一种基于智能手环的检测愤怒驾驶状态的方法及系统
专利汇可以提供一种基于智能手环的检测愤怒驾驶状态的方法及系统专利检索，专利查询，专利分析的服务。并且本 发明 具体涉及一种基于智能手环检测愤怒驾驶状态的方法，包括如下步骤：步骤1：利用智能手环，采集心电 信号 ；步骤2：将心 电信号 输入参数处理模 块 ，输出心电特征参数和个体差异性因素参数；步骤3：将心电特征参数和个体差异性因素参数输入愤怒驾驶状态的学习评估模型，得到驾驶员的愤怒情绪等级；步骤4：利用预警模块，对驾驶员进行提醒。一种基于智能手环检测愤怒驾驶状态的系统，系统中驾驶员佩戴智能手环与智能手机，驾驶员所驾驶车辆上设置有分析主机并能与智能手环、智能手机进行通讯。本发明将个体差异性指标加入神经网络的输入特征，不会干扰驾驶员的正常驾驶，提高了驾驶员愤怒情绪评估的准确率，实现实时检测驾驶员的情绪状态。，下面是一种基于智能手环的检测愤怒驾驶状态的方法及系统专利的具体信息内容。
1.一种基于智能手环的检测愤怒驾驶状态的方法，其特征在于，包括如下步骤：
步骤1：利用智能手环内置的心率传感器，采集心电信号；
步骤2：将步骤1采集的心电信号输入参数处理模块，输出心电特征参数和个体差异性因素参数；
步骤3：将步骤2得到的心电特征参数和个体差异性因素参数输入愤怒驾驶状态的学习评估模型，输出驾驶员的愤怒情绪等级；
步骤4：将步骤3获得的驾驶员的愤怒情绪等级输入预警模块，所述预警模块根据驾驶员的愤怒等级对驾驶员进行提醒；
所述的愤怒驾驶状态的学习评估模型的建立过程包括：
建立三层BP神经网络模型，包括输入层、隐含层和输出层，将智能手机中处理的心电特征参数和个体差异性因素参数作为模型的输入层，选择隐含层节点数并建立输入层至隐含层、隐含层与输出层传递函数，输出层用于输出驾驶员的愤怒情绪等级，对三层BP神经网络模型进行迭代训练，最终得到愤怒驾驶状态的学习评估模型；
所述的心电特征参数包括：两次心跳之间的时间间隔RR间期、RR间期的标准差SDNN、相邻RR间期差值的均方根RMSSD、相邻RR间期之差大于50ms的个数占总窦性心搏个数的百分比PNN50和SDNN的变化率；
所述的个体差异性因素参数包括性别参数和性格特征参数；
所述的性别参数为两种：男和女，分别对应0和1；
所述的性格特征参数为四种：多血质、胆汁质、抑郁质和粘液质，分别对应:2、3、4和5。
2.如权利要求1所述的基于智能手环的检测愤怒驾驶状态的方法，其特征在于，所述参数处理模块对心率传感器采集到的心电信号先进行预处理，然后经过计算得到心电特征参数，所述预处理指对原始的心电信号进行平滑处理，剔除异常值。
3.如权利要求1所述的基于智能手环的检测愤怒驾驶状态的方法，其特征在于，所述愤怒驾驶状态的学习评估模型的建立包括如下步骤：
步骤1：建立三层BP神经网络模型，将参数处理模块得到的心电特征参数和个体差异性因素作为模型的输入层，所述输入层设置七个节点分别为RR间期、RR间期的标准差SDNN、SDNN变化率、相邻RR间期差值的均方根RMSSD、相邻RR间期之差大于50ms的个数占总窦性心搏个数的百分比PNN50、性别和性格特征；
步骤2：根据经验公式 选择隐含层节点数，式中N代表隐含层的节点个数，n代表输入层节点的个数，m代表输出层节点的个数a是常量，其中n＝7，m＝3，a为正整数；
步骤3：利用Logsig函数作为隐含层与输出层传递函数，表达式为 输出
结果在[0，1]之间，设置输出层节点为3，输出层的输出格式设置为100、010、001，使得100、
010、001分别对应驾驶员的愤怒情绪的三个等级平静、轻度愤怒、重度愤怒，通过反向传播算法迭代训练，修正神经网络模型的阈值和权值，最终得到愤怒驾驶状态的学习评估模型。
4.如权利要求1所述的基于智能手环的检测愤怒驾驶状态的方法，其特征在于，所述预警模块接收分析主机中传来的预测的驾驶员所处的愤怒状态等级，若判断驾驶员为愤怒驾驶状态，智能手机上的APP自动开启声音，用语音提示的方式，对驾驶员进行提醒。
5.一种基于智能手环的检测愤怒驾驶状态的系统，其特征在于，该系统中驾驶员佩戴智能手环与智能手机，驾驶员所驾驶车辆上设置有分析主机，所述智能手环和智能手机能与分析主机进行通讯；
所述的智能手环内置有心率传感器，用于采集心电信号；
所述的智能手机内置有APP，包括参数处理模块，参数处理模块用于将心率传感器采集到的心电信号处理为心电特征参数和获取并处理个体差异性因素参数。
所述的分析主机内置有愤怒驾驶状态的学习评估模型，所述愤怒驾驶状态的学习评估模型能检测驾驶员的愤怒情绪等级；
所述的智能手机和智能手环共同组成预警模块，预警模块用于根据分析主机传递的驾驶员的愤怒状态而对驾驶员进行提醒；
所述的愤怒驾驶状态的学习评估模型的建立过程包括：
建立三层BP神经网络模型，包括输入层、隐含层和输出层，将智能手机中处理的心电特征参数和个体差异性因素参数作为模型的输入层，选择隐含层节点数并建立输入层与隐含层、隐含层与输出层的传递函数，得到输出层，输出层用于输出驾驶员的愤怒情绪等级，对三层BP神经网络模型进行迭代训练，最终得到愤怒驾驶状态的学习评估模型。
所述的心电特征参数包括：两次心跳之间的时间间隔RR间期、相关的RR间期的标准差SDNN、相邻RR间期差值的均方根RMSSD、相邻RR间期之差大于50ms的个数占总窦性心搏个数的百分比PNN50和SDNN的变化率；
所述的个体差异性因素参数包括性别参数和性格特征参数；
所述的性别参数为两种：男和女，分别对应0和1；
所述的性格特征参数为四种：多血质、胆汁质、抑郁质和粘液质，分别对应2、3、4和5。
6.如权利要求5所述的基于智能手环的检测愤怒驾驶状态的系统，其特征在于，所述参数处理模块对心率传感器采集到的心电信号先进行预处理，然后经过计算得到心电特征参数，所述预处理指对原始的心电信号进行平滑处理，剔除异常值。
7.如权利要求5所述的基于智能手环的检测愤怒驾驶状态的系统，其特征在于，所述愤怒驾驶状态的学习评估模型的建立包括如下步骤：
步骤1：建立三层BP神经网络模型，将参数处理模块得到的心电特征参数和个体差异性因素作为模型的输入层，所述输入层设置七个节点分别为RR间期、RR间期的标准差SDNN、SDNN变化率、相邻RR间期差值的均方根RMSSD、相邻RR间期之差大于50ms的个数占总窦性心搏个数的百分比PNN50、性别和性格特征；
步骤2：根据经验公式 选择隐含层节点数，式中N代表隐含层的节点个数，n代表输入层节点的个数，m代表输出层节点的个数a是常量，其中n＝7，m＝3，a为正整数；
步骤3：利用Logsig函数作为隐含层与输出层传递函数，表达式为 输出
结果在[0，1]之间，设置输出层节点为3，输出层的输出格式设置为100、010、001，使得100、
010、001分别对应驾驶员的愤怒情绪的三个等级平静、轻度愤怒、重度愤怒，通过反向传播算法迭代训练，修正神经网络模型的阈值和权值，最终得到愤怒驾驶状态的学习评估模型。
8.如权利要求5所述的基于智能手环的检测愤怒驾驶状态的系统，其特征在于，所述预警模块接收分析主机中传来的预测的驾驶员所处的愤怒状态等级，若判断驾驶员为愤怒驾驶状态，智能手机上的APP自动开启声音，用语音提示的方式，对驾驶员进行提醒。
一种基于智能手环的检测愤怒驾驶状态的方法及系统
技术领域
背景技术
发明内容
100、010、001分别对应驾驶员的愤怒情绪的三个等级平静、轻度愤怒、重度愤怒，通过反向传播算法迭代训练，修正神经网络模型的阈值和权值，最终得到愤怒驾驶状态的学习评估模型。
具体实施方式
100、010、001，使得100、010、001分别对应驾驶员的愤怒情绪的三个等级平静、轻度愤怒、重度愤怒，通过反向传播算法迭代训练，修正神经网络模型的阈值和权值，最终得到愤怒驾驶状态的学习评估模型。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 声音产生设备 | 2020-05-08 | 109 |
| 铁路货车滚轴承甩油故障检测方法 | 2020-05-08 | 960 |
| 非临床环境下对高血压进行非干预式的监测和评估方法 | 2020-05-11 | 847 |
| 网络设备开关控制机构 | 2020-05-12 | 84 |
| 一种列车网络控制系统超速防护控制方法 | 2020-05-11 | 235 |
| 一种用于餐饮后厨的智能巡查方法 | 2020-05-11 | 321 |
| 一种工程造价的实时动态跟踪方法及装置 | 2020-05-08 | 414 |
| 一种基于深度学习的遥感影像自动标注方法 | 2020-05-08 | 887 |
| 一种摄像头自动跟随人脸转动的控制方法 | 2020-05-08 | 20 |
| 一种用于政务地图服务的用户兴趣检测方法及系统 | 2020-05-08 | 295 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
