CN102098955A - 检测微入睡事件的方法和设备 - Google Patents

Abstract

本发明公开了检测对象的微入睡事件的方法。所述方法包括通过在一段时间内测量至少一只眼睛的上眼睑和下眼睑之间的多个距离，确定多个眼睛张开因子。产生所述眼睛张开因子的图形表示。将所述一段时间内所述眼睛张开因子的变化与指示所述微入睡事件的参考眼睛闭合模型相关联。另外还公开了检测微入睡事件设备。

Description

检测微入睡事件的方法和设备

技术领域

本发明涉及检测微入睡事件的方法和设备。

背景技术

量化与入睡相关的驾驶性能误差的方法对于减少睡眠相关事故的数量是极其重要的。在美国，驾驶员瞌睡是机动车辆事故的主要原因，并且造成每年约40000人受伤和1500人死亡。在一项研究中，在1000名接受调查的驾驶员中，55％的驾驶员表示他们曾在驾驶时昏昏欲睡，而23％的驾驶员表示他们曾在驾驶时睡着。这确定了其他研究：在错误地归咎于其他原因的车辆事故中，瞌睡或入睡可能发挥作用。

微入睡事件是入睡的有用标志。常常由于睡眠剥夺、或精神疲劳、睡眠呼吸暂停、嗜眠、或睡眠过多而发生微入睡事件。

存在监测微入睡的标准化方法，包括：监测脑电图(EEG)和眼电图(EOG)、视频、性能测试等。所有这些方法中，EEG被认为是最可靠的测量瞌睡的方法。然而，EEG和EOG都需要使用附接至对象的电极，从而使这些方法不适于日常地监测任意执行易疲劳工作的操作员(例如，汽车驾驶员)。其他方法是不现实的，因为它们都很难安装并且因为它们需要由人进行深入的数据分析，由此使得数据处理很难自动化。

存在各种能够识别微入睡事件的方法。一些专家根据行为准则(眼睑闭合)定义微入睡，而另一些专家依靠脑电图标记定义微入睡，如3至15秒片段(更短的持续时间将难以视觉检测且更长的时间将定义为入睡)，在这期间，4至7Hz(θ波)活动取代了清醒的14至20Hz(α波)的背景节奏。

主观上与“打盹”感觉有关的微入睡是与完全觉醒状态特征的眨眼典型结果的中断相关联的。在微入睡事件期间，注意力的下降能够削弱察觉和响应重要刺激和事件的能力。例如，当在需要持续警觉性(例如驾驶机动车或者操作机器)的情况下发生微入睡(或者微入睡事件)时，微入睡(或者微入睡片段)将变得极其危险。经历微入睡的人常常没有察觉到微入睡，相反地，认为他们一直是清醒的，或者感到“间隔”的感觉。困倦的驾驶员在微入睡片段期间，面临非常高的遭受事故的风险。很多事故是由于微入睡事件而发生的。

显然地，检测微入睡事件的能力用作向困倦的驾驶员警告或警告这种事件的方法将会是有用的。

一些研究已经使用了“定量的”EEG方法来识别驾驶员的瞌睡。在长时间驾驶期间，θ功率(EEG波)和θ脉冲的频率通常增加，并且与不良的驾驶性能相关联。不利地，这些技术通常在若干秒时间(直至1分钟)内对EEG活动取平均值，因此不能够用于检测3秒至15秒之间的短暂的微入睡事件。

已经提出通过各种生理测量来向驾驶员警告困倦的发生。

调研最多的一种是PERCLOS(或者百分比闭合(PERcent CLOSure))，其根据一段时间内驾驶员眼睛闭合的时间百分比来测量困倦。当获得足够数量的张开/闭合模型时，PERCLOS将触发警报。PERCLOS在百分比大于80％时产生效果，这通常意味着，在1分钟内在触发警报前人的眼睛必须闭合48秒。显然，在工作中(例如驾驶车辆)这种延迟是不可接受的，因为到PERCLOS激活警报的时候，驾驶员或者已经睡着，或者濒临睡着。因此，不利地，PERCLOS是太慢的系统以致于不能允许在个人(例如驾驶员)经历第一次入睡迹象前采取预防动作。

排除了EEG记录期间潜在的假象的EEG记录还示出，在微入睡事件期间正常的眨眼睛通常是连续的，这表示眼睛至少是部分张开的。

根据眼睛闭合的测量并推测地向驾驶员警告困倦发生的另一生理测量是峰值眨眼速度的测量，如美国专利7071831B2中所描述的。该专利所描述的系统包括一副眼镜或眼镜架，个人必须佩戴该眼镜或眼镜架，以监测眨眼睛的发生。然而，这种设备必须由操作员携带或佩戴(例如，便携设备)。

因此，存在着对将对象的微入睡事件检测为睡眠开始的指示的检测方法和检测设备的需要，该检测方法和检测设备能够在不需要使用电极或其他便携设备的情况下，在早期阶段检测短暂的微入睡事件。

发明内容

我们意外地发现，通过在一段时间内使用微入睡检测处理测量眼睑的闭合和张开模型、将从测量收集到的原始数据转换为图形并将图形与存储的标准微入睡模型的图形相比较，能够容易地和迅速地检测微入睡事件。

因此，在一个方面，提供了检测对象的微入睡事件的方法，所述方法包括：-通过在一段时间内测量至少一只眼睛的上眼睑和下眼睑之间的多个距离，确定多个眼睛张开因子；-产生所述眼睛张开因子的图形表示；以及-将所述一段时间内所述眼睛张开因子的变化与指示所述微入睡事件的参考眼睛闭合模型相关联。

如上所述的方法进一步包括：照射所述对象的面部；以及记录面部图像。具有红外光源的数码相机用于照射面部并用于记录所述面部图像。

如上所述的方法进一步包括：通过使用面部特征识别算法，识别眼睛和眼睑。

如上所述的方法进一步包括：根据所述眼睛的眨眼循环的时间测量所述眼睛张开因子，验证微入睡特征眼睛张开因子阶段的存在。所述眼睛张开因子阶段包括至少一个眼睛张开阶段。所述眼睛张开因子包括一个或多个眼睛张开阶段以及五个或更少眼睛张开阶段。所述眼睛张开因子包括五个眼睛张开阶段。所述眼睛张开阶段与张开眼睛、所述眼睑的闭合、部分或闭合的眼睛、以及所述眼睑的张开相关联。

如上所述的方法，其中，所述眼睛张开因子包括五个连续的眼睛张开阶段，所述五个阶段的连续检测指示微入睡特征。所述方法进一步包括：如果检测少于五个连续的眼睛张开因子，那么确定另外的眼睛张开因子。

如上所述的方法进一步包括：计算眼睛张开和眼睛闭合代表曲线。使用负斜率和二阶多项式回归计算所述眼睛闭合代表曲线，所述负斜率和二阶多项式回归适用于所述第一和第二眼睛张开因子阶段的眼睛张开因子。使用正斜率和二阶多项式回归计算所述眼睛张开代表曲线，所述正斜率和二阶多项式回归适用于所述第四和第五眼睛张开因子阶段的眼睛张开因子。所述方法进一步包括：通过计算对应于所述第一和第二眼睛张开因子阶段的所述眼睛闭合代表曲线和对应于所述第四和第五眼睛张开因子阶段的所述眼睛张开代表曲线的皮尔森系数，验证微入睡眼睛张开和闭合代表曲线的存在。当所述皮尔森系数大于或等于预定阈值时，通知所述对象。

如上所述的方法其中，以10Hz至60Hz之间的频率对所述面部的图像采样。

如上所述的方法进一步包括：图像采样频率为20Hz的、用于检测微入睡特征眼睛张开因子阶段的子处理。所述子处理包括：通过确定相对于张开眼睛的一系列六个或者更多连续的眼睛张开因子的存在，验证检测到第一阶段。

如上所述的方法进一步包括：通过确定一系列四个或者更多连续减小的眼睛张开因子，验证检测到第二阶段。如上所述的方法进一步包括：通过确定一系列最小值为五且最大值为120连续的眼睛张开因子的存在，验证检测到第三阶段。

如上所述的方法进一步包括：通过确定一系列最小值为四的连续眼睛张开因子的存在，验证检测到第四阶段。

如上所述的方法进一步包括：通过确定相对于张开眼睛的一系列最小值为六的连续眼睛张开因子的存在，验证检测到第五阶段。

如上所述的方法进一步包括：向所述对象警告所述微入睡事件的存在。

根据另一个方面，提供了微入睡事件检测设备，所述设备包括：

-面部图像采样器，在一段时间内对对象的面部图像进行采样，所述采样器具有照射所述对象的一个或多个眼睛的红外光源；

-微处理器，具有电子存储在其中的、可电子执行的微入睡检测处理，所述微处理器连接到所述采样器以接收所述采样的面部图像，所述图像被电子转换成眼睛张开因子的图形表示；以及

-与所述微处理器相关联的存储器，在所述存储器中存储了多个参考眼睛闭合模型，用于将所述眼睛张开因子与所述参考眼睛闭合模型电子相关联。

如上所述的设备进一步包括连接至所述微处理器的警报，用于向所述对象警告所述微入睡事件。

因此，在另一个方面，提供了向车辆驾驶员警告微入睡事件的方法，所述方法包括：

-通过在一段时间内测量至少一只眼睛的上眼睑和下眼睑之间的多个距离，确定多个眼睛张开因子；

-产生所述眼睛张开因子的图形表示；

-将所述一段时间内所述眼睛张开因子的变化与指示所述微入睡事件的参考眼睛闭合模型相关联；以及

-触发警报，以向所述驾驶员警告所述微入睡事件。

因此，在又一个方面，提供了将眼睛闭合模型与EEG和EOG微入睡模型相关联的方法，所述方法包括：

-测量对象的EEG和EOG微入睡模型；

-通过在一段时间内测量至少一只眼睛的上眼睑和下眼睑之间的多个距离，确定多个眼睛张开因子；

-产生所述眼睛张开因子的图形表示；

-将所述EEG和EOG微入睡模型与所述眼睛闭合因子的变化相关联。

附图说明

仅通过举例并结合附图描述本发明的实施方式，其中：

图1是根据本发明的示例性实施方式的、用在对象上的微入睡检测设备的框图；

图2是可利用图1的设备进行的微入睡时间检测处理的流程图；

图3A和3B是完全张开眼睛(图3A)和完全闭合眼睛(图3B)及它们相关联的眼睛张开因子的示意图；

图4是一系列根据眨眼循环时间的眼睛张开因子的变化示例的示意图；

图5是在微入睡时完全闭合眼睛(L4和L5阶段)的示例性实施例；以及

图6是微入睡特征眼睛张开因子阶段检测的子处理的流程图，该子处理可以以20Hz的图像采样频率与图2的微入睡事件检测处理一起使用。

具体实施方式

一般来说，本发明的非限制示例性实施方式提供了根据分析在微入睡事件期间发生的至少一只眼睛(通常是两只眼睛)的眼睛闭合模型、检测人类对象中微入睡事件的方法和设备。

在通过EEG和EOG的测量的微入睡事件期间，我们观察到随着时间推移人类对象的上眼睑和下眼睑之间距离的逐步变化。在下文中，我们描述了方法和设备，该方法和设备提供了使用眼睛闭合模型在昏昏欲睡的操作员(如汽车司机，飞机驾驶员，空中交通管制员等)即将发生的睡眠补充证据，当检测到眼睛闭合模型时，在眼睑闭合发生前向困倦的操作员警告不安全的情况，从而将EEG和EOG微入睡模型与眼睛闭合模型相关联。

还描述了分析允许正常眼睑闭合和由于困倦而发生的眼睑闭合之间区别的眼睛闭合模型的方法。

参照图1，示出了微入睡事件检测设备100，该设备100通常包括面部图像采样器(如具有关联的红外光源104的数码相机102)，具有关联的存储器108的微处理器106，以及警报/显示110和输入/输出接口112二者之一或二者。

因此，在一个实施例中，描述了使用设备100来检测人类对象中微入睡事件的方法。该方法包括：通过在一段时间内测量至少一只眼睛(通常是两只眼睛)的上眼睑和下眼睑之间的多个距离，确定多个眼睛张开因子；产生眼睛张开因子的图形表示；并将一段时间内眼睛张开因子的变化与指示微入睡事件的参考眼睛闭合模型相关联。

在工作中，数码相机102对准对象10的面部，并使用红外光源104照射他或她的眼睛12以便确定眼睛张开因子，即表示上眼睑14a和下眼睑14b之间距离的值。然后通过处理器106处理由数码相机102获取的图像，该处理器106执行存储在与其关联的存储器108的微入睡检测处理。一旦检测微入睡事件后，微入睡事件检测设备100可通过触发集成的警报和/或显示器110向用户通知微入睡事件，或者经由输入/输出接口112向进一步处理或设备提供信息。可以理解的是，可以向微入睡事件检测设备100增加其他部件，例如，用户接口和无线通信设备。

现在参照图2，示出了微入睡事件检测处理200的流程图，该处理可通过图1的微入睡事件检测设备100的处理器106电子地执行。利用方框202至212表示处理200的步骤。处理200在方框202开始，使用数码相机102对对象10的面部采样。数码相机102可以以约10至60Hz之间的频率(即，采样频率)对图像采样。在方框204，处理200在采样的数字图像中识别对象10的眼睛12和眼睑14a、14b。这可以使用通过处理器106执行的面部特征识别算法来实现。然后，计算眼睛张开因子。

现在参照图3A和3B，眼睛张开因子可表示为具有1和0之间的值的δ，1表示完全张开的眼睛12(见图3A)，0表示完全闭合的眼睛12(见图3B)。可以计算δ的值，例如，将通过笛卡儿坐标(X，Y)表示的上眼睑14a和下眼睑14b之间测量的距离除以完全张开眼睛的参考测量D。于是：

δ＝(上眼睑位置(x_u，y_u)-下眼睑位置(x_l，y_l))/D，

其中，D＝上眼睑位置(x_U，y_U)-下眼睑位置(x_L，y_L)，且(x_u，y_u)＝瞬时的上眼睑位置，(x_l，y_l)＝瞬时的下眼睑位置(x_l，y_l)，(x_U，y_U)＝眼睛张开最大时上眼睑位置，(x_L，y_L)＝眼睛张开最大时下眼睑位置。

再次参照图2，在方框206，处理验证是否存在微入睡特征眼睛张开因子阶段。

参照图4，示出了根据眨眼循环时间的眼睛张开因子的变化的示例性示例。眨眼循环在时间t₁开始，具有完全张开的眼睛12(眼睛张开因子δ＝1.00)，在t₂眼睛张开因子保持δ＝1.00，然后减少，在时间t_i和t_i+1经历δ＝0.80和δ＝0.50，直至在时间t_j达到δ＝0.00(完全闭合的眼睛12)，然后增加，在时间t_k和t_k+1经历δ＝0.50和δ＝0.80，直至在时间t_n再次达到δ＝1.00。可以理解的是，图4中所示的眨眼循环只是示例性目的，且实际循环将包括依赖采样频率的多个样本时间。

现在参照图5，这些计算的眼睛张开因子(根据时间)能够在图表中表示，该图表总体特征在于五个连续阶段L1至L5。第一和最后阶段L1和L5与张开的眼睛(即δ＝1.00)相关联，第二阶段L2与眼睑14a、14b的闭合(即0.00＞δ＞0.00，δ减少)相关联，第三阶段L3与部分的或闭合的眼睛(即0.00＜δ＜0.5，例如)相关联，第四阶段L4与眼睑14a、14b的张开(即0.00＜δ＜1.00，δ增加)相关联。

再次参照图2，处理200检测所有五个阶段，即L1至L5，然后处理200进行至方框208。如果是否定的，那么处理200回退到方框202处理下一图像样本。在方框208，处理计算眼睛闭合21或26和眼睛张开25或27的代表曲线。使用负斜率二阶多项式回归(抛物线)计算眼睛闭合代表曲线21或26，即

Y＝d₀+d₁.X+d₂.X²

其中，Y是对于每个度数和Y轴截距d1，对具有回归系数d₁至d₂的多项式模型的预测结果值；

负斜率二阶多项式回归适用于由第一和第二眼睛张开因子阶段(即，L1和L2)组成的眼睛张开因子。对于眼睛张开代表曲线25或27，使用正斜率二阶多项式回归来计算，该正斜率二阶多项式回归适用于由第四和第五眼睛张开因子阶段(即，L4和L5)组成的眼睛张开因子。然后，在方框210，处理220验证是否存在微入睡眼睛张开和闭合代表曲线。这通过计算皮尔森系数r来完成：

$r=\frac{\mathrm{\ΣXY}-\frac{\mathrm{\ΣX\ΣY}}{N}}{\sqrt{({\mathrm{\ΣX}}^2-\frac{{\left(\mathrm{\ΣX}\right)}^2}{N})(\mathrm{\Σ}{Y}^2-\frac{{\left(\mathrm{\ΣY}\right)}^2}{N})}}$

其中，X和Y是笛卡儿坐标的位置；

对应于由眼睛张开因子阶段L1和L2组成的眼睛张开因子，X和Y是眼睛闭合代表曲线21或26的位置，对应于由眼睛张开因子阶段L4和L5组成的眼睛张开因子，X和Y是眼睛张开代表曲线25或27的位置。如果两个皮尔森系数都大于或等于给定的阈值(例如0.9)，那么处理200进入到方框212。如果是否定的，那么处理200回到方框202开始下一图像采样。最后，在方框212，微入睡事件检测设备100可通过集成的警报和/或显示器110向用户10通知微入睡事件，或者使用例如有线或无线通信连接(例如蓝牙、WIFI等)经由输入/输出接口112(见图1)向进一步处理或设备提供信息。

可以理解的是，皮尔森系数阈值并不意味着被限制为0.9，并可以被调整以满足需要的置信水平。它还可以根据数码相机102(见图1)的分辨率而改变。

眼睛闭合模型基于这些具体的观察，闭合、在眼睑完全的或部分的闭合和重新张开的持续时间。更准确地，眼睛闭合模型表示在眼睑完全闭合然后重新张开的基准周期之后逐步减少。如果上述情况全部反生，那么检测到微入睡。

以20GHz的图像采样频率的微入睡特有眼睛张开因子阶段的实施例。

现在参照图6，示出了微入睡特征眼睛张开因子水平检测的子处理300的流程图，该子处理300可在处理200的方框206处执行以便对于20Hz的图像采样频率检测五个微入睡特征眼睛张开因子阶段(即L1至L5)(见图5)的存在。子处理300的步骤由方框301至305表示。

在方框301，子处理300验证是否检测到第一阶段L1。为此，子处理300检查是否存在最小值为六(6)的一系列、具有值δ＝1.00的连续眼睛张开因子。如果存在，那么子处理300进入方框302，如果不存在，那么子处理300会退到处理200的方框202(见图2)。

在方框302，子处理300验证是否检测到第二阶段L2。为此，子处理300检查是否存在最小值为四(4)的一系列、具有δ＝0.01和δ＝0.99之间值的连续减小的眼睛张开因子。如果存在，那么子处理300进入方框303，如果不存在，那么子处理300会退到处理200的方框202(见图2)。

然后在方框303，子处理300验证是否检测到第三阶段L3。为此，子处理300检查是否存在最小值为五(5)且最大值为120的一系列、具有值δ＝0.00的连续眼睛张开因子。如果存在，那么子处理300进入方框304，如果不存在，那么子处理300会退到处理200的方框202(见图2)。

在方框304，子处理300验证是否检测到第四阶段L4。为此，子处理300检查是否存在最小值为四(4)的一系列、具有δ＝0.01和δ＝0.99之间值的连续增加的眼睛张开因子。如果存在，那么子处理300进入方框305，如果不存在，那么子处理300会退到处理200的方框202(见图2)。

最后在方框305，子处理300验证是否检测到第五阶段L5。为此，子处理300检查是否存在最小值为六(6)的一系列、具有值δ＝1.00的连续眼睛张开因子。如果存在，那么子处理300进入处理200的方框208(见图2)，所有五个(5)微入睡特征眼睛张开因子阶段是存在的。如果不存在，那么子处理300会退到处理200的方框202(见图2)。可以理解的是，用于检测每个微入睡特征眼睛张开因子阶段存在的眼睛张开因子的数量是可以例如根据图像采用频率而改变的，并且只是用作示例性的实施例。

可以理解的是，如上所述的与微处理器相关联的存储器包含存储在其中的多个参考眼睛闭合模型。如图5中所示的图表是与参考眼睛闭合模型的比较。一旦发现匹配，就证实了微入睡事件并激活警报。

虽然通过具体实施方式及其实施例来描述本发明，但是应该理解，对于本领域技术人员来说显而易见的是，在不脱离本发明范围的情况下，可以对本发明具体实施方式进行修改。

Claims (28)

1.一种检测对象的微入睡事件的方法，所述方法包括：

-通过在一段时间内测量至少一只眼睛的上眼睑和下眼睑之间的多个距离，确定多个眼睛张开因子；

-产生所述眼睛张开因子的图形表示；以及

-将所述一段时间内所述眼睛张开因子的变化与指示所述微入睡事件的参考眼睛闭合模型相关联。

2.如权利要求1所述的方法，进一步包括：照射所述对象的面部；以及记录面部图像。

3.如权利要求2所述的方法，其中，具有红外光源的数码相机用于照射所述面部并用于记录所述面部图像。

4.如权利要求1所述的方法，进一步包括：通过使用面部特征识别算法，识别眼睛和眼睑。

5.如权利要求1所述的方法，进一步包括：通过根据所述眼睛的眨眼循环的时间测量所述眼睛张开因子，验证微入睡特征眼睛张开因子阶段的存在。

6.如权利要求5所述的方法，其中，所述眼睛张开因子阶段包括至少一个眼睛张开阶段。

7.如权利要求5所述的方法，其中，所述眼睛张开因子包括一个或多个眼睛张开阶段以及五个或更少眼睛张开阶段。

8.如权利要求5所述的方法，其中，所述眼睛张开因子包括五个眼睛张开阶段。

9.如权利要求5所述的方法，其中，所述眼睛张开阶段与张开的眼睛、所述眼睑的闭合、部分或闭合的眼睛、以及所述眼睑的张开相关联。

10.如权利要求1所述的方法，其中，所述眼睛张开因子包括五个连续的眼睛张开阶段，所述五个阶段的连续检测指示微入睡特征。

11.如权利要求10所述的方法，进一步包括：如果检测少于五个连续的眼睛张开因子阶段，那么确定另外的眼睛张开因子。

12.如权利要求5所述的方法，进一步包括：计算眼睛张开和眼睛闭合代表曲线。

13.如权利要求12所述的方法，其中，使用负斜率和二阶多项式回归计算所述眼睛闭合代表曲线，所述负斜率和二阶多项式回归适用于第一和第二眼睛张开因子阶段的眼睛张开因子。

14.如权利要求12所述的方法，其中，使用正斜率和二阶多项式回归计算所述眼睛张开代表曲线，所述正斜率和二阶多项式回归适用于第四和第五眼睛张开因子阶段的眼睛张开因子。

15.如权利要求12所述的方法，进一步包括：通过计算对应于所述第一和第二眼睛张开因子阶段的眼睛闭合代表曲线和对应于所述第四和第五眼睛张开因子阶段的眼睛张开代表曲线的皮尔森系数，验证微入睡眼睛张开和闭合代表曲线的存在。

16.如权利要求15所述的方法，其中，当所述皮尔森系数大于或等于预定阈值时，通知所述对象。

17.如权利要求3所述的方法，其中，以10Hz至60Hz之间的频率对所述面部的图像采样。

18.如权利要求5所述的方法，进一步包括：图像采样频率为20Hz的、用于检测微入睡特征眼睛张开因子阶段的子处理。

19.如权利要求18所述的方法，其中，所述子处理包括：通过确定相对于张开眼睛的一系列六个或者更多连续的眼睛张开因子的存在，验证检测到第一阶段。

20.如权利要求19所述的方法，进一步包括：通过确定一系列四个或者更多连续减小的眼睛张开因子的存在，验证检测到第二阶段。

21.如权利要求20所述的方法，进一步包括：通过确定一系列最小值为五且最大值为一百二十连续的眼睛张开因子的存在，验证检测到第三阶段。

22.如权利要求21所述的方法，进一步包括：通过确定一系列最小值为四的连续眼睛张开因子的存在，验证检测到第四阶段。

23.如权利要求22所述的方法，进一步包括：通过确定相对于张开眼睛的一系列最小值为六的连续眼睛张开因子的存在，验证检测到第五阶段。

24.如权利要求1所述的方法，进一步包括：向所述对象警告所述微入睡事件的存在。

25.一种微入睡事件检测设备，所述设备包括：

-面部图像采样器，在一段时间内对对象的面部图像进行采样，所述采样器具有用于照射所述对象的一个或多个眼睛的红外光源；

-微处理器，具有电子存储在其中的、可电子执行的微入睡检测处理，所述微处理器连接到所述采样器以接收所采样的面部图像，所述图像被电子转换成眼睛张开因子的图形表示；以及

-与所述微处理器相关联的存储器，在所述存储器中存储了多个参考眼睛闭合模型，用于将所述眼睛张开因子与所述参考眼睛闭合模型电子相关。

26.如权利要求25所述的设备，进一步包括连接至所述微处理器的警报，用于向所述对象警告所述微入睡事件。

27.一种向车辆驾驶员警告微入睡事件的方法，所述方法包括：

-通过在一段时间内测量至少一只眼睛的上眼睑和下眼睑之间的多个距离，确定多个眼睛张开因子；

-产生所述眼睛张开因子的图形表示；

-将所述一段时间内所述眼睛张开因子的变化与指示所述微入睡事件的参考眼睛闭合模型相关联；以及

-触发警报，以向所述驾驶员警告所述微入睡事件。

28.一种将EEG和EOG微入睡模型与眼睛闭合模型相关联的方法，所述方法包括：

-测量对象的EEG和EOG微入睡模型；

-通过在一段时间内测量至少一只眼睛的上眼睑和下眼睑之间的多个距离，确定多个眼睛张开因子；

-产生所述眼睛张开因子的图形表示；

-将所述EEG和EOG微入睡模型与所述眼睛闭合因子的变化相关联。

Images