[發(fā)明專利]一種疲勞狀況監(jiān)測方法及裝置

在審

• 申請?zhí)枺?/td>: 201611116357.1
• 申請日: 2016-12-07
• 公開（公告）號: CN106580350A
• 公開（公告）日: 2017-04-26
• 發(fā)明（設(shè)計）人: 張建平;鄒翔;張平;楊曉嘉;羅啟銘;李震;陳振玲;姜薇
• 申請（專利權(quán)）人: 中國民用航空總局第二研究所
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/11;A61B5/048;A61B5/00
• 代理公司: 北京酷愛智慧知識產(chǎn)權(quán)代理有限公司11514
• 代理人: 任媛

技術(shù)領(lǐng)域

本發(fā)明涉及疲勞監(jiān)測技術(shù)領(lǐng)域，具體涉及一種疲勞狀況監(jiān)測方法及裝置。

背景技術(shù)

隨著空中交通流量的日益增長，空中交通管制員的工作負荷越來越大，其疲勞程度對空中交通系統(tǒng)安全水平有著重要影響。國際民航組織已經(jīng)為疲勞風(fēng)險管理制定了Doc9966規(guī)章制度手冊。歐美發(fā)達國家也先后將針對飛行員的疲勞檢測系統(tǒng)或者方法擴展到管制員疲勞檢測應(yīng)用上。中國民航局以國際民航組織Doc9966為指導(dǎo)，也在CCAR-121文件中明確了疲勞風(fēng)險管理的規(guī)則。

到目前為止，國內(nèi)外研究者提出了多種疲勞檢測與管理方法和體系。第一種方法，收集大量被測者的問卷表格，用于疲勞判定和預(yù)測，研究人員會根據(jù)被測者的回答結(jié)果結(jié)合經(jīng)驗進行打分以確定疲勞程度，這樣難免會受到研究者主觀判斷的影響；第二種方法：有相當(dāng)一部分正在使用的方法均是通過觀察較長時間內(nèi)(如連續(xù)幾十天)被測者的表現(xiàn)，從而建立疲勞趨勢預(yù)測圖表，再根據(jù)圖表來判定在某一段時間內(nèi)管制員是否疲勞。這樣就直接忽略了管制員當(dāng)前身體狀況，可能對檢測結(jié)果造成一定的影響；第三種方法：當(dāng)前已有的適用于實時疲勞檢測的方法大多采用對面部特征進行采集和識別的方法，這種方法需要高精度視頻檢測設(shè)備隨時拍攝管制員，從成本角度分析不具備優(yōu)勢。

第一種方法的不足：受到研究者主觀的影響，使對被測者的疲勞判定和預(yù)測不準(zhǔn)確；第二種方法的不足：不能進行實時檢測，根據(jù)被測者的一段時間表現(xiàn)來推測某一段時間內(nèi)該管制員是否疲勞，忽略了當(dāng)前管制員的身體狀況，使疲勞判定和預(yù)測不準(zhǔn)確；第三種方法的不足：雖然進行了實時監(jiān)測管制員的疲勞狀態(tài)，但該方法的實現(xiàn)需要高精度的視頻檢測設(shè)備，成本高，不適用。

綜上，目前迫切需要一種準(zhǔn)確性較高且成本較低的實時疲勞狀況監(jiān)測方案。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供一種疲勞狀況監(jiān)測方法及裝置，以提供一種準(zhǔn)確性較高且成本較低的實時疲勞狀況監(jiān)測方案。

第一方面，本發(fā)明提供的一種疲勞狀況監(jiān)測方法，包括：

預(yù)先以腦電波特征數(shù)據(jù)為條件屬性，以疲勞判定參數(shù)為決策屬性，采用變精度粗糙集模型建立用于根據(jù)所述腦電波特征數(shù)據(jù)判定疲勞狀況的近似決策規(guī)則；

實時采集用戶的腦電波；

計算所述腦電波相應(yīng)的腦電波特征數(shù)據(jù)的屬性值；

根據(jù)所述腦電波特征數(shù)據(jù)的屬性值和所述近似決策規(guī)則，確定所述用戶的疲勞狀況，完成對所述用戶的疲勞狀況的實時監(jiān)測。

可選的，所述腦電波特征數(shù)據(jù)包括慢α波功率百分比、α波和β波的功率比值以及θ波和慢α波的功率比值。

可選的，所述疲勞判定參數(shù)包括：眼瞼閉合時間占比、平均睜眼程度、最長眼睛閉合時間或眨眼頻率。

可選的，所述以腦電波特征數(shù)據(jù)為條件屬性，以疲勞判定參數(shù)為決策屬性，采用變精度粗糙集模型建立用于根據(jù)所述腦電波特征數(shù)據(jù)判定疲勞狀況的近似決策規(guī)則，包括：

分別在疲勞狀態(tài)下和非疲勞狀態(tài)下采集多個樣本用戶的腦電波和疲勞判定參數(shù)，其中，所述疲勞判定參數(shù)與所述腦電波具有被采集人員一致性和采集時間一致性；

計算所述腦電波相應(yīng)的腦電波特征數(shù)據(jù)的屬性值，將多個所述樣本用戶的所述腦電波特征數(shù)據(jù)的屬性值和所述疲勞判定參數(shù)作為樣本數(shù)據(jù)；

根據(jù)所述樣本數(shù)據(jù)，以所述樣本用戶的集合為論域，以所述腦電波特征數(shù)據(jù)為條件屬性，以所述疲勞判定參數(shù)為決策屬性，以所述腦電波特征數(shù)據(jù)的屬性值和所述疲勞判定參數(shù)的屬性值的集合為值域，建立信息系統(tǒng)；

根據(jù)所述信息系統(tǒng)，建立應(yīng)用于變精度粗糙集模型的初始決策表；

將所述腦電波特征數(shù)據(jù)的屬性值和所述疲勞判定參數(shù)的屬性值分別劃分為多個等級，獲得所述腦電波特征數(shù)據(jù)的等價劃分和所述疲勞判定參數(shù)的等價劃分；其中，將所述疲勞判定參數(shù)的屬性值按照是否表征疲勞狀態(tài)劃分為兩個等級；

將所述論域根據(jù)所述腦電波特征數(shù)據(jù)的等價劃分劃分為多個等價類，獲得所述論域關(guān)于所述腦電波特征數(shù)據(jù)的等價劃分，以及將所述論域根據(jù)所述疲勞判定參數(shù)的等價劃分劃分為多個等價類，獲得所述論域關(guān)于所述疲勞判定參數(shù)的等價劃分；

計算所述腦電波特征數(shù)據(jù)和所述疲勞判定參數(shù)的β依賴性；

根據(jù)所述β依賴性計算所述腦電波特征數(shù)據(jù)的β近似約簡；

將所述腦電波特征數(shù)據(jù)的所有β近似約簡求交集，確定所述腦電波特征數(shù)據(jù)的β近似核；

確定所述論域關(guān)于所述β近似核的等價劃分；