[发明专利]基于N-range图像处理算法的眼动参数监测的疲劳检测及促醒系统

说明书

本发明公开了一种基于N‑range图像处理算法的眼动参数监测的疲劳检测及促醒系统，包括：眼镜本体；图像采集模块，用于采集佩戴者的侧眼图像数据；促醒模块；电源模块；后台处理模块，其包括眼动数据分析模块、疲劳程度分析模块及主控模块；其中，所述眼动数据分析模块采用N‑range图像处理算法对眼动数据进行分析。本发明通过眼动数据分析，能自动实时判定人体疲劳程度，并依据人体疲劳等级进行预警，并施以声、光、振动相结合的促醒刺激，促使人体疲劳程度降低，使人体警觉度及作业能力提升。本发明的眼动参数分析方法具有平移旋转以及尺度不变形，且鲁棒性高，抗噪声能力与抗光照不均衡能力均较强。

技术领域

本发明涉及疲劳检测与觉醒刺激技术领域，特别涉及一种基于N-range图像处理算法的眼动参数监测的疲劳检测及促醒系统。

背景技术

随机社会的发展，当前工作的自动化水平在提高，各类工作岗位要求工作人员如飞行员，保持高度的机敏度及充沛的精力和注意力，确保高端设备操作无失误及相关作业的顺利实施，但是持续性、高强度、非时间定式的作业影响工作人员的判断、决策和作战执行能力。因此，准确评价持续作业条件下，时间生物节律及其功能状态对相关作业能力的影响，并给予科学的干预，以提升相关人员作业效能。

目前，国内外针对疲劳检测的手段主要分为主观检测和客观检测两种，其中客观检测主要包括行为特征检测(如眨眼，头部动作，嘴部动作等)和生理特征检测(如脑电，眼电，肌电等)；主观检测主要包括评价性检测和生理反应检测。促醒方法主要包括物理调节，化学调节和生物调节。相关研究表明，80％的PRECLOS与人的疲劳程度相关性较大，特定波长的光刺激，特定频率和响度的声音刺激和振动刺激对觉醒度的提高具有较好的作用。

对于眼部检测，通过采用算法对眼动参数进行分析，可判断疲劳程度。而采用的算法的优劣对检测结果具有很大影响。基于区域选择的目标检测算法可用于进行眼动参数检测。目前基于眼动的疲劳监测方法均是利用PERCLOS理论并从正面采集人眼，并进行人眼特征提取。例如Tapan Pradhan(Dhar S,Pradhan T,Gupta S,et al.Implementation ofreal time Visual Attention Monitoring algorithm of human drivers on anembedded platform[C]//Students Technology Symposium.IEEE,2010)提出了一种基于主成分分析的监测方法。其将眼睛图像分为三个类别：完全睁开、部分睁开和完全闭眼。通过对图像提取主成分，并奇异值分解，分别计算三个类别的最大概率，从而判别当前人眼的状态。这种方法在状态判别上具有较高的准确度，但是实用性较低，将人眼只分为3个状态，丢失了大量的人眼微动作信息，在疲劳判决方面，准确率较低。目前基于眼动的疲劳监测方法普遍存在运算量大、鲁棒性低、准确率较低等缺陷。并且目前，市售的相关设备主要集中在驾驶疲劳检测装置的研发上，缺少用于个人作业能力提升等相关领域课题的研究，更缺少集合疲劳检测、预警和促醒刺激于一体的便携穿戴式装置。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于N-range图像处理算法的眼动参数监测的疲劳检测及促醒系统。

为解决上述技术问题，本发明采用的技术方案是：一种基于N-range图像处理算法的眼动参数监测的疲劳检测及促醒系统，包括：

眼镜本体，其用于佩戴到眼部；

图像采集模块，其设置于所述眼镜本体上，用于采集佩戴者的侧眼图像数据；

促醒模块，其设置于所述眼镜本体上，包括光刺激单元、声音刺激单元和振动刺激单元；

电源模块，其设置于所述眼镜本体上，用于为上述各模块供电；

后台处理模块，其包括眼动数据分析模块、疲劳程度分析模块及主控模块；