一种基于脉搏波信号的驾驶疲劳识别方法及系统技术方案

本发明专利技术公开了一种基于脉搏波信号的驾驶疲劳识别方法及系统。所述方法包括：获取待测者的脉搏波信号；提取待测者的脉搏波信号的驾驶疲劳指标特征；驾驶疲劳指标特征包括时域特征、频域特征和非线性特征；将待测者的脉搏波信号的驾驶疲劳指标特征分别输入至多个驾驶疲劳识别模型中得到多个分类结果，并将分类结果中出现疲劳类别次数最多的分类结果确定为待测者的疲劳类别；各驾驶疲劳识别模型均是将两个不同疲劳类别的训练样本输入至SVM分类器中训练而成的；训练样本包括训练者的脉搏波信号的驾驶疲劳指标特征和训练者的疲劳类别；训练者的疲劳类别是由对应的训练者的瞳孔面积确定的。本发明专利技术能实现司机疲劳的快速识别。

【技术实现步骤摘要】
一种基于脉搏波信号的驾驶疲劳识别方法及系统
本专利技术涉及轨道交通驾驶领域，特别是涉及一种基于脉搏波信号的驾驶疲劳识别方法及系统。
技术介绍
驾驶疲劳导致驾驶员产生生理、心理上的波动，影响驾驶员的驾驶性能，进而影响行车安全，城市轨道交通列车司机作为轨道交通运营生产的关键岗位，为保证运营生产安全，其工作疲劳不容忽视，并更有必要通过实时监测其生理情况和作业状态来保证运营生产安全。现有司机疲劳检测方法主要包括主观测量及客观测量两种方法。主观测量方法主要是指司机借助主观调查表记录自我状态情况、睡眠情况，以此调查测量司机的疲劳程度；客观测量法主要包括基于生理信号的测量方法和基于身体反应的测量方法，基于生理信号的测量方法如脑电图法、心电图法等，基于身体反应的测量方法如根据面部特征、手部运动和眼球转动测量的方法等。主观测量方法简单易用，但由于个体差异的存在，量表之间横向比较没有统一标准。另外，被试的主观感受会受环境变化和时间因素的影响而消退，因此，主观测量方法只能作为辅助手段。而上述客观测量方法虽然具有较高的准确性，但因其采集信号过程复杂，设备要求高，对正常驾驶车辆影响大，而且其生理信号复杂，通常是经过实验获取信号后再进行分析，无法实现司机疲劳的快速识别。
技术实现思路
基于此，有必要提供一种基于脉搏波信号的驾驶疲劳识别方法及系统，以实现司机疲劳的快速识别。为实现上述目的，本专利技术提供了如下方案：一种基于脉搏波信号的驾驶疲劳识别方法，包括：获取待测者的脉搏波信号；>提取所述待测者的脉搏波信号的驾驶疲劳指标特征；所述驾驶疲劳指标特征包括时域特征、频域特征和非线性特征；将所述待测者的脉搏波信号的驾驶疲劳指标特征分别输入至多个驾驶疲劳识别模型中得到多个分类结果，并将所述分类结果中出现疲劳类别次数最多的分类结果确定为所述待测者的疲劳类别；各所述驾驶疲劳识别模型均是将两个不同疲劳类别的训练样本输入至SVM分类器中训练而成的；所述训练样本包括训练者的脉搏波信号的驾驶疲劳指标特征和训练者的疲劳类别；所述训练者的疲劳类别是由对应的训练者的瞳孔面积确定的。可选的，在所述获取待测者的脉搏波信号之后，还包括：对所述待测者的脉搏波信号进行去基线漂移处理。可选的，所述驾驶疲劳识别模型的确定方法为：获取训练者的脉搏波信号；提取所述训练者的脉搏波信号的驾驶疲劳指标特征；获取各所述训练者的瞳孔面积；采用K-means聚类算法对所有的瞳孔面积进行聚类，确定各所述训练者的疲劳类别；将每个训练者的脉搏波信号和对应的训练者的疲劳类别确定为一个训练样本；对于任意两个不同的疲劳类别的训练样本构成的训练集，均生成以所述训练集为输入训练而成的驾驶疲劳识别模型，得到E*(E-1)/2个驾驶疲劳识别模型，其中，E为所有训练者的疲劳类别的总数。可选的，所述时域特征包括所有窦性心博NN间期的标准差、相邻NN间期差值的均方根、差值个数和所述差值个数占全部NN间期个数的百分比；所述差值个数为全部NN间期中相邻的NN间期之差大于50ms的个数；所述频域特征包括低频功率与高频功率的比值；所述非线性特征包括庞加莱散点图的向量角度指数、庞加莱散点图的向量长度指数和指数比值；所述指数比值为庞加莱散点图的向量角度指数与庞加莱散点图的向量长度指数的比值。可选的，所述获取各所述训练者的瞳孔面积，具体包括：获取各所述训练者的左瞳孔面积和右瞳孔面积；将所述左瞳孔面积和所述右瞳孔面积的平均值确定为所述训练者的瞳孔面积。可选的，在所述采用K-means聚类算法对所有的瞳孔面积进行聚类，确定各所述训练者的疲劳类别之前，还包括：对所述瞳孔面积进行归一化。本专利技术还提供了一种基于脉搏波信号的驾驶疲劳识别系统，包括：待测脉搏波获取模块，用于获取待测者的脉搏波信号；待测疲劳特征提取模块，用于提取所述待测者的脉搏波信号的驾驶疲劳指标特征；所述驾驶疲劳指标特征包括时域特征、频域特征和非线性特征；分类模块，用于将所述待测者的脉搏波信号的驾驶疲劳指标特征分别输入至多个驾驶疲劳识别模型中得到多个分类结果，并将所述分类结果中出现疲劳类别次数最多的分类结果确定为所述待测者的疲劳类别；各所述驾驶疲劳识别模型均是将两个不同疲劳类别的训练样本输入至SVM分类器中训练而成的；所述训练样本包括训练者的脉搏波信号的驾驶疲劳指标特征和训练者的疲劳类别；所述训练者的疲劳类别是由对应的训练者的瞳孔面积确定的。可选的，所述基于脉搏波信号的驾驶疲劳识别系统还包括：脉搏信号处理模块，用于对所述待测者的脉搏波信号进行去基线漂移处理。可选的，所述基于脉搏波信号的驾驶疲劳识别系统还包括疲劳识别模型确定模块；所述疲劳识别模型确定模块，具体包括：训练数据获取单元，用于获取训练者的脉搏波信号；训练疲劳特征提取单元，用于提取所述训练者的脉搏波信号的驾驶疲劳指标特征；瞳孔面积获取单元，用于获取各所述训练者的瞳孔面积；聚类单元，用于采用K-means聚类算法对所有的瞳孔面积进行聚类，确定各所述训练者的疲劳类别；训练样本确定单元，用于将每个训练者的脉搏波信号和对应的训练者的疲劳类别确定为一个训练样本；分类器训练单元，用于对于任意两个不同的疲劳类别的训练样本构成的训练集，均生成以所述训练集为输入训练而成的驾驶疲劳识别模型，得到E*(E-1)/2个驾驶疲劳识别模型，其中，E为所有训练者的疲劳类别的总数。可选的，所述时域特征包括所有窦性心博NN间期的标准差、相邻NN间期差值的均方根、差值个数和所述差值个数占全部NN间期个数的百分比；所述差值个数为全部NN间期中相邻的NN间期之差大于50ms的个数；所述频域特征包括低频功率与高频功率的比值；所述非线性特征包括庞加莱散点图的向量角度指数、庞加莱散点图的向量长度指数和指数比值；所述指数比值为庞加莱散点图的向量角度指数与庞加莱散点图的向量长度指数的比值。与现有技术相比，本专利技术的有益效果是：本专利技术提出了一种基于脉搏波信号的驾驶疲劳识别方法及系统，采用脉搏波信号代替心电信号参数作为识别指标，提取被试者的瞳孔面积作为分类标签，结合SVM分类器，构建能快速识别的驾驶疲劳识别模型，以期实现对驾驶员疲劳状态的快速、实时、准确监测，为危险性状态实时监测的开发提供了理论依据。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的基于脉搏波信号的驾驶疲劳识别方法的流程图；图2为本专利技术实施例提供的瞳孔面积变化趋势图；图3为本专利技术实施例提供的基于脉搏波信号的驾驶疲劳识别系统的结构图。<本文档来自技高网...

【技术保护点】
1.一种基于脉搏波信号的驾驶疲劳识别方法，其特征在于，包括：/n获取待测者的脉搏波信号；/n提取所述待测者的脉搏波信号的驾驶疲劳指标特征；所述驾驶疲劳指标特征包括时域特征、频域特征和非线性特征；/n将所述待测者的脉搏波信号的驾驶疲劳指标特征分别输入至多个驾驶疲劳识别模型中得到多个分类结果，并将所述分类结果中出现疲劳类别次数最多的分类结果确定为所述待测者的疲劳类别；各所述驾驶疲劳识别模型均是将两个不同疲劳类别的训练样本输入至SVM分类器中训练而成的；所述训练样本包括训练者的脉搏波信号的驾驶疲劳指标特征和训练者的疲劳类别；所述训练者的疲劳类别是由对应的训练者的瞳孔面积确定的。/n

【技术特征摘要】
1.一种基于脉搏波信号的驾驶疲劳识别方法，其特征在于，包括：
获取待测者的脉搏波信号；
提取所述待测者的脉搏波信号的驾驶疲劳指标特征；所述驾驶疲劳指标特征包括时域特征、频域特征和非线性特征；
将所述待测者的脉搏波信号的驾驶疲劳指标特征分别输入至多个驾驶疲劳识别模型中得到多个分类结果，并将所述分类结果中出现疲劳类别次数最多的分类结果确定为所述待测者的疲劳类别；各所述驾驶疲劳识别模型均是将两个不同疲劳类别的训练样本输入至SVM分类器中训练而成的；所述训练样本包括训练者的脉搏波信号的驾驶疲劳指标特征和训练者的疲劳类别；所述训练者的疲劳类别是由对应的训练者的瞳孔面积确定的。


2.根据权利要求1所述的一种基于脉搏波信号的驾驶疲劳识别方法，其特征在于，在所述获取待测者的脉搏波信号之后，还包括：
对所述待测者的脉搏波信号进行去基线漂移处理。


3.根据权利要求1所述的一种基于脉搏波信号的驾驶疲劳识别方法，其特征在于，所述驾驶疲劳识别模型的确定方法为：
获取训练者的脉搏波信号；
提取所述训练者的脉搏波信号的驾驶疲劳指标特征；
获取各所述训练者的瞳孔面积；
采用K-means聚类算法对所有的瞳孔面积进行聚类，确定各所述训练者的疲劳类别；
将每个训练者的脉搏波信号和对应的训练者的疲劳类别确定为一个训练样本；
对于任意两个不同的疲劳类别的训练样本构成的训练集，均生成以所述训练集为输入训练而成的驾驶疲劳识别模型，得到E*(E-1)/2个驾驶疲劳识别模型，其中，E为所有训练者的疲劳类别的总数。


4.根据权利要求1所述的一种基于脉搏波信号的驾驶疲劳识别方法，其特征在于，
所述时域特征包括所有窦性心博NN间期的标准差、相邻NN间期差值的均方根、差值个数和所述差值个数占全部NN间期个数的百分比；所述差值个数为全部NN间期中相邻的NN间期之差大于50ms的个数；
所述频域特征包括低频功率与高频功率的比值；
所述非线性特征包括庞加莱散点图的向量角度指数、庞加莱散点图的向量长度指数和指数比值；所述指数比值为庞加莱散点图的向量角度指数与庞加莱散点图的向量长度指数的比值。


5.根据权利要求3所述的一种基于脉搏波信号的驾驶疲劳识别方法，其特征在于，所述获取各所述训练者的瞳孔面积，具体包括：
获取各所述训练者的左瞳孔面积和右瞳孔面积；
将所述左瞳孔面积和所述右瞳孔面积的平均值确定为所述训练者的瞳孔面积。


6.根据权利要求3所述的一种基于脉搏波信号的驾驶疲劳识别方法，其特征在于，在所...

【专利技术属性】
技术研发人员：罗晋，朱海燕，刘志钢，高婷，于颖慧，马玉珍，丁泓九，赵晏群，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：上海;31