[發明專利]一種基于呼吸率的疲勞預測方法、終端設備及存儲介質

在審

• 申請號: 202110504144.0
• 申請日: 2021-05-10
• 公開（公告）號: CN113288111A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 蘇鷺梅;陳興;陳鑫強
• 申請（專利權）人: 廈門理工學院
• 主分類號: A61B5/08
• 分類號: A61B5/08
• 代理公司: 廈門市精誠新創知識產權代理有限公司 35218
• 代理人: 何家富

1.一種基于呼吸率的疲勞預測方法，其特征在于，包括以下步驟：

S1：采集司機駕駛過程中的視頻，并將視頻逐幀分解為圖像；

S2：提取每幀圖像對應的呼吸信號；

S3：構建長短期記憶網絡模型，通過采集的視頻對該長短期記憶網絡模型進行訓練，使得長短期記憶網絡模型輸出的預測呼吸信號與實際呼吸信號的差異最小；

S4：通過訓練后的長短期記憶網絡模型，根據司機歷史行駛過程中的視頻，對未來時間的呼吸信號進行預測；

S5：將預測的呼吸信號的時域數據轉換為頻域信息，從頻域信息中獲取預測呼吸率；

S6：根據預測呼吸率判斷是否處于疲勞狀態。

2.根據權利要求1所述的基于呼吸率的疲勞預測方法，其特征在于：步驟S2中提取每幀圖像對應的呼吸信號的方法為：將每幀圖像進行光流編碼后，根據設定的感興趣區域，將光流編碼后的圖像中的感興趣區域進行灰度處理，將感興趣區域中所有像素點的灰度值的平均值作為該圖像的呼吸信號。

3.根據權利要求2所述的基于呼吸率的疲勞預測方法，其特征在于：光流編碼采用Horn-Schunck光流法。

4.根據權利要求2所述的基于呼吸率的疲勞預測方法，其特征在于：感興趣區域為胸部區域。

5.根據權利要求1所述的基于呼吸率的疲勞預測方法，其特征在于：步驟S3中通過采集的視頻對該長短期記憶網絡模型進行訓練時，將視頻的時序中的前90％作為訓練集，后10％作為測試集，將訓練集輸入長短期記憶網絡模型，輸出結果為預測呼吸信號，測試集為實際呼吸信號。

6.根據權利要求1所述的基于呼吸率的疲勞預測方法，其特征在于：步驟S3中長短期記憶網絡模型中的層包含200個隱含單元，設定迭代次數為250，初始學習率為0.005，在125次迭代后，通過乘以0.2來降低學習率。

7.根據權利要求1所述的基于呼吸率的疲勞預測方法，其特征在于：步驟S5中將預測的呼吸信號的時域數據轉換為頻域信息通過快速傅里葉變換進行。

8.一種基于呼吸率的疲勞預測終端設備，其特征在于：包括處理器、存儲器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1～7中任一所述方法的步驟。

9.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現如權利要求1～7中任一所述方法的步驟。