1.一種基于腦電的穿戴式司機(jī)防疲勞智能監(jiān)測預(yù)警系統(tǒng)，其特征在于，包括：腦電探測模塊、腦電處理模塊、傳輸定位模塊、預(yù)警模塊和移動(dòng)設(shè)備；其中：
所述腦電探測模塊，用于采集司機(jī)開車時(shí)的原始腦電波；
腦電處理模塊，用于對(duì)原始腦電波進(jìn)行預(yù)處理后通過傳輸定位模塊傳輸給移動(dòng)設(shè)備，并接收移動(dòng)設(shè)備返回的司機(jī)疲勞駕駛狀態(tài)的檢測結(jié)果；若檢測結(jié)果為司機(jī)有疲勞駕駛的趨勢或者輕度疲勞駕駛狀態(tài)，則通過傳輸定位模塊發(fā)送預(yù)警指令至預(yù)警模塊；若檢測結(jié)果為重度疲勞駕駛狀態(tài)，則通過傳輸定位模塊發(fā)送預(yù)警指令至預(yù)警模塊，并由傳輸定位模塊定位將攜帶司機(jī)當(dāng)前位置信息的短信發(fā)送指令發(fā)送至移動(dòng)設(shè)備；
所述傳輸定位模塊，具有無線傳輸與定位功能，用于實(shí)現(xiàn)定位，以及腦電處理模塊與預(yù)警模塊和移動(dòng)設(shè)備之間的數(shù)據(jù)通信；
所述預(yù)警模塊，用于根據(jù)接收到的預(yù)警指令產(chǎn)生振動(dòng)與語音預(yù)警；
所述移動(dòng)設(shè)備，用于根據(jù)腦電處理模塊傳輸?shù)臄?shù)據(jù)并結(jié)合疲勞算法檢測司機(jī)當(dāng)前是否為疲勞駕駛狀態(tài)或者有疲勞駕駛的趨勢，并將檢測結(jié)果通過傳輸定位模塊反饋給腦電處理模塊，還用于根據(jù)接收到的短信發(fā)送指令向指定號(hào)碼發(fā)送帶有司機(jī)當(dāng)前位置信息的短信。
2.根據(jù)權(quán)利要求1所述的一種基于腦電的穿戴式司機(jī)防疲勞智能監(jiān)測預(yù)警系統(tǒng)，其特征在于，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(gè)干電極；采集司機(jī)開車時(shí)的原始腦電波時(shí)，以三個(gè)干電極的平均電壓作為參考電壓。
3.根據(jù)權(quán)利要求1所述的一種基于腦電的穿戴式司機(jī)防疲勞智能監(jiān)測預(yù)警系統(tǒng)，其特征在于，該系統(tǒng)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。
4.根據(jù)權(quán)利要求3所述的一種基于腦電的穿戴式司機(jī)防疲勞智能監(jiān)測預(yù)警系統(tǒng)，其特征在于，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(shè)置在同一結(jié)構(gòu)中，該結(jié)構(gòu)為運(yùn)動(dòng)頭戴結(jié)構(gòu)或者帽式結(jié)構(gòu)。
5.根據(jù)權(quán)利要求1所述的一種基于腦電的穿戴式司機(jī)防疲勞智能監(jiān)測預(yù)警系統(tǒng)，其特征在于，腦電處理模塊對(duì)原始腦電波進(jìn)行預(yù)處理包括：
對(duì)原始腦電波進(jìn)行濾波處理，以過濾掉包含周圍環(huán)境、電器、肌電以及眼電的噪聲干擾，并進(jìn)行標(biāo)準(zhǔn)時(shí)域-頻域轉(zhuǎn)換，再計(jì)算出不同頻率的波的功率譜密度，從而建立關(guān)注度函數(shù)N、能量比函數(shù)P與功率比函數(shù)Q；并且，利用腦電探測模塊在檢測腦電波的同時(shí)檢測眼電信號(hào)，從而建立眨眼函數(shù)；上述四個(gè)函數(shù)具體如下：
關(guān)注度函數(shù)N(A,M)；其中，A為關(guān)注值，關(guān)注值越大表示此刻司機(jī)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(jī)精神越不集中，即越可能處于疲勞狀態(tài)；其中的參數(shù)A與M均由不同頻率的波的功率譜密度計(jì)算得到；
能量比函數(shù)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(shù)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(shù)L(T,K)；其中，T為單位時(shí)間內(nèi)總閉眼時(shí)間，K為單位時(shí)間內(nèi)眨眼次數(shù)。
6.根據(jù)權(quán)利要求5所述的一種基于腦電的穿戴式司機(jī)防疲勞智能監(jiān)測預(yù)警系統(tǒng)，其特征在于，移動(dòng)設(shè)備根據(jù)腦電處理模塊傳輸?shù)臄?shù)據(jù)并結(jié)合疲勞算法檢測司機(jī)當(dāng)前是否為疲勞駕駛狀態(tài)或者有疲勞駕駛的趨勢包括：
當(dāng)能量比函數(shù)P達(dá)到閾值P0，并且關(guān)注度函數(shù)和眨眼函數(shù)任一個(gè)達(dá)到相應(yīng)的閾值N0、L0時(shí)，即判定司機(jī)達(dá)到疲勞駕駛狀態(tài)或者有疲勞駕駛的趨勢，否則判定未達(dá)到疲勞駕駛狀態(tài)；
當(dāng)功率比函數(shù)Q達(dá)到閾值Q0，并且關(guān)注度函數(shù)與眨眼函數(shù)均達(dá)到相應(yīng)的閾值N0、L0，即判定司機(jī)處于重度疲勞駕駛狀態(tài)，否則處于輕度疲勞駕駛狀態(tài)或者有疲勞駕駛的趨勢。
7.根據(jù)權(quán)利要求6所述的一種基于腦電的穿戴式司機(jī)防疲勞智能監(jiān)測預(yù)警系統(tǒng)，其特征在于，移動(dòng)設(shè)備檢測司機(jī)當(dāng)前是否為疲勞駕駛狀態(tài)或者有疲勞駕駛的趨勢之前還包括：確定各函數(shù)的閾值，其步驟如下：
首先，采集不同司機(jī)在開車時(shí)不同腦電波并提取腦波多參數(shù)，然后利用深度學(xué)習(xí)算法對(duì)各參數(shù)進(jìn)行優(yōu)化提取共性特征向量，建立基本的特征參數(shù)模型；
然后，對(duì)不同個(gè)體數(shù)據(jù)分析并提取腦波多參數(shù)，利用自適應(yīng)算法對(duì)各參數(shù)進(jìn)行優(yōu)化并提取個(gè)性特征向量，完善特征參數(shù)模型；
最后，利用支持向量機(jī)對(duì)完善后的特征參數(shù)模型進(jìn)行評(píng)估，獲得各函數(shù)的閾值，包括：關(guān)注度函數(shù)閾值N0，能量比函數(shù)閾值P0，功率比函數(shù)閾值Q0，眨眼函數(shù)閾值L0。