JP2013000283A - 眠気判定装置 - Google Patents

Abstract

【課題】脳活動を直接的に反映している脳波のみを用いて雑音の含まれている区間と雑音の少ない区間を識別し、低コストでリアルタイム性の高い、高精度な眠気判定を行う。
【解決手段】脳波検出部２で検出した時間領域の脳波データを周波数分析部１２で周波数領域のデータに変換し、周波数領域のデータから得られるパワースペクトルからδ帯域，θ帯域，α帯域，β帯域のそれぞれのパワーを求める。そして、筋電検出部１３でβ帯域のパワーから筋電発生を検出し、眠気指標算出部１４でδ,θ,α帯域の各パワーから眠気指標を求め、「筋電無し」の場合、眠気指標ＳＬから眠気を判定して眠気判定部１５から眠気情報を出力し、「筋電有り」の場合、高覚醒の情報を出力する。これにより、脳波のみを用いて雑音の含まれている区間と雑音の少ない区間を識別することができ、低コストでリアルタイム性の高い高精度な眠気判定が可能となる。
【選択図】図１

Description

本発明は、例えば車両を運転するドライバ等の被験者の脳波を検出して眠気を判定する眠気判定装置に関する。

近年、自動車を運転するドライバ等を被験者として、ドライバの表情，瞬目，心拍，体温，呼吸，皮膚インピーダンス等の生体信号を計測して眠気を推定する技術が研究・開発されている。これらの生体信号のうち、脳波以外の信号は、脳活動の結果引き起こされた間接的な身体反応によるものであり、脳波は脳活動を直接的に反映しているため、眠気に関しても最も直接的な指標になる可能性が高い。脳波は、一般的には、周波数で分類され、周波数の低いほうから順に、δ波、θ波、α波、β波で代表される。

このため、従来から、脳波を用いて眠気（覚醒度）を推定する技術が各種提案されており、例えば、特許文献１には、脳波の周波数分析を行い、その結果、α波の振幅が基準振幅値以上となった回数をカウンタで測定し、カウンタ値で覚醒度を推定する技術が提案されている。

また、特許文献２には、脳波に含まれるα波のパワーとβ波のパワーとの比率を用いて覚醒度を推定する技術が開示されており、特許文献３には、α波帯域の振幅値と筋肉の収縮に伴う信号（筋電信号）の振幅値との比で覚醒度を推定する技術が提案されている。

特開平７−７９９３７号公報 特開２００７−２８０号公報 特開平７−７９９３６号公報

しかしながら、特許文献１に開示の技術では、脳波に、瞬目、眼球運動、筋電等の雑音が混入した場合、それらの雑音によりカウンタがミスカウントする場合があり、ドライバの覚醒度が実際より低く判定される虞がある。

車両を運転中のドライバは、ハンドル・ブレーキ・アクセル等の運転操作や首を動かしての安全確認や座り直しなどを行っており、ドライバの体の動きに伴って発生する筋電のスペクトルは、脳波よりも高い周波数まで広帯域に分布している。また、車載されている様々な電子装置は、動作中に雑音を周囲に放射している。従って、これらの筋電による雑音や外来雑音により、覚醒度の判定ミスが発生すると、不適切な警報、運転支援制御等がなされ、ドライバが不快感を感じてしまう。一方、このような判定ミスを防ぐため長時間の測定を行い、平均処理を施すと、覚醒度判定にリアルタイム性が失われ、適切な運転支援制御が困難となる。

また、特許文献２に開示の技術では、覚醒度評価指標として、少なくともα波のパワーとβ波のパワーとの比率を含む複数の生理指標特徴量を用いている。筋電のスペクトルは、脳波よりも高い周波数まで広帯域に分布しているので、覚醒度の低下によりα波が増大すると共に、筋電が発生してβ波が増大するようなケースでは、筋電雑音によって覚醒度の判定に誤判定が生じる虞がある。また、複数の生理指標を覚醒度判定に使用することは、複数のセンサを必要とするため、コストアップの原因となる。

更に、特許文献３の技術では、覚醒度評価指標として、α波のパワーと筋電のパワーとの比を用いている。従って、覚醒度の低下によりα波が増大すると共に、筋電が発生するようなケースでは、筋電が雑音となって覚醒度の判定に誤判定が生じる虞がある。さらに、筋電のスペクトルは、脳波よりも高い周波数まで広帯域に分布しているため、筋電を測定するには、脳波測定と比較してサンプリング周波数を高くする必要があり、回路の消費電力が増大するばかりでなく、高サンプリングクロックに対応した回路部品を要してコストが増大してしまう。

本発明は上記事情に鑑みてなされたもので、脳活動を直接的に反映している脳波のみを用いて雑音の含まれている区間と雑音の少ない区間を識別し、低コストでリアルタイム性の高い、高精度な眠気判定を行うことのできる眠気判定装置を提供することを目的としている。

本発明による眠気判定装置は、被験者の脳波を検出して眠気を判定する眠気判定装置であって、前記脳波のデータを時間領域で検出する脳波検出部と、前記時間領域の脳波データを周波数分析して周波数帯域別に脳波のパワーを求める周波数分析部と、前記周波数帯域別の脳波のパワーのうち、β波の周波数帯域の脳波のパワーから筋電を検出する筋電検出部と、前記β波の周波数帯域以外の帯域の脳波のパワーに基づいて眠気指標を算出する眠気指標算出部と、前記筋電検出部の筋電検出結果と前記眠気指標算出部で算出した前記眠気指標とに基づいて、前記被験者の眠気を判定する眠気判定部とを備えている。

本発明によれば、脳活動を直接的に反映している脳波のみを用いて雑音の含まれている区間と雑音の少ない区間を識別することができ、低コストでリアルタイム性の高い、高精度な眠気判定を行うことができる。

眠気判定装置の全体構成図 脳波データの波形図 オーバーラップ処理の説明図 β帯域のパワーの時間変化を示す波形図 眠気判定処理のフローチャート

以下、図面を参照して本発明の実施の形態を説明する。
図１において、符号１は、例えば自動車等の車両を運転するドライバを被験者として、眠気を判定する眠気判定装置であり、脳波検出部２で被験者（ドライバ）の脳波を検出し、検出した脳波データに基づいて、マイクロコンピュータ等からなる処理ユニット１０で被験者（ドライバ）の眠気を判定する。処理ユニット１０の眠気判定に係る機能は、以下に説明する各機能部、すなわち、オーバーラップ処理部１１、周波数分析部１２、筋電検出部１３、眠気指標算出部１４、眠気判定部１５を主として形成されている。

脳波検出部２は、例えば、脳波を検出する電極と信号処理回路とを内蔵するキャップ状に形成され、ドライバの頭部に装着される。電極は、ドライバの頭部、耳朶、額の何れかの領域の２カ所（但し、耳朶のみの２カ所は除く）に接触するように配置され、例えば、国際１０−２０法におけるＰｚ部位を単極導出によって検出し、図２に示すように、微弱電圧の時間変化波形で示される脳波データを得る。検出された脳波データは、図示しないアンチエリアスフィルタや増幅器等により処理された後、Ａ／Ｄ変換され、デジタル化された脳波データが処理ユニット１０に伝送される。

尚、この場合、脳波検出部２から処理ユニット１０へのデータの伝送は、ケーブルを介することなく無線により行うことが望ましい。脳波検出部２と処理ユニット１０とを無線通信で接続することにより、ケーブルによるドライバの拘束感とケーブルの揺れに伴う雑音発生とを低減することが可能となる。

処理ユニット１０は、時間領域で得られる脳波データを周波数領域のデータに変換し、周波数領域のデータから得られるパワースペクトルから、δ帯域，θ帯域，α帯域，β帯域のそれぞれのパワーを求める。そして、β帯域のパワーから筋電発生つまり体の動きを認識してドライバの覚醒度を判断し、覚醒度が高くない場合、δ,θ,α帯域の各パワーから求めた眠気指標により、ドライバの眠気を判定する。

詳細には、脳波検出部２からの脳波データは、周波数分析の前処理として、先ず、オーバーラップ処理部１１に入力され、オーバーラップウィンドウ処理される。すなわち、時間領域のデータを周波数領域のデータに変換する際、時間データを切り出す位置（窓関数を適用する位置；ウィンドウ位置）を、図３（ａ）に示すよに、重なりのないグループ１，２，３，…とすると、脳波のように不規則に変化する信号では、データの欠落を招く虞がある。

このため、オーバーラップ処理部１１では、図３（ｂ）に示すように、ウィンドウ位置をオーバラップさせることにより、新たに周波数変換処理するウィンドウでのデータとして、１つ前のデータの１部を利用する（オーバラップ処理）。このオーバーラップ処理により、データの欠落を防止することができると共に時間分解能を高めることができる。

尚、本実施の形態においては、入力データを５０％だけオーバーラップしたウィンドウによって分割しているが、オーバーラップ率は５０％に限らず、任意の値にすることが可能である。

周波数分析部１２は、オーバーラップ処理された時間領域の脳波データを周波数領域のデータに変換する。時間領域から周波数領域への変換は、ＦＦＴ（高速フーリエ変換）を用いて処理するが、ＦＦＴ処理では入力データ数は２のべき乗が適しているため、入力されるデータの数が２のべき乗でない場合、データの前若しくは後若しくは前後に必要なだけゼロを付加することでデータ数を２のべき乗として、処理の高速化を図る。

更に、周波数分析部１２は、ＦＦＴ処理後のデータをパワースペクトルに変換し、得られたパワースペクトルから、異なる周波数帯域毎のパワーを積分により求める。本実施の形態においては、δ帯域，θ帯域，α帯域，β帯域の４種類の周波数帯域についてパワーを求め、β帯域のパワーを筋電検出部１３に送り、その他のδ,θ,α帯域のパワーを眠気指標算出部１４に送る。尚、ここでは、パワーを求める周波数帯域は、δ,θ,α,β帯域の４種類としたが、これらの帯域のうちの少なくとも１つ以上の帯域のパワーを求めるようにしても良く、周波数帯域を更に細分化してパワーを求めるようにしても良い。

筋電検出部１３は、β帯域のパワーから筋電発生を認識し、脳波データに含まれる筋電雑音を検出する。筋電雑音は、脳波よりも高い周波数を中心に分布することが多いため、具体的には、閾値設定部１３ａで筋電の発生を示す閾値Ｔhを設定し、筋電検出部１３でβ帯域のパワーと閾値Ｔhとを比較する、そして、β帯域のパワーが閾値Ｔh以上のときには、筋電発生つまり体の動きがあると認識して眠気判定部１５に「筋電有り」との情報を送り、逆にβ帯域のパワーが閾Ｔh1未満のとき、眠気判定部１５に「筋電無し」との情報を送る。

図４は、脳波の周波数分析で得られたβ帯域のパワーの時間変化を示しており、同図中のＡ点で小さな波形のピークが出現し、その後、更にＢ点で相対的に大きな波形のピークが出現している。これらのピークは、ドライバが体を動かしたことにより生じた筋電の影響を示しており、閾値設定部１３ａでＡ点でのパワーのピークレベルと筋電が発生していないときのパワーのレベル（図４中のＣのレベル）との間に閾値Ｔhを設定しておくことにより、体動に伴う筋電発生を正確に検出することができる。

尚、厳密には、筋電が発生していないときの脳波のパワーレベルはドライバ個人によって異なるため、運転開始時に測定したレベルに基づいて、閾値設定部１３ａで閾値Ｔhを調整するようにしても良い。

眠気指標算出部１４は、β帯域以外の帯域のパワー、本実施の形態においては、δ帯域のパワーＰδとθ帯域のパワーＰθとα帯域のパワーＰαとを用いて、下式で定義される眠気指標ＳＬを算出する。
ＳＬ＝ｗδ×Ｐδ＋ｗθ×Ｐθ＋ｗα×Ｐα
但し、ｗδ：δ波の眠気指標に対する重み
ｗθ：θ波の眠気指標に対する重み
ｗα：α波の眠気指標に対する重み

尚、ここでは、重みｗδ,ｗθ,ｗαは、予め決められた標準的な値とするが、運転開始時の高覚醒状態の脳波データを利用して個人適合のために値を変更するようにしても良い。また、眠気指標の導出に、δ，θ，α帯域の各パワーを用いたが、各帯域のパワーを周波数軸上で更に細分化して眠気指標を求めるようにしても良く、逆に、これらの一部を用いて眠気指標を導出するようにしても良い。

更に、本実施の形態においては、筋電検出部１３における筋電の検出と眠気指標算出部１４における眠気指標の算出とは並行して行うようにしている。しかしながら、演算負荷の低減のため、周波数分析部１２でβ帯域の脳波のパワーを最初に求め、筋電検出部１３で筋電が検出されたとき、すなわちβ帯域のパワーが閾値Ｔh以上のときには、眠気指標の算出は行わないようにしても良い。

眠気判定部１５は、筋電検出部１３からの情報と眠気指標算出部１４からの情報により、ドライバの眠気を判定する。筋電検出部１３からの情報が「筋電無し」の場合には、眠気指標ＳＬからドライバの眠気を判定し、眠気情報を出力する。例えば、眠気指標ＳＬを５段階のレベルに分類し、レベル１が軽い眠気を催している状態、レベル５が睡眠状態として眠気情報を出力する。一方、筋電検出部１３からの情報が「筋電有り」の場合には、ドライバは高覚醒であるとの情報を出力する。

以上の処理ユニット１０における処理は、図５のフローチャートに示す眠気判定のプログラム処理として実行される。次に、眠気判定のプログラム処理について説明する。

この眠気判定処理では、先ず、最初のステップＳ１において、脳波データを一定時間刻みで切り出し、必要に応じてオーバラップ処理を行う。このオーバラップ処理により、データの欠落を防止すると共に時間分解能を高め、瞬間的な眠気も把握可能となる。次いで、ステップＳ２へ進み、ゼロデータを付加する等してウィンドウ処理を行い、ステップＳ３でＦＦＴ処理を行って時間領域の脳波データを周波数領域のデータに変換する。

続くステップＳ４では、δ,θ,α,βの各帯域毎にパワーを算出し、ステップＳ５でβ帯域のパワーが閾値Ｔh以上か否かを調べる。その結果、β帯域のパワーが閾値Ｔh以上である場合には、「筋電有り」と判断してステップＳ５からステップＳ６へ進み、ドライバは高覚醒であるとの情報を出力する。一方、β帯域のパワーが閾値Ｔh未満の場合、「筋電無し」と判断してステップＳ５からステップＳ７へ進み、上述の（１）式に従って眠気指標ＳＬを算出する。そして、この眠気指標ＳＬからドライバの眠気を判定して眠気情報を出力する。

このように本実施の形態においては、ドライバの脳活動を直接的に反映している脳波のみを用いて、筋電等の雑音の含まれている区間と雑音の少ない区間を識別することができ、リアルタイム性の高い高精度な眠気判定を行うことができる。すなわち、センサを用いて筋電を検出する場合、センサや信号処理回路に要するコスト増加を招くばかりでなく、筋電は高い周波数を含んでいるため、Ａ／Ｄ変換器等のサンプリング周波数を高くする必要があり、回路の消費電力が増大してしまう。

これに対して、本発明による眠気判定装置は、β波から筋電を判定するため、Ａ／Ｄ変換器のサンプリング周波数を比較的低くしても筋電を識別することができ、高精度に脳波から眠気を判定することができる。これにより、低消費電力・低コストで効率的なシステムを実現することが可能となる。また、眠気判定を行う時間分解能を高くすることができるので、眠気判定情報をドライバ支援に利用すれば、リアルタイム性の高い支援を行うことができ、安全性と快適性の両立を図ることが可能となる。

１ 眠気判定装置
２ 脳波検出部
１０ 処理ユニット
１１ オーバーラップ処理部
１２ 周波数分析部
１３ 筋電検出部
１３ａ 閾値設定部
１４ 眠気指標算出部
１５ 眠気判定部
Ｐα α帯域のパワー
Ｐδ δ帯域のパワー
Ｐθ θ帯域のパワー
ＳＬ 眠気指標
Ｔh 閾値

Claims (8)

1. 被験者の脳波を検出して眠気を判定する眠気判定装置であって、
   前記脳波のデータを時間領域で検出する脳波検出部と、
   前記時間領域の脳波データを周波数分析して周波数帯域別に脳波のパワーを求める周波数分析部と、
   前記周波数帯域別の脳波のパワーのうち、β波の周波数帯域の脳波のパワーから筋電を検出する筋電検出部と、
   前記β波の周波数帯域以外の帯域の脳波のパワーに基づいて眠気指標を算出する眠気指標算出部と、
   前記筋電検出部の筋電検出結果と前記眠気指標算出部で算出した前記眠気指標とに基づいて、前記被験者の眠気を判定する眠気判定部と
   を備えることを特徴とする眠気判定装置。
2. 前記筋電を、前記β波の周波数帯域の脳波のパワーを予め設定された閾値と比較することにより検出することを特徴とする請求項１記載の眠気判定装置。
3. 前記閾値を、前記被験者が高覚醒状態での脳波を使って調整することを特徴とする請求項２記載の眠気判定装置。
4. 前記眠気指標を、δ波の周波数帯域とθ波の周波数帯域とα波の周波数帯域とのうちの少なくとも１つ以上の周波数帯域の脳波のパワーを用いて求めることを特徴とする請求項１〜３の何れかに記載の眠気判定装置。
5. δ波の周波数帯域とθ波の周波数帯域とα波の周波数帯域とのうちのすくなくとも１つ以上の周波数帯域を更に分割し、分割した周波数帯域の脳波のパワーを用いて前記眠気指標を求めることを特徴とする請求項１〜３の何れかに記載の眠気判定装置。
6. 筋電が検出されたときに前記被験者は高覚醒であると判定し、筋電が検出されなかったときには、前記眠気指標に基づいて前記被験者の眠気を判定することを特徴とする請求項１〜５の何れかに記載の眠気判定装置。
7. 前記周波数分析の際に前記β波の周波数帯域の脳波のパワーを最初に求め、該パワーが閾値以上の場合、前記眠気指標の算出を行わないことを特徴とする請求項１〜６の何れかに記載の眠気判定装置。
8. 前記時間領域の脳波データをオーバーラップ処理した後、前記周波数分析を行うことを特徴とする請求項１〜７の何れかに記載の眠気判定装置。

Images