高铁调度员疲劳状态测评方法及系统技术方案

本发明专利技术公开了一种高铁调度员疲劳状态测评方法和系统。其中，该方法可以包括获取高铁调度员的心率信号、心电信号、脑电信号、面部图像信号和眼动特征信号；基于心率信号、心电信号、脑电信号、面部图像信号和眼动特征信号，提取疲劳警戒值以下的特征值；基于疲劳警戒值以下的特征值，利用多通道数据融合算法，确定高铁调度员的疲劳状态。本发明专利技术实施例通过采取上述技术方案，以高铁调度员日常作业为测试背景，融合了多个信号进行判定，解决了如何提高测评的精度和准确度的技术问题，使得监测与测评更具有实际意义。

Method and system for measuring fatigue state of high-speed railway dispatcher

The invention discloses a method and a system for measuring the fatigue state of a high-speed iron dispatcher. Among them, the method can include access to high-speed rail dispatcher's heart rate, ECG, EEG, facial image signal and eye movement signals; heart rate, ECG, EEG, facial image signal and signal extraction based on eye movement characteristics, fatigue warning value of the following characteristics; fatigue warning value following eigenvalue based on multi channel data fusion algorithm to determine the fatigue state of high speed rail dispatcher. The embodiment of the invention adopts the technical scheme, the high-speed rail dispatcher daily operation for testing background, combined with many signal to determine how to solve technical problems, improve the measurement precision and accuracy, making the monitoring and evaluation of more practical significance.

【技术实现步骤摘要】
高铁调度员疲劳状态测评方法及系统
本专利技术实施例涉及高铁
，尤其是涉及一种高铁调度员疲劳状态测评方法及系统。
技术介绍
高铁调度员倒班制的工作方式决定了其需要较高的抗疲劳能力。目前，国内国外针对高铁调度员疲劳监测的系统较为鲜见。已有的疲劳监测设备涉及到的人员作业背景与高铁路调度员作业背景存在较大差异，不能简单地复制应用到高铁路调度员的疲劳监测与测评中；而且，已有的疲劳监测与测评设备多是基于单通道分析，其精度及准确度不高。因此，急需一套疲劳监测与干预装置来解决高铁调度员疲劳作业带来的危害。
技术实现思路
本专利技术实施例的主要目的在于提供一种高铁调度员疲劳状态测评方法，其至少部分地解决了如何提高测评的精度和准确度的技术问题。此外，还提供一种高铁调度员疲劳状态测评系统。为了实现上述目的，根据本专利技术的一个方面，提供了以下技术方案：一种高铁调度员疲劳状态测评方法。该方法至少可以包括：获取所述高铁调度员的心率信号、心电信号、脑电信号、面部图像信号和眼动特征信号；基于所述心率信号、所述心电信号、所述脑电信号、所述面部图像信号和所述眼动特征信号，提取疲劳警戒值以下的特征值；基于所述疲劳警戒值以下的特征值，利用多通道数据融合算法，确定所述高铁调度员的疲劳状态。进一步地，所述基于所述心率信号、所述心电信号、所述脑电信号、所述面部图像信号和所述眼动特征信号，提取疲劳警戒值以下的特征值，具体可以包括：基于所述心率信号，提取心率指标疲劳警戒值以下的特征值；基于所述心电信号，提取心电指标疲劳警戒值以下的特征值；基于所述脑电信号，提取脑电指标疲劳警戒值以下的特征值；基于所述面部图像信号，提取面部特征指标疲劳警戒值以下的特征值；基于所述眼动特征信号，提取眼动指标疲劳警戒值以下的特征值。进一步地，所述基于所述心率信号，提取心率指标疲劳警戒值以下的特征值，具体可以包括：基于所述心率信号，得到心率值；基于所述心率值，绘制心率变化曲线；基于所述心率变化曲线，提取所述心率指标疲劳警戒值以下的特征值。进一步地，所述基于所述心电信号，提取心电指标疲劳警戒值以下的特征值，具体可以包括：对所述心电信号进行滤波；对滤波后的信号进行去伪迹处理；对去伪迹后的信号进行时域至频域的变换；基于变换结果，提取频域特征；基于所述频域特征，提取所述心电指标疲劳警戒值以下的特征值。进一步地，所述基于所述脑电信号，提取脑电指标疲劳警戒值以下的特征值，具体可以包括：对所述脑电信号进行滤波；对滤波后的信号进行去伪迹处理；对去伪迹后的信号进行时域至频域的变换；基于变换后的信号，提取频域特征；基于所述频域特征，提取所述脑电指标疲劳警戒值以下的特征值。进一步地，所述基于所述面部图像信号，提取面部特征指标疲劳警戒值以下的特征值，具体可以包括：对所述面部图像信号进行数字图像处理；基于处理后的结果，确定面部特征；基于所述面部特征，确定面部疲劳表情特征；基于所述面部疲劳表情特征，提取所述面部特征指标疲劳警戒值以下的特征值。进一步地，所述基于所述眼动特征信号，提取眼动指标疲劳警戒值以下的特征值，具体可以包括：对所述眼动特征信号进行数字图像处理；基于处理后的结果，提取眼动参数；基于所述眼动参数，提取所述眼动指标疲劳警戒值以下的特征值。进一步地，所述基于所述疲劳警戒值以下的特征值，利用多通道数据融合算法，确定所述高铁调度员的疲劳状态，具体可以包括：利用熵的方法，根据下式计算所述心率指标疲劳警戒值以下的特征值、所述心电指标疲劳警戒值以下的特征值、所述脑电指标疲劳警戒值以下的特征值、所述面部特征指标疲劳警戒值以下的特征值、所述眼动指标疲劳警戒值以下的特征值的概率：mi(Θ)＝-k[qiMFlog2qiMF+(1-qiMF)log2(1-qiMF)]其中，所述所述MF表示疲劳；所述表示不疲劳；所述qiMF表示第i个通道判别高铁调度员处于疲劳状态的概率；所述1-qiMF表示第i个通道判别高铁调度员处于不疲劳状态的概率，所述i＝1,2,…5；所述各通道分别输入所述心率指标疲劳警戒值以下的特征值、所述心电指标疲劳警戒值以下的特征值、所述脑电指标疲劳警戒值以下的特征值、所述面部特征指标疲劳警戒值以下的特征值、所述眼动指标疲劳警戒值以下的特征值；所述k表示调节因子，并且k∈(0,1)；根据下式计算处于疲劳状态的基础分配概率和处于不疲劳状态的基础分配概率：其中，所述mi(MF)表示处于疲劳状态的基础分配概率；所述表示处于不疲劳状态的基础分配概率；根据下式进行基于D-S证据理论的多通道融合，计算高铁调度员处于疲劳状态的概率、高铁调度员处于不疲劳状态的概率以及所述各疲劳警戒值以下的特征值融合后的概率：其中，所述m(MF)表示所述高铁调度员处于疲劳状态的概率；所述表示所述高铁调度员处于不疲劳状态的概率；所述m(Θ)表示所述疲劳警戒值以下的特征值融合后的概率；所述或Θ，所述i＝1,2,......5,所述j＝1,2k；根据下式计算疲劳的信任函数和似然函数，以及不疲劳的信任函数和似然函数：Bel(MF)＝m(MF)其中，所述Bel(MF)表示所述疲劳的信任函数；所述Pl(MF)表示所述疲劳的似然函数；所述表示所述不疲劳的信任函数；所述表示所述不疲劳的似然函数；根据所述疲劳的信任函数和似然函数，以及所述不疲劳的信任函数和似然函数，判定所述高铁调度员是否处于疲劳状态。进一步地，所述方法还可以包括：将所确定的所述疲劳状态与疲劳状态阈值进行比较；若超过阈值，则进行预警干预。根据本专利技术的另一个方面，还提供了一种高铁调度员疲劳状态测评系统。该系统至少可以包括：获取模块，用于获取所述高铁调度员的心率信号、心电信号、脑电信号、面部图像信号和眼动特征信号；提取模块，用于基于所述心率信号、所述心电信号、所述脑电信号、所述面部图像信号和所述眼动特征信号，提取疲劳警戒值以下的特征值；确定模块，用于基于所述疲劳警戒值以下的特征值，利用多通道数据融合算法，确定所述高铁调度员的疲劳状态。进一步地，所述提取模块具体可以包括：第一提取单元，用于基于所述心率信号，提取心率指标疲劳警戒值以下的特征值；第二提取单元，用于基于所述心电信号，提取心电指标疲劳警戒值以下的特征值；第三提取单元，用于基于所述脑电信号，提取脑电指标疲劳警戒值以下的特征值；第四提取单元，用于基于所述面部图像信号，提取面部特征指标疲劳警戒值以下的特征值；第五提取单元，用于基于所述眼动特征信号，提取眼动指标疲劳警戒值以下的特征值。进一步地，所述第一提取单元具体可以包括：获取单元，用于基于所述心率信号，得到心率值；绘制单元，用于基于所述心率值，绘制心率变化曲线；第一提取子单元，用于基于所述心率变化曲线，提取所述心率指标疲劳警戒值以下的特征值。进一步地，所述第二提取单元具体可以包括：第一滤波单元，用于对所述心电信号进行滤波；第一去伪迹单元，用于对滤波后的信号进行去伪迹处理；第一变换单元，用于对去伪迹后的信号进行时域至频域的变换；第二提取子单元，用于基于变换结果，提取频域特征；第三提取子单元，用于基于所述频域特征，提取所述心电指标疲劳警戒值以下的特征值。进一步地，所述第三提取单元具体可以包括：第二滤波单元，用于对所述脑电信号进行滤波；第二去伪迹单元，用于对滤波后的信号进行去伪迹处理；第二变本文档来自技高网...

【技术保护点】
一种高铁调度员疲劳状态测评方法，其特征在于，所述方法至少包括：获取所述高铁调度员的心率信号、心电信号、脑电信号、面部图像信号和眼动特征信号；基于所述心率信号、所述心电信号、所述脑电信号、所述面部图像信号和所述眼动特征信号，提取疲劳警戒值以下的特征值；基于所述疲劳警戒值以下的特征值，利用多通道数据融合算法，确定所述高铁调度员的疲劳状态。

【技术特征摘要】
1.一种高铁调度员疲劳状态测评方法，其特征在于，所述方法至少包括：获取所述高铁调度员的心率信号、心电信号、脑电信号、面部图像信号和眼动特征信号；基于所述心率信号、所述心电信号、所述脑电信号、所述面部图像信号和所述眼动特征信号，提取疲劳警戒值以下的特征值；基于所述疲劳警戒值以下的特征值，利用多通道数据融合算法，确定所述高铁调度员的疲劳状态。2.根据权利要求1所述的方法，其特征在于，所述基于所述心率信号、所述心电信号、所述脑电信号、所述面部图像信号和所述眼动特征信号，提取疲劳警戒值以下的特征值，具体包括：基于所述心率信号，提取心率指标疲劳警戒值以下的特征值；基于所述心电信号，提取心电指标疲劳警戒值以下的特征值；基于所述脑电信号，提取脑电指标疲劳警戒值以下的特征值；基于所述面部图像信号，提取面部特征指标疲劳警戒值以下的特征值；基于所述眼动特征信号，提取眼动指标疲劳警戒值以下的特征值。3.根据权利要求2所述的方法，其特征在于，所述基于所述心率信号，提取心率指标疲劳警戒值以下的特征值，具体包括：基于所述心率信号，得到心率值；基于所述心率值，绘制心率变化曲线；基于所述心率变化曲线，提取所述心率指标疲劳警戒值以下的特征值。4.根据权利要求2所述的方法，其特征在于，所述基于所述心电信号，提取心电指标疲劳警戒值以下的特征值，具体包括：对所述心电信号进行滤波；对滤波后的信号进行去伪迹处理；对去伪迹后的信号进行时域至频域的变换；基于变换结果，提取频域特征；基于所述频域特征，提取所述心电指标疲劳警戒值以下的特征值。5.根据权利要求2所述的方法，其特征在于，所述基于所述脑电信号，提取脑电指标疲劳警戒值以下的特征值，具体包括：对所述脑电信号进行滤波；对滤波后的信号进行去伪迹处理；对去伪迹后的信号进行时域至频域的变换；基于变换后的信号，提取频域特征；基于所述频域特征，提取所述脑电指标疲劳警戒值以下的特征值。6.根据权利要求2所述的方法，其特征在于，所述基于所述面部图像信号，提取面部特征指标疲劳警戒值以下的特征值，具体包括：对所述面部图像信号进行数字图像处理；基于处理后的结果，确定面部特征；基于所述面部特征，确定面部疲劳表情特征；基于所述面部疲劳表情特征，提取所述面部特征指标疲劳警戒值以下的特征值。7.根据权利要求2所述的方法，其特征在于，所述基于所述眼动特征信号，提取眼动指标疲劳警戒值以下的特征值，具体包括：对所述眼动特征信号进行数字图像处理；基于处理后的结果，提取眼动参数；基于所述眼动参数，提取所述眼动指标疲劳警戒值以下的特征值。8.根据权利要求2所述的方法，其特征在于，所述基于所述疲劳警戒值以下的特征值，利用多通道数据融合算法，确定所述高铁调度员的疲劳状态，具体包括：利用熵的方法，根据下式计算所述心率指标疲劳警戒值以下的特征值、所述心电指标疲劳警戒值以下的特征值、所述脑电指标疲劳警戒值以下的特征值、所述面部特征指标疲劳警戒值以下的特征值、所述眼动指标疲劳警戒值以下的特征值的概率：mi(Θ)＝-k[qiMFlog2qiMF+(1-qiMF)log2(1-qiMF)]其中，所述所述MF表示疲劳；所述表示不疲劳；所述qiMF表示第i个通道判别高铁调度员处于疲劳状态的概率；所述1-qiMF表示第i个通道判别高铁调度员处于不疲劳状态的概率，所述i＝1,2,…5；所述各通道分别输入所述心率指标疲劳警戒值以下的特征值、所述心电指标疲劳警戒值以下的特征值、所述脑电指标疲劳警戒值以下的特征值、所述面部特征指标疲劳警戒值以下的特征值、所述眼动指标疲劳警戒值以下的特征值；所述k表示调节因子，并且k∈(0,1)；根据下式计算处于疲劳状态的基础分配概率和处于不疲劳状态的基础分配概率：mi(MF)＝qiMF(1-mi(Θ))mi(MF)＝(1-qiMF)(1-mi(Θ))其中，所述mi(MF)表示处于疲劳状态的基础分配概率；所述表示处于不疲劳状态的基础分配概率；根据下式进行基于D-S证据理论的多通道融合，计算高铁调度员处于疲劳状态的概率、高铁调度员处于不疲劳状态的概率以及所述各疲劳警戒值以下的特征值融合后的概率：其中，所述m(MF)表示所述高铁调度员处于疲劳状态的概率；所述表示所述高铁调度员处于不疲劳状态的概率；所述m(Θ)表示所述疲劳警戒值以下的特征值融合后的概率；所述或Θ，所述i＝1,2,......5,所述j＝1,2k；根据下式计算疲劳的信任函数和似然函数，以及不疲劳的信任函数和似然函数：Bel(MF)＝m(MF)其中，所述Bel(MF)表示所述疲劳的信任函数；所述Pl(MF)表示所述疲劳的似然函数；所述表示所述不疲劳的信任函数；所述表示所述不疲劳的似然函数；根据所述疲劳的信任函数和似然函数，以及所述不疲劳的信任函数和似然函数，判定所述高铁调度员是否处于疲劳状态。9.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所确定的所述疲劳状态与疲劳状态阈值进行比较；若超过阈值，则进行预警干预。10.一种高铁调度员疲劳状态测评系统，其特征在于，所述系统至少包括：获取模块，用于获取所述高铁调度员的心率信号、心电信号、脑电信号、面部图像信...

【专利技术属性】
技术研发人员：郭孜政，张骏，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51