[发明专利]疲劳驾驶检测方法、装置、计算机设备和存储介质

权利要求书

1.一种疲劳驾驶检测方法，其特征在于，所述方法包括：

获取目标车辆的驾驶员的脑电信号和所述目标车辆的车辆运行信息；

对所述车辆运行信息中的数据进行疲劳检测关联度筛选，得到目标车辆运行信息，所述目标车辆运行信息包括车速、油门踏板踩踏频次、油门踩踏加速度、制动踏板踩踏频次、制动踩踏加速度和方向盘转角；

对所述脑电信号进行预处理，得到目标脑电信号；所述预处理包括放大处理、重采样处理、去除眼电伪迹和去除工频干扰；所述重采样处理指的是滤除所述脑电信号中的高频信号，所述去除眼电伪迹指的是删除所述脑电信号中有眼电干扰帧的数据；

根据所述目标脑电信号和所述目标车辆运行信息，确定疲劳检测结果；所述疲劳检测结果为疲劳或正常。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标脑电信号和所述目标车辆运行信息，确定疲劳检测结果，包括：

利用小波包分解与重构法提取出所述目标脑电信号的α节律、β节律、θ节律和δ节律；

分别计算α节律、β节律、θ节律和δ节律的能量占比；将α节律、β节律、θ节律和δ节律的能量占比均作为脑电疲劳检测特征指标；

获取所述目标车辆运行信息中各类数据的样本熵、标准差和平均值，将每一样本熵、每一标准差和每一平均值均作为车辆运动信息疲劳检测特征指标；

将每一脑电疲劳检测特征指标与每一车辆运动信息疲劳检测特征指标进行组合；计算每一组合结果的皮尔森相关系数，将最高皮尔森相关系数对应的组合结果作为目标组合；

根据所述目标组合，确定所述疲劳检测结果。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标组合，确定所述疲劳检测结果，包括：

对所述目标组合进行特征层融合处理，得到疲劳融合检测数据；

基于训练样本集对初始模型进行训练，得到预设模型；基于测试样本集对所述预设模型进行测试；

将所述疲劳融合检测数据输入至所述预设模型，输出所述疲劳检测结果。

4.根据权利要求3所述的方法，其特征在于，所述对所述目标组合进行特征层融合处理，得到疲劳融合检测数据，包括：

基于多重典型集相关分析特征融合算法对所述目标组合进行特征层融合处理，得到所述疲劳融合检测数据。

5.根据权利要求1所述的方法，其特征在于，所述目标车辆的驾驶员座椅两侧内置电机；所述根据所述目标脑电信号和所述目标车辆运行信息，确定疲劳检测结果之后，还包括：

判断所述疲劳检测结果是否为疲劳；若是，则控制所述电机产生震动。

6.根据权利要求1所述的方法，其特征在于，在所述目标车辆的方向盘中心和踏面边缘均布置MEMS惯性测量件；所述油门踏板踩踏频次、所述油门踩踏加速度、所述制动踏板踩踏频次、所述制动踩踏加速度和所述方向盘转角是基于所述MEMS惯性测量件获取的。

7.一种疲劳驾驶检测装置，其特征在于，所述装置包括：

获取模块，用于获取目标车辆的驾驶员的脑电信号和所述目标车辆的车辆运行信息；

筛选模块，用于对所述车辆运行信息中的数据进行疲劳检测关联度筛选，得到目标车辆运行信息，所述目标车辆运行信息包括车速、油门踏板踩踏频次、油门踩踏加速度、制动踏板踩踏频次、制动踩踏加速度和方向盘转角；

预处理模块，用于对所述脑电信号进行预处理，得到目标脑电信号；所述预处理包括放大处理、重采样处理、去除眼电伪迹和去除工频干扰；所述重采样处理指的是滤除所述脑电信号中的高频信号，所述去除眼电伪迹指的是删除所述脑电信号中有眼电干扰帧的数据；

确定模块，用于根据所述目标脑电信号和所述目标车辆运行信息，确定疲劳检测结果；所述疲劳检测结果为疲劳或正常。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。