 |