The invention discloses a human body fatigue judging method, which comprises the following steps: Based on eye wear, the real-time eye image acquisition and image processing, to obtain the eye feature parameters; collection includes at least the spectrum characteristics of 3D motion of the head; using Bayesian network classifier and the linear classifier according to the agreed decision mode frequency switching. The eye characteristic parameter and the spectral characteristics of the data classification result of fatigue; according to the agreed method to determine the output includes at least mild fatigue, tired, awake. The invention adopts double judgment switching method based on Bayesian network classifier and linear classifier, which reduces the complexity of the algorithm and has high accuracy.
【技术实现步骤摘要】
人体疲劳度判定方法
本专利技术涉及疲劳判定
,更具体地说,本专利技术涉及一种人体疲劳度判定方法。
技术介绍
觉醒度(Vigilance)是指人集中精力执行一项操作任务时所表现出的灵敏程度,包括对疲劳和瞌睡状态的度量。许多人机交互系统需要操作人员保持一定的警觉度,例如,空中管制中心的管制员、军事作战指挥部指战员、飞行员、高速公路上的长途客车驾驶员,都需要保持较高的警觉度,并且需要对觉醒度有一定反馈供监控与管理。在复杂应用环境下,不能及时、正确地侦测到人员的疲劳状态,或者错误检测,都会给正在进行危险作业的人员带来不可预知的后果。因此,如何快速准确的识别人员的疲劳状态并转换为相应的觉醒度等级,是疲劳监测的一个重要问题,关系到相应的疲劳检测设备或方法能否被真正使用到生产实践当中,尤其在复杂作业环境中,可靠,稳定,快速的获取人员的状态,并给予相应的刺激信号,提高人员觉醒度,提高作业能力,防止误操作及危险操作的发生。现有技术中,多采用面部识别方法,然后定位眼部,提取眼部特征,算法复杂度高,不能快速、精确地进行疲劳及其分类判定。
技术实现思路
针对上述技术中存在的不足之处,本专利技术提供一种人体疲劳度判定方法,采用基于贝叶斯网络分类器和线性分类器的双判定切换方法,降低算法复杂度,判定准确度高。为了实现根据本专利技术的这些目的和其它优点,本专利技术通过以下技术方案实现:本专利技术提供一种人体疲劳度判定方法,其包括以下步骤:基于眼部穿戴,采集人的实时全眼图像并进行图像处理,获得眼部特征参数;采集至少包括头部三维运动的频谱特征;采用贝叶斯网络分类器和线性分类器按约定频率切换 ...
【技术保护点】
一种人体疲劳度判定方法,其特征在于,其包括以下步骤:基于眼部穿戴,采集人的实时全眼图像并进行图像处理,获得眼部特征参数;采集至少包括头部三维运动的频谱特征;采用贝叶斯网络分类器和线性分类器按约定频率切换的判定模式,对所述眼部特征参数和所述频谱特征数据进行疲劳分类判定;按约定判定方法输出至少包括清醒、轻度疲劳、疲倦的判定结果。
【技术特征摘要】
1.一种人体疲劳度判定方法,其特征在于,其包括以下步骤:基于眼部穿戴,采集人的实时全眼图像并进行图像处理,获得眼部特征参数;采集至少包括头部三维运动的频谱特征;采用贝叶斯网络分类器和线性分类器按约定频率切换的判定模式,对所述眼部特征参数和所述频谱特征数据进行疲劳分类判定;按约定判定方法输出至少包括清醒、轻度疲劳、疲倦的判定结果。2.如权利要求1所述的人体疲劳度判定方法,其特征在于,采集人的实时全眼图像,包括步骤:在红外照明下,采用红外微距摄像头采集人的实时全眼图像。3.如权利要求1所述的人体疲劳度判定方法,其特征在于,对实时全眼图像进行图像处理,获得眼部特征参数,包括以下步骤:对所述实时全眼图像进行灰度统计;提取特征灰度值,并以该值为参考点,对所述实时全眼图像进行二值化;采用基于图像灰度积分算法对二值化的全眼图像进行积分处理和线性分析,获得眼部特征值;基于所述眼部特征值,绘制眼部运动曲线,提取所述眼部特征参数。4.如权利要求1所述的人体疲劳度判定方法,其特征在于,采集至少包括头部三维运动的频谱特征,包括以下步骤:采集头部在各个运动方向的速度、加速度以及时间,绘制头部在三维空间的运动曲线;基于头部在三维空间的运动曲线,对头部运动轨迹做傅里叶变换,提取头部运动的频率信息,基于所述头部运动的频率信息,提取头部在三个方向上分别处于清醒、轻度疲劳以及疲倦状态下频谱特征。5.如权利要求1所述的人体疲劳度判定方法,其特征在于,贝叶斯网络分类器和线性分类器按约定频率切换的判定方法,包括以下步骤:约定第一时间段,在所述第一时间段内,采用贝叶斯网络分类器...
【专利技术属性】
技术研发人员:陈奭,付威威,董月芳,刘敏,周哲,潘力,朱海龙,
申请(专利权)人:中国科学院苏州生物医学工程技术研究所,
类型:发明
国别省市:江苏,32
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。