基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法专利检索-肌间融合器椎间融合手术专利检索查询-专利查询网

基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法

阅读：1013发布：2020-05-25

专利汇可以提供基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法专利检索，专利查询，专利分析的服务。并且本发明涉及一种基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法，属于安全驾驶及疲劳监测领域。疲劳信息采集眼镜的镜腿上设有脑电传感器，脉搏传感器，报警灯，蜂鸣器，信息传输模块和供电模块，其中脉搏传感器对应太阳穴处，摄像头装在镜片靠近镜腿一侧的上角，脑电传感器、脉搏传感器，报警灯和蜂鸣器与信息传输模块和供电模块相连，肌电传感器和肌电传感器固定装置连接，肌电传感器固定装置与镜腿连接。优点：结构新颖，应用方便，眼睛、脑电、脉搏，肌电等多种信号融合到一起进行驾驶员的疲劳监测，抗客观因素干扰的能力显著增强，不易因部分数据受干扰而直接影响最终疲劳判别的准确度。，下面是基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法专利的具体信息内容。

权利要求

1.一种基于多特征融合的眼镜式驾驶疲劳监测预警装置，其特征在于：疲劳信息采集眼镜的镜腿上设有脑电传感器，脉搏传感器，报警灯，蜂鸣器，信息传输模块和供电模块，其中脉搏传感器对应太阳穴处，摄像头装在镜片靠近镜腿一侧的上角，脑电传感器、脉搏传感器，报警灯和蜂鸣器与信息传输模块和供电模块相连，肌电传感器和肌电传感器固定装置连接，肌电传感器固定装置与镜腿连接。
2.根据权利要求1所述的一种基于多特征融合的眼镜式驾驶疲劳监测预警装置，其特征在于：所述疲劳信息采集眼镜包括镜框、两个镜片、鼻托和镜腿，镜片分别安装在镜框内，两个镜腿与镜框相连接。
3.根据权利要求1所述的一种基于多特征融合的眼镜式驾驶疲劳监测预警装置，其特征在于：所述摄像头平面与镜片中心所在平面呈15°～25°倾角。
4.根据权利要求1所述的一种基于多特征融合的眼镜式驾驶疲劳监测预警装置，其特征在于：所述脑电传感器包括导线，夹子，参考电极，测试电极，导线连接镜和参考电极，参考电极置于夹子内侧，测试电极附于脉搏传感器旁的镜腿上。
5.根据权利要求1所述的一种基于多特征融合的眼镜式驾驶疲劳监测预警装置，其特征在于：所述肌电传感器固定装置包括细绳、松紧带、粘扣，细绳连接镜腿和松紧带，粘扣在松紧带两端，肌电传感器安装在松紧带中间。
6.根据权利要求1所述的一种基于多特征融合的眼镜式驾驶疲劳监测预警装置，其特征在于：所述信息传输模块为蓝牙无线发射接收器。
7.根据权利要求1所述的一种基于多特征融合的眼镜式驾驶疲劳监测预警装置，其特征在于：所述供电模块包括纽扣电池和开关，为装置提供电能。
8.采用如权利要求1所述一种基于多特征融合的眼镜式驾驶疲劳监测预警装置的驾驶疲劳监测预警方法，其特征在于，包括下列步骤：
步骤1：在驾驶员驾驶车辆时，采集相关信号数据，包括眼睛定位，脑电波、脉搏、肌电信号的采集；
步骤2：对信号进行预处理，对各指标分别进行疲劳判决，包括：
对眼睛进行精细定位后计算PERCLOS值的大小来判定驾驶员的疲劳程度；脑电波传感器采集信号后，选取脑电波中疲劳相关度大的θ、α、β波，以(α+θ)/β为特征值进行疲劳判决；
肌电传感器选取颈部肌肉作为肌电数据的采集点，分析中值频率进行疲劳判决；脉搏传感器采集脉搏数据后，分析心率变异性指标HRV，进行疲劳判决；
步骤3：利用主成分分析法对各指标的疲劳特征值进行加权，得到一个综合评价的疲劳特征值；
步骤4：输出综合评价疲劳特征值，报警模块选择相应的报警方式。
9.根据权利要求8所述的驾驶疲劳监测预警方法，其特征在于：所述步骤2中对眼睛进行精细定位后计算PERCLOS值的大小来判定驾驶员的疲劳程度，包括以下步骤：
步骤2.1：对摄像头采集的图像进行灰度阈值处理；
步骤2.2：对灰度图像进行降噪、滤波处理；
步骤2.3：利用肤色分割法定位眼睛位置：
步骤2.4：确定眼睛的睁闭合状态，记录一定时段内判别为闭眼状态的帧数和采集的帧总数，计算眼睛闭合时间占特定时间的百分率的PERCLOS值的大小。
10.根据权利要求8所述的驾驶疲劳监测预警方法，其特征在于：所述步骤4的报警方式由综合评价指标的疲劳特征值决定，疲劳特征值在0～0.2之间亮绿灯，在0.2～0.6之间亮红灯，在0.6～1.0之间亮红灯并且蜂鸣器工作。

说明书全文

基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法

技术领域

[0001] 本发明涉及安全驾驶及疲劳监测领域，尤其涉及一种基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法。

背景技术

[0002] 随着机动车保有量的快速增加、道路通车里程逐年增长以及现代人的疲劳指数迅速增长，疲劳驾驶导致的交通事故频发，造成了巨大的财产损失和人员伤亡。为了有效避免此类事故，国内外研究机构都对多元融合的疲劳驾驶预警系统进行了研究。

[0003] 专利CN106128032A提出来了一种基于人眼检测与脑电波的驾驶疲劳判定系统。然而，该系统采集数据形式复杂，对人体舒适度考虑欠妥，难以规避个体差异性对疲劳判定的影响。专利CN101540092提出了一种基于人眼检测与方向盘、脚踏板压力传感的实时驾驶疲劳检测系统。然而该系统判定方式简单化，难以对正常行驶与疲劳状态进行有效的区分。

[0004] 因此，开发出一种判别准确，实用，适用于行车途中的疲劳状态监测及预警装置,显得较为迫切。

发明内容

[0005] 本发明提供一种基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法，以解决一般的驾驶疲劳监测预警装置的误判率高，佩戴舒适度低，成本高昂，装置复杂的问题。

[0006] 本发明采取的技术方案是；疲劳信息采集眼镜的镜腿上设有脑电传感器，脉搏传感器，报警灯，蜂鸣器，信息传输模块和供电模块，其中脉搏传感器对应太阳穴处，摄像头装在镜片靠近镜腿一侧的上角，脑电传感器、脉搏传感器，报警灯和蜂鸣器与信息传输模块和供电模块相连，肌电传感器和肌电传感器固定装置连接，肌电传感器固定装置与镜腿连接。

[0007] 所述疲劳信息采集眼镜包括镜框、两个镜片、鼻托和镜腿，镜片分别安装在镜框内，两个镜腿与镜框相连接；

[0008] 所述摄像头平面与镜片中心所在平面呈15°～25°倾角。

[0009] 所述脑电传感器包括导线，夹子，参考电极，测试电极，导线连接镜和参考电极，参考电极置于夹子内侧，测试电极附于脉搏传感器旁的镜腿上。

[0010] 所述肌电传感器固定装置包括细绳、松紧带、粘扣，细绳连接镜腿和松紧带，粘扣在松紧带两端，肌电传感器安装在松紧带中间。

[0011] 所述信息传输模块为蓝牙无线发射接收器。

[0012] 供电模块包括纽扣电池和开关，为装置提供电能。

[0013] 一种基于多特征融合的眼镜式驾驶疲劳监测预警方法，包括下列步骤：

[0014] 步骤1：在驾驶员驾驶车辆时，采集相关信号数据，包括眼睛定位，脑电波、脉搏、肌电信号的采集；

[0015] 步骤2：对信号进行预处理，对各指标分别进行疲劳判决，包括：

[0016] 对眼睛进行精细定位后计算PERCLOS值的大小来判定驾驶员的疲劳程度；脑电波传感器采集信号后，选取脑电波中疲劳相关度大的θ、α、β波，以(α+θ)/β为特征值进行疲劳判决；肌电传感器选取颈部肌肉作为肌电数据的采集点，分析中值频率进行疲劳判决；脉搏传感器采集脉搏数据后，分析心率变异性指标HRV，进行疲劳判决；

[0017] 步骤3：利用主成分分析法对各指标的疲劳特征值进行加权，得到一个综合评价的疲劳特征值；

[0018] 步骤4：输出综合评价疲劳特征值，报警模块选择相应的报警方式。

[0019] 所述步骤2中对眼睛进行精细定位后计算PERCLOS值的大小来判定驾驶员的疲劳程度包括以下步骤：

[0020] 步骤2.1：对摄像头采集的图像进行灰度阈值处理；

[0021] 步骤2.2：对灰度图像进行降噪、滤波处理；

[0022] 步骤2.3：利用肤色分割法定位眼睛位置：

[0023] 步骤2.4：确定眼睛的睁闭合状态，记录一定时段内判别为闭眼状态的帧数和采集的帧总数，计算眼睛闭合时间占特定时间的百分率的PERCLOS值的大小。

[0024] 所述步骤4所述的报警方式由综合评价指标的疲劳特征值决定，疲劳特征值在0～0.2之间亮绿灯，在0.2～0.6之间亮红灯，在0.6～1.0之间亮红灯并且蜂鸣器工作。

[0025] 本发明具有以下优点：

[0026] 1.设计成眼镜式疲劳监测预警装置，结构简单，应用方便。

[0027] 2.摄像头装在左(右)镜片的左(右)上角，摄像头平面与镜片中心所在平面约呈15°～25°倾角。摄像头的合理排布可以准确地定位眼球，无需通过算法设计进行眼球定位，提高判别准确性，降低设计难度。

[0028] 3.眼睛、脑电、脉搏，肌电等多种信号融合到一起进行驾驶员的疲劳监测，抗客观因素干扰的能力显著增强，不易因部分数据受干扰而直接影响最终疲劳判别的准确度。附图说明

[0029] 图1是本发明的结构示意图；

[0030] 图2是图1的I部放大图；

[0031] 图3是本发明肌电传感器和肌电传感器固定装置的结构示意图；

[0032] 图4是本发明监测方法流程图；

[0033] 图5是本发明能过面部特征信号对眼睛进行精细定位后计算PERCLOS值的大小来判定驾驶员的疲劳程度的流程图。

具体实施方式

[0034] 疲劳信息采集眼镜1的镜腿104上设有脑电传感器3，脉搏传感器4，报警灯5，蜂鸣器6，信息传输模块7和供电模块8，其中脉搏传感器4对应太阳穴处，摄像头2装在镜片靠近镜腿一侧的上角，脑电传感器3、脉搏传感器4，报警灯5和蜂鸣器6与信息传输模块7和供电模块8相连，肌电传感器9和肌电传感器固定装置10连接，肌电传感器固定装置10与镜腿连接。

[0035] 所述疲劳信息采集眼镜包括镜框101、两个镜片102、鼻托103和镜腿104，镜片102分别安装在镜框101内，两个镜腿104与镜框101相连接；

[0036] 所述摄像头2平面与镜片中心所在平面呈15°～25°倾角；

[0037] 所述脑电传感器3包括导线301，夹子302，参考电极303，测试电极304，导线301连接镜腿104和参考电极303，参考电极303置于夹子302内侧，测试电极304附于脉搏传感器4旁的镜腿104上。

[0038] 所述肌电传感器固定装置10包括细绳1001、松紧带1002、粘扣1003，细绳1001连接镜腿104和松紧带1002，粘扣1003在松紧带1002两端，肌电传感器9安装在松紧带1002中间。

[0039] 所述信息传输模块7为蓝牙无线发射接收器。

[0040] 供电模块8包括纽扣电池和开关，为装置提供电能。

[0041] 在行驶过程中，驾驶员佩戴疲劳信息采集眼镜1，将夹子302固定在耳朵上，将松紧带1002绕于颈部，合上两端粘扣1003，打开电源开关；摄像头2采集眼部的睁闭眼信息，脑电传感器3采集脑电波信息，脉搏传感器4采集脉搏信息，肌电传感器9采集颈部肌电信息；信息传输模块7将采集的信息通过蓝牙传输给上位机，上位机输出疲劳特征值，再通过信息传输模块7给眼镜报警灯5、蜂鸣器6，实现疲劳报警。

[0042] 一种基于多特征融合的眼镜式驾驶疲劳监测预警方法，包括下列步骤：

[0043] 步骤1：在驾驶员驾驶车辆时，采集相关信号数据，包括眼睛定位，脑电波、脉搏、肌电信号的采集；

[0044] 步骤2：对信号进行预处理，对各指标分别进行疲劳判决，具体如下：

[0045] 通过面部特征信号对眼睛进行精细定位后计算PERCLOS值的大小来判定驾驶员的疲劳程度；如图5，具体包括以下步骤：

[0046] 步骤2.1：对摄像头采集的图像进行灰度阈值处理，图像像素参数化后的范围在0～255，图像分割阈值为185，即大于阈值的定为黑色255，反之为白色0；

[0047] 步骤2.2：对灰度图像进行降噪、滤波处理，基于拉普拉斯算法进行空间域图像增强处理；

[0048] 步骤2.3：基于Canny 边缘检测算子进行图像检测，利用肤色分割法准确定位眼睛位置：

[0049] 步骤2.4：确定眼睛的睁闭合状态，记录一定时段内判别为闭眼状态的帧数和采集的帧总数，计算眼睛闭合时间占特定时间的百分率的PERCLOS值的大小；

[0050] 脑电波传感器3采集信号后，选取脑电波中疲劳相关度大的θ、α、β波，以(α+θ)/β为特征值进行疲劳判决，将特征值进行归一化处理，范围在0～100，大于60判定为疲劳；肌电传感器5选取颈部肌肉作为肌电数据的采集点，分析中值频率进行疲劳判决，中值频率小于120Hz时判定为疲劳；脉搏传感器4采集脉搏数据后，分析心率变异性指标HRV进行疲劳判决，对高频功率HF进行快速傅里叶变换，当值低于1000ms2时，判定为疲劳状态；

[0051] 步骤3：利用主成分分析法对各指标的疲劳特征值进行加权，得到一个综合评价的疲劳特征值，主成分分析法算法流程包括以下步骤：

[0052] 步骤3.1：各采集的n个数据构成矩阵X＝(xij)n*k，k个指标，k＝5，对其进行标准化处理，得到一个k*k的矩阵使其均值变为0；

[0053] 步骤3.2：计算相关系数矩阵，即协方差矩阵R＝(rij)p*p，rij为原变量的xi和xj之间的相关系数；

[0054]

[0055] 步骤3.3：计算相关系数矩阵的特征根λi(i＝1,2,…,p)及对应的特征向量еi(i＝1,2,…,p),并对特征值进行排序；

[0056] 步骤3.4：主成分zi的贡献率为

[0057]

[0058] 累计贡献率为：

[0059]

[0060] 选取累计贡献率90％的特征根对应的主成分；

[0061] 步骤3.5：计算主成分载荷，公式为：

[0062]

[0063] 得到主成分载荷矩阵A＝(aij)。

[0064] 步骤3.6：将主成分载荷归一化，得：

[0065] (k为主成分个数)

[0066] 以此为新的指标的系数，得到一个新的综合评价指标，进行疲劳判决；

[0067] 步骤4：输出综合评价疲劳特征值，报警模块选择相应的报警方式，疲劳特征值在0～0.2之间亮绿灯，在0.2～0.6之间亮红灯，在0.6～1.0之间亮红灯并且蜂鸣器工作。

标题	发布/更新时间	阅读量
一种椎板间支撑、固定、融合装置	2020-05-14	345
一种360°全方位活动的机械手臂	2020-05-16	957
一种睡眠期间上肢震颤记录装置	2020-05-12	308
肌间融合器、椎间盘假体、锚定装置及植入器械	2020-05-11	84
微创侧方入路椎间融合器	2020-05-12	413
一种外骨骼康复机器人控制系统	2020-05-14	102
基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法	2020-05-17	719
椎间融合植入物	2020-05-14	720
步行器助行安全监测中的稳定性与疲劳度模糊融合方法	2020-05-13	320
步行器助行安全监测中的稳定性与疲劳度模糊融合方法	2020-05-13	207

基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法

基于多特征融合的眼镜式驾驶疲劳监测预警装置及方法

技术领域

背景技术

发明内容

具体实施方式

个人版

专业版

企业版