[發明專利]一種基于軟集合的疲勞駕駛檢測方法

有效

• 申請號: 201611244964.6
• 申請日: 2016-12-29
• 公開（公告）號: CN106781283B
• 公開（公告）日: 2019-04-05
• 發明（設計）人: 王立夫;孔芝
• 申請（專利權）人: 東北大學秦皇島分校
• 主分類號: G08B21/06
• 分類號: G08B21/06;A61B5/0488
• 代理公司: 北京聯創佳為專利事務所(普通合伙) 11362
• 代理人: 劉美蓮;郭防

本發明公開了一種基于軟集合的疲勞駕駛檢測方法，包括以下步驟：S1，采集駕駛者的預設肌肉部位在預設時刻的表面肌電信號；S2，提取并分析所述表面肌電信號的肌肉狀態特征；S3，根據提取出來的肌電信號建立基于軟集合的疲勞量化模型；S4，根據基于軟集合的疲勞量化模型計算得出疲勞駕駛判定值。本發明通過采集駕駛者表面肌電信號，并對表面肌電信號進行分析預處理后，分析信號中的異常數據，對駕駛者的表面肌電信號進行決策分析，得出各時間段駕駛者的疲勞程度，從而可分析出駕駛者的疲勞下降速度；它實現了在保證關鍵信息保留時，對數據進行分析、簡化和決策，能夠大大降低對象的知識表達空間維數。對參數的選擇無限制性。

技術領域

本發明涉及一種基于軟集合的疲勞駕駛檢測方法，屬于智能交通領域。

背景技術

疲勞作為一種常見而復雜的生理現象將直接導致駕駛員的警覺性降低、反應遲緩，很容易造成交通事故，對駕駛員的生命安全造成了很大的威脅。但是，疲勞和非疲勞的分界點難以確定，在某種程度上可以說是不確定的，因人而異的。從這一點來說，疲勞檢測比其他的經典模式識別問題如人臉檢測等問題更加困難。除此之外，疲勞程度到底如何也難以確定，使得疲勞狀態難于分類和度量。

目前對疲勞駕駛檢測的研究中，主要都是基于駕駛環境下人體生理信號的變化進行的，其主要目的是對駕駛員的清醒、疲勞、困倦等生理狀態進行測量。表面肌電信號是人體運動時神經肌肉活動產生的生物電信號，可以在一定程度上反映人體的生理活動狀態和功能狀態。但是，當前疲勞駕駛檢測技術的難點在于：采集到的信號具有一些不確定的因素，而當前的理論(比如概率論、盲數理論、模糊集理論、粗糙集理論、區間數學理論等都是用來處理不確定性的數學工具)中用于確定參數的工具非常少，導致大量參數無法確定，這一問題是使用這些理論的瓶頸。

發明內容

本發明的目的在于，提供一種基于軟集合的疲勞駕駛檢測方法，他可以解決當前技術中存在的問題，實現在保證關鍵信息保留的情況下，對數據進行分析、簡化和決策，能夠大大降低對象的知識表達空間維數。對參數的選擇無限制性。

為解決上述技術問題，本發明采用如下的技術方案：一種基于軟集合的疲勞駕駛檢測方法，包括以下步驟：

S1，采集駕駛者的預設肌肉部位在預設時刻的表面肌電信號；

S2，提取并分析所述表面肌電信號的肌肉狀態特征；

S3，根據提取出來的肌電信號建立基于軟集合的疲勞量化模型；

S4，根據所述基于軟集合的疲勞量化模型計算得出疲勞駕駛判定值。

優選的，所述步驟S1中，所述預設肌肉部位包括頸部上斜方肌、肩部三角肌、背部背闊肌、下肢股直肌、股外側肌和腓腸肌。

優選的，所述步驟S1中，利用小波去噪方法和經驗模態分解閾值去噪方法對采集到的所述表面肌電信號進行預處理，從而去掉在信號的的采集、拾取、調理過程中因受外界的噪音干擾而產生的無效信息。

優選的，所述步驟S2包括：采用均方根法、中位頻率法或者模糊近似熵算法對所述表面肌電信號進行分析，得到表面肌電信號的肌肉狀態特征。

優選的，所述步驟S3包括：設定第一軟集合(F，E)表征駕駛者的疲勞狀態，其中，論域U是駕駛者在不同時刻的肌肉狀態特征的集合，即U＝{h₁,h₂,h₃,h₄...h₂₅}，E是參數集，參數為所述表面肌電信號的模糊近似熵值，熵算法統計值穩定，抗干擾能力強，對混合信號的適應能力強，而且結果曲線的變化與人體狀態變化有較好的一致性。

更優選的，所述步驟S3還包括：根據E中各參數與人體狀態的相關度分別設置各參數的權重，根據所述各參數的權重和所述第一軟集合得到第二軟集合(T，E)。