本發明涉及司機防疲勞智能監測預警技術領域，尤其涉及一種基于腦電的穿戴式司機防疲勞智能監測預警系統。

背景技術：

眾所周知，當司機開車疲勞時極其容易發生交通事故，尤其在高速公路等行駛條件好的路段，汽車駕駛員容易產生單調而疲勞瞌睡，且一般駕駛車速高，極易釀成嚴重車禍。某些長途汽車司機會連續行駛很多小時，因睡眠不足而導致車禍，以至家破人亡。全世界每年因駕駛員疲勞駕駛而導致的死亡人數占交通災難性事故的57％，疲勞駕駛已然成為交通事故的重要原因之一。

駕駛疲勞監測方法分為主觀和客觀兩種方法。主觀檢測方法有在駕駛前后填寫主觀調查表、駕駛人自我記錄、睡眠習慣調查表和斯坦福睡眠尺度表等方法。但是這種自我約束性的檢測方法主要依靠駕駛員的主觀因素，填寫準確度與真實度難以保證，因此不能作為疲勞駕駛的尺度標準。

比較流行的客觀疲勞檢測方法大概可以分為以下四類。

一：基于駕駛車輛的行為分析，即通過駕駛員轉動方向盤轉動情況、行車速度，車道偏離等行為特征，判別駕駛員是否疲勞。但是這種檢測方法受駕駛員本身的駕駛技術和駕駛習慣影響極大，因此不能作為疲勞駕駛的尺度標準。

二：基于計算機視覺識別方法：通過高清照相機，紅外線等手段采集駕駛員視線方向、眨眼頻率、瞳孔大小、嘴部狀態等面部特征及頭部位置，從而進行圖像處理及模式識別來評估疲勞程度。但是這種檢測方法受光照條件、照相機分辨率、檢測角度和身體位置及影響較大，精確度不高，因此不能作為疲勞駕駛的尺度標準。

三：基于駕駛員心電、肌電，脈搏、呼吸頻率等生理信息。但是這種測量方式受接觸的限制，且時效性差，敏感性不高，不能實時反應駕駛員疲勞的瞬時變化，需要較長時間的統計，而交通事故的發生往往只需要幾秒內。

四：基于駕駛員的腦電信息。腦電信號一直被譽為監測疲勞的“金標準”，腦電信號頻率變化直接反應疲勞程度。這種方法精確度高，時效性好。但是，目前的方案存在如下問題：①一般的腦電儀體積大、攜帶不便、價格昂貴；②大多數情況下腦電檢測裝置需要粘貼很多電極，侵入性高，佩戴者舒適度體驗較差且影響駕駛操作；③產品一般以耳垂為參考電壓，佩戴者需要在耳朵上夾一個耳夾，這樣時間久了，耳朵血液容易不循環且有明顯的疼痛感；④疲勞算法單一，可靠性差，容易造成誤報警、漏報警。

技術實現要素：

本發明的目的是提供一種基于腦電的穿戴式司機防疲勞智能監測預警系統，在司機駕駛過程中，通過自主開發的穿戴式腦電檢測設備檢測司機的腦電波特征，并通過特有的大數據與個性化參數模型相結合的疲勞算法對腦電波實時分析與處理，實時精確地監測司機是否處于疲勞狀態或者有疲勞的趨勢，并及時預警，可以有效地防止司機由于疲勞駕駛導致的交通事故。

本發明的目的是通過以下技術方案實現的：

一種基于腦電的穿戴式司機防疲勞智能監測預警系統，包括：腦電探測模塊、腦電處理模塊、傳輸定位模塊、預警模塊和移動設備；其中：

所述腦電探測模塊，用于采集司機開車時的原始腦電波；

腦電處理模塊，用于對原始腦電波進行預處理后通過傳輸定位模塊傳輸給移動設備，并接收移動設備返回的司機疲勞駕駛狀態的檢測結果；若檢測結果為司機有疲勞駕駛的趨勢或者輕度疲勞駕駛狀態，則通過傳輸定位模塊發送預警指令至預警模塊；若檢測結果為重度疲勞駕駛狀態，則通過傳輸定位模塊發送預警指令至預警模塊，并由傳輸定位模塊定位將攜帶司機當前位置信息的短信發送指令發送至移動設備；

所述傳輸定位模塊，具有無線傳輸與定位功能，用于實現定位，以及腦電處理模塊與預警模塊和移動設備之間的數據通信；

所述預警模塊，用于根據接收到的預警指令產生振動與語音預警；

所述移動設備，用于根據腦電處理模塊傳輸的數據并結合疲勞算法檢測司機當前是否為疲勞駕駛狀態或者有疲勞駕駛的趨勢，并將檢測結果通過傳輸定位模塊反饋給腦電處理模塊，還用于根據接收到的短信發送指令向指定號碼發送帶有司機當前位置信息的短信。

所述腦電探測模塊包括：分別放置在右顳葉、額葉和左顳葉的三個干電極；采集司機開車時的原始腦電波時，以三個干電極的平均電壓作為參考電壓。

該系統還包括：用于為腦電探測模塊、腦電處理模塊以及傳輸定位模塊供電的電源模塊。

所述腦電探測模塊、腦電處理模塊、傳輸定位模塊與電源模塊固定設置在同一結構中，該結構為運動頭戴結構或者帽式結構。

腦電處理模塊對原始腦電波進行預處理包括：

對原始腦電波進行濾波處理，以過濾掉包含周圍環境、電器、肌電以及眼電的噪聲干擾，并進行標準時域-頻域轉換，再計算出不同頻率的波的功率譜密度，從而建立關注度函數N、能量比函數P與功率比函數Q；并且，利用腦電探測模塊在檢測腦電波的同時檢測眼電信號，從而建立眨眼函數；上述四個函數具體如下：

關注度函數N(A,M)；其中，A為關注值，關注值越大表示此刻司機的思想集中度越高，即越不疲勞；M為放松值，放松值越大代表此刻司機精神越不集中，即越可能處于疲勞狀態；其中的參數A與M均由不同頻率的波的功率譜密度計算得到；

能量比函數P＝E(低α)/E(高β)；其中，E(低α)為低α波的功率譜密度，E(高β)為高β波的功率譜密度；

功率比函數Q＝E(δ)/E(高β)；其中，E(δ)為δ波的功率譜密度，E(高β)為高β波的功率譜密度；

眨眼函數L(T,K)；其中，T為單位時間內總閉眼時間，K為單位時間內眨眼次數。

移動設備根據腦電處理模塊傳輸的數據并結合疲勞算法檢測司機當前是否為疲勞駕駛狀態或者有疲勞駕駛的趨勢包括：

當能量比函數P達到閾值P₀，并且關注度函數和眨眼函數任一個達到相應的閾值N₀、L₀時，即判定司機達到疲勞駕駛狀態或者有疲勞駕駛的趨勢，否則判定未達到疲勞駕駛狀態；

當功率比函數Q達到閾值Q₀，并且關注度函數與眨眼函數均達到相應的閾值N₀、L₀，即判定司機處于重度疲勞駕駛狀態，否則處于輕度疲勞駕駛狀態或者有疲勞駕駛的趨勢。

移動設備檢測司機當前是否為疲勞駕駛狀態或者有疲勞駕駛的趨勢之前還包括：確定各函數的閾值，其步驟如下：

首先，采集不同司機在開車時不同腦電波并提取腦波多參數，然后利用深度學習算法對各參數進行優化提取共性特征向量，建立基本的特征參數模型；

然后，對不同個體數據分析并提取腦波多參數，利用自適應算法對各參數進行優化并提取個性特征向量，完善特征參數模型；

最后，利用支持向量機對完善后的特征參數模型進行評估，獲得各函數的閾值，包括：關注度函數閾值N₀，能量比函數閾值P₀，功率比函數閾值Q₀，眨眼函數閾值L₀。

由上述本發明提供的技術方案可以看出，1)在外觀上，采用運動頭戴和帽式結構兩種結構設計，運動頭戴適合室內監護佩戴，帽式結構適合室外監護佩戴，體積小，攜帶方便，價格低廉；2)自主研發的腦電采集設備包括腦電探測模塊、腦電處理模塊、傳輸定位模塊和預警模塊，其中腦電探測模塊只需3個電極，且為干電極，不需涂抹導電膏，侵入性小，佩戴舒適，幾乎不影響司機的日常駕駛操作；同時，以三個電極的平均電壓作為參考電壓，不需要以耳垂為參考電壓，不需要佩戴者在耳朵上夾一個耳夾，無不適感；3)特有的疲勞算法，綜合考慮司機駕駛時的腦電功率譜、單位時間內的眨眼次數和閉眼時間，并進行分級預警，有效減少誤報警、漏報警的情況；4)精確度高，時效性好，不僅能夠在司機疲勞瞌睡時預警，也能根據腦波特征在司機有疲勞的趨勢時預警，防患于未然；5)數據采集和分析過程既有對司機群體的大數據分析，具有統計意義，也有對司機個體的數據分析，建立個性化參數模型，通過深度學習和自適應算法，自主反饋調節各種參數，具有現實意義。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。

圖1為本發明實施例提供的一種基于腦電的穿戴式司機防疲勞智能監測預警系統的結構示意圖；

圖2為本發明實施例提供的三個干電極放置示意圖；

圖3為本發明實施例提供的運動頭戴結構的示意圖；

圖4為本發明實施例提供的帽式結構的示意圖；

圖5為本發明實施例提供的支持向量機閾值算法框圖；

圖6為本發明實施例提供的結合四個函數來進行疲勞檢測算法的流程圖。

具體實施方式

下面結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明的保護范圍。

本發明實施例提供一種基于腦電的穿戴式司機防疲勞智能監測預警系統，如圖1所示，其主要包括：腦電探測模塊、腦電處理模塊、傳輸定位模塊、預警模塊和移動設備；其中：

所述腦電探測模塊，用于采集司機開車時的原始腦電波；

腦電處理模塊，用于對原始腦電波進行預處理后通過傳輸定位模塊傳輸給移動設備，并接收移動設備返回的司機疲勞駕駛狀態的檢測結果；若檢測結果為司機有疲勞駕駛的趨勢或者輕度疲勞駕駛狀態，則通過傳輸定位模塊發送預警指令至預警模塊；若檢測結果為重度疲勞駕駛狀態，則通過傳輸定位模塊發送預警指令至預警模塊，并由傳輸定位模塊定位將攜帶司機當前位置信息的短信發送指令發送至移動設備；

所述傳輸定位模塊，具有無線傳輸與定位功能，用于實現定位，以及腦電處理模塊與預警模塊和移動設備之間的數據通信；

所述預警模塊，用于根據接收到的預警指令產生振動與語音預警；

所述移動設備，用于腦電處理模塊傳輸的數據并結合疲勞算法檢測司機當前是否為疲勞駕駛狀態或者有疲勞駕駛的趨勢，并將檢測結果通過傳輸定位模塊反饋給腦電處理模塊，還用于根據接收到的短信發送指令向指定號碼發送帶有司機當前位置信息的短信。

本發明實施例中，移動設備可以是智能手機端、電腦端、平板電腦端等；可以開發相關的app進行司機的疲勞狀態檢測以及發送短信；此外，還可以存儲接收到以及處理獲得的相關數據，用于司機腦電波數據的日常管理。

本發明實施例中，傳輸定位模塊中的無線傳輸可以采用通用的且相對成熟的藍牙4.0模塊實現，定位可以采用GPS定位方式。

本發明實施例所提供的上述系統還包括，用于為腦電探測模塊、腦電處理模塊以及傳輸定位模塊供電的電源模塊。所述電源模塊可以采用安全環保的聚合物理鋰電池，其壽命長、充電能力好，持續放電時間長。

本發明實施例中，腦電探測模塊、腦電處理模塊、傳輸定位模塊與電源模塊固定設置在同一結構中，該結構可以為運動頭戴結構或者帽式結構。其中，運動頭戴適合室內監護佩戴，帽式結構適合室外監護佩戴，體積小，攜帶方便，價格低廉。

這兩種結構的電極放置標準采用國際通用的10-20標準，腦電探測模塊為三個干電極。如圖2所示，分別放置于右顳葉，額葉和左顳葉；相應位置上的干電極對應的記為1～3。優點在于：1)不需要耳垂處作為參考電壓，而采用上述三個電極的平均電壓作為參考電壓，免去了佩戴耳夾的疼痛感；2)只需三個電極，且為干電極，不需涂抹導電膏，侵入性小，佩戴舒適。

運動頭戴結構與者帽式結構的示意圖可參見圖3～4。其中，圖3為運動頭戴結構的示意圖，圖3中1表示外層為運動帆布帽，2表示干電極，3表示內層為柔軟松緊帶，4表示夾層內的芯片區(設有腦電處理模塊、傳輸定位模塊與電源模塊)，5表示夾層區。圖4為帽式結構的示意圖，其中示出了帽式結構四個視角圖，圖中的3個圓環表示三個干電極，側面的突起部分為芯片區(設有腦電處理模塊、傳輸定位模塊與電源模塊)。上述兩種結構中各個器件的連線均采用夾層走線方式。

本發明實施例中，移動設備在進行司機的疲勞狀態檢測之前，還需要采集不同司機的大量腦電信號，以確定各函數的閾值。如圖5所示，主要采用大數據分析和個體數據分析兩種方式進行采集，通過大數據分析可以得到司機開車時腦電信號的共性特征向量，個體數據分析主要對共性特征向量進行參數調整以得到不同司機個體腦電的個性特征向量，使參數模型更完善合理。具體步驟如下：首先，采集不同司機在開車時不同腦電波并提取腦波多參數，然后利用深度學習算法對各參數進行優化提取共性特征向量，建立基本的特征參數模型；然后，對不同個體數據分析并提取腦波多參數，利用自適應算法對各參數進行優化并提取個性特征向量，完善特征參數模型；最后，利用支持向量機對完善后的特征參數模型進行評估，獲得各函數的閾值，包括：關注度函數閾值為N₀，能量比函數閾值為P₀，功率比函數閾值為Q₀，眨眼函數閾值為L₀，這四個函數將在后文進行詳細介紹。在上述過程中，司機腦電波數據的采集可以通過腦電探測模塊實現，其可以采集不同司機在真實路面開車時不同腦電波，如果真實路面采集司機腦電波不方便時也可在3D駕車模擬器上模擬真實道路場景進行采集。

之后，則可根據確定的各函數閾值進行防疲勞智能監測預警。

為了便于理解，先介紹有關腦電波的常規知識，腦電波是反映大腦活動的一個重要工具，疲倦與否在腦電波圖譜中應當有所反映。腦電波是大腦在活動時，大量神經元同步發生的突觸后電位經總和后形成的。腦電波各頻段大致可以分為以下5種：δ波(1-3Hz)、θ波(3-8Hz)、α波(8-13Hz)、β波(13-30Hz)、γ波(30-50HZ)，其中α波又可細分為低α波(8-10HZ)、高α波(10-13HZ)，β又可細分為低β波(13-17HZ)、高β波(17-30HZ)。根據這些不同頻率的波我們容易計算出不同波的功率譜密度E(δ)、E(θ)、E(α)、E(β)、E(γ)、E(低α)、E(高α)、E(低β)、E(高β)。

在進入防疲勞智能監測預警時，由所述腦電探測模塊采集司機開車時的原始腦電波，并發送給腦電處理模塊。腦電處理模塊則對原始腦電波進行濾波處理，以過濾掉包含周圍環境、電器、肌電以及眼電的噪聲干擾，并進行標準時域-頻域轉換，再計算出不同頻率的波的功率譜密度，從而建立關注度函數N、能量比函數P與功率比函數Q；并且，利用腦電探測模塊在檢測腦電波的同時檢測眼電信號，從而建立眨眼函數L；四個函數用于特有疲勞算法的輸入參數，上述四個函數具體如下：

1)關注度函數N(A,M)，閾值為N0；其中，A為關注值，關注值代表著一種精神“集中度”水平或“注意度”水平的強烈程度，其數值的范圍是0到100，關注值越大表示此刻司機的思想集中度越高，即越不疲勞；M為放松值，放松值代表著一種精神“平靜度”水平或者“放松度”水平，其數值的范圍是0到100，放松值越大代表此刻司機精神越不集中，即越可能處于疲勞狀態；此處的參數A與M均由不同頻率的波的功率譜密度計算得到。

2)能量比函數P＝E(低α)/E(高β)，閾值為P₀；其中，E(低α)為低α波的功率譜密度，E(高β)為高β波的功率譜密度。研究發現低α波(8-10Hz)對疲勞初期狀態較為敏感，當司機輕度疲倦時低α波會有明顯的增加，高β會有明顯的下降，因此可以將能量比函數P＝E(低α)/E(高β)作為疲勞初期的檢驗標準。

3)功率比函數Q＝E(δ)/E(高β)，閾值為Q₀；其中，E(δ)為δ波的功率譜密度，E(高β)為高β波的功率譜密度。研究發現δ波(1-3Hz)對疲勞后期狀態較為敏感，當司機重度疲倦時δ波會有明顯的增加，高β會進一步下降，因此可以將能量比函數E(δ)/E(高β)作為疲勞后期的檢驗標準。

4)眨眼函數L(T,K)，閾值為L0；其中，T為單位時間內總閉眼時間，K為單位時間內眨眼次數。根據國際標準可以將不同疲勞狀態下瞳孔被眼瞼縱向遮住80％以上的時間作為閉眼時間。在疲勞初期，眨眼次數稍稍增加，這是由于在疲勞初期司機的精神較為緊張，在入睡和清醒之間掙扎，想睡而不敢睡，稍微清醒眼睛就睜開，但隨著疲勞的加深，司機很可能出現打瞌睡、點頭等現象。眨眼次數大大降低同時單位時間內總閉眼時間增加。檢測眼電信號與腦電信號的基本原理相同，都可利用干電極檢測產生的電壓變化，眨眼的時候眼電信號明顯大于腦電信號，檢測到的電壓明顯大于均值，即可判斷為眨眼，可以利用這個原理在檢測腦電的同時檢測眼電信號，從而計算出閉眼的時間和眨眼次數。

本發明實施例中，由移動設備基于上述四個函數來進行疲勞檢測，其流程如圖6所示。當能量比函數P達到閾值P₀，并且關注度函數和眨眼函數任一個達到相應的閾值N₀、L₀時，即判定司機達到疲勞駕駛狀態或者有疲勞駕駛的趨勢，否則判定未達到疲勞駕駛狀態；當功率比函數Q達到閾值Q₀，并且關注度函數與眨眼函數均達到相應的閾值N₀、L₀，即判定司機處于重度疲勞駕駛狀態，否則處于輕度疲勞駕駛狀態或者有疲勞駕駛的趨勢。

對于輕度疲勞駕駛(或者有疲勞駕駛的趨勢)和重度疲勞駕駛將采取不同的預警方式，預警裝置可以通過藍牙接收指令并產生相應動作。對于輕度疲勞駕駛(或者有疲勞駕駛的趨勢)，可以利用語音提示裝置和震動駕駛坐墊提醒司機注意休息，切勿疲勞駕駛，從聽覺和觸覺上加以預警，語音提示裝置可以夾在安全帶上，此裝置體積小，不會影響司機正常駕駛且可以減輕帽子的重量，達到真正的可穿戴，震動駕駛坐墊裝置安裝在司機的駕駛坐墊下。

對于重度疲勞駕駛，僅僅是對司機本人預警是不夠的，這時司機很難自控，也很難自覺從疲勞時清醒過來。這時我們不僅要利用語音提醒和震動駕駛坐墊方式，還要對該司機所處的地理位置加以定位并給該司機家屬發短信提醒，起到更好的預警效果。未來，還可以將司機位置、車牌號和疲勞駕駛等信息接入交警網，從而實現一個全方位、多覆蓋的司機個人檔案，當執勤交警發現這輛車時也可以及時提醒。

本發明實施例的上述方案，精確度高，時效性好，可以有效地防止司機由于疲勞駕駛導致的交通事故，實用性高，前景廣泛。同時采用可穿戴的帽式結構體積小，容易佩戴，對司機日常駕駛操作無影響，采用的電極結構，不需要以耳垂為參考電壓，不需要佩戴者在耳朵上夾一個耳夾，無不適感并且特有的疲勞算法有效減少誤報警、漏報警的情況。

所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，僅以上述各功能模塊的劃分進行舉例說明，實際應用中，可以根據需要而將上述功能分配由不同的功能模塊完成，即將裝置的內部結構劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。

以上所述，僅為本發明較佳的具體實施方式，但本發明的保護范圍并不局限于此，任何熟悉本技術領域的技術人員在本發明披露的技術范圍內，可輕易想到的變化或替換，都應涵蓋在本發明的保護范圍之內。因此，本發明的保護范圍應該以權利要求書的保護范圍為準。