[發明專利]一種基于脈搏特征的疲勞程度分析方法和裝置

在審

• 申請號: 201611178555.0
• 申請日: 2016-12-19
• 公開（公告）號: CN106691402A
• 公開（公告）日: 2017-05-24
• 發明（設計）人: 蕭偉;楊術;明中行;潘岱
• 申請（專利權）人: 深圳歐德蒙科技有限公司
• 主分類號: A61B5/02
• 分類號: A61B5/02;A61B5/16;G06F19/00;G06K9/00;G06K9/62
• 代理公司: 深圳市愛迪森知識產權代理事務所(普通合伙)44341
• 代理人: 何婷

1.一種基于脈搏特征的疲勞程度分析方法，其特征在于，所述方法包括：

通過初始的第一脈搏數據訓練分類器，得到脈搏數據疲勞程度分類器模型，其中，所述第一脈搏數據包括第一疲勞程度標簽；

按所述脈搏數據疲勞程度分類器模型對新采集的第二脈搏數據對應的第二疲勞程度標簽進行預測，得到第二疲勞程度標簽；

根據所述第二疲勞程度標簽確定其對應的疲勞程度。

2.根據權利要求1所述的基于脈搏特征的疲勞程度分析方法，其特征在于，所述通過初始的第一脈搏數據訓練分類器，得到脈搏數據疲勞程度分類器模型包括：

按預設算法對所述第一脈搏數據進行處理，得到臨時脈搏數據；提取所述臨時脈搏數據的特征；

將所述特征及其第一疲勞程度標簽整合為訓練集，并通過所述訓練集訓練所述分類器，得到分類器模型參數。

3.根據權利要求2所述的基于脈搏特征的疲勞程度分析方法，其特征在于，所述按預設算法對所述第一脈搏數據進行處理，得到臨時脈搏數據包括：

通過傅里葉變換，將所述第一脈搏數據內的脈搏時域信號轉換成脈搏頻域信號；

在脈搏功率譜中提取特定頻率及其對應幅值，對所述特定頻率及其對應幅值進行分類處理。

4.根據權利要求3所述的基于脈搏特征的疲勞程度分析方法，其特征在于，所述提取所述臨時脈搏數據的特征包括：

提取所述脈搏功率譜的直接特征和間接特征，其中，所述直接特征包括主峰幅值、峰值頻率、重心幅值以及重心頻率，所述間接特征包括功率譜的總功率、低頻功率與高頻功率比。

5.根據權利要求1所述的基于脈搏特征的疲勞程度分析方法，其特征在于，所述根據所述第二疲勞程度標簽確定其對應的疲勞程度包括：

將所述疲勞程度分為三類，分別為精神疲勞、精神一般以及精神飽滿；

為所述三類疲勞程度分別確定其對應疲勞程度標簽。

6.一種基于脈搏特征的疲勞程度分析裝置，其特征在于，所述裝置包括：

疲勞標簽初始模塊，用于通過初始的第一脈搏數據訓練分類器，得到脈搏數據疲勞程度分類器模型，其中，所述第一脈搏數據包括第一疲勞程度標簽；

疲勞標簽預測模塊，用于按所述脈搏數據疲勞程度分類器模型對新采集的第二脈搏數據對應的第二疲勞程度標簽進行預測，得到第二疲勞程度標簽；

疲勞程度確定模塊，用于根據所述第二疲勞程度標簽確定其對應的疲勞程度。

7.根據權利要求6所述的基于脈搏特征的疲勞程度分析裝置，其特征在于，所述疲勞標簽初始模塊包括臨時脈搏數據獲取單元、脈搏特征提取單元以及分類器訓練單元，其中，

所述臨時脈搏數據獲取單元用于按預設算法對所述第一脈搏數據進行處理，得到臨時脈搏數據；

所述脈搏特征提取單元用于提取所述臨時脈搏數據的特征；

所述分類器訓練單元用于將所述特征及其第一疲勞程度標簽整合為訓練集，并通過所述訓練集訓練所述分類器，得到分類器模型參數。

8.根據權利要求7所述的基于脈搏特征的疲勞程度分析裝置，其特征在于，所述臨時脈搏數據獲取單元還用于：

通過傅里葉變換，將所述第一脈搏數據內的脈搏時域信號轉換成脈搏頻域信號；

在脈搏功率譜中提取特定頻率及其對應幅值，對所述特定頻率及其對應幅值進行分類處理。

9.根據權利要求8所述的基于脈搏特征的疲勞程度分析裝置，其特征在于，所述脈搏特征提取單元還用于：

提取所述脈搏功率譜的直接特征和間接特征，其中，所述直接特征包括主峰幅值、峰值頻率、重心幅值以及重心頻率，所述間接特征包括功率譜的總功率、低頻功率與高頻功率比。

10.根據權利要求6所述的基于脈搏特征的疲勞程度分析裝置，其特征在于，所述疲勞程度確定模塊包括疲勞程度分類單元和疲勞標簽確定單元，其中，

所述疲勞程度分類單元用于將所述疲勞程度分為三類，分別為精神疲勞、精神一般以及精神飽滿；

所述疲勞標簽確定單元用于為所述三類疲勞程度分別確定其對應疲勞程度標簽。