[发明专利]基于人体生理信号的汽车驾驶员疲劳监测方法

说明书

技术领域

本发明涉及一种用于汽车驾驶员在驾驶过程中的疲劳监测方法，特别涉及在驾驶员驾驶时的人体生理信号在线检测与疲劳诊断方法。

背景技术

在人类死亡和发病的原因中，交通事故排第九位。全球每年大约有120万人丧生轮下，汽车驾驶员的疲劳驾驶是引发道路交通事故的重要原因之一。美国国家工具交通安全管理局保守估计，每年因疲劳驾驶导致的交通事故至少有10万起；2007年在美国至少18％的交通事故是由疲劳驾驶引起的。澳大利亚每年道路交通死亡人数的20％是由疲劳驾驶造成的。法国国家警察总署事故报告表明，因疲劳驾驶导致的意外占人身伤害事故的14.9％，死亡事故的20.6％。在我国，因疲劳驾驶而造成的交通事故约占总数的20％，特大交通事故的40％～80％，以及交通死亡率的83％。疲劳驾驶已和违章行驶、恶劣路况、超载、制动性能及缺少乘客安全带并称为汽车驾驶安全的六大杀手，直接或间接导致大量人员伤亡和巨额经济损失。驾驶疲劳影响驾驶员的警觉和安全驾驶能力，在世界范围内引起广泛的关注。驾驶员疲劳监测与预警方法的研究是提高汽车主动安全性的重要研究内容。

发明内容

本发明提供一种基于人体生理信号的汽车驾驶员疲劳监测方法，用以在汽车驾驶过程中检测汽车驾驶员的疲劳状态，包括疲劳标定方法和检测方法，主要通过采集汽车驾驶员的人体生理信号和现代信号处理方法，提取驾驶员疲劳特征，并由马氏距离判别法识别疲劳程度，两种方法均在监测系统中完成。

本发明提供的技术方案是：一种基于人体生理信号的汽车驾驶员疲劳监测方法，其特征在于：采用脉搏、心率和呼吸传感器采集汽车驾驶员的脉搏、心率和呼吸等人体生理信号，将脉搏频率、峰值、心率以及呼吸频率信号构成疲劳特征向量，利用主成分分析(PCA)的方法确定其各特征权重，通过马氏距离方法判断其疲劳程度。该方法包括标定方法与疲劳检测方法；标定方法在驾驶员初次驾驶某型号车辆时完成，疲劳检测方法在标定过后同一驾驶员任意时刻完成。一种基于人体生理信号的汽车驾驶员疲劳监测系统的原理如图1所示。

其中所述的标定方法包括以下步骤：

步骤1、在汽车驾驶员初次驾驶某型号车辆时，采集驾驶员的脉搏、心率和呼吸等人体生理信号，通过信号采样，获取驾驶员初次驾驶时各采集信号的离散时间序列；

步骤1.1、采用安装于安全带上的心率与呼吸传感器采集驾驶员呼吸信号；

步骤1.2、采用定位于手部的脉搏传感器采集驾驶员脉搏信号；

步骤2、通过傅里叶变换，获取步骤1中的脉搏信号频率成分；

步骤3、以N次单位时间内的脉搏信号的频率与峰值、心率以及呼吸频率均值构成标定矩阵；N为4次；单位时间为60秒；标定矩阵为4×4的方阵。

步骤4、对标定样本集，采用主成分分析(PCA)的方法，得到主成分变换矩阵以及标定权重。

步骤4.1、对标定矩阵中的样本数据进行中心化；

步骤4.2、计算中心化样本向量协方差矩阵的特征值及特征向量；

步骤4.3、选择贡献率最大的特征值对应特征向量作为特征变换矩阵，即疲劳特征权值向量；

步骤4.4、将标定样本集各参数进行类内平均，得到标定向量，将特征变换矩阵左乘标定向量得到标准疲劳标定向量。

其中所述的疲劳检测方法包括以下步骤：

步骤1、在标定后，采集每单位时间内的驾驶员脉搏、心率和呼吸等人体生理信号，通过信号采样，获取各采集信号的离散时间序列；

步骤1.1、采用安装于安全带上的心率与呼吸传感器采集驾驶员呼吸信号；

步骤1.2、采用定位于手部的脉搏传感器采集驾驶员脉搏信号；

步骤2、通过傅里叶变换，获取步骤1中的脉搏信号频率成分；

步骤3、以每单位时间内的脉搏信号的频率与峰值、心率以及呼吸频率均值构成疲劳特征向量；

步骤4、将标定方法所述步骤4中得到的标定权重加成至疲劳特征向量；

步骤4.1、将得到的疲劳特征权值向量左乘疲劳特征样本集得到疲劳特征样本；

步骤5、对疲劳特征向量与疲劳标定向量计算其马氏距离；

步骤6、通过其距离离散程度判别汽车驾驶员疲劳程度；

步骤6.1、将所得到的距离样本进行聚类分析；

步骤6.2、如果检测过程中，距离超过标定样本之间最大距离，即输出预警。