The invention discloses a method for driving fatigue detection based on the soft set, which comprises the following steps: S1, driving the acquisition of surface EMG signal at a preset time preset muscles; S2, extraction and feature analysis of the muscle state of surface EMG signal; S3, according to the EMG signal is extracted to establish quantitative model of soft fatigue based on the set of S4, according to the driving fatigue; fatigue calculation to determine the value of quantitative model based on the soft set. The driver through the surface EMG signal acquisition, and the surface EMG signals were analyzed after pretreatment, analysis of abnormal data signals, decision-making analysis of surface EMG signals of the driver, the degree of fatigue that each time the driver, which can analyze the driver fatigue rate of decline; it realized the key to ensure information retention, analysis, and decision to simplify data, can greatly reduce the dimension of the space object knowledge representation. The choice of parameters is infinite.
【技术实现步骤摘要】
一种基于软集合的疲劳驾驶检测方法
本专利技术涉及一种基于软集合的疲劳驾驶检测方法,属于智能交通领域。
技术介绍
疲劳作为一种常见而复杂的生理现象将直接导致驾驶员的警觉性降低、反应迟缓,很容易造成交通事故,对驾驶员的生命安全造成了很大的威胁。但是,疲劳和非疲劳的分界点难以确定,在某种程度上可以说是不确定的,因人而异的。从这一点来说,疲劳检测比其他的经典模式识别问题如人脸检测等问题更加困难。除此之外,疲劳程度到底如何也难以确定,使得疲劳状态难于分类和度量。目前对疲劳驾驶检测的研究中,主要都是基于驾驶环境下人体生理信号的变化进行的,其主要目的是对驾驶员的清醒、疲劳、困倦等生理状态进行测量。表面肌电信号是人体运动时神经肌肉活动产生的生物电信号,可以在一定程度上反映人体的生理活动状态和功能状态。但是,当前疲劳驾驶检测技术的难点在于:采集到的信号具有一些不确定的因素,而当前的理论(比如概率论、盲数理论、模糊集理论、粗糙集理论、区间数学理论等都是用来处理不确定性的数学工具)中用于确定参数的工具非常少,导致大量参数无法确定,这一问题是使用这些理论的瓶颈。
技术实现思路
本专利技术的目的在于,提供一种基于软集合的疲劳驾驶检测方法,他可以解决当前技术中存在的问题,实现在保证关键信息保留的情况下,对数据进行分析、简化和决策,能够大大降低对象的知识表达空间维数。对参数的选择无限制性。为解决上述技术问题,本专利技术采用如下的技术方案:一种基于软集合的疲劳驾驶检测方法,包括以下步骤:S1,采集驾驶者的预设肌肉部位在预设时刻的表面肌电信号;S2,提取并分析所述表面肌电信号的肌肉状态特征;S ...
【技术保护点】
一种基于软集合的疲劳驾驶检测方法,其特征在于,包括以下步骤:S1,采集驾驶者的预设肌肉部位在预设时刻的表面肌电信号;S2,提取并分析所述表面肌电信号的肌肉状态特征;S3,根据提取出来的肌电信号建立基于软集合的疲劳量化模型;S4,根据所述基于软集合的疲劳量化模型计算得出疲劳驾驶判定值。
【技术特征摘要】
1.一种基于软集合的疲劳驾驶检测方法,其特征在于,包括以下步骤:S1,采集驾驶者的预设肌肉部位在预设时刻的表面肌电信号;S2,提取并分析所述表面肌电信号的肌肉状态特征;S3,根据提取出来的肌电信号建立基于软集合的疲劳量化模型;S4,根据所述基于软集合的疲劳量化模型计算得出疲劳驾驶判定值。2.根据权利要求1所述的一种基于软集合的疲劳驾驶检测方法,其特征在于,所述步骤S1中,所述预设肌肉部位包括颈部上斜方肌、肩部三角肌、背部背阔肌、下肢股直肌、股外侧肌和腓肠肌。3.根据权利要求1或2所述的一种基于软集合的疲劳驾驶检测方法,其特征在于,所述步骤S1中,采用小波去噪方法和经验模态分解阈值去噪方法对采集到的所述表面肌电信号进行预处理。4.根据权利要求3所述的一种基于软集合的疲劳驾驶检测方法,其特征在于,所述步骤S2包括:采用均方根法、中位频率法或者模糊近似熵算法对所述表面肌电信号进行分析,得到表面肌电信号的肌肉状态特征。5.根据权利要求4所述的一种基于软集合的疲劳驾驶检测方法,其特征在于,所述步骤S3包括:设定第一软集合(F,E)表征驾驶者的疲劳状态,其中,论域U是驾驶者在不同时刻的肌肉状态特征的集合,即U={h1,h2,h3,h4...h25},E是参数集,参数为所述表面肌电信号的模糊近似熵值。6...
【专利技术属性】
技术研发人员:王立夫,孔芝,
申请(专利权)人:东北大学秦皇岛分校,
类型:发明
国别省市:河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。