一种列车司机疲劳状态识别及监控系统技术方案

本发明专利技术涉及一种列车司机疲劳状态识别及监控系统，包括：监测终端，采集列车司机的ECG信号、人脸特征图像和PERCLOS数据；云端平台，根据采集的信号识别列车司机的疲劳状态，并将疲劳状态结果进行存储、显示、查新及提醒；远程客户端，通过登录前端页面获取实时疲劳状态信息及历史数据。与现有技术相比，本发明专利技术具有提高疲劳识别结果的准确性和可靠性等优点。

【技术实现步骤摘要】
一种列车司机疲劳状态识别及监控系统
本专利技术涉及轨道交通列车驾驶安全
，尤其是涉及一种列车司机疲劳状态识别及监控系统。
技术介绍
作为地铁中关键岗位的作业人员，列车司机对现场情况的感知判断和突发情况时的随机应变影响着列车的运行安全，而连续重复的枯燥驾驶和无法避免的倒班制度使地铁管理面临疲劳驾驶带来的安全风险问题。为了克服这一问题，开发一种列车司机疲劳监测系统对事故的预防有着重要意义。然而，大多数现有的方法都是只使用一个信息源进行检测，例如司机面部表情、行为特征或生理特征，在准确率和可靠性方面有一定的局限性，例如张嘴的程度越大并不一定意味着疲劳，这可以通过心率变异性和睁眼程度而重新评估，且面部特征的数据获取很依赖于驾驶环境。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种列车司机疲劳状态识别及监控系统，该系统融合心率变异性、睁眼程度和张嘴程度，利用支持向量机构建多元特征的疲劳识别模型，可显著提高疲劳识别结果的准确性和可靠性。本专利技术的目的可以通过以下技术方案来实现：一种列车司机疲劳状态识别及监控系统，该系统包括：监测终端，采集列车司机的ECG信号、人脸特征图像和PERCLOS数据；云端平台，根据采集的信号识别列车司机的疲劳状态，并将疲劳状态结果进行存储、显示、查新及提醒；远程客户端，通过登录前端页面获取实时疲劳状态信息及历史数据。所述云端平台包括：后端处理模块，对接收到的ECG信号、人脸特征图像和PERCLOS数据进行处理，基于ECG技术和人脸识别技术，分别提取ECG、眼部和嘴部的疲劳指标，并利用SVM构建多元特征疲劳识别模型，将实时测得的ECG、眼部和嘴部的疲劳指标代入模型中，获取预测结果，并将获取的预测结果发送至数据库；数据库，获取并存储列车信息和司机信息，并存储从云端平台接收的预测结果；前端页面，与数据库进行实时交互，对符合登录的用户，提供疲劳状态显示、提醒及历史数据查询通道。后端处理模块中，提取ECG的疲劳指标的过程包括下列步骤：11)根据采集的列车司机的ECG信号获取ECG数据；12)对ECG数据依次进行小波降噪和R峰数据检测处理；13)对处理后的ECG数据计算时域指标；14)将时域指标输入利用SVM构建的多元特征疲劳识别模型。提取眼部和嘴部的疲劳指标的过程包括下列步骤：21)对采集的人脸特征图像提取人脸特征点；22)根据提取的人脸特征点计算眼睛张开度和嘴巴张开度；23)将计算得到的眼睛张开度和嘴巴张开度输入利用SVM构建的多元特征疲劳识别模型。所述SVM构建的多元特征疲劳识别模型利用预先储存的数据进行训练，SVM构建的多元特征疲劳识别模型的核函数为高斯核函数。其中，预先储存的数据包括监测终端测得的RMSSD、SDSD、SDNN、Mean_NN、Std_hr、Mean_hr、眼睛长宽比和嘴巴长宽比。所述监测终端包括：ECG信号监测终端，采集列车司机的ECG数据；人脸指标监测终端，采集列车司机的人脸特征图像；眼动仪，采集列车司机的PERCLOS数据；无线传输模块，将采集的各个数据传输至云端平台进行处理。所述前端页面包括：登录模块，提供用户登录平台，对符合登录要求的用户开放显示模块、提醒模块和查询模块；显示模块，对数据库中存储的各类信息进行实时显示；提醒模块，对云端平台判断的疲劳状态信息进行警报；查询模块，提供各类历史数据的查询通道。进一步地，所述ECG信号监测终端采用智能手环，所述人脸指标监测终端采用网络摄像头。进一步地，所述数据库采用MySQL数据库。相较于现有技术，本专利技术基于心电和人脸图像识别技术将多个信息源结合起来，以心率变异性、眼睛睁开度和嘴巴张开度为疲劳指标进行疲劳识别，不同于以往基于单一信息源的疲劳识别，本专利技术提高了疲劳识别结果的准确性和可靠性；该疲劳状态识别及监控系统能对列车司机的疲劳状态进行实时监测并进行声音预警，从而提高地铁运营安全水平。附图说明图1为实施例中列车司机疲劳状态识别及监控系统的原理框图；图2为实施例中云端平台进行疲劳状态识别的流程示意图；图3为实施例中列车司机疲劳状态识别及监控系统的网络拓扑图；图4为实施例中的脸谱特征示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。实施例如图1所示，本专利技术涉及一种列车司机疲劳状态识别及监控系统，通过设备采集心电特征(RMSSD、SDSD、SDNN、Mean_NN、Std_hr、Mean_hr)，通过网络摄像头采集人脸特征(眼睛长宽比和嘴巴长宽比)，将这些特征一起作为支持向量机的特征值，进行疲劳预测，可克服基于单一信息源的方法在准确性和可靠性方面的局限性，例如张嘴的程度越大并不一定意味着疲劳，这可以通过心率变异性和睁眼程度而重新评估，面部特征的数据获取也依赖于驾驶环境(例如，白天、夜晚、天气)。具体地，该系统包括监测终端、云端平台和远程客户端。监测终端，用于采集ECG、眼部和嘴部的特征数据。云端平台，包括：后端处理模块，用于对接收到的各个疲劳指标进行处理，基于心电(ECG)和人脸识别技术，分别提取ECG、眼部和嘴部的疲劳指标，利用SVM构建的多元特征疲劳识别模型，将实时测得的ECG、眼部和嘴部的疲劳指标代入模型中，得到预测结果；得到的数据发送至数据库；数据库，获取并存储列车信息及司机信息，并存储从云端平台接收的数据；前端页面，与数据库进行实时交互，对符合登录的用户，提供疲劳状态显示、提醒及历史数据查询通道。远程客户端，登录前端页面，实时获取疲劳状态信息及历史数据。本专利技术的监测终端包括：ECG指标监测终端，用于采集列车司机的ECG数据；眼动仪，采集列车司机的PERCLOS数据，PERCLOS表示单位时间内眼睛闭合所占的时间百分比；人脸指标监测终端，用于采集列车司机的人脸特征图像；无线传输模块，用于将采集的各个数据传输至云端平台进行处理。本专利技术的前端页面包括：登录模块，用于提供用户登录平台，将符合登录要求的用户开放显示模块、提醒模块和查询模块；显示模块，用于对数据库中存储的各类信息进行实时显示；提醒模块，用于对云端平台判断的疲劳状态信息进行警报；查询模块，用于对各类历史数据进行查询。具体如图3所示，监测终端可设置多个，分别用于采集不同列车司机的心电信号和面部图像并进行数据处理，再将数据上传至云端平台；云端平台根据心电数据和面部图像做出疲劳识别，一方面以网页平台(前端页面的显本文档来自技高网...

【技术保护点】
1.一种列车司机疲劳状态识别及监控系统，其特征在于，包括：/n监测终端，采集列车司机的ECG信号、人脸特征图像和PERCLOS数据；/n云端平台，根据采集的信号识别列车司机的疲劳状态，并将疲劳状态结果进行存储、显示、查新及提醒；/n远程客户端，通过登录前端页面获取实时疲劳状态信息及历史数据。/n

【技术特征摘要】
1.一种列车司机疲劳状态识别及监控系统，其特征在于，包括：
监测终端，采集列车司机的ECG信号、人脸特征图像和PERCLOS数据；
云端平台，根据采集的信号识别列车司机的疲劳状态，并将疲劳状态结果进行存储、显示、查新及提醒；
远程客户端，通过登录前端页面获取实时疲劳状态信息及历史数据。


2.根据权利要求1所述的列车司机疲劳状态识别及监控系统，其特征在于，所述云端平台包括：
后端处理模块，对接收到的ECG信号、人脸特征图像和PERCLOS数据进行处理，基于ECG技术和人脸识别技术，分别提取ECG、眼部和嘴部的疲劳指标，并利用SVM构建多元特征疲劳识别模型，将实时测得的ECG、眼部和嘴部的疲劳指标代入模型中，获取预测结果，并将获取的预测结果发送至数据库；
数据库，获取并存储列车信息和司机信息，并存储从云端平台接收的预测结果；
前端页面，与数据库进行实时交互，对符合登录的用户，提供疲劳状态显示、提醒及历史数据查询通道。


3.根据权利要求2所述的列车司机疲劳状态识别及监控系统，其特征在于，提取ECG的疲劳指标的过程包括下列步骤：
11)根据采集的列车司机的ECG信号获取ECG数据；
12)对ECG数据依次进行小波降噪和R峰数据检测处理；
13)对处理后的ECG数据计算时域指标；
14)将时域指标输入利用SVM构建的多元特征疲劳识别模型。


4.根据权利要求3所述的列车司机疲劳状态识别及监控系统，其特征在于，提取眼部和嘴部的疲劳指标的过程包括下列步骤：
21)对采集的人脸特征图像提取人脸特征点；
22)根据提取的人脸特征点计算眼睛张开度和嘴巴张开度；...

【专利技术属性】
技术研发人员：于颖慧，丁泓九，朱海燕，
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