司机注意力评价预警系统及其实施方法专利检索-小波变换稀疏变换信号处理专利检索查询-专利查询网

司机注意力评价预警系统及其实施方法

阅读：1027发布：2020-08-15

专利汇可以提供司机注意力评价预警系统及其实施方法专利检索，专利查询，专利分析的服务。并且本发明揭示了一种单点采集的司机注意力评价及预警解决方案，实时监测司机的驾驶状态，以便当司机处于疲劳状态时予以可靠提醒。其主要包括脑电采集子系统、注意力评价子系统以及驾驶预警子系统。采用脑波耳机实时记录来自司机前额的EEG 信号，由蓝牙传输到注意力评价子系统予以分析；注意力评价子系统利用开始1分钟内采集到的θ、α节律波的数据构建各自的样本空间。将司机的驾驶疲劳状态分类并将分析结果传输到驾驶预警子系统，司机的智能手机对分析结果进行显示并自动实施相应地预警操作。应用本发明的司机注意力评价预警方案，设备结构简单、便于携带穿戴、预警及时，同时降低了算法复杂度，能降低因疲劳驾驶导致的交通事故率。，下面是司机注意力评价预警系统及其实施方法专利的具体信息内容。

权利要求

1.司机注意力评价预警系统，与司机的智能手机相关联，其特征在于系统构成包括：
脑电采集子系统：用于实时记录驾驶状态中司机的EEG 信号，并信号处理作为注意力评价的源数据；
注意力评价子系统：用于对源数据进行滤波、提取所需波段的时域波形并进行算法分析和分类识别，得到疲劳状态；
驾驶预警子系统：为基于智能手机硬件的APP，用于根据所得到的司机疲劳状态，并结合设定的驾驶模式通过智能手机反馈对应注意力弱集中状态的预警信息；
三个子系统逐次通信相联且数据交互。
2.根据权利要求1所述司机注意力评价预警系统，其特征在于：所述脑电采集子系统面向注意力评价子系统单向通信，所述注意力评价子系统面向驾驶预警子系统单向通信，且单向通信基于蓝牙设备实现。
3.根据权利要求1所述司机注意力评价预警系统，其特征在于：所述脑电采集子系统为针对EEG信号在正常范围内的波动趋势和个体差异动态补偿的单通道采集器，采集点设为司机的侧向前额、而参考点设为司机的一侧耳垂。
4.根据权利要求1所述司机注意力评价预警系统，其特征在于所述注意力评价子系统的构成包括：
提取特征信号模块，用于利用小波变换从EEG信号中提取出特征节律波θ和α；
特征样本模块，用于利用初始设定时段采集到的特征节律波θ和α构建特征样本空间；
距离计算加权模块，用于计算实时信号与特征样本空间的距离并加权求和；
模式匹配模块，用于比对所得的距离与预设阀值的关系，匹配得到从注意力集中到注意力涣散两种以上程度的疲劳状态判定结果。
5.根据权利要求1所述司机注意力评价预警系统，其特征在于：所述驾驶预警子系统基于智能手机设有驾驶模式输入接口及用于输出预警信号的声光单元、振动单元和自动导航单元。
6.司机注意力评价预警方法，与司机的智能手机关联实现，其特征在于包括步骤：
脑电采集：利用脑电采集子系统实时记录驾驶状态中司机的EEG信号，并信号处理作为注意力评价的源数据；
注意力评价：利用注意力评价子系统对源数据进行滤波、提取所需波段的时域波形并进行算法分析和分类识别，得到疲劳状态；
驾驶预警：利用驾驶预警子系统基于智能手机硬件的APP，根据所得到的司机疲劳状态，并结合设定的驾驶模式通过智能手机反馈对应注意力弱集中状态的预警信息；
三个子系统逐次通信相联且数据交互。
7.根据权利要求1所述司机注意力评价预警方法，其特征在于：所述脑电采集子系统面向注意力评价子系统单向通信，所述注意力评价子系统面向驾驶预警子系统单向通信，且单向通信采用蓝牙的方式实现。
8.根据权利要求1所述司机注意力评价预警方法，其特征在于：所述脑电采集针对EEG信号在正常范围内的波动趋势和个体差异动态补偿且采取头套方式将采集点设为司机的侧向前额、参考点设为司机的一侧耳垂，进行单通道采集EEG信号。
9.根据权利要求1所述司机注意力评价预警方法，其特征在于所述注意力评价包括步骤：
提取特征信号，利用小波变换从EEG信号中提取出特征节律波θ和α；
建立特征样本，利用初始设定时段采集到的特征节律波θ和α构建特征样本空间；
距离计算加权，计算实时信号与特征样本空间的距离并加权求和；
模式匹配，比对所得的距离与预设阀值的关系，匹配得到从注意力集中到注意力涣散两种以上程度的疲劳状态判定结果。
10.根据权利要求1所述司机注意力评价预警方法，其特征在于：驾驶预警中基于智能手机设置驾驶模式输入接口及声光单元、振动单元和自动导航单元，司机手动输入或智能手机智能识别驾驶模式，智能手机根据司机疲劳状态的判定结果响应输出语音提示、光色提醒、振动刺激或自动导航引导司机驶入最近的服务区休息。

说明书全文

司机注意力评价预警系统及其实施方法

技术领域

[0001] 本发明涉及一种基于脑电信号分析的疲劳驾驶预警系统，属于机电与通信的结合领域。

背景技术

[0002] 调查研究显示，疲劳是影响司机安全驾驶的一个重要因素。司机疲劳时，会出现视线模糊、腰酸背疼、动作呆板、手脚发胀或有精力不集中、反应迟钝、思考不周全、精神涣散、焦虑、急躁等现象。如果仍勉强驾驶车辆，则很可能导致交通事故的发生。据不完全统计全世界每年发生的交通事故高达10多亿次，而由于司机的疲劳驾驶引起的事故约占总事故件数的20% ～30%，且疲劳驾驶造成的事故死亡率占所有交通事故死亡率的70%左右。故近年来，司机疲劳驾驶问题已受到世界各国越来越多研究人员的关注，其中针对疲劳驾驶检测方法而进行的研究更具重要的现实意义。为了控制机动车驾驶事故，疲劳驾驶的解决成为了重中之重。

[0003] 近年来，随着脑机接口（BCI）领域技术的飞速发展，使得仅仅通过人脑的思维活动实现对外部环境的控制成为可能。大量文献指出，脑电信号（英文简称EEG）各节律波（δ波、θ波、α波、β波）与人脑所处的诸如警觉、疲劳等状态具有紧密的联系。当人体处于警觉状态时，脑电信号中的α波在前额区的活动明显强于其他波段；而当人体处于疲劳状态时，α波将受到抑制，而θ波在颞叶区域的活动变得最为显著。因此，利用脑电信号节律波的变化情况来判断驾驶者所处状态已成为可能。

发明内容

[0004] 为了解决上述技术问题，本发明的目的旨在提出一种单点采集的司机注意力评价及预警方案，基于脑电信号的注意力分析来检测驾驶员的疲劳程度，解决当司机感到疲劳时系统予以自动及时提醒的问题。

[0005] 本发明实现上述目的的一种技术解决方案是，司机注意力评价预警系统，与司机的智能手机相关联，其特征在于系统构成包括：脑电采集子系统：用于实时记录驾驶状态中司机的EEG信号，并信号处理作为注意力评价的源数据；
注意力评价子系统：用于对源数据进行滤波、提取所需波段的时域波形并进行算法分析和分类识别，得到疲劳状态；
驾驶预警子系统：为基于智能手机硬件的APP，用于根据所得到的司机疲劳状态，并结合设定的驾驶模式通过智能手机反馈对应注意力弱集中状态的预警信息；
三个子系统逐次通信相联且数据交互。

[0006] 进一步地，所述脑电采集子系统面向注意力评价子系统单向通信，所述注意力评价子系统面向驾驶预警子系统单向通信，且单向通信基于蓝牙设备实现。

[0007] 进一步地，所述脑电采集子系统为针对EEG信号在正常范围内的波动趋势和个体差异动态补偿的单通道采集器，采集点设为司机的侧向前额、而参考点设为司机的一侧耳垂。

[0008] 进一步地，所述注意力评价子系统的构成包括：提取特征信号模块，用于利用小波变换从EEG信号中提取出特征节律波θ和α；
特征样本模块，用于利用初始设定时段采集到的特征节律波θ和α构建特征样本空间；
距离计算加权模块，用于计算实时信号与特征样本空间的距离并加权求和；
模式匹配模块，用于比对所得的距离与预设阀值的关系，匹配得到从注意力集中到注意力涣散两种以上程度的疲劳状态判定结果。

[0009] 进一步地，所述驾驶预警子系统基于智能手机设有驾驶模式输入接口及用于输出预警信号的声光单元、振动单元和自动导航单元。

[0010] 本发明实现上述目的的另一种技术解决方案是，司机注意力评价预警方法，与司机的智能手机关联实现，其特征在于包括步骤：脑电采集：利用脑电采集子系统实时记录驾驶状态中司机的EEG信号，并信号处理作为注意力评价的源数据；
注意力评价：利用注意力评价子系统对源数据进行滤波、提取所需波段的时域波形并进行算法分析和分类识别，得到疲劳状态；
驾驶预警：利用驾驶预警子系统基于智能手机硬件的APP，根据所得到的司机疲劳状态，并结合设定的驾驶模式通过智能手机反馈对应注意力弱集中状态的预警信息；
三个子系统逐次通信相联且数据交互。

[0011] 进一步地，所述脑电采集子系统面向注意力评价子系统单向通信，所述注意力评价子系统面向驾驶预警子系统单向通信，且单向通信采用蓝牙的方式实现。

[0012] 进一步地，所述脑电采集针对EEG信号在正常范围内的波动趋势和个体差异动态补偿且采取头套方式将采集点设为司机的侧向前额、参考点设为司机的一侧耳垂，进行单通道采集EEG信号。

[0013] 进一步地，其特征在于所述注意力评价包括步骤：提取特征信号，利用小波变换从EEG信号中提取出特征节律波θ和α；
建立特征样本，利用初始设定时段采集到的特征节律波θ和α构建特征样本空间；
距离计算加权，计算实时信号与特征样本空间的距离并加权求和；
模式匹配，比对所得的距离与预设阀值的关系，匹配得到从注意力集中到注意力涣散两种以上程度的疲劳状态判定结果。

[0014] 进一步地，驾驶预警中基于智能手机设置驾驶模式输入接口及声光单元、振动单元和自动导航单元，司机手动输入或智能手机智能识别驾驶模式，智能手机根据司机疲劳状态的判定结果响应输出语音提示、光色提醒、振动刺激或自动导航引导司机驶入最近的服务区休息。

[0015] 应用本发明司机注意力评价及预警方案，具备突出的实质性特点和显著的进步性：本发明采用了便携式脑电采集和分析设备，并且脑电采集设备采用单通道脑电采集方式，使结构更加简单，便于携带，降低了算法的复杂度，提高了司机的舒适度。基于所采集到的脑电信号进行滤波、信号处理、算法分析并得到司机疲劳状态并预警，实现了防患疲劳驾驶的功能，且判断精度高、预警及时、易于操作，可以有效解决高速公路上疲劳驾驶的问题，具有较高的实用价值。附图说明

[0016] 图1为本发明司机注意力评价预警系统的架构及通信示意图。

[0017] 图2为脑电采集设备的安装示意图。

[0018] 图3为图2另一视角的安装示意图。

[0019] 图4为本发明司机注意力评价预警方法的算法流程图。

[0020] 图5为智能手机APP初始使用界面示意简图。

[0021] 图6为智能手机APP一般模式使用界面示意简图。

具体实施方式

[0022] 以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握，从而对本发明的保护范围做出更为清晰的界定和支持。

[0023] 本发明是一种基于脑电分析的疲劳驾驶预警系统，如图1所示，本系统主要包括三个部分：脑电采集子系统、注意力评价子系统以及驾驶预警子系统。各个子系统相互独立又相辅相成、可进行数据传输，依据特定的传输协议进行数据交互。脑电采集子系统与注意力评价子系统通过蓝牙设备相连，用于实时采集驾驶状态中驾驶员的脑电信号；注意力评价子系统根据脑电采集子系统得到的数据，进行算法分析，并将分析结果通过蓝牙传输设备发送给驾驶预警子系统。驾驶预警子系统为手机中自主开发的APP 软件，驾驶预警子系统在收到注意力评价子系统的数据后，根据收到的数据判断驾驶员是否处于注意力不集中状态。当检测到驾驶员处于注意力不集中状态时，手机振动，并发出警报提醒驾驶员。为便于理解实现方式，从各子系统的实施细节详述如下。

[0024] 一、脑电采集子系统，采用“慢速自适应”算法。针对不同使用者脑电波信号在正常范围内的波动趋势和个体差异进行动态补偿，以进行信号的校准。能够适用于不同的人群和不同的周边环境。在不同的应用场景下都能够具有非常好的准确性和可靠性。采用单导干电极技术，脑电信号采集变得简单易用，佩戴安全、舒适。ThinkGear™从噪音环境中分离出脑电波信号，经过放大处理，产生清晰的脑电波信号。并且采用单通道采集方式，使结构更加简单，便于携带，降低了算法的复杂度，提高了司机的舒适度。

[0025] ThinkGear™ ASIC芯片技术特性：1、采用单导干电极测量技术，2、集成生理信号的滤波和放大功能，3、集成eSense™算法（使用者无需进行额外的信号处理），4、采用工业标准的串行UART输入输出接口，5、输出原始脑电波形数据，数据输出频率可达512Hz功耗低，耗电量小。

[0026] 如图2和图3所示，该脑电采集子系统采集四个导联的脑电信号，采集点位于左前额。参考点为耳垂。带上采集头套，头套将贴紧相应极点。当然实际实施时，对应的左右方向可根据实际情况灵活选择。

[0027] 二、注意力评价子系统，其具有脑电信号处理、分类识别算法、预警评估等几部分组成，系统中的信号处理算法效率高，体积小，操作方便，因为脑电采集子系统采用了单通道采集的方式，所以智能分类算法具有识别时间短、所需学习数据量较小等优点。

[0028] 脑电信号预处理的作用是为了获取所需的脑电信号的数据以及抑制工频干扰和噪声。由于脑电信号强度是微伏级别极其微弱，且极易受到外界50Hz的工频噪声以及0.5Hz以下的极化电平的影响。为了确保结果的准确性，首先对脑电信号进行预处理，采用FIR数字滤波器提取脑电信号的4-30Hz频段，并校正基线漂移。

[0029] 分析子系统还具有智能分类识别算法，将脑电信号转换进行处理分析，将分析结果中的注意力分为不同等级。通过机器学习，不断完善识别算法，将提高识别的稳定性以及精确度。最后将分析结果，即正常状态程度通过蓝牙传输设备实时传送到驾驶预警子系统。该算法主要分为以下几步实现：1)、提取特征信号。利用小波变换从原始脑电信号中提取出特征节律波。2)、建立特征样本空间。利用开始1min提取采集到的特征节律波θ和α构建各自的特征样本空间，用于后续的计算。3)、计算实时观测数据与特征样本空间的距离，并进行加权和。4)、模式匹配，通过以上样本空间距离与阈值的关系确定是否处于疲劳，如果匹配成功，则判定为疲劳，并进行警报，否则继续监测。

[0030] 具体操作步骤包括：数据接收、算法识别与数据传输。

[0031] 步骤1：将注意力评价子系统打开，注意力评价子系统中的蓝牙设备自动连接到脑电采集子系统，进而进行数据接收。

[0032] 步骤2：实验中被测者的状态主要分为两类事件，一类是清醒状态事件，另一类是疲劳状态事件。本发明主要研究的是疲劳状态，其中当由清醒状态进入疲劳状态时θ和β节律波均会出现较大的变化，因此采用θ和β节律波组成各自相应的样本空间，其中由脑电传感器初始设定时段（实施例优选1分钟）采集获得的θ和β特征节律波组成、样本空间，其中θ和β样本值的数学期望分别为、，协方差矩阵为，则实时观测数据x到总体样本的马氏距离为：d(x, )= 。

[0033] 通过上式可以得到实时特征信号到样本空间的马氏距离 , ,而由于θ和α节律波的马氏距离会随着疲劳状态的变化而出现显著变化，因此考虑将θ和α节律波的马氏距离的加权作为疲劳程度衡定的依据。假设Mda为θ节律波的马氏距离，Mdb为α节律波的马氏距离，则加权距离 =λ a+(1－λ) b，其中0≤λ≤1，而疲劳判定的阈值则通过实验结果根据ROC曲线分析获得当满足 ≥ 时，则可以确定其处于疲劳状态，否则未疲劳，算法流程图如图4所示。

[0034] 步骤3：无线传输，将注意力等级传输给预警设备。发送端为蓝牙主机，采用一对多发送模式，使得智能预警手环和车载系统同时获得注意力等级。蓝牙传输模块采用CC2540为主芯片，内嵌Bluetooth4.0协议，可以直接与智能手机通信。

[0035] 三、驾驶预警子系统，其为自主编写手机APP。APP初始界面参考附图5，可以选择APP为一般模式或者高速公路辅助模式。一般模式下，参考附图6，显示的是当前司机的正常驾驶状态，屏幕底侧为蓝牙连接刷新按钮，如果当蓝牙出现连接异常时可以按下此按钮重新连接。其主要作用是将注意力评价子系统生成的驾驶员状态报告由蓝牙传输到智能手机或车载智能系统中反馈给司机，并提醒司机注意请勿疲劳驾驶。当正常状态时，手机不振动，不响铃。当驾驶员轻微疲劳时，手机间歇振动，界面亮黄光，显示轻微分散状态并间歇响铃提醒驾驶员集中注意；当驾驶员处于严重疲劳状态时，手机持续振动，界面亮红光，显示严重疲劳并持续响铃提醒驾驶员应立刻停止行车，并作适当休息。

[0036] 当APP处于高速公路辅助模式下，具有一般模式下的功能，并且具有导航功能，APP会智能寻找距离驾驶员最近的服务区，并对驾驶员进行导航，使驾驶员前往服务区，可以得到充分休息，避免交通事故的发生。

[0037] 本发明的有益效果为：本发明采用了便携式脑电采集和分析设备，并且脑电采集设备采用单通道脑电采集方式，使结构更加简单，便于携带，降低了算法的复杂度，提高了司机的舒适度。将脑电采集设备采集到的脑电信号发送到注意力评价子系统进行特征提取进行智能算法分析，应用分类算法将驾驶员所处的驾驶状态分为正常状态、轻微疲劳和严重疲劳三个等级，最终通过蓝牙将分类结果传输到司机的智能手机或车载系统中，并适应性预警动作。本发明真正实现了一款实用的疲劳驾驶预警子系统，且其判断精度高，预警及时，携带方便，易于操作，并且可以有效解决高速公路上疲劳驾驶的问题，具有较高的实用价值。

[0038] 以上详细描述了本发明的优选实施方式，但是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内进行修改或者等同变换，均应包含在本发明的保护范围之内。

标题	发布/更新时间	阅读量
脉搏信号特征检测方法和装置	2020-08-06	2
一种基于瞬态模型的集输油管线冻堵点位置诊断系统	2020-09-26	2
一种磁共振参数匹配方法、装置及医疗图像处理设备	2020-12-30	2
一种基于半监督协同训练的模拟电路早期故障诊断方法	2020-06-01	1
基于便携式数字化眼底照相机的视网膜血管三维重建方法	2020-08-26	0
配电线路的故障测距装置	2020-11-18	1
一种基于小波变换的图像主观视觉效果增强方法	2020-07-23	2
Digital information padding/extraction device, method therefor and recording medium recorded with program to execute the method	2023-03-09	1
Encoding and decoding images	2022-06-21	0
WAVELET TRANSFORM METHOD	2023-05-11	2

司机注意力评价预警系统及其实施方法

司机注意力评价预警系统及其实施方法

技术领域

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：