[發明專利]基于BP神經網絡的管制員疲勞檢測方法及系統

在審

• 申請號: 201611118480.7
• 申請日: 2016-12-07
• 公開（公告）號: CN106599821A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 張建平;鄒翔;張瑞平;李震;高翔;徐祥剛;盛鵬峰
• 申請（專利權）人: 中國民用航空總局第二研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;A61B5/021;A61B5/00;A61B5/18;G08B21/06;G06N3/08
• 代理公司: 北京酷愛智慧知識產權代理有限公司11514
• 代理人: 任媛

1.一種基于BP神經網絡的管制員疲勞檢測方法，其特征在于，包括：

采集管制員的脈搏值和血壓值，根據所述血壓值得到舒張壓值和收縮壓值；

將所述脈搏值、所述舒張壓值和所述收縮壓值輸入預先訓練好的BP神經網絡模型，得到PERCLOS值仿真結果；

若所述PERCLOS值仿真結果大于疲勞閾值，則判斷所述管制員處于疲勞狀態。

2.根據權利要求1所述的方法，其特征在于，所述BP神經網絡模型的訓練方法包括：

建立BP神經網絡模型并隨機生成所述BP神經網絡模型的參數，所述BP神經網絡模型包括輸入層、中間層、輸出層，所述輸入層包含3個節點，所述中間層包含多個節點，所述輸出層包含1個節點，所述輸入層和所述中間層之間、以及所述中間層和所述輸出層之間均采用全連接模式；

采集管制員的脈搏值和血壓值以及對應的眼瞼閉合數據，根據所述血壓值得到舒張壓值和收縮壓值，根據所述眼瞼閉合數據得到的PERCLOS值測量結果，并生成多個樣本，每個樣本包括所述脈搏值、所述舒張壓值、所述收縮壓值以及對應的PERCLOS值測量結果；

從生成的樣本中選取一個樣本，將樣本中的脈搏值、舒張壓值和收縮壓值輸入所述BP神經網絡模型，得到PERCLOS值預估結果；

根據所述PERCLOS值預估結果和選取的樣本的PERCLOS值測量結果的誤差，更新所述BP神經網絡模型的參數；

若達到預設停止條件，則終止訓練，否則重新選取樣本再進行訓練。

3.根據權利要求2所述的方法，其特征在于，所述根據所述眼瞼閉合數據得到的PERCLOS值測量結果，包括：

從所述眼瞼閉合數據中獲取所述管制員清醒狀態下的上下眼瞼最大距離，所述眼瞼閉合數據為眼瞼閉合幅度隨時間的變化，所述眼瞼閉合幅度為上下眼瞼之間的距離；

將所述眼瞼閉合數據除以所述上下眼瞼最大距離，得到眼瞼閉合程度；

根據所述眼瞼閉合程度，計算單位時間內的閉眼時間；

將閉眼時間除以所述單位時間得到PERCLOS值測量結果。

4.根據權利要求3所述的方法，其特征在于，所述根據所述眼瞼閉合程度，計算單位時間內的閉眼時間，包括：在單位時間內，眼瞼閉合程度大于70％或80％的對應的時間段的總和為所述單位時間內的閉眼時間。

5.根據權利要求2所述的方法，其特征在于，若達到預設停止條件，則終止訓練，否則重新選取樣本再進行訓練，包括：根據所述PERCLOS值預估結果和選取的樣本中的PERCLOS值測量結果得到全局誤差，若所述全局誤差小于誤差閾值或訓練次數達到預設的最大次數，則終止訓練，否則重新選取樣本再進行訓練。

6.根據權利要求2所述的方法，其特征在于，根據所述PERCLOS值預估結果和選取的樣本的PERCLOS值測量結果的誤差，更新所述BP神經網絡模型的參數，包括：

計算所述PERCLOS值預估結果和選取的樣本中的PERCLOS值測量結果的輸出誤差；

根據所述輸出誤差相對于中間層到輸出層各邊權值的偏導數，更新所述中間層到輸出層各邊權值；

根據所述輸出誤差相對于輸入層到中間層各邊權值的偏導數，更新所述輸入層到中間層各邊權值；

根據所述輸出誤差相對于輸出層偏置的偏導數，更新所述輸出層偏置；

根據所述輸出誤差相對于中間層偏置的偏導數，更新所述中間層偏置。

7.一種基于BP神經網絡的管制員疲勞檢測系統，其特征在于，包括：

原始數據處理模塊，用于采集管制員的脈搏值和血壓值，根據所述血壓值得到舒張壓值和收縮壓值；

疲勞值輸出模塊，用于將所述脈搏值、所述舒張壓值和所述收縮壓值輸入預先訓練好的BP神經網絡模型，得到PERCLOS值仿真結果；

疲勞判斷模塊，用于若所述PERCLOS值仿真結果大于疲勞閾值，則判斷所述管制員處于疲勞狀態。