获取参数模型的方法、疲劳检测方法及装置、介质及设备制造方法及图纸

本公开涉及一种获取参数模型的方法、疲劳检测方法及装置、介质及设备，所述方法包括：逐一计算N个目标单位时间中的每个目标单位时间内的采样点数据与当前单位时间内的采样点数据的相关系数；将与所述当前单位时间内的采样点数据的相关性最大的M组采样点数据输入至眨眼参数预测模型的输入层以进行眨眼参数模型的预测；将从所述眨眼参数预测模型的输出层输出的眨眼参数模型最终确定为所述当前单位时间内的眨眼参数模型。因此，可以提高获得的眨眼参数模型的准确性，利用该方法可以基于干扰信号或残缺信号获得准确的眨眼参数模型，有效拓宽该方法的适用范围，可以保证基于该眨眼参数模型进行疲劳检测的结果的准确性，提升用户使用体验。

Method for obtaining parameter model, fatigue detection method, device, medium and equipment

The present disclosure relates to a method of obtaining a parameter model, a fatigue detection method and a device, a device, a medium, and a device. The method includes: calculating the relation between the sampling point data of each target unit time in N target unit time and the data of the sampling point within the current unit time in each target unit time of the target unit; The M sampling point data with the maximum correlation of sampling point data is input to the input layer of the blink parameter prediction model for the prediction of the blink parameter model, and the blink parameter model from the output layer of the blink parameter prediction model is finally determined as the blink parameter model of the current unit time interval. Therefore, the accuracy of the blink parameter model can be improved. Using this method, an accurate blink parameter model can be obtained based on the interference signal or the incomplete signal. It can effectively widen the scope of application of the method, which can ensure the accuracy of the results of the fatigue detection based on the blink parameter model and improve the user experience.

【技术实现步骤摘要】
获取参数模型的方法、疲劳检测方法及装置、介质及设备
本公开涉及眼睛眨动检测领域，具体地，涉及一种获取参数模型的方法、疲劳检测方法及装置、介质及设备。
技术介绍
体动检测芯片是将一整套具有电磁波发射和接收功能的电路集成到一个芯片中，用于检测人体的动作，其优点是体积小、耗电低、使用方便。其基本原理是向外界发射电磁波并检测反射回来的电磁波，将检测结果以电压的方式输出。体动检测芯片工作时发射和接收电磁波是一个连续不断的过程，其输出的电压也是一个连续变化的过程。当未检测到人体动作时，输出电压稳定在一个变化极其微小的数值范围内；当检测到人体动作时，输出电压就会发生波动，波动的幅度对应于检测到的人体动作的幅度，波动的频率对应的是人体动作的频率。体动检测芯片输出的检测结果是一路电压连续变化的模拟信号，通过芯片管脚的形式向外界输出。在复杂的环境下，受噪声信号的影响体动检测芯片难以输出完整的信号，即使对该信号进行降噪之后，也难以获得完整的信号。基于该残缺的信号获得的眨眼动作检测结果不准确，甚至根据该残缺的信号难以进行眨眼动作的检测，从而难以基于该眨眼动作的检测结果对用户是否处于疲劳状态进行检测。
技术实现思路
为了解决上述问题，本公开提供一种获取参数模型的方法、疲劳检测方法及装置、介质及设备。为了实现上述目的，根据本公开的第一方面，提供一种获取眨眼参数模型的方法，所述方法包括：逐一计算N个目标单位时间中的每个目标单位时间内的采样点数据与当前单位时间内的采样点数据的相关系数，其中，所述N个目标单位时间为所述当前单位时间之前连续的N个单位时间，且N为大于或等于2的正整数；将与所述当前单位时间内的采样点数据的相关性最大的M组采样点数据输入至眨眼参数预测模型的输入层以进行眨眼参数模型的预测，其中，所述眨眼参数预测模型的输入层包括M个输入神经元，所述M组采样点数据与所述M个输入神经元一一对应，并且针对每个输入神经元，将该输入神经元对应的采样点数据与所述当前单位时间内的采样点数据的相关系数作为该输入神经元与目标中间神经元之间的权重，其中，所述目标中间神经元为所述眨眼参数预测模型的第一级隐层中的任一神经元，2≤M≤N；将从所述眨眼参数预测模型的输出层输出的眨眼参数模型最终确定为所述当前单位时间内的眨眼参数模型。可选地，所述N个目标单位时间包括所述当前单位时间的前一单位时间。根据本公开的第二方面，提供一种疲劳检测方法，所述方法包括：根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型，其中，单位时间内的眨眼参数模型至少包括眨眼时间；在所述当前单位时间内的眨眼参数模型不满足第一预设条件时，保留计算出的所述当前单位时间内的眨眼参数模型；在所述当前单位时间内的眨眼参数模型满足所述第一预设条件时，忽略计算出的所述当前单位时间内的眨眼参数模型，并利用第一方面所述的方法重新确定所述当前单位时间内的眨眼参数模型，其中，所述第一预设条件为：计算出的所述当前单位时间内的眨眼参数模型与单位时间内的理想眨眼参数模型之间的偏差超过可接受水平，且所述当前时间内的眨眼参数模型中的任一参数超出由所述N个目标单位时间内的眨眼参数模型中的该参数所形成的参数范围；至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态。可选地，所述至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态，包括：将所述当前单位时间的下一单位时间作为新的当前单位时间，并返回所述根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型的步骤，直到满足第二预设条件为止，并确定所述被测用户处于疲劳状态，其中，所述第二预设条件为：当存在连续P个单位时间内的所述眨眼时间均大于或等于眨眼时间阈值，P为大于或等于2的正整数。可选地，所述至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态，包括：将所述当前单位时间的下一单位时间作为新的当前单位时间，并返回所述根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型的步骤，直到满足第二预设条件为止，其中，所述第二预设条件为：当存在连续P个单位时间内的眨眼参数模型中的所述眨眼时间均大于或等于眨眼时间阈值，P为大于或等于2的正整数；自所述P个单位时间的下一单位时间起，逐一利用第一方面所述的方法确定出每个单位时间内的眨眼参数模型；当自所述P个单位时间的下一单位时间起的Q个单位时间内不存在眨眼时间小于所述眨眼时间阈值的眨眼参数模型时，确定被测用户处于疲劳状态，其中，Q为大于或等于2的正整数。可选地，所述至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态，还包括：当所述Q个单位时间内存在眨眼时间小于所述眨眼时间阈值的眨眼参数模型时，确定所述被测用户未处于疲劳状态；所述方法还包括：将所述Q个单位时间中，眨眼时间小于所述眨眼时间阈值的眨眼参数模型所对应的单位时间的下一单位时间作为新的当前单位时间，并返回所述根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型的步骤。根据本公开的第三方面，提供一种获取眨眼参数模型的装置，所述装置包括：第一计算模块，用于逐一计算N个目标单位时间中的每个目标单位时间内的采样点数据与当前单位时间内的采样点数据的相关系数，其中，所述N个目标单位时间为所述当前单位时间之前连续的N个单位时间，且N为大于或等于2的正整数；预测模块，用于将与所述当前单位时间内的采样点数据的相关性最大的M组采样点数据输入至眨眼参数预测模型的输入层以进行眨眼参数模型的预测，其中，所述眨眼参数预测模型的输入层包括M个输入神经元，所述M组采样点数据与所述M个输入神经元一一对应，并且针对每个输入神经元，将该输入神经元对应的采样点数据与所述当前单位时间内的采样点数据的相关系数作为该输入神经元与目标中间神经元之间的权重，其中，所述目标中间神经元为所述眨眼参数预测模型的第一级隐层中的任一神经元，2≤M≤N；第一确定模块，用于将从所述眨眼参数预测模型的输出层输出的眨眼参数模型最终确定为所述当前单位时间内的眨眼参数模型。可选地，所述N个目标单位时间包括所述当前单位时间的前一单位时间。根据本公开的第四方面，提供一种疲劳检测装置，所述装置包括：第二计算模块，用于根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型，其中，单位时间内的眨眼参数模型至少包括眨眼时间；第二确定模块，用于在所述当前单位时间内的眨眼参数模型不满足第一预设条件时，保留计算出的所述当前单位时间内的眨眼参数模型；在所述当前单位时间内的眨眼参数模型满足所述第一预设条件时，忽略所述第二计算模块计算出的所述当前单位时间内的眨眼参数模型，并利用第二方面所述的装置重新确定所述当前单位时间内的眨眼参数模型，其中，所述第一预设条件为：所述第二计算模块计算出的所述当前单位时间内的眨眼参数模型与单位时间内的理想眨眼参数模型之间的偏差超过可接受水平，且所述当前时间内的眨眼参数模型中的任一参数超出由所述N个目标单位时间内的眨眼参数模型中的该参数所形成的参数范围；第三确定模块，用于至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态。可选地，所述第三确定模块用本文档来自技高网...

【技术保护点】
1.一种获取眨眼参数模型的方法，其特征在于，所述方法包括：逐一计算N个目标单位时间中的每个目标单位时间内的采样点数据与当前单位时间内的采样点数据的相关系数，其中，所述N个目标单位时间为所述当前单位时间之前连续的N个单位时间，且N为大于或等于2的正整数；将与所述当前单位时间内的采样点数据的相关性最大的M组采样点数据输入至眨眼参数预测模型的输入层以进行眨眼参数模型的预测，其中，所述眨眼参数预测模型的输入层包括M个输入神经元，所述M组采样点数据与所述M个输入神经元一一对应，并且针对每个输入神经元，将该输入神经元对应的采样点数据与所述当前单位时间内的采样点数据的相关系数作为该输入神经元与目标中间神经元之间的权重，其中，所述目标中间神经元为所述眨眼参数预测模型的第一级隐层中的任一神经元，2≤M≤N；将从所述眨眼参数预测模型的输出层输出的眨眼参数模型最终确定为所述当前单位时间内的眨眼参数模型。

【技术特征摘要】
1.一种获取眨眼参数模型的方法，其特征在于，所述方法包括：逐一计算N个目标单位时间中的每个目标单位时间内的采样点数据与当前单位时间内的采样点数据的相关系数，其中，所述N个目标单位时间为所述当前单位时间之前连续的N个单位时间，且N为大于或等于2的正整数；将与所述当前单位时间内的采样点数据的相关性最大的M组采样点数据输入至眨眼参数预测模型的输入层以进行眨眼参数模型的预测，其中，所述眨眼参数预测模型的输入层包括M个输入神经元，所述M组采样点数据与所述M个输入神经元一一对应，并且针对每个输入神经元，将该输入神经元对应的采样点数据与所述当前单位时间内的采样点数据的相关系数作为该输入神经元与目标中间神经元之间的权重，其中，所述目标中间神经元为所述眨眼参数预测模型的第一级隐层中的任一神经元，2≤M≤N；将从所述眨眼参数预测模型的输出层输出的眨眼参数模型最终确定为所述当前单位时间内的眨眼参数模型。2.一种疲劳检测方法，其特征在于，所述方法包括：根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型，其中，单位时间内的眨眼参数模型至少包括眨眼时间；在所述当前单位时间内的眨眼参数模型不满足第一预设条件时，保留计算出的所述当前单位时间内的眨眼参数模型；在所述当前单位时间内的眨眼参数模型满足所述第一预设条件时，忽略计算出的所述当前单位时间内的眨眼参数模型，并利用权利要求1所述的方法重新确定所述当前单位时间内的眨眼参数模型，其中，所述第一预设条件为：计算出的所述当前单位时间内的眨眼参数模型与单位时间内的理想眨眼参数模型之间的偏差超过可接受水平，且所述当前时间内的眨眼参数模型中的任一参数超出由所述N个目标单位时间内的眨眼参数模型中的该参数所形成的参数范围；至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态。3.根据权利要求2所述的方法，其特征在于，所述至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态，包括：将所述当前单位时间的下一单位时间作为新的当前单位时间，并返回所述根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型的步骤，直到满足第二预设条件为止，其中，所述第二预设条件为：当存在连续P个单位时间内的眨眼参数模型中的所述眨眼时间均大于或等于眨眼时间阈值，P为大于或等于2的正整数；自所述P个单位时间的下一单位时间起，逐一利用权利要求1所述的方法确定出每个单位时间内的眨眼参数模型；当自所述P个单位时间的下一单位时间起的Q个单位时间内不存在眨眼时间小于所述眨眼时间阈值的眨眼参数模型时，确定被测用户处于疲劳状态，其中，Q为大于或等于2的正整数。4.根据权利要求3所述的方法，其特征在于，所述至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态，还包括：当所述Q个单位时间内存在眨眼时间小于所述眨眼时间阈值的眨眼参数模型时，确定所述被...

【专利技术属性】
技术研发人员：李岩，许佳音，陈向朋，张骞，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁,21