本申请公开了一种疲劳识别模型的训练方法、装置、终端及介质。其中方法包括：获取待训练的若干第一用户分别对应的脑电信号；根据若干第一用户分别对应的脑电信号，确定若干第一用户分别对应的脑电信号的功率谱；基于若干第一用户分别对应的脑电信号的功率谱，确定若干第一用户分别对应的脑电信号的疲劳参数；确定若干第一用户分别对应的脑电信号所属的疲劳等级；依据若干第一用户分别对应的脑电信号对应的疲劳等级和疲劳参数对预设的神经网络模型进行训练，得到疲劳识别模型。本申请实现了通过脑电信号检测被测用户疲劳等级的目的，进而扩大了疲劳识别模型的应用场景，提高了疲劳检测的精度。检测的精度。检测的精度。
【技术实现步骤摘要】
疲劳识别模型的训练方法、装置、终端及介质
[0001]本申请涉及计算机
，具体涉及一种疲劳识别模型的训练方法、装置、终端及介质。
技术介绍
[0002]疲劳是指主观上一种疲乏无力的不适感觉，但客观上会在同等条件下，失去其完成原来所从事的正常活动或工作能力。作业员在疲劳状态下作业，极易引发事故，尤其是驾驶、工地施工等领域。相关技术中，仅能检测出被测用户是否疲劳，但无法给出被测用户的具体疲劳等级。因此，亟待专利技术一种自动化识别被测用户的疲劳状态，以及相应疲劳等级的方案。
技术实现思路
[0003]为了解决上述至少一个技术问题，本申请提供一种疲劳识别模型的训练方法、装置、终端及介质。
[0004]根据本申请的第一方面，提供了一种疲劳识别模型的训练方法，该方法包括：
[0005]获取待训练的若干第一用户分别对应的脑电信号；
[0006]根据若干第一用户分别对应的脑电信号，确定若干第一用户分别对应的脑电信号的功率谱；
[0007]基于若干第一用户分别对应的脑电信号的功率谱，确定若干第一用户分别对应的脑电信号的疲劳参数；
[0008]确定若干第一用户分别对应的脑电信号所属的疲劳等级；
[0009]依据若干第一用户分别对应的脑电信号所属的疲劳等级和疲劳参数对预设的神经网络模型进行训练，得到疲劳识别模型。
[0010]根据本申请的第二方面，提供了一种疲劳识别模型的训练装置，该装置包括：
[0011]脑电信号获取模块，用于获取待训练的若干第一用户分别对应的脑电信号；
[0012]频域特征提取模块，用于根据若干第一用户分别对应的脑电信号，确定若干第一用户分别对应的脑电信号的功率谱；
[0013]疲劳参数确定模块，用于基于若干第一用户分别对应的脑电信号的功率谱，确定若干第一用户分别对应的脑电信号的疲劳参数；
[0014]疲劳等级确定模块，用于确定若干第一用户分别对应的脑电信号所属的疲劳等级；
[0015]识别模型训练模块，用于依据若干第一用户分别对应的脑电信号所属的疲劳等级和疲劳参数对预设的神经网络模型进行训练，得到疲劳识别模型。
[0016]根据本申请的第三方面，提供了一种终端，该终端包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时以实现上述疲劳识别模型的训练方法。
[0017]根据本申请的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述疲劳识别模型的训练方法。
[0018]本申请实施例通过获取待训练的若干第一用户分别对应的脑电信号，以根据若干第一用户分别对应的脑电信号，确定若干第一脑电信号分别对应的功率谱，从而基于若干第一脑电信号分别对应的脑电信号的功率谱，确定若干第一用户分别对应的脑电信号的疲劳参数，确定若干第一用户分别对应的脑电信号所属的疲劳等级，进而依据若干第一用户分别对应的脑电信号所属的疲劳等级和疲劳参数对预设的神经网络模型进行训练，得到疲劳识别模型，这种通过确定不同用户的脑电信号的疲劳参数和疲劳等级来训练神经网络模型的方式，使得疲劳识别模型具有自动识别功率谱的功能，从而进一步实现通过脑电信号检测被测用户疲劳等级的目的，进而扩大了疲劳识别模型的应用场景，提高了疲劳检测的精度。
附图说明
[0019]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
[0020]图1为本申请实施例提供的一种疲劳识别模型的训练方法的流程示意图；
[0021]图2为本申请实施例提供的另一种疲劳识别模型的训练方法的流程示意图；以及
[0022]图3为本申请实施例提供的一种疲劳识别模型的训练装置的框图结构示意图。
具体实施方式
[0023]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0024]需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
[0025]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
[0026]根据本申请的一个实施例，提供了一种疲劳识别模型的训练方法，如图1所示，该方法包括步骤S101至步骤S105。
[0027]步骤S101：获取待训练的若干第一用户分别对应的脑电信号。
[0028]具体地，电子设备获取待训练的若干第一脑电信号。其中，电子设备可以为脑电信号的采集设备(如EEG采集设备)，也可以为脑机接口BCI设备，还可以是手机、平板、PC机、服务器等设备。例如，若电子设备为脑机接口BCI设备，该脑机接口BCI设备我可以与EEG采集设备连接，从而获取到由EEG采集设备采集到的脑电信号。
[0029]具体地，电子设备可以按照预设的采样频率，来获取待训练的若干第一脑电信号。
[0030]在本申请实施例中，若干第一用户分别对应的脑电信号用于表征不用疲劳程度的用户的脑电信号。其中，疲劳程度可以根据业务需求来进行划分。
[0031]步骤S102：根据若干第一用户分别对应的脑电信号，确定若干第一脑电信号分别
对应的功率谱。
[0032]具体地，可以预先配置在电子设备部本地的多种频域特征提取算法，来确定若干第一脑电信号分别对应的功率谱。应用时，可以将其中一种频域特征提取算法设置为默认算法，也可以根据检测到的针对多种频域特征提取算法的选定操作，来确定对若干第一用户分别对应的脑电信号执行特征提取处理。
[0033]具体地，可以将若干第一用户分别对应的脑电信号发送至预定的算法服务器，从而实现利用算法服务器对若干第一用户分别对应的脑电信号进行频域特征提取的目的。
[0034]步骤S103：基于若干第一脑电信号分别对应的脑电信号的功率谱，确定若干第一用户分别对应的脑电信号的疲劳参数。
[0035]在本申请实施例中，疲劳参数用于表征脑电信号中某个波形或者某几个波形与整体波形的比值。
[0036]具体地，根据预设的疲劳参数算法来对若干第一脑电信号分别对应的脑电信号的功率谱进行处理，得到若干第一脑电信号分别对应的脑电信号的疲劳参数。
[0037]步骤S104：确定若干第一用户分别对应的脑电信号所属的疲劳等级。
[0038]在本申请实施例中，疲劳等级用于表征疲劳程度。应用时，可以根据业务需求(如对疲劳的识别精度的要求)来进行划分。例如，疲劳等级可以包括深度疲劳、浅度疲劳、清醒等。
[0039]具体地，疲劳等级一般根据脑电信号的标注来确定。
[0040]步骤S105：依据若干第一用户分别对应的脑电信号所属的疲劳等级和疲劳参数对预设的神经网络模型进行训本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种疲劳识别模型的训练方法，其特征在于，包括：获取待训练的若干第一用户分别对应的脑电信号；根据若干所述第一用户分别对应的脑电信号，确定若干所述第一用户分别对应的脑电信号的功率谱；基于若干所述第一用户分别对应的脑电信号的功率谱，确定若干所述第一用户分别对应的脑电信号的疲劳参数；确定若干所述第一用户分别对应的脑电信号所属的疲劳等级；依据若干所述第一用户分别对应的脑电信号对应的疲劳等级和疲劳参数对预设的神经网络模型进行训练，得到疲劳识别模型。2.根据权利要求1所述的方法，其特征在于，所述确定若干所述第一用户分别对应的脑电信号所属的疲劳等级，包括以下至少一个步骤：基于针对若干所述第一用户分别对应的脑电信号的标记操作，确定若干所述第一用户分别对应的脑电信号所属的疲劳等级；基于预标注的若干所述第一用户分别对应的脑电信号的疲劳等级标识，确定若干所述第一用户分别对应的脑电信号所属的疲劳等级。3.根据权利要求1所述的方法，其特征在于，所述根据若干所述第一用户分别对应的脑电信号，确定若干所述第一用户分别对应的脑电信号的功率谱的步骤，包括：基于预设在本地的频域特征提取算法，将提取若干所述第一用户分别对应的脑电信号分别转换为对应的功率谱。4.根据权利要求1所述的方法，其特征在于，所述根据若干所述第一用户分别对应的脑电信号，确定若干所述第一用户分别对应的脑电信号的功率谱的步骤之前，所述方法还包括：对提取若干所述第一用户分别对应的脑电信号进行滤波、降噪、去伪、归一化处理。5.根据权利要求1所述的方法，其特征在于，所述提取若干所述第一用户分别对应的脑电信号的频域特征的步骤之前，所述方法还包括：将提取若干所述第一用户分别对应的脑电信号进行分段处理，得到若干所述第一用户分别对应的脑电信号的多个片段脑电信号，以分别确定若干所述第一用户分别对应的脑电信号的多个片段脑电信号各自对应的功率谱。6.根据权利要求1所述的方法，其特征在于，所述基于提取若干所述第一用户分别对应的脑电信号的功率谱，确定提取若干所述...
【专利技术属性】
技术研发人员：王晓岸，卢树强，于昊田，沈阳，
申请(专利权)人：北京脑陆科技有限公司，
类型：发明
国别省市：
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。