一种基于云计算大数据的人体脉搏脑电生物反馈驾驶方法技术

本发明专利技术公开了一种基于云计算大数据的人体脉搏脑电生物反馈驾驶方法包括，建立数据库，数据库包括预设的面部数据值及脑电波数据；采集驾驶员的面部数据，获取驾驶员的脑电波数据；根据采集的数据和数据库中的数据进行比对是否异常，若异常则发送预警提醒，并执行安全助停。采用以上设计，通过动态采集分析脑电波信号，基于数据库采集的人眼睛脉搏、人脑电波神经递质规律做大数据对比，在安全可控的微秒时间范畴内；通过骨传导等方式提醒驾驶员安全驾驶、通过设备自带5G网络信号，感知物联下达特定指令，接收驱动执行命令，自动开启，汽车助停刹车系统，降低档位减速度，刹车助停，从而提高安全驾驶行为。而提高安全驾驶行为。而提高安全驾驶行为。

【技术实现步骤摘要】
一种基于云计算大数据的人体脉搏脑电生物反馈驾驶方法


[0001]本专利技术涉及辅助安全驾驶
，特别是涉及一种基于云计算大数据的人体脉搏脑电生物反馈驾驶方法，脉搏及脑电生物反馈技术，脉搏及脑电生物反馈训练技术。

技术介绍

[0002]根据《中华人民共和国道路交通安全法实施条例》2022版本的新交规如何规定疲劳驾驶标准定义：驾驶人疲劳时判断能力下降、反应迟钝和操作失误增加。驾驶人处于轻微疲劳时，会出现换档不及时、不准确；驾驶人处于中度疲劳时，操作动作呆滞，有时甚至会忘记操作；驾驶人处于重度疲劳时，往往会下意识操作或出现短时间睡眠现象，严重时会失去对车辆的控制能力。驾驶人疲劳时，会出现视线模糊、腰酸背疼、动作呆板、手脚发胀或有精力不集中、反应迟钝、思考不周全、精神涣散、焦虑、急躁等现象。如果仍勉强驾驶车辆，则可能导致交通事故的发生。疲劳驾驶是公路汽车驾驶特别是高速公路上的“第一隐形杀手”，据相关统计，从交通事故的大量案例分析中得出的结论认为：开车人因疲劳驾驶所造成的道路交通事故约占交通事故总数的20％。而疲劳驾驶在死亡交通事故的原因中却占22％－30％，在死亡交通事故的原因中居首位，由此可想疲劳驾驶对道路交通安全的危害性；国外有机构统计：全球有超过100万人死于交通相关事故，研究表明，驾驶员疲劳(或嗜睡)导致约25
‑
33％的致命和严重事故。
[0003]因此，亟需设计一种基于云计算大数据的人体脉搏脑电生物反馈驾驶方法来克服现有技术的不足。

技术实现思路

[0004]本专利技术为达到上述技术目的所采用的技术方案是：一种基于云计算大数据的人体脉搏脑电生物反馈驾驶方法，其特征在于，包括以下步骤：
[0005]S100、建立数据库，所述数据库包括预设有用于比对的面部数据值及脑电波数据值，所述面部数据包括，眨眼频率、眼跳幅度、眼睑闭合度、眨眼持续时间；所述脑电波数据包括预设的α波信号的节律频率；
[0006]S110、以周期为次数，顺次采集驾驶员的面部数据，对采集的面部数据进行预处理并发送给数据库，数据库将处理后的面部数据和其内预设的面部数据值进行比对，并根据比对结果判断此时驾驶员是否处于疲劳驾驶状态；
[0007]S200、以周期为次数，顺次获取驾驶员的脑电波数据，提取脑电波中α波信号的节律信息并对α波信号进行预处理，将处理后的α波信号发送给数据库，数据库将处理后的α波信号和其内预设的脑电波数据值比对，并根据比对结果判断此时驾驶员是否处于疲劳驾驶状态。
[0008]在一个优选的实施例中，所述多次采集驾驶员的面部数据包括：在一个预定的大时间段内，采集三次小时间段的面部数据，并计算出每小段时间的平均数值，将每小段的平均数值和预设对比数据进行比对，若三次小时间段的面部数据皆大于预设对比数据则判定
为异常行驶。
[0009]在一个优选的实施例中，所述面部数据还包括点头频率。
[0010]在一个优选的实施例中，所述α波信号的预处理方式采用小波变换法处理。
[0011]在一个优选的实施例中，判断标准为以一个周期内所述采集的面部数据值和脑电波数据值皆超过所述数据库中对应的预设数据值时，发送预警并执行安全助停，若一个周期内只有面部数据值或脑电波数据值超过数据库中的预设数据值时则只进行预警提醒。
[0012]在一个优选的实施例中，所述获取驾驶员的脑电波数据还包括：β波信号，若获取的脑电波数据中存在所述β波信号，则不做预警提醒，并继续获取脑电波数据；若获取的脑电波数据中不存在β波信号，则对获取的α波信号进行分析节律频率。
[0013]在一个优选的实施例中，所述数据库中预设的面部数据值和脑电波数据值获取方式为通过驾校获取初学者驾驶员的面部数据值和脑电波数据值及通过出租车获取熟练驾驶员的面部数据值和脑电波数据值。
[0014]在一个优选的实施例中，所述脑电生物反馈技术，脑电生物反馈训练基础数据采集人群，汽车驾驶员新学者或者10年以上老驾驶员、出租车驾驶员、公交车驾驶员、大货车驾驶员，计划每个不同阶段驾驶员脑波频率及脉搏频率，将采集10万为基础真实数据做脑电生物反馈训练，根据他们的面部数据值和脑电波数据值以年龄段进行收集归纳，所述熟练驾驶员的面部数据值和脑电波数据值以年龄段进行收集归纳。
[0015]在一个优选的实施例中，所述通过脑电生物采集反馈技术，脑电生物反馈训练技术，基础数据安全合规性评估，根据危险系数决策性。运用人体仿生模拟人体大脑微观数据短波微波抓取，短波截频率序列，列举矩阵形式排列式，采用SWOT分析法
‑
图表分析法
‑
比较与归纳分析法
‑
定量分析法
‑
预测分析法
‑
风险分析法
‑
即危险系数态势分析，人脑频谱波动数据分析，通过集中开展数据安全合规性评估，把各种因素相互匹配起来加以分析，从中得出一系列相应的结论。
[0016]在一个优选的实施例中，所述通过脑电生物采集反馈技术，基础脑电生物反馈数据对比训练，基于云计算和大数据的区块链技术构建网络安全态势感知预警平台，运用人体仿生模拟仿真人脑波频率及脉搏频率、微观短波感知学习、大脑微观短波及脉搏频率数据；模拟仿真人脑波频率及脉搏频率，分析学习产生的基础数据，根据相关联的数据信息；建立相关人体脑波频率及脉搏频率据数据库。数据运行存储于私有云、应用部署于公有云的混合云架构。运用云计算、大数据、人工智能等云上服务实现业务拓展。建立私有云，部署数据安全要求高的关键信息系统﹔实现对各类安全事件的及时发现和有效处置。系统研发基于开源的基础，多云联生的分布式的移动互联网架构的基础之上，基于不断的用脑电波频率及脉搏频率大数据分享软件系统，可将连接用户、支撑不同的用户在不同，环境下的应用使用场景下，提供安全、自主、可控快速及时的反；让脑部及人体脉搏数据展现更为直观和容易理解，为相关科技产品专利技术做基础信息依据；供网络强国提供强式的产业支撑。
[0017]在一个优选的实施例中，所述通过根据脑电生物采集反馈技术，基础脑电生物反馈数据对比训练，人脑波信号脉搏神经波段频率，在一维空间、二维空间、三位空间、四维空间，在特定时间里；人体上下肢体动作迟缓状态下感知场景分割算法、脑波危险特征预判算法、脑波特殊场景闭环检测、危险脑波特征抓取抓取算法、危险程度匹配对于指令下达通过脑波训练，提高驾驶人的注意水平，提升驾驶人在驾驶时的安全性，且人脑电生物采集反馈
技术，是国际上公认的用来改善注意力，提高安全问题的最佳技术之一。实现对各类安全事件的及时发现和有效处置。根据危险系数决策性。下达执行指令(危险程度，匹配指令分为1减档2减速3停车)
[0018]本专利技术的有益效果是：本专利技术根据人体医学科学基础，涉及脉搏脑电生物反馈技术，脉搏脑电生物反馈训练技术：基于人体头部生理结构，头部靶向定点脑电波信号电极动态采集，脑电波信号的频域和功率谱分析，脑电信号与数字信号的大数据、云计算互译技术，人机互动技术，脑神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算大数据的人体脉搏脑电生物反馈驾驶方法，其特征在于，包括以下步骤：S100、建立数据库，所述数据库包括预设有用于比对的面部数据值及脑电波数据值，所述面部数据包括，眨眼频率、眼跳幅度、眼睑闭合度、眨眼持续时间；所述脑电波数据包括预设的α波信号的节律频率；S110、以周期为次数，顺次采集驾驶员的面部数据，对采集的面部数据进行预处理并发送给数据库，数据库将处理后的面部数据和其内预设的面部数据值进行比对，并根据比对结果判断此时驾驶员是否处于疲劳驾驶状态；S200、以周期为次数，顺次获取驾驶员的脑电波数据，提取脑电波中α波信号的节律信息并对α波信号进行预处理，将处理后的α波信号发送给数据库，数据库将处理后的α波信号和其内预设的脑电波数据值比对，并根据比对结果判断此时驾驶员是否处于疲劳驾驶状态。2.根据权利要求1所述的基于云计算大数据的人体脉搏脑电生物反馈驾驶方法，其特征在于，所述多次采集驾驶员的面部数据包括：在一个预定的大时间段内，采集三次小时间段的面部数据，并计算出每小段时间的平均数值，将每小段的平均数值和预设对比数据进行比对，若三次小时间段的面部数据皆大于预设对比数据则判定为异常行驶。3.根据权利要求1所述的基于云计算大数据的人体脉搏脑电生物反馈驾驶方法，其特征在于，所述面部数据还包括点头频率。4.根据权利要求1...

【专利技术属性】
技术研发人员：甘建斌，
申请(专利权)人：深圳福佑未来科技有限公司，
类型：发明
国别省市：