[发明专利]一种疲劳检测方法及装置

说明书

技术领域

本发明涉及图像智能处理和识别领域，尤其涉及的是一种疲劳检测方法及装置。

背景技术

目前，人们的生活节奏越来越快，处于亚健康状态的人越来越多，特别针对长期处于疲劳状态的人们来说，他们总是在不知不觉中已处于疲劳状态。

而目前检测疲劳状态的技术都过于专业，人们需要到医院等专门机构进行健康检查。这种检测方式虽然准确、全面，但过于耗时费力，基于此，本发明提供了一种疲劳检测方法及装置，该装置为家庭儿童以及办公室工作人员长时间工作和学习提供了实时而准确的疲劳检测方案。单基于摄像头的面部疲劳检测通常会反馈不及时以及受光线的强弱影响效果；单基于脉搏频率等生物特征的疲劳检测通常无法准确反馈人的疲劳状态；现有的疲劳检测方案需要对检测的实时性和准确性进行改造。所以本发明使用了脸部特征，生物特征信号以及通过人眼与肩部的比例提取的肩部特征相结合的方案，提供准确性地疲劳特征检测；并使用了特征在时间上的形态相似距离训练的基于形态相似距离的回馈式神经网络(Recurrent Neural Network based on Morphology-Similarity-Distance，MSDRNN)模型训练出实时有效的疲劳检测模型。

发明内容

本发明的目的在于克服现有技术耗时费力的不足，提供了一种疲劳检测方法及装置，实时且准确的检测人的疲劳程度。

本发明是通过以下技术方案实现的：一种疲劳检测装置，包括数据采集模块、核心处理模块、控制模块、计算模块和存储模块，其特征在于：所述的数据采集模块包括通讯模块与传感器采集模块，所述的通讯模块与传感器采集模块相连，所述的控制模块包括指示灯、按键单元以及选择开关单元，所述的通讯模块包括USB与蓝牙，所述的核心处理模块包括FPGA开发板，所述的计算模块包括计算器，所述的存储模块设置有存储器，所述的数据采集模块、控制模块、计算模块、存储模块均与核心处理模块相连。

优选地，所述的数据采集模块用于采集人的疲劳特征；所述的核心处理模块用于对数据采集模块采集的数据进行处理，并将相应数据存储在存储器里；所述的控制模块用于控制疲劳检测装置；所述的计算模块用于对核心处理模块中的相应数据进行计算，并返回给核心处理模块；所述的存储模块用于对存储核心处理模块中的数据进行存储。

优选地，所述的传感器采集模块包括双目摄像头采集模块、脉搏传感器、加速度传感器和腿部传感器电路模块，所述的脉搏传感器、加速度传感器均与腿部传感器电路模块相连。

作为优选，所述的双目摄像头采集模块与通讯模块相连，所述的腿部传感器电路模块与通讯模块相连。

优选地，所述的双目摄像头采集模块通过USB与核心处理模块相连，所述的腿部传感器电路模块通过蓝牙与核心处理模块相连。

一种疲劳检测方法，其特征在于：包括以下步骤：

1)采集无疲劳状态下脸部基准数据采集人在无疲劳状态下60s内的脸部特征(眨眼频率w(t)1，嘴部张合度m(t)1，头部移动幅度h(t)1)，并对获取到的特征数据做去噪和规格化处理，得到脸部无疲劳状态下的基准数据；

2)采集无疲劳状态下的肩部张合度：根据人体结构比例，眼睛之间的距离和肩膀的宽度有一定关系，采集到肩部张合度数据；(详见说明书)

3)采集无疲劳状态下脉搏基准数据：首先通过脉搏传感器装置获取人60s内的脉搏跳动数据，并对获取到的数据做去噪处理，得到脉搏无疲劳状态下的基准数据p(t)¹；

4)采集无疲劳下腿部静止时长：首先通过腿部的加速度传感器采集人在60s内的腿部运动信号，并通过去除腿部运动信号中前后部分噪音信号，得到准确的运动信号，然后根据腿部运动产生的局部加速度最大值(即信号中的局部峰值)，分别统计60s内所有相邻最大加速度的时长那个，并计算其平均值为腿部无疲劳状态下的静止时长l(t)¹；

5)获取疲劳状态下基准数据：首先通过步骤1)采集疲劳状态下人的脸部特征(眨眼频率w(t)²，嘴部张合度m(t)²，头部移动幅度h(t)²)，再通过步骤2)提取人在疲劳状态下的肩膀张和度s(t)²，以及步骤3)采集人在疲劳状态下的脉搏频率p(t)²，最后通过步骤4)采集疲劳状态下人的腿部静止时长l(t)²；