一种基于多信息融合的疲劳检测方法技术

本发明专利技术公开了一种基于多信息融合的疲劳检测方法，其引入了呼吸率和手指电导率以及手指体温的生理监测指标，通过将四种生理特征提取后使用样本熵估计并通过LS‑SVM进行疲劳状态的分类。本发明专利技术利用了包括心率、皮肤电导率、皮肤温度、呼吸率在内的多种生理指标作为特征，提高了疲劳检测的准确率，同时使用了分类速度更快的LS‑SVM分类器，保证了能够快速分类的效果，分类的准确和快速是疲劳检测的重要指标。

A fatigue detection method based on multi information fusion

The invention discloses a fatigue detection method based on multi-information fusion, which introduces physiological monitoring indexes of respiratory rate, finger conductivity and finger temperature, estimates the sample entropy after extracting four physiological features and classifies the fatigue state by LS_SVM. The invention utilizes a variety of physiological indexes including heart rate, skin conductivity, skin temperature and respiration rate as characteristics, improves the accuracy of fatigue detection, and uses the LS_SVM classifier with faster classification speed to ensure the effect of rapid classification. The accuracy and speed of classification is an important index of fatigue detection. Mark.

【技术实现步骤摘要】
一种基于多信息融合的疲劳检测方法
本专利技术属于智能检测
，具体涉及一种基于多信息融合的疲劳检测方法。
技术介绍
精神疲劳是一种亚健康状态，随着工作时间的增长和强度的增大，工作者会感觉到注意力的分散和工作效率的下降，对于部分职业如驾驶员或者操作工甚至会导致致命的后果，因此对于疲劳检测一直是一个热门的研究方向。疲劳检测可以分为主观评定和客观评定两种，其中主观方式主要是通过问卷和自评量表，存在着延时和不准确性，而客观方式主要通过基于生理信号和行为表情特征等数据来评估疲劳的状态，其中生理信号主要包括心电(ECG)，脑电(EEG)，呼吸率(RR)等。脑电存在传感器佩戴不方便的问题，同时测得的数据容易受到肌电和眼电的影响，而心率变异性(HRV)是一种量测连续心跳速率变化程度的方法，在国内外研究中发现与精神疲劳之间存在较强的相关性，同时手指温度和手指电导率能够反映工作者的紧张程度，呼吸率随着被测人员压力的增大也会出现变化。
技术实现思路
针对脑电设备佩戴复杂以及单个ECG生理信号监测指标存在局限，本专利技术提供了一种基于多信息融合的疲劳检测方法，引入了呼吸率和手指电导率以及手指体温的生理监测指本文档来自技高网...

【技术保护点】
1.一种基于多信息融合的疲劳检测方法，包括如下步骤：(1)通过采集获取大量疲劳人体以及非疲劳人体的生理数据，所述生理数据包括心电信息、呼吸率、手指温度以及皮肤电传导率；(2)从所述心电信息中提取出人体的心率变异性数据，并利用Welch法计算出心率变异性的功率谱特征；(3)根据一定时间段内每一采样周期人体的呼吸率，提取出平均呼吸率和最大呼吸率；(4)提取手指温度变化率以及皮肤电传导率变化率；(5)通过基于多变量的多尺度熵分析法将所述功率谱特征、平均呼吸率、最大呼吸率、手指温度变化率以及皮肤电传导率变化率整理组成样本熵，将所有样本熵分为训练集、验证集和测试集，其中对应疲劳人体的样本熵为正样本，对应...

【技术特征摘要】
1.一种基于多信息融合的疲劳检测方法，包括如下步骤：(1)通过采集获取大量疲劳人体以及非疲劳人体的生理数据，所述生理数据包括心电信息、呼吸率、手指温度以及皮肤电传导率；(2)从所述心电信息中提取出人体的心率变异性数据，并利用Welch法计算出心率变异性的功率谱特征；(3)根据一定时间段内每一采样周期人体的呼吸率，提取出平均呼吸率和最大呼吸率；(4)提取手指温度变化率以及皮肤电传导率变化率；(5)通过基于多变量的多尺度熵分析法将所述功率谱特征、平均呼吸率、最大呼吸率、手指温度变化率以及皮肤电传导率变化率整理组成样本熵，将所有样本熵分为训练集、验证集和测试集，其中对应疲劳人体的样本熵为正样本，对应非疲劳人体的样本熵为负样本；(6)将训练集中的正负样本逐一输入至LS-SVM中进行训练，得到用于检测区分人体疲劳状态的分类模型，最后利用验证集对该分类模型进行调试，利用测试集对调试后的分类模型进行实际测试，以实现对人体的疲劳检测。2.根据权利要求1所述的疲劳检...

【专利技术属性】
技术研发人员：李红，杨国青，王成城，张华蕊，吕攀，吴朝晖，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33