[发明专利]一种基于脑电波分析的施工安全监测方法和装置

权利要求书

1.一种基于脑电波分析的施工安全监测方法，其特征在于，包括：

采集施工人员的脑电波信号；

根据所述脑电波信号，用预设的稀疏表示分类器进行分类，根据分类结果得到所述施工人员的疲劳程度；

根据所述疲劳程度构建安全监测模型；

将获取的危险处理信息输入所述安全监测模型，得到施工安全信息；

根据所述施工安全信息判断所述施工人员是否存在施工安全隐患；

所述根据所述疲劳程度构建安全监测模型，具体为：

其中，t_n为危险情况反应时间，R_n为危险情况正确处理率，F_n为疲劳程度，a为疲劳程度与安全性的相关系数，b为反应时间与安全性的相关系数，c为正确处理率与安全性的相关系数；

所述将获取的危险处理信息输入所述安全监测模型，得到施工安全信息，包括：

获取实际危险情况反应时间；

获取实际危险情况正确处理率；

将获取的所述实际危险情况反应时间和所述实际危险情况正确处理率输入所述安全监测模型，得到所述施工安全信息。

2.根据权利要求1所述的方法，其特征在于，所述采集施工人员的脑电波信号后，还包括：

对所述脑电波信号进行分段处理，得到多个波段脑电波信号；

对所述多个波段脑电波信号进行傅里叶变换并计算对应的功率谱密度；

根据所述脑电波信号的频率分布和功率谱密度，分别计算所述多个波段脑电波信号的能量特征值。

3.根据权利要求2所述的方法，其特征在于，采用下述关系式计算所述多个波段脑电波信号的能量特征值：

其中，E_α为α波段脑电波信号的能量特征值；E_β为β波段脑电波信号的能量特征值；E_θ为θ波段脑电波信号的能量特征值；E_δ为δ波段脑电波信号的能量特征值；freq为频率，单位为Hz；p_freq为在频率freq的波段的脑电波的功率谱密度。

4.根据权利要求2所述的方法，其特征在于，所述根据所述脑电波信号，用预设的稀疏表示分类器进行分类，根据分类结果得到所述施工人员的疲劳程度，包括：

预先获取不同疲劳程度所对应的脑电特征矩阵，形成训练样本，并利用所述训练样本进行训练得到所述稀疏表示分类器；

根据所述多个波段脑电波信号的能量特征值，用所述稀疏表示分类器进行分类，根据分类结果，得到所述施工人员的疲劳程度。

5.根据权利要求1所述的方法，其特征在于，所述获取实际危险情况反应时间，包括：

获取预设时间间隔内多次危险情况发生到出现反应的时间，得到多个原始危险情况反应时间；

根据所述多个原始危险情况反应时间得到所述实际危险情况反应时间。

6.根据权利要求1所述的方法，其特征在于，所述获取实际危险情况正确处理率，包括：

获取预设时间间隔内危险情况处理次数和危险情况正确处理次数；

根据所述危险情况处理次数和危险情况正确处理次数得到所述获取实际危险情况正确处理率。

7.根据权利要求1至4中任一项所述的方法，其特征在于，所述根据所述施工安全信息判断所述施工人员是否存在施工安全隐患，包括：

若所述施工安全信息小于等于预设的第一阈值，则判定所述施工人员存在施工安全隐患；否则，则判定所述施工人员不存在施工安全隐患。

8.一种基于脑电波分析的施工安全监测装置，其特征在于，包括：

采集模块，用于采集施工人员的脑电波信号；

分析模块，用于根据所述脑电波信号，用预设的稀疏表示分类器进行分类，根据分类结果得到所述施工人员的疲劳程度；

模型构建模块，用于根据所述疲劳程度构建安全监测模型；

处理模块，用于将获取的危险处理信息输入所述安全监测模型，得到施工安全信息；

判断模块，用于根据所述施工安全信息判断所述施工人员是否存在施工安全隐患；

所述根据所述疲劳程度构建安全监测模型，具体为：

其中，t_n为危险情况反应时间，R_n为危险情况正确处理率，F_n为疲劳程度，a为疲劳程度与安全性的相关系数，b为反应时间与安全性的相关系数，c为正确处理率与安全性的相关系数；

所述将获取的危险处理信息输入所述安全监测模型，得到施工安全信息，包括：

获取实际危险情况反应时间；

获取实际危险情况正确处理率；

将获取的所述实际危险情况反应时间和所述实际危险情况正确处理率输入所述安全监测模型，得到所述施工安全信息。