CN105405253B - 一种驾驶员疲劳状态的监测方法及监测装置 - Google Patents
一种驾驶员疲劳状态的监测方法及监测装置 Download PDFInfo
- Publication number
- CN105405253B CN105405253B CN201510956003.7A CN201510956003A CN105405253B CN 105405253 B CN105405253 B CN 105405253B CN 201510956003 A CN201510956003 A CN 201510956003A CN 105405253 B CN105405253 B CN 105405253B
- Authority
- CN
- China
- Prior art keywords
- eartbeat interval
- driver
- change
- rate
- eartbeat
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Emergency Management (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及交通安全技术领域,尤其涉及一种驾驶员疲劳状态的监测方法及监测装置,主要用来解决驾驶员疲劳状态识别的问题。采用能够消除不同驾驶员差异性的心跳间隔变化率为指标,采集驾驶员心跳间隔变化率与详细驾驶行为,之后利用ROC曲线确定清醒与疲劳的最佳临界点,最后以该最佳临界点为判断指标,当实时采集数据与临界点的差值的加权求和大于或者等于零时,判定驾驶员处于疲劳状态。该方法以实际采集的心跳数据为基础,分析间隔、判定指标、疲劳与清醒的临界点确定方法以及最终的疲劳判定方法这四方面对驾驶员的疲劳状态进行监测,疲劳识别的准确率有所提高。
Description
技术领域
本发明涉及交通安全技术领域,尤其涉及一种驾驶员疲劳状态的监测方法及监测装置,主要用来解决驾驶员疲劳状态识别的问题。
背景技术
目前关于驾驶疲劳的监测方法主要分为以下三大类:(1)基于驾驶员心理生理数据的疲劳检测方法,即对驾驶员的心跳、呼吸、肌电等数据进行采集、分析,之后进行疲劳判定;(2)基于眼动数据的疲劳检测方法,即对驾驶员眼动的次数,闭合度进行检测,以此来判定疲劳状态;(3)基于驾驶行为的检测以及车辆运行轨迹、方向盘的转动等,来判定疲劳状态。
专利CN 102013013 A“疲劳驾驶监测方法”中采用视频拍摄的方法计算眼球上下两点之间的距离,当其差值超过一定的范围时,认为驾驶员处于疲劳状态。该方法在夜间光线较暗的环境下,采集效果差,其次不同驾驶员眼睛的大小存在差异性,其检测结果存在较大的误判率。
专利CN 102274032 A“一种基于脑电信号的驾驶员疲劳检测***”,采用脑电信号对驾驶员疲劳状态进行检测,但每个人的脑电信号都存在一定的差异性,对于不同的测试人员需要进行参数调整,此外在进行脑电测试时,对驾驶员具有一定的干扰性,故其在实际的使用推广方面存在一定的局限。
专利CN 102881117 A“一种带有驾驶员疲劳检测的手表”中提出采用脉搏的变化测试来判定驾驶员是否疲劳,例如:“如果脉搏次数是在40-60之间的某个值,那么在驾驶过程中如果脉搏次数小于正常值的95%,则确定为驾驶员进入疲劳状态”。为何是“95%”,在专利中并没有说明其来源依据,也没有给出对应的计算方法。
图1为测试人员在2小时测试时间内的心跳间隔RR图(R-R Lorenz图),其中,横轴为第n次心跳间隔,纵轴为第n+1次心跳间隔,从细节处来看,驾驶员每次心跳间隔具有一定的差异性,并不是理想中的逐渐升高或者降低,而是具有一定的波动性。
从宏观的心跳次数来看,由于不同驾驶员身体素质的差异性,其心率也具有一定的波动性,例如运动员的心率缓于普通人,在高原环境下藏民的心率明显缓于在平原区生活的驾驶员。
因此,单纯的以每分钟心率的差别作为判断标准(如专利CN 102163362 A,专利CN102406507 A等),所计算的结果只能是适应于特定的驾驶员,无法直接应用于其他驾驶员,其结果可能会存在较高的误判率。
发明内容
针对上述问题,本发明的实施例提供一种驾驶员疲劳状态的监测方法及监测装置,用于驾驶员疲劳状态的监测与判定,可以减少由于驾驶疲劳所引发的交通事故,提升交通安全水平。
为达到上述目的,本发明采用如下技术方案予以实现。
技术方案一:
一种驾驶员疲劳状态的监测方法,所述监测方法包括参数标定阶段和疲劳判定阶段:
所述参数标定阶段包括:
设置测试时长,然后在驾驶员处于清醒状态时,采集在所述测试时长内驾驶员的测试心跳间隔并依次组成测试心跳间隔序列,根据所述测试心跳间隔序列计算在所述测试时长内的平均测试心跳间隔,将所述平均测试心跳间隔作为基准心跳间隔;
设置监测周期,然后在驾驶员处于清醒状态时,采集多个监测周期内驾驶员的清醒心跳间隔并依次组成清醒心跳间隔序列,根据所述清醒心跳间隔序列计算对应多个监测周期的平均清醒心跳间隔;
根据多个监测周期的平均清醒心跳间隔和所述基准心跳间隔,计算对应多个监测周期的清醒心跳间隔变化率;
在驾驶员处于疲劳状态时,采集多个监测周期内驾驶员的疲劳心跳间隔并依次组成疲劳心跳间隔序列,根据所述疲劳心跳间隔序列计算对应多个监测周期的平均疲劳心跳间隔;
根据多个监测周期的平均疲劳心跳间隔和所述基准心跳间隔,计算对应多个监测周期的疲劳心跳间隔变化率;
根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,确定驾驶员疲劳状态临界点的心跳间隔变化率阈值;
所述疲劳判定阶段包括:
在驾驶员实际行驶过程中,连续采集多个监测周期内驾驶员的实际心跳间隔并依次组成实际心跳间隔序列,根据所述实际心跳间隔序列计算对应多个监测周期的平均实际心跳间隔;
根据多个监测周期的平均实际心跳间隔和所述基准心跳间隔,计算对应多个监测周期的实际心跳间隔变化率;
将连续多个监测周期的实际心跳间隔变化率分别减去所述心跳间隔变化率阈值,得到所述连续多个监测周期的实际心跳间隔变化率与所述心跳间隔变化率阈值的差值,将所述差值加权求和,若所述差值加权求和的结果大于或者等于零,则判定驾驶员处于疲劳驾驶状态。
技术方案一的特点和进一步的改进为:
(1)所述测试时长设置为10分钟。
(2)所述监测周期设置为2分钟。
(3)根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,采用受试者工作特征曲线确定驾驶员疲劳状态临界点的心跳间隔变化率阈值。
(4)将连续三个监测周期的实际心跳间隔变化率分别减去所述心跳间隔变化率阈值,得到所述连续三个监测周期的实际心跳间隔变化率与所述心跳间隔变化率阈值的差值,将所述差值加权求和,若所述差值加权求和的结果大于或者等于零,则判定驾驶员处于疲劳驾驶状态。
技术方案二:
一种驾驶员疲劳状态的监测装置,所述监测装置包括:
设置模块,用于设置测试时长;
采集模块,用于在驾驶员处于清醒状态时,采集在所述测试时长内驾驶员的测试心跳间隔并依次组成测试心跳间隔序列;
计算模块,用于根据所述测试心跳间隔序列计算在所述测试时长内的平均测试心跳间隔,将所述平均测试心跳间隔作为基准心跳间隔;
所述设置模块,还用于设置监测周期;
所述采集模块,还用于在驾驶员处于清醒状态时,采集多个监测周期内驾驶员的清醒心跳间隔并依次组成清醒心跳间隔序列;
所述计算模块,还用于根据所述清醒心跳间隔序列计算对应多个监测周期的平均清醒心跳间隔;
所述计算模块,还用于根据多个监测周期的平均清醒心跳间隔和所述基准心跳间隔,计算对应多个监测周期的清醒心跳间隔变化率;
所述采集模块,还用于在驾驶员处于疲劳状态时,采集多个监测周期内驾驶员的疲劳心跳间隔并依次组成疲劳心跳间隔序列;
所述计算模块,还用于根据所述疲劳心跳间隔序列计算对应多个监测周期的平均疲劳心跳间隔;
所述计算模块,还用于根据多个监测周期的平均疲劳心跳间隔和所述基准心跳间隔,计算对应多个监测周期的疲劳心跳间隔变化率;
确定模块,用于根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,确定驾驶员疲劳状态临界点的心跳间隔变化率阈值;
所述采集模块,还用于在驾驶员实际行驶过程中,连续采集多个监测周期内驾驶员的实际心跳间隔并依次组成实际心跳间隔序列;
所述计算模块,还用于根据所述实际心跳间隔序列计算对应多个监测周期的平均实际心跳间隔;
所述计算模块,还用于根据多个监测周期的平均实际心跳间隔和所述基准心跳间隔,计算对应多个监测周期的实际心跳间隔变化率;
判定模块,用于将连续多个监测周期的实际心跳间隔变化率分别减去所述心跳间隔变化率阈值,得到所述连续多个监测周期的实际心跳间隔变化率与所述心跳间隔变化率阈值的差值,将所述差值加权求和,若所述差值加权求和的结果大于或者等于零,则判定驾驶员处于疲劳驾驶状态。
技术方案二的特点和进一步的改进为:
(1)所述测试时长设置为10分钟。
(2)所述监测周期设置为2分钟。
(3)根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,采用受试者工作特征曲线确定驾驶员疲劳状态临界点的心跳间隔变化率阈值。
(4)将连续三个监测周期的实际心跳间隔变化率分别减去所述心跳间隔变化率阈值,得到所述连续三个监测周期的实际心跳间隔变化率与所述心跳间隔变化率阈值的差值,将所述差值加权求和,若所述差值加权求和的结果大于或者等于零,则判定驾驶员处于疲劳驾驶状态。
本发明的有益效果为:(1)本发明以心跳间隔变化率为评价指标,与简单的差值法相比较,能够克服不同驾驶员由于身体素质的差异性所导致的心率差异性,故其最终的计算结果对其他驾驶员疲劳状态的判定具有一定的参考价值;(2)基于ROC曲线对疲劳最佳临界点进行确定,使得疲劳临界点的确定更具有科学性,由以往的定性分析转变为定量分析;(3)以往的判定方法是直接将某测试值与某指标的临界值进行直接比较,这在实际使用的过程中,存在较大的误判率,在本发明中将连续多个监测周期的实际心跳间隔变化率减去所述心跳间隔变化率阈值,将差值分别乘以一定的权重之后求和,若结果大于等于零,则判定驾驶员处于疲劳驾驶状态。该方法不仅考虑了当前的心跳间隔,还考虑了之前相邻的心跳间隔变化,并赋予不同权重系数,能够有效的降低由于心率本身波动所造成的疲劳误判,提高正确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的测试人员在2小时的测试时间内心跳间隔R-R Lorenz图;
图2为本发明实施例提供的一种驾驶员疲劳状态的监测方法流程示意图一;
图3为本发明实施例提供的不同分析时长(即监测周期)下的平均心跳间隔的标准差示意图;
图4为本发明实施例提供的一种驾驶员疲劳状态的监测方法流程示意图二;
图5为本发明实施例提供的不同分析时长(即监测周期)下的平均心跳间隔示意图;
图6为本发明实施例提供的一种驾驶员疲劳状态的监测装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种驾驶员疲劳状态的监测方法,所述监测方法包括参数标定阶段和疲劳判定阶段,如图2所示,为该监测方法的流程示意图,包括:
参数标定阶段:
步骤1,设置测试时长,在驾驶员处于清醒状态时,采集在所述测试时长内驾驶员的测试心跳间隔并依次组成测试心跳间隔序列,根据所述测试心跳间隔序列计算在所述测试时长内的平均测试心跳间隔,将所述平均测试心跳间隔作为基准心跳间隔。
其中,所述测试时长可以根据实际情况具体设定,本发明对此不作限制,一般的,所述测试时长设置为10分钟。
示例性的,对驾驶员心跳间隔的采集可以通过采用粘贴在驾驶员心脏部位的电极贴片采集驾驶员的心跳间隔。
步骤2,确定监测周期,在驾驶员处于清醒状态时,采集多个监测周期内驾驶员的清醒心跳间隔并依次组成清醒心跳间隔序列,根据所述清醒心跳间隔序列计算对应多个监测周期的平均清醒心跳间隔。
其中,所述监测周期可以根据具体情况进行设定。在本发明技术方案中将监测周期设置为两分钟。
需要说明的是,本发明中的监测周期需要结合实际数据的分布情况进行确定。总体来说,监测周期的选取要既能反映数据变化的细节,又不至于凸显某一时刻数据的突变。
通过对实际心跳间隔数据分析发现,在一定的时间长度内,随着疲劳程度的加深,虽然心跳间隔整体呈逐渐增大的趋势,但也伴随有一定的波动性,图3为不同分析时长(即监测周期)下的平均心跳间隔的标准差示意图。尤其在实际驾驶的过程中,受交通环境以及道路线形的影响,驾驶员难免会受到外界环境的刺激,从而引起心率的波动。所以心跳间隔监测周期的选取需要遵循以下三点原则:能够反映数据变化的细节;不凸显某一时间点数据的突变;能够反映数据的整体变化趋势。因此,本发明中心跳间隔分析时长的选取并不是简单的定为60秒。
本发明中提供的监测周期的确定方法为:从30秒至300秒,每30秒为间隔,共分为10组不同的数据,分别计算不同监测周期下的平均心跳间隔,之后分别计算该监测周期内的平均心跳间隔的标准差,将该平均心跳间隔的标准差绘制成曲线图,如图3所示,由该图可看出,在监测周期为120秒之后心跳间隔的标准差变化不是很明显,故将监测周期设定为120秒。
平均值计算公式:
标准差计算公式:
式中:
表示心跳间隔平均值(S);Ri表示第i次的心跳间隔(S);m、n均表示心跳间隔监测周期数;δ表示标准差。
步骤3,根据多个监测周期的平均清醒心跳间隔和所述基准心跳间隔,计算对应多个监测周期的清醒心跳间隔变化率。
关于心跳间隔变化率的计算,计算公式如下:
式中:Ri表示第i个监测周期的清醒心跳间隔变化率;Tm表示基准心跳间隔(单位为秒);Ti表示第i个监测周期的平均清醒心跳间隔(单位为秒)。
与简单的比较心率差值的方法相比较,该方法可以消除由于不同驾驶员身体素质的差异所带来的影响,其最终的计算结果对其他驾驶员疲劳状态的判定也具有一定的参考价值。
步骤4,在驾驶员处于疲劳状态时,采集多个监测周期内驾驶员的疲劳心跳间隔并依次组成疲劳心跳间隔序列,根据所述疲劳心跳间隔序列计算对应多个监测周期的平均疲劳心跳间隔。
驾驶员处于疲劳状态的判定可以根据现有技术中的方法进行确定,示例性的,可以通过监视驾驶员处于疲劳状态下表现出来的行为以及驾驶员对疲劳状态的感受,包括:流眼泪、抽烟、打哈欠等,比如有些困、头晕、眼睛累等,将其作为驾驶员疲劳判定的标准。
以上所述的疲劳特征是指驾驶员在连续驾驶的过程中初次所表现出来的状态。为了提高交通安全,本发明对驾驶员在疲劳初期进行提醒,而不是进入深度疲劳之后再进行提醒。此外,若实际条件允许,该步骤也可以在驾驶模拟器中进行。
步骤5,根据多个监测周期的平均疲劳心跳间隔和所述基准心跳间隔,计算对应多个监测周期的疲劳心跳间隔变化率。
本步骤的计算方法可以参考步骤3中的计算方法。
步骤6,根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,确定驾驶员疲劳状态临界点的心跳间隔变化率阈值。
示例性的,本发明实施例采用基于ROC曲线(receiver operator characteristiccurve,又称受试者工作特征曲线)的方法确定驾驶员疲劳状态临界点的心跳间隔变化率阈值。
本发明中,基于ROC曲线的疲劳状态临界点的判定包括以下步骤:
(1)将驾驶员随时间变化的心跳间隔变化率与记录的驾驶行为信息所反应的疲劳状态进行一一对应,将疲劳状态标定为“0”,清醒状态标定为“1”。
(2)绘制ROC曲线,可以利用目前已有的数学分析软件,如SPSS软件直接绘制,将数据导入即可进行绘制,不需要手工计算,提高工作效率。
(3)利用ROC曲线得出最佳临界点处的心跳间隔变化率,ROC曲线越靠近左上方的点表示其判别效果越好。关于ROC曲线上最佳临界点的确定有多种方法,在本发明中选择曲线上尽量靠近左上方的最大的Youden指数切点作为判别阈值,Youden指数计算方法如下:
Youden指数=灵敏度-(1-特异度)
其中以灵敏度为纵坐标,1-特异度为横坐标。由于ROC曲线已经在其他领域有所应用,故在本发明中不做详细介绍,用ROC曲线描述和评价目标检测算法的准确性,适用于二分类情况,即判别结果只有“是”和“不是”两种结果。
(4)最大的Youden指数所对应的心跳间隔变化率即为疲劳判定阈值。
疲劳判定阶段:
步骤7,在驾驶员实际行驶过程中,连续采集多个监测周期内驾驶员的实际心跳间隔并依次组成实际心跳间隔序列,根据所述实际心跳间隔序列计算对应多个监测周期的平均实际心跳间隔。
步骤8,根据多个监测周期的平均实际心跳间隔和所述基准心跳间隔,计算对应多个监测周期的实际心跳间隔变化率。
步骤9,将连续多个监测周期的实际心跳间隔变化率分别减去所述心跳间隔变化率阈值,得到所述连续多个监测周期的实际心跳间隔变化率与所述心跳间隔变化率阈值的差值,将所述差值加权求和,若所述差值加权求和的结果大于或者等于零,则判定驾驶员处于疲劳驾驶状态。
考虑到实际采集到的心跳间隔数据具有一定的波动性,如果简单的以实际值与临界值(即心跳间隔变化率阈值)进行比较,很有可能造成疲劳误判,降低检测的准确性。因此,本发明实施例每隔两分钟进行一次数据采集,将心跳间隔变化率与临界值求差值,将差值分别乘以一定的权重之后求和,若结果大于等于零,则判定驾驶员处于疲劳驾驶状态。发出警报信号,提醒驾驶员已经处于疲劳状态,进行休息或者更换驾驶员。该方法不仅考虑了当前的心跳间隔变化率,还考虑了与之相邻的心跳间隔变化率,并且将不同的心跳间隔变化率进行差别化考虑。
以三个监测周期为例,其判定方法如下:
Rn-R=Δn
Rn-1-R=Δn-1
Rn-2-R=Δn-2
Δn·ωn+Δn-1·ωn-1+Δn-2·ωn-2=E
式中:R表示心跳间隔变化率阈值;Rn表示第n次心跳间隔变化率,即当前的心跳间隔变化率;Rn-1表示第n-1次心跳间隔变化率;Rn-2表示第n-2次心跳间隔变化率;ωn、ωn-1、ωn-2分别对应不同差值的权重系数,E表示差值与权重系数乘积的和。
其中,ωn≥ωn-1≥ωn-2。优选的,ωn取1,ωn-1取0.9,ωn-2取0.8。
若E≥0,则判定驾驶员为疲劳状态,发出预警信息。
需要补充的是,若实际心跳间隔变化率大于心跳间隔变化率阈值的3倍以上,则立即发出警报信号,以提醒驾驶员其心跳出现了明显异常。此时,有可能是驾驶员心脏本身有问题,所以需提醒驾驶员。
基于上述实施例的描述,本发明提供的一种驾驶员疲劳状态的监测方法的优选实现流程如图4所示。
本发明与其他相关专利的区别在于:
(1)通过对实际心跳间隔数据分析发现,在一定的时间长度内,随着疲劳程度的加深,虽然心跳间隔整体呈逐渐增大的趋势,但也伴随有一定的波动性,如图5所示,为不同时长下的平均心跳间隔图,从图中可以看出平均心跳间隔随着时间的增加虽然整体呈上升趋势,但还是伴随着波动;并且心跳计算周期越短,平均心跳间隔数据的波动性越大。尤其在实际驾驶的过程中,受交通环境以及道路线形的影响,驾驶员难免会受到外界环境的刺激,从而引起心率的波动。所以在心跳间隔分析时长单元的选取时,需要遵循以下三点原则:能够反映数据变化的细节;不凸显某一时间点数据的突变;能够反映数据的整体变化趋势。因此,本发明中心跳间隔分析时长的选取并不是简单的定为60秒。具体来说,从30秒至300秒,每30秒为间隔,共分为10组不同的数据,分别计算不同心跳间隔下的平均值,之后分别计算该时间段内的标准差,将该心跳间隔的标准差绘制成曲线图,见图3,由该图可看出,在分析间隔为120秒之后心跳间隔的标准差变化不是很明显,故将分析间隔定为120秒。
(2)本发明以心跳间隔变化率为评价指标,与简单的差值法相比较,本发明能够克服不同驾驶员由于身体素质的差异性所导致的心率差异性,故其最终的计算结果对其他驾驶员疲劳状态的判定具有一定的参考价值。
(3)基于ROC曲线对疲劳最佳临界点进行确定,使得疲劳临界点的确定更具有科学性,由以往的定性分析转变为定量分析。
(4)以往的判定方法是直接将某测试值与某指标的临界值进行直接比较,这在实际使用的过程中,存在较大的误判率。在本发明中将心跳间隔变化率与临界值进行做差,将差值分别乘以一定的权重之后求和,若结果大于等于零,则判定驾驶员处于疲劳驾驶状态。该方法综合考虑多个心跳间隔变化率,并且差别化对待,能够有效的降低由于心率本身波动所造成的疲劳误判,提高正确率。
本发明实施例还提供一种驾驶员疲劳状态的监测装置,如图6所示,所述监测装置包括:
设置模块1,用于设置测试时长。
采集模块2,用于在驾驶员处于清醒状态时,采集在所述测试时长内驾驶员的测试心跳间隔并依次组成测试心跳间隔序列。
计算模块3,用于根据所述测试心跳间隔序列计算在所述测试时长内的平均测试心跳间隔,将所述平均测试心跳间隔作为基准心跳间隔。
所述设置模块1,还用于设置监测周期。
采集模块2,用于在驾驶员处于清醒状态时,采集多个监测周期内驾驶员的清醒心跳间隔并依次组成清醒心跳间隔序列。
所述计算模块3,还用于根据所述清醒心跳间隔序列计算对应多个监测周期的平均清醒心跳间隔。
所述计算模块3,还用于根据多个监测周期的平均清醒心跳间隔和所述基准心跳间隔,计算对应多个监测周期的清醒心跳间隔变化率。
所述采集模块2,还用于在驾驶员处于疲劳状态时,采集多个监测周期内驾驶员的疲劳心跳间隔并依次组成疲劳心跳间隔序列。
所述计算模块3,还用于根据所述疲劳心跳间隔序列计算对应多个监测周期的平均疲劳心跳间隔。
所述计算模块3,还用于根据多个监测周期的平均疲劳心跳间隔和所述基准心跳间隔,计算对应多个监测周期的疲劳心跳间隔变化率。
确定模块4,用于根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,确定驾驶员疲劳状态临界点的心跳间隔变化率阈值。
所述采集模块2,还用于在驾驶员实际行驶过程中,连续采集多个监测周期内驾驶员的实际心跳间隔并依次组成实际心跳间隔序列。
所述计算模块3,还用于根据所述实际心跳间隔序列计算对应多个监测周期的平均实际心跳间隔。
所述计算模块3,还用于根据多个监测周期的平均实际心跳间隔和所述基准心跳间隔,计算对应多个监测周期的实际心跳间隔变化率。
判定模块5,用于将连续多个监测周期的实际心跳间隔变化率分别减去所述心跳间隔变化率阈值,得到所述连续多个监测周期的实际心跳间隔变化率与所述心跳间隔变化率阈值的差值,将所述差值加权求和,若所述差值加权求和的结果大于或者等于零,则判定驾驶员处于疲劳驾驶状态。
具体的,所述测试时长设置为10分钟。
所述监测周期设置为两分钟。
采用粘贴在驾驶员心脏部位的电极贴片采集驾驶员的心跳间隔。
根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,采用受试者工作特征曲线确定驾驶员疲劳状态临界点的心跳间隔变化率阈值。
本发明具有以下的优点:
(1)由于本发明采集的是驾驶员的心跳数据,与其他数据相比较,具有更高的可信度,驾驶员无法伪造最终的检测结果。驾驶员可以控制眨眼的频率,但无法控制心跳的快慢。
(2)基于ROC曲线对疲劳最佳临界点进行确定,使得疲劳临界点的确定更具有科学性。
(3)考虑多组心跳间隔变化率,与临界值进行做差,采用乘以权值的方法将其差值区别化对待,,以此来提高判定正确率。
(4)本发明还可以检测出由于心脏病等疾病引起的心跳剧烈波动,及时发现危险情况,尤其适用于大型客车与或者危险化学品驾驶员,避免重大事故发生。
(5)本发明中提出的分析时长(即监测周期)的确定方法,与目前人工确定分析时长的方法相比,本发明定为2分钟,最大限度降低了由数据本身的波动性所造成的影响,具有更高的科学性。
(6)本发明提出的心跳间隔变化率计算方法,能够很好的克服不同驾驶员的差异性,使其计算结果对其他驾驶员也具有一定的参考意义。
(7)与视频分析技术相比较,本发明受光线等的影响较小。
(8)本发明提出的驾驶疲劳判定方法,可以应用于不同类型的驾驶员,如小车司机、客车司机、货车司机、火车司机甚至是飞行员的疲劳判定,最大限度的降低由于疲劳引起的交通事故,提升交通安全水平。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (6)
1.一种驾驶员疲劳状态的监测方法,其特征在于,所述监测方法包括参数标定阶段和疲劳判定阶段:
所述参数标定阶段包括:
设置测试时长,所述测试时长设置为10分钟,然后在驾驶员处于清醒状态时,采集在所述测试时长内驾驶员的测试心跳间隔并依次组成测试心跳间隔序列,根据所述测试心跳间隔序列计算在所述测试时长内的平均测试心跳间隔,将所述平均测试心跳间隔作为基准心跳间隔;
设置监测周期,所述监测周期设置为2分钟,然后在驾驶员处于清醒状态时,采集多个监测周期内驾驶员的清醒心跳间隔并依次组成清醒心跳间隔序列,根据所述清醒心跳间隔序列计算对应多个监测周期的平均清醒心跳间隔;
根据多个监测周期的平均清醒心跳间隔和所述基准心跳间隔,计算对应多个监测周期的清醒心跳间隔变化率;
在驾驶员处于疲劳状态时,采集多个监测周期内驾驶员的疲劳心跳间隔并依次组成疲劳心跳间隔序列,根据所述疲劳心跳间隔序列计算对应多个监测周期的平均疲劳心跳间隔;
根据多个监测周期的平均疲劳心跳间隔和所述基准心跳间隔,计算对应多个监测周期的疲劳心跳间隔变化率;
根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,确定驾驶员疲劳状态临界点的心跳间隔变化率阈值;
所述疲劳判定阶段包括:
在驾驶员实际行驶过程中,连续采集多个监测周期内驾驶员的实际心跳间隔并依次组成实际心跳间隔序列,根据所述实际心跳间隔序列计算对应多个监测周期的平均实际心跳间隔;
根据多个监测周期的平均实际心跳间隔和所述基准心跳间隔,计算对应多个监测周期的实际心跳间隔变化率;
将连续多个监测周期的实际心跳间隔变化率分别减去所述心跳间隔变化率阈值,得到所述连续多个监测周期的实际心跳间隔变化率与所述心跳间隔变化率阈值的差值,将所述差值加权求和,若所述差值加权求和的结果大于或者等于零,则判定驾驶员处于疲劳驾驶状态。
2.根据权利要求1所述的一种驾驶员疲劳状态的监测方法,其特征在于,根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,采用受试者工作特征曲线确定驾驶员疲劳状态临界点的心跳间隔变化率阈值。
3.根据权利要求1所述的一种驾驶员疲劳状态的监测方法,其特征在于,将连续三个监测周期的实际心跳间隔变化率分别减去所述心跳间隔变化率阈值,得到所述连续三个监测周期的实际心跳间隔变化率与所述心跳间隔变化率阈值的差值,将所述差值加权求和,若所述差值加权求和的结果大于或者等于零,则判定驾驶员处于疲劳驾驶状态。
4.一种驾驶员疲劳状态的监测装置,其特征在于,所述监测装置包括:
设置模块,用于设置测试时长,所述测试时长设置为10分钟;
采集模块,用于在驾驶员处于清醒状态时,采集在所述测试时长内驾驶员的测试心跳间隔并依次组成测试心跳间隔序列;
计算模块,用于根据所述测试心跳间隔序列计算在所述测试时长内的平均测试心跳间隔,将所述平均测试心跳间隔作为基准心跳间隔;
所述设置模块,还用于设置监测周期,所述监测周期设置为2分钟;
所述采集模块,还用于在驾驶员处于清醒状态时,采集多个监测周期内驾驶员的清醒心跳间隔并依次组成清醒心跳间隔序列;
所述计算模块,还用于根据所述清醒心跳间隔序列计算对应多个监测周期的平均清醒心跳间隔;
所述计算模块,还用于根据多个监测周期的平均清醒心跳间隔和所述基准心跳间隔,计算对应多个监测周期的清醒心跳间隔变化率;
所述采集模块,还用于在驾驶员处于疲劳状态时,采集多个监测周期内驾驶员的疲劳心跳间隔并依次组成疲劳心跳间隔序列;
所述计算模块,还用于根据所述疲劳心跳间隔序列计算对应多个监测周期的平均疲劳心跳间隔;
所述计算模块,还用于根据多个监测周期的平均疲劳心跳间隔和所述基准心跳间隔,计算对应多个监测周期的疲劳心跳间隔变化率;
确定模块,用于根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,确定驾驶员疲劳状态临界点的心跳间隔变化率阈值;
所述采集模块,还用于在驾驶员实际行驶过程中,连续采集多个监测周期内驾驶员的实际心跳间隔并依次组成实际心跳间隔序列;
所述计算模块,还用于根据所述实际心跳间隔序列计算对应多个监测周期的平均实际心跳间隔;
所述计算模块,还用于根据多个监测周期的平均实际心跳间隔和所述基准心跳间隔,计算对应多个监测周期的实际心跳间隔变化率;
判定模块,用于将连续多个监测周期的实际心跳间隔变化率分别减去所述心跳间隔变化率阈值,得到所述连续多个监测周期的实际心跳间隔变化率与所述心跳间隔变化率阈值的差值,将所述差值加权求和,若所述差值加权求和的结果大于或者等于零,则判定驾驶员处于疲劳驾驶状态。
5.根据权利要求4所述的一种驾驶员疲劳状态的监测装置,其特征在于,根据多个监测周期的清醒心跳间隔变化率和多个监测周期的疲劳心跳间隔变化率,采用受试者工作特征曲线确定驾驶员疲劳状态临界点的心跳间隔变化率阈值。
6.根据权利要求4所述的一种驾驶员疲劳状态的监测装置,其特征在于,将连续三个监测周期的实际心跳间隔变化率分别减去所述心跳间隔变化率阈值,得到所述连续三个监测周期的实际心跳间隔变化率与所述心跳间隔变化率阈值的差值,将所述差值加权求和,若所述差值加权求和的结果大于或者等于零,则判定驾驶员处于疲劳驾驶状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510956003.7A CN105405253B (zh) | 2015-12-18 | 2015-12-18 | 一种驾驶员疲劳状态的监测方法及监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510956003.7A CN105405253B (zh) | 2015-12-18 | 2015-12-18 | 一种驾驶员疲劳状态的监测方法及监测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105405253A CN105405253A (zh) | 2016-03-16 |
CN105405253B true CN105405253B (zh) | 2017-05-24 |
Family
ID=55470716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510956003.7A Active CN105405253B (zh) | 2015-12-18 | 2015-12-18 | 一种驾驶员疲劳状态的监测方法及监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105405253B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106264474A (zh) * | 2016-10-13 | 2017-01-04 | 国网山东省电力公司潍坊供电公司 | 一种防瞌睡装置 |
US20210101604A1 (en) * | 2017-03-28 | 2021-04-08 | Kyushu Institute Of Technology | Driver state detection device |
CN109017560A (zh) * | 2018-07-09 | 2018-12-18 | 中国联合网络通信集团有限公司 | 驾驶状态分析方法、装置及驾驶提示*** |
CN109191790A (zh) * | 2018-10-19 | 2019-01-11 | 郑州铁路职业技术学院 | 一种铁道司机驾驶状态实时检测及预警*** |
CN110236571A (zh) * | 2019-04-30 | 2019-09-17 | 深圳六合六医疗器械有限公司 | 疲劳状态检测方法、装置、设备及存储介质 |
CN110682863B (zh) * | 2019-09-04 | 2020-11-20 | 武汉乐道物流有限公司 | 一种用于货车的驾驶员疲劳驾驶预警的装置及方法 |
CN112530164B (zh) * | 2020-11-30 | 2022-03-29 | 长安大学 | 一种高海拔地区道路主动驾驶安全预警方法及*** |
CN113499083B (zh) * | 2021-05-18 | 2023-10-20 | 生物岛实验室 | 一种头皮脑电高频振荡自动检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129776A (zh) * | 2011-04-28 | 2011-07-20 | 北京市劳动保护科学研究所 | 行人异常交通状态自动检测方法及*** |
CN103606247A (zh) * | 2013-12-04 | 2014-02-26 | 中国科学院深圳先进技术研究院 | 利用车况和驾驶员生理参数进行交通预警的方法及*** |
CN104952210A (zh) * | 2015-05-15 | 2015-09-30 | 南京邮电大学 | 一种基于决策级数据融合的疲劳驾驶状态检测***和方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI434233B (zh) * | 2011-05-17 | 2014-04-11 | Ind Tech Res Inst | 睡意預警方法 |
-
2015
- 2015-12-18 CN CN201510956003.7A patent/CN105405253B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129776A (zh) * | 2011-04-28 | 2011-07-20 | 北京市劳动保护科学研究所 | 行人异常交通状态自动检测方法及*** |
CN103606247A (zh) * | 2013-12-04 | 2014-02-26 | 中国科学院深圳先进技术研究院 | 利用车况和驾驶员生理参数进行交通预警的方法及*** |
CN104952210A (zh) * | 2015-05-15 | 2015-09-30 | 南京邮电大学 | 一种基于决策级数据融合的疲劳驾驶状态检测***和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105405253A (zh) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105405253B (zh) | 一种驾驶员疲劳状态的监测方法及监测装置 | |
Heitmann et al. | Technologies for the monitoring and prevention of driver fatigue | |
Daza et al. | Drowsiness monitoring based on driver and driving data fusion | |
De Rosario et al. | Controlled inducement and measurement of drowsiness in a driving simulator | |
Dawson et al. | Look before you (s) leep: evaluating the use of fatigue detection technologies within a fatigue risk management system for the road transport industry | |
De Nadai et al. | Enhancing safety of transport by road by on-line monitoring of driver emotions | |
CN102098955B (zh) | 检测微入睡事件的方法和设备 | |
CN101491443A (zh) | 驾驶人疲劳与车辆行驶轨迹的关系模型 | |
CN106913333B (zh) | 一种持续性注意水平的敏感性特征指标的选取方法 | |
CN106236047A (zh) | 驾驶员疲劳监测***的控制方法 | |
Rodríguez-Ibáñez et al. | Drowsiness detection by thoracic effort signal analysis in real driving environments | |
Bittner et al. | Detecting of fatigue states of a car driver | |
CN209252893U (zh) | 一种车载检测和干预***和车载检测*** | |
Koh et al. | Driver drowsiness detection via PPG biosignals by using multimodal head support | |
JP2011248535A (ja) | 運転者状態判定装置、及び運転者支援装置 | |
CN105243789A (zh) | 一种融合心电信号和手握方向盘压力的疲劳驾驶检测方法 | |
CN109664894A (zh) | 基于多源异构数据感知的疲劳驾驶安全预警*** | |
CN109953763A (zh) | 一种基于深度学习的车载驾驶行为检测预警***及方法 | |
Wang et al. | Modeling and recognition of driving fatigue state based on RR intervals of ECG data | |
Lawoyin et al. | Detection methods for a low-cost accelerometer-based approach for driver drowsiness detection | |
Miyaji et al. | Driver’s cognitive distraction detection using AdaBoost on pattern recognition basis | |
Chang et al. | Real-time physiological and facial monitoring for safe driving | |
Zhang et al. | Structural analysis of driver fatigue behavior: a systematic review | |
Portouli et al. | On-road experiment for collecting driving behavioural data of sleepy drivers | |
CN205130998U (zh) | 一种防疲劳汽车坐垫 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |