[go: up one dir, main page]

CN105701973A - 基于脑电波采集的疲劳检测及预警方法和系统 - Google Patents

基于脑电波采集的疲劳检测及预警方法和系统 Download PDF

Info

Publication number
CN105701973A
CN105701973A CN201610264970.1A CN201610264970A CN105701973A CN 105701973 A CN105701973 A CN 105701973A CN 201610264970 A CN201610264970 A CN 201610264970A CN 105701973 A CN105701973 A CN 105701973A
Authority
CN
China
Prior art keywords
index
brain wave
slow
data
warning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610264970.1A
Other languages
English (en)
Inventor
谢仲华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CHENGDU REMOTE CONTROL TECHNOLOGY Co Ltd
Original Assignee
CHENGDU REMOTE CONTROL TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by CHENGDU REMOTE CONTROL TECHNOLOGY Co Ltd filed Critical CHENGDU REMOTE CONTROL TECHNOLOGY Co Ltd
Priority to CN201610264970.1A priority Critical patent/CN105701973A/zh
Publication of CN105701973A publication Critical patent/CN105701973A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/168—Evaluating attention deficit, hyperactivity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Developmental Disabilities (AREA)
  • Signal Processing (AREA)
  • Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Child & Adolescent Psychology (AREA)
  • Social Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Technology (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于脑电波采集的疲劳检测及预警方法和系统，方法包括指标获取步骤和监测预警步骤。本发明在指标获取阶段，将脑电波与眨眼特征值进行相关性判断，提高后期数据检测的鲁棒性；根据分析结果，将功率百分比指标中的慢α%、功率比值指标中的慢α/β和θ/慢α这三个指标作为监测预警步骤中瞌睡状态时的辅助检验指标，功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β作为监测预警步骤中入睡状态时的辅助检验指标，对用户不同等级的疲劳进行不同方式的检测，同时对不同等级的疲劳可以采用不同方式的预警。

Description

基于脑电波采集的疲劳检测及预警方法和系统
技术领域
本发明涉及一种基于脑电波采集的疲劳检测及预警方法和系统。
背景技术
随着现代交通运输业的飞速发展，交通事故已成为当前全球所面临的严重问题，研究如何有效预防和监测驾驶员疲劳驾驶状态具重要的现实意义。疲劳驾驶是指由于驾驶员长时间连续驾驶车辆，产生生理机能和心理机能的失调，而在客观上出现驾驶技能下降的现象。从医学的角度看，某些生理特征，如眨眼、哈欠、心跳、血压、脑电波等生理信号的变化可以反映管制员疲劳的程度。
脑电波(Electroencephalogram，EEG)是大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反。脑电波来源于锥体细胞顶端树突的突触后电位。脑电波同步节律的形成还与皮层丘脑非特异性投射系统的活动有关。脑电波是是一些自发的有节律的神经电活动，其频率变动范围在每秒1－30次之间的，可划分为四个波段，即δ(1－3Hz)、θ(4－7Hz)、α(8－13Hz)、β(14－30Hz)。除此之外，在觉醒并专注于某一事时，常可见一种频率较β波更高的γ波，其频率为30～80Hz，波幅范围不定；而在睡眠时还可出现另一些波形较为特殊的正常脑电波，如驼峰波、σ波、λ波、κ-复合波、μ波等。现有技术中还没有基于脑电波检测驾驶员是否处于疲劳状态的方法和装置，或者用于检测驾驶员是否处于疲劳状态的方法的可靠性较差。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于脑电波采集的疲劳检测及预警方法和系统；通过脑电采集传感器采集脑电信号，再对其进行小波去噪处理，去掉脑电伪迹和高频噪声，最后通过处理分析脑电信号，从而给出管制员的疲劳程度。针对得到的疲劳程度数据，采用接口电路，驱动座椅按摩器、警号、警灯、远程通知等一系列外围设备的响应。
本发明的目的是通过以下技术方案来实现的：基于脑电波采集的疲劳检测及预警方法，包括指标获取步骤和监测预警步骤，所述的指标获取步骤包括以下子步骤：
S11：通过传感器测量脑电波，同时用高清摄像机对被测者脸部特征进行全程实时录像，分别获取被测者在不同疲劳状态下的脑电波数据及眨眼数据；
S12：对脑电波数据进行消噪处理，再进行快速傅立叶转换将以时域为主的脑电波数据转化为频域数据；
S13：依次提取样本不同疲劳状态下脑电波数据片断，并对相应的录像资料进行整理，提取包括眨眼次数和闭眼时间在内的眨眼特征值；
S14：分析不同疲劳状态下不同波段的变化特征，包括功率值、功率百分比、功率比值、功率加和比值；对不同疲劳状态下每个指标值进行ANOVA变异性分析，提取差异性达到显著性水平的指标，并分析这些指标与眨眼的相关性；
S15：脑电波指标的F检验结果及与眨眼的相关性分析结果表明：在功率百分比指标中的慢α%和功率比值指标中的慢α/β与θ/慢α这三个指标的差异显著性水平高的情况下，瞌睡状态下与眨眼的相关系数绝对值最大；同时功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β这两个指标在入睡状态下与眨眼的相关性最为明显；因此将功率百分比指标中的慢α%、功率比值指标中的慢α/β和θ/慢α这三个指标作为监测预警步骤中瞌睡状态时的辅助检验指标，功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β作为监测预警步骤中入睡状态时的辅助检验指标，并根据分析结果获取具体阈值；
所述的监测预警步骤包括以下子步骤：
S21：通过脑电波传感器采集脑电信号；
S22：对采集到的脑电信号进行小波去噪处理，去掉脑电伪迹和高频噪声；
S23：对去噪之后脑电信号进行分析：
（1）将通过分析得到的功率百分比指标中的慢α%、功率比值指标中的慢α/β和θ/慢α与步骤S15得到的阈值进行比较，判断用户是否处于瞌睡状态，如果处于瞌睡状态，则进行第一级反馈；
（2）将通过分析得到的功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β与步骤S15得到的阈值进行比较，判断用户是否处于入睡状态，如果处于入睡状态，则进行第二级反馈。
所述的第一级反馈包括驱动座椅按摩器、警号、警灯、远程通知在内的一种或者多种；所述的第二级反馈包括驱动座椅按摩器、警号、警灯、远程通知在内的一种或者多种。
基于脑电波采集的疲劳检测及预警系统，所述系统包括：
脑电波传感器：用于在指标获取阶段采集各个疲劳状态下的脑电波数据以及在监测预警阶段采集实时的脑电波数据；
高清摄像机：用于在指标获取阶段对被测者脸部特征进行全程实时录像获取在不同疲劳状态下的眨眼数据；
数据预处理模块：用于在指标获取阶段对脑电波数据进行消噪处理，再进行快速傅立叶转换将以时域为主的脑电波数据转化为频域数据以及在监测预警阶段获取的脑电波数据进行小波去噪处理，去掉脑电伪迹和高频噪声；
数据提取模块：用于在指标获取阶段依次提取样本不同疲劳状态下脑电波数据片断，并对相应的录像资料进行整理，提取包括眨眼次数和闭眼时间在内的眨眼特征值；
数据分析模块：用于在指标获取阶段分析不同疲劳状态下不同波段的变化特征，包括功率值、功率百分比、功率比值、功率加和比值，同时对不同疲劳状态下每个指标值进行ANOVA变异性分析，提取差异性达到显著性水平的指标，并分析这些指标与眨眼的相关性，以及获取阈值；还在监测预警阶段对去噪之后脑电信号进行分析，判断用户是否处于瞌睡状态或者是入睡状态；
数据输出模块：用于在监测预警阶段向反馈模块发送控制信号；
反馈模块：用于在监测预警阶段当判断用户处于瞌睡状态或者是入睡状态时进行反馈处理。
所述的脑电波传感器采用脑电波侦测芯片实现，所述的脑电波侦测芯片、去噪模块、数据提取模块、数据分析模块和数据输出模块集成在一张主板上。
所述的反馈模块包括座椅按摩器、警号、警灯、智能终端。
所述的基于脑电波采集的疲劳检测及预警系统还包括一个存储模块，用于存储数据分析模块的阈值、脑电波传感器的数据和高清摄像机的数据。
本发明的有益效果是：
（1）本发明在指标获取阶段，将脑电波与眨眼特征值进行相关性判断，提高后期数据检测的鲁棒性。
（1）本发明根据分析结果，将功率百分比指标中的慢α%、功率比值指标中的慢α/β和θ/慢α这三个指标作为监测预警步骤中瞌睡状态时的辅助检验指标，功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β作为监测预警步骤中入睡状态时的辅助检验指标，对用户不同等级的疲劳进行不同方式的检测，同时对不同等级的疲劳可以采用不同方式的预警。
（3）本发明事先对用户的脑电波数据和眨眼数据进行分析与判断，形成该用户的具体阈值，解决用户眼睛小而采用通用技术造成数据处理不准确的问题，适用于个性化的疲劳检测；同时在指标获取之后的监测预警步骤不需要再采用高清摄像机进行检测，节省资源。
附图说明
图1为本发明方法流程图；
图2为本发明结构方框图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案：如图1所示，基于脑电波采集的疲劳检测及预警方法，包括指标获取步骤和监测预警步骤，所述的指标获取步骤包括以下子步骤：
S11：通过传感器测量脑电波，同时用高清摄像机对被测者脸部特征进行全程实时录像，分别获取被测者在不同疲劳状态下的脑电波数据及眨眼数据；
S12：对脑电波数据进行消噪处理，再进行快速傅立叶转换将以时域为主的脑电波数据转化为频域数据；
S13：依次提取样本不同疲劳状态下脑电波数据片断，并对相应的录像资料进行整理，提取包括眨眼次数和闭眼时间在内的眨眼特征值；
S14：分析不同疲劳状态下不同波段的变化特征，包括功率值、功率百分比、功率比值、功率加和比值；对不同疲劳状态下每个指标值进行ANOVA变异性分析，提取差异性达到显著性水平的指标，并分析这些指标与眨眼的相关性；
S15：脑电波指标的F检验结果及与眨眼的相关性分析结果表明：在功率百分比指标中的慢α%和功率比值指标中的慢α/β与θ/慢α这三个指标的差异显著性水平高的情况下，瞌睡状态下与眨眼的相关系数绝对值最大；同时功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β这两个指标在入睡状态下与眨眼的相关性最为明显；因此将功率百分比指标中的慢α%、功率比值指标中的慢α/β和θ/慢α这三个指标作为监测预警步骤中瞌睡状态时的辅助检验指标，功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β作为监测预警步骤中入睡状态时的辅助检验指标，并根据分析结果获取具体阈值；
所述的监测预警步骤包括以下子步骤：
S21：通过脑电波传感器采集脑电信号；
S22：对采集到的脑电信号进行小波去噪处理，去掉脑电伪迹和高频噪声；
S23：对去噪之后脑电信号进行分析：
（1）将通过分析得到的功率百分比指标中的慢α%、功率比值指标中的慢α/β和θ/慢α与步骤S15得到的阈值进行比较，判断用户是否处于瞌睡状态，如果处于瞌睡状态，则进行第一级反馈；
（2）将通过分析得到的功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β与步骤S15得到的阈值进行比较，判断用户是否处于入睡状态，如果处于入睡状态，则进行第二级反馈。
所述的第一级反馈包括驱动座椅按摩器、警号、警灯、远程通知在内的一种或者多种；所述的第二级反馈包括驱动座椅按摩器、警号、警灯、远程通知在内的一种或者多种。
如图2所示，基于脑电波采集的疲劳检测及预警系统，所述系统包括：
脑电波传感器：用于在指标获取阶段采集各个疲劳状态下的脑电波数据以及在监测预警阶段采集实时的脑电波数据；
高清摄像机：用于在指标获取阶段对被测者脸部特征进行全程实时录像获取在不同疲劳状态下的眨眼数据；
数据预处理模块：用于在指标获取阶段对脑电波数据进行消噪处理，再进行快速傅立叶转换将以时域为主的脑电波数据转化为频域数据以及在监测预警阶段获取的脑电波数据进行小波去噪处理，去掉脑电伪迹和高频噪声；
数据提取模块：用于在指标获取阶段依次提取样本不同疲劳状态下脑电波数据片断，并对相应的录像资料进行整理，提取包括眨眼次数和闭眼时间在内的眨眼特征值；
数据分析模块：用于在指标获取阶段分析不同疲劳状态下不同波段的变化特征，包括功率值、功率百分比、功率比值、功率加和比值，同时对不同疲劳状态下每个指标值进行ANOVA变异性分析，提取差异性达到显著性水平的指标，并分析这些指标与眨眼的相关性，以及获取阈值；还在监测预警阶段对去噪之后脑电信号进行分析，判断用户是否处于瞌睡状态或者是入睡状态；
数据输出模块：用于在监测预警阶段向反馈模块发送控制信号；
反馈模块：用于在监测预警阶段当判断用户处于瞌睡状态或者是入睡状态时进行反馈处理。
所述的脑电波传感器采用脑电波侦测芯片实现，所述的脑电波侦测芯片、去噪模块、数据提取模块、数据分析模块和数据输出模块集成在一张主板上。
所述的反馈模块包括座椅按摩器、警号、警灯、智能终端。
所述的基于脑电波采集的疲劳检测及预警系统还包括一个存储模块，用于存储数据分析模块的阈值、脑电波传感器的数据和高清摄像机的数据。

Claims (6)

1.基于脑电波采集的疲劳检测及预警方法，其特征在于：包括指标获取步骤和监测预警步骤，所述的指标获取步骤包括以下子步骤：
S11：通过传感器测量脑电波，同时用高清摄像机对被测者脸部特征进行全程实时录像，分别获取被测者在不同疲劳状态下的脑电波数据及眨眼数据；
S12：对脑电波数据进行消噪处理，再进行快速傅立叶转换将以时域为主的脑电波数据转化为频域数据；
S13：依次提取样本不同疲劳状态下脑电波数据片断，并对相应的录像资料进行整理，提取包括眨眼次数和闭眼时间在内的眨眼特征值；
S14：分析不同疲劳状态下不同波段的变化特征，包括功率值、功率百分比、功率比值、功率加和比值；对不同疲劳状态下每个指标值进行ANOVA变异性分析，提取差异性达到显著性水平的指标，并分析这些指标与眨眼的相关性；
S15：脑电波指标的F检验结果及与眨眼的相关性分析结果表明：在功率百分比指标中的慢α%和功率比值指标中的慢α/β与θ/慢α这三个指标的差异显著性水平高的情况下，瞌睡状态下与眨眼的相关系数绝对值最大；同时功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β这两个指标在入睡状态下与眨眼的相关性最为明显；因此将功率百分比指标中的慢α%、功率比值指标中的慢α/β和θ/慢α这三个指标作为监测预警步骤中瞌睡状态时的辅助检验指标，功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β作为监测预警步骤中入睡状态时的辅助检验指标，并根据分析结果获取具体阈值；
所述的监测预警步骤包括以下子步骤：
S21：通过脑电波传感器采集脑电信号；
S22：对采集到的脑电信号进行小波去噪处理，去掉脑电伪迹和高频噪声；
S23：对去噪之后脑电信号进行分析：
（1）将通过分析得到的功率百分比指标中的慢α%、功率比值指标中的慢α/β和θ/慢α与步骤S15得到的阈值进行比较，判断用户是否处于瞌睡状态，如果处于瞌睡状态，则进行第一级反馈；
（2）将通过分析得到的功率加和比值指标中的(θ+慢α)/β和功率比值指标中的慢α/β与步骤S15得到的阈值进行比较，判断用户是否处于入睡状态，如果处于入睡状态，则进行第二级反馈。
2.根据权利要求1所述的基于脑电波采集的疲劳检测及预警方法，其特征在于：所述的第一级反馈包括驱动座椅按摩器、警号、警灯、远程通知在内的一种或者多种；所述的第二级反馈包括驱动座椅按摩器、警号、警灯、远程通知在内的一种或者多种。
3.基于脑电波采集的疲劳检测及预警系统，其特征在于：所述系统包括：
脑电波传感器：用于在指标获取阶段采集各个疲劳状态下的脑电波数据以及在监测预警阶段采集实时的脑电波数据；
高清摄像机：用于在指标获取阶段对被测者脸部特征进行全程实时录像获取在不同疲劳状态下的眨眼数据；
数据预处理模块：用于在指标获取阶段对脑电波数据进行消噪处理，再进行快速傅立叶转换将以时域为主的脑电波数据转化为频域数据以及在监测预警阶段获取的脑电波数据进行小波去噪处理，去掉脑电伪迹和高频噪声；
数据提取模块：用于在指标获取阶段依次提取样本不同疲劳状态下脑电波数据片断，并对相应的录像资料进行整理，提取包括眨眼次数和闭眼时间在内的眨眼特征值；
数据分析模块：用于在指标获取阶段分析不同疲劳状态下不同波段的变化特征，包括功率值、功率百分比、功率比值、功率加和比值，同时对不同疲劳状态下每个指标值进行ANOVA变异性分析，提取差异性达到显著性水平的指标，并分析这些指标与眨眼的相关性，以及获取阈值；还在监测预警阶段对去噪之后脑电信号进行分析，判断用户是否处于瞌睡状态或者是入睡状态；
数据输出模块：用于在监测预警阶段向反馈模块发送控制信号；
反馈模块：用于在监测预警阶段当判断用户处于瞌睡状态或者是入睡状态时进行反馈处理。
4.根据权利要求3所述的基于脑电波采集的疲劳检测及预警系统，其特征在于：所述的脑电波传感器采用脑电波侦测芯片实现，所述的脑电波侦测芯片、去噪模块、数据提取模块、数据分析模块和数据输出模块集成在一张主板上。
5.根据权利要求3所述的基于脑电波采集的疲劳检测及预警系统，其特征在于：所述的反馈模块包括座椅按摩器、警号、警灯、智能终端。
6.根据权利要求3~5中任意一项所述的基于脑电波采集的疲劳检测及预警系统，其特征在于：还包括一个存储模块，用于存储数据分析模块的阈值、脑电波传感器的数据和高清摄像机的数据。
CN201610264970.1A 2016-04-26 2016-04-26 基于脑电波采集的疲劳检测及预警方法和系统 Pending CN105701973A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610264970.1A CN105701973A (zh) 2016-04-26 2016-04-26 基于脑电波采集的疲劳检测及预警方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610264970.1A CN105701973A (zh) 2016-04-26 2016-04-26 基于脑电波采集的疲劳检测及预警方法和系统

Publications (1)

Publication Number Publication Date
CN105701973A true CN105701973A (zh) 2016-06-22

Family

ID=56217595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610264970.1A Pending CN105701973A (zh) 2016-04-26 2016-04-26 基于脑电波采集的疲劳检测及预警方法和系统

Country Status (1)

Country Link
CN (1) CN105701973A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106580351A (zh) * 2016-12-07 2017-04-26 中国民用航空总局第二研究所 一种疲劳状况监测方法及装置
CN106580350A (zh) * 2016-12-07 2017-04-26 中国民用航空总局第二研究所 一种疲劳状况监测方法及装置
CN106691443A (zh) * 2017-01-11 2017-05-24 中国科学技术大学 基于脑电的穿戴式司机防疲劳智能监测预警系统
CN106951711A (zh) * 2017-03-22 2017-07-14 中国科学院深圳先进技术研究院 一种腰椎间盘突出症患者推拿效果的评估方法及系统
CN108418959A (zh) * 2018-02-11 2018-08-17 广东欧珀移动通信有限公司 电子装置、输出提示信息的方法及相关产品
WO2018170792A1 (zh) * 2017-03-22 2018-09-27 中国科学院深圳先进技术研究院 一种腰椎间盘突出症患者推拿效果的评估方法及系统
CN109009173A (zh) * 2018-08-30 2018-12-18 北京机械设备研究所 一种基于脑电-眼动双模态信号的疲劳检测与调控方法
CN109147278A (zh) * 2018-09-29 2019-01-04 浙江大学 一种基于脑机接口的司机疲劳驾驶监测装置
CN109697831A (zh) * 2019-02-25 2019-04-30 湖北亿咖通科技有限公司 疲劳驾驶监测方法、装置及计算机可读存储介质
CN113367695A (zh) * 2021-06-09 2021-09-10 广东电网有限责任公司 一种基于脑电信号的疲劳监测方法及装置
CN119366921A (zh) * 2024-12-20 2025-01-28 深圳市倍轻松科技股份有限公司 基于脑电信号的精神状态确定方法、装置、设备以及介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5311877A (en) * 1991-10-02 1994-05-17 Mazda Motor Corporation Waking degree maintaining apparatus
CN103111020A (zh) * 2013-02-04 2013-05-22 东北大学 一种基于穴位电刺激的驾驶疲劳的检测缓解系统及方法
CN103505224A (zh) * 2012-06-27 2014-01-15 东北大学 基于生理信息分析的疲劳驾驶远程监测与报警系统和方法
CN103989485A (zh) * 2014-05-07 2014-08-20 朱晓斐 基于脑电波的人体疲劳度评价方法
CN104146722A (zh) * 2014-08-18 2014-11-19 吉林大学 一种基于头部信号的驾驶疲劳检测分级预警装置及方法
CN104305964A (zh) * 2014-11-11 2015-01-28 东南大学 头戴式疲劳检测装置及方法
CN105167785A (zh) * 2015-07-31 2015-12-23 深圳市前海安测信息技术有限公司 基于数字化头盔的疲劳监测及预警系统和方法
CN105205989A (zh) * 2015-08-18 2015-12-30 奇瑞汽车股份有限公司 一种防疲劳驾驶智能头枕
CN105212924A (zh) * 2015-10-10 2016-01-06 安徽尚舟电子科技有限公司 一种基于脑电波疲劳驾驶检测方法及其装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5311877A (en) * 1991-10-02 1994-05-17 Mazda Motor Corporation Waking degree maintaining apparatus
CN103505224A (zh) * 2012-06-27 2014-01-15 东北大学 基于生理信息分析的疲劳驾驶远程监测与报警系统和方法
CN103111020A (zh) * 2013-02-04 2013-05-22 东北大学 一种基于穴位电刺激的驾驶疲劳的检测缓解系统及方法
CN103989485A (zh) * 2014-05-07 2014-08-20 朱晓斐 基于脑电波的人体疲劳度评价方法
CN104146722A (zh) * 2014-08-18 2014-11-19 吉林大学 一种基于头部信号的驾驶疲劳检测分级预警装置及方法
CN104305964A (zh) * 2014-11-11 2015-01-28 东南大学 头戴式疲劳检测装置及方法
CN105167785A (zh) * 2015-07-31 2015-12-23 深圳市前海安测信息技术有限公司 基于数字化头盔的疲劳监测及预警系统和方法
CN105205989A (zh) * 2015-08-18 2015-12-30 奇瑞汽车股份有限公司 一种防疲劳驾驶智能头枕
CN105212924A (zh) * 2015-10-10 2016-01-06 安徽尚舟电子科技有限公司 一种基于脑电波疲劳驾驶检测方法及其装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
殷艳红: "基于脑电波与眨眼的驾驶员疲劳模拟实验研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106580350A (zh) * 2016-12-07 2017-04-26 中国民用航空总局第二研究所 一种疲劳状况监测方法及装置
CN106580351A (zh) * 2016-12-07 2017-04-26 中国民用航空总局第二研究所 一种疲劳状况监测方法及装置
CN106691443A (zh) * 2017-01-11 2017-05-24 中国科学技术大学 基于脑电的穿戴式司机防疲劳智能监测预警系统
CN106951711B (zh) * 2017-03-22 2019-04-26 中国科学院深圳先进技术研究院 一种腰椎间盘突出症患者推拿效果的评估方法及系统
CN106951711A (zh) * 2017-03-22 2017-07-14 中国科学院深圳先进技术研究院 一种腰椎间盘突出症患者推拿效果的评估方法及系统
WO2018170792A1 (zh) * 2017-03-22 2018-09-27 中国科学院深圳先进技术研究院 一种腰椎间盘突出症患者推拿效果的评估方法及系统
CN108418959A (zh) * 2018-02-11 2018-08-17 广东欧珀移动通信有限公司 电子装置、输出提示信息的方法及相关产品
CN109009173A (zh) * 2018-08-30 2018-12-18 北京机械设备研究所 一种基于脑电-眼动双模态信号的疲劳检测与调控方法
CN109147278A (zh) * 2018-09-29 2019-01-04 浙江大学 一种基于脑机接口的司机疲劳驾驶监测装置
CN109697831A (zh) * 2019-02-25 2019-04-30 湖北亿咖通科技有限公司 疲劳驾驶监测方法、装置及计算机可读存储介质
CN113367695A (zh) * 2021-06-09 2021-09-10 广东电网有限责任公司 一种基于脑电信号的疲劳监测方法及装置
CN113367695B (zh) * 2021-06-09 2022-06-28 广东电网有限责任公司 一种基于脑电信号的疲劳监测方法及装置
CN119366921A (zh) * 2024-12-20 2025-01-28 深圳市倍轻松科技股份有限公司 基于脑电信号的精神状态确定方法、装置、设备以及介质

Similar Documents

Publication Publication Date Title
CN105701973A (zh) 基于脑电波采集的疲劳检测及预警方法和系统
CN103815896B (zh) 一种精神疲劳监测方法、装置、系统及移动处理终端
JP5383200B2 (ja) 覚醒度判定方法および覚醒度判定プログラム
US8064991B2 (en) Method of fetal and maternal ECG identification across multiple EPOCHS
CN108577834B (zh) 一种用于癫痫间期棘波自动检测的方法
CN106178222B (zh) 基于催眠术的智能辅助睡眠方法和系统
WO2001045554A3 (en) Method and apparatus for assessing susceptibility to stroke
CN104173064B (zh) 基于心率变异分析的测谎方法及测谎装置
CN106175754B (zh) 睡眠状态分析中清醒状态检测装置
Wang et al. Driving fatigue detection based on EEG signal
CN105942974A (zh) 一种基于低频脑电的睡眠分析方法及系统
CN105615879B (zh) 基于多重分形消除趋势波动分析的脑电测谎方法
Faul et al. Dynamic, location-based channel selection for power consumption reduction in EEG analysis
CN110367975A (zh) 一种基于脑机接口的疲劳驾驶检测预警方法
CN106333676B (zh) 清醒状态下的脑电信号数据类型的标注装置
CN105769221B (zh) 基于Lyapunov指数和关联维数的脑电测谎方法
CN106618486B (zh) 智能辅助睡眠中的睡眠状态识别方法和系统
US11944445B2 (en) Method for detecting elements of interest in electrophysiological signals and detector
CN113080971A (zh) 一种通过检测眨眼信号判断疲劳状态的方法和系统
CN106344008B (zh) 睡眠状态分析中清醒状态检测方法和系统
CN106361327B (zh) 睡眠状态分析中清醒状态检测方法和系统
CN105212924A (zh) 一种基于脑电波疲劳驾驶检测方法及其装置
CN110234272B (zh) 麻醉阶段识别与麻醉深度计算方法及装置
CN106333675B (zh) 清醒状态下的脑电信号数据类型的标注方法和系统
CN106388812B (zh) 清醒状态下的脑电信号数据类型的标注方法和系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20160622