一种检测人体生理状态转变的方法及系统的制作方法
【技术领域】
[0001] 本发明涉及一种检测人体生理状态转变的方法及系统。
【背景技术】
[0002] 人体在受到外界刺激或者内部情绪波动的时候，交感神经系统会发生变化，交感 神经导致汗腺的活动发生变化，最终导致皮肤电阻的变化。一般来说，外界刺激或者内部情 绪波动越大的时候，交感神经越活跃，汗腺分泌增强，皮肤的导电能力增强，人体皮肤电阻 变小；反之在平静状态下，交感神经处于抑制状态，汗腺活动减弱，皮肤的导电能力减弱，人 体皮肤电阻变大。运用这一原理可以通过分析人体皮肤电阻的变化，来判断人体的不同状 态变化。
[0003] 基于这个原理，专利[1]公开了一种检测人体情绪的方法及系统，利用电阻的大 小、斜率以及状态持续时间变化来反映情绪，通过数据来量化兴奋程度。该方法主要应用在 当测试者处于正常的生活工作状态下，对其兴奋度的精确分级上。该方法无法检测测试者 是否从正常的生活工作状态转变到其他的生理状态。
[0004] 而在某些情况下，我们需要判断测试者的生理状态的转变。生理状态包括正常的 生活工作状态、微睡眠状态、睡眠状态等。所谓的微睡眠状态是指，人在疲惫时部分脑细胞 会打上一小会儿盹，科学家研宄认为这种现象可以解释为何我们在疲惫时脑子常常会"短 路"，或者说"走神"。更加科学的微睡眠状态解释为，在3-14秒时间内，4-7HZ的脑电波活 动取代了清醒状态下8-13HZ的脑电波。磁共振成像分析显示，微睡眠瞬间，丘脑、后扣和枕 叶皮质的活性下降，而额叶、后顶叶和海马旁的活性增加。生理状态的转变同样会导致皮肤 电阻的变化。相对于在正常的生活工作状态下的皮肤电阻的变化，在微睡眠状态或睡眠状 态下的皮肤电阻的变化具有其特殊性。同时，一般应用对微睡眠状态或睡眠状态的检测有 更高的精度要求，例如对驾驶员微睡眠状态的检测等。现有技术中还没有运用不同生理状 态下，皮肤电阻的变化具有其特殊性的原理，实现对测试者的生理状态的转变进行准确的 检测判断的方法。
[0005] [1]中国专利【申请号】201410128494. 1，一种基于人体皮肤电阻变化的情绪检测 方法。
【发明内容】
[0006] 本发明所解决的技术问题是，针对现有技术的不足，提出了一种检测人体生理状 态转变的方法及系统，能准确地反映测试者的生理状态转变情况。
[0007] 本发明的技术方案为：
[0008] 一种检测人体生理状态转变的方法，包括以下步骤：参数初始化、采集人体电阻数 据、对人体电阻数据进行分析及输出人体生理状态转变情况；
[0009] 对人体电阻数据进行分析包括以下步骤：
[0010] 对采集的人体电阻数据进行预处理；对预处理后的人体电阻数据取自然对数，得 到电阻对数值；将当前时刻前一窗口内的电阻对数值取平均值，得到当前时刻前一窗口内 的电阻对数平均值MeanSum (i)，其中窗口大小为WinLength ;求取当前时刻的电阻对数值 ln(data(i))与前一窗口内的电阻对数平均值MeanSum(i)的差值Diff (i);取Diff (i)的 绝对值，得到对数绝对差值AbsDifT (i);将对数绝对差值AbsDifT (i)输入收敛函数，获得 收敛值MeanDifT ;根据收敛值MeanDifT判断生理状态转变情况。
[0011] 进一步地，所述收敛函数为：
[0012] MeanDiff= a XMeanDiff+(I-α ) XAbsDiff (i)
[0013] α为收敛参数，〇〈α〈1。
[0014] 这个函数为收敛函数，只对MeanDiff的当前值感兴趣，所以在迭代时不存储历史 值。〇〈α〈1为收敛参数，取值的大小决定了收敛的快慢，α越接近1收敛速度越快。
[0015] 进一步地，所述根据收敛值MeanDifT判断生理状态转变情况，判断方法为：
[0016] 若MeanDifDMeanDiff^^g，说明测试者进入正常的生活工作状态；
[0017] 若MeanDiff微睡眠彡MeanDiff>MeanDiff睡眠，说明测试者进入微睡眠状态；
[0018] 若MeanDiff彡MeanDiff_，说明测试者进入睡眠状态；其中MeanDiff微睡眠是用 来判断测试者从正常的生活工作状态进入微睡眠状态的转变阈值，MeanDiff eg是用来判断 测试者从微睡眠状态进入睡眠状态的转变的阈值。
[0019] 进一步地，针对测试者不同的体质状况，设置不同的MeanDiff微睡眠和MeanDiff?睡眠 的值；
[0020] 测试者体质状况根据以下两个指标来判断：
[0021] mSlope上行=max{slope = (data(i+StepSize-1)-data(i))/StepSize|i = 1,2-}
[0022] mSlope下行=max{slope = (data(i)-data(i+StepSize-1))/StepSize|i = 1,2-}
[0023] 其中slope为斜率，表示电阻的平均变化值，根据电阻曲线在某个窗口两端的电 阻值及窗口大小计算；data(i)为i时刻的电阻值，data(i+StepSize_l)为i+StepSize-1 时刻的电阻值；StepSize为窗口大小；
[0024] mSlope上行是计算得到的i个上行斜率中的最大值，上行斜率是指计算时用电阻曲 线在某个窗口内的最后一个电阻值data(i+StepSize_l)减第一个电阻值data(i)求得的 斜率值;mSl 〇PeTii是计算得到的i个下行斜率中的最大值，下行斜率是指计算时用电阻曲 线在某个窗口内的第一个电阻值data(i)减最后一个电阻值data(i+StepSize-Ι)求得的 斜率值；
[0025] 若η?1ορθ±?? > δ，且mSlopeTfi： > δ，则判断测试者为相对敏感体质；
[0026] 若mSlope^〈 δ，或mSlopeTfi：〈 δ，则判断测试者为不敏感体质；其中δ为判断 阈值，其大小和窗口大小StepSize有关。
[0027] 进一步地，所述参数初始化中，设置WinLength为100,电阻采样频率为50Hz ; MeanDiff 初始值为 0· 03, α 为 〇· 999 ;
[0028] 设置窗口大小St印Size为10，δ为15 ;
[0029] 针对相对敏感体质的测试者，设置阈值MeanDiffa_和MeanDiff_分别为 0. 0006和0. 0002 ;针对不敏感体质的测试者，设置阈值MeanDiffaBiK和MeanDiff MK分别 为 0· OOl 和 0· 0005。
[0030] 进一步地，所述输出人体生理状态转变情况是通过声音、光、震动或气味报告人体 生理状态转变情况。
[0031] 进一步地，所述采集人体电阻数据是通过采集人体电导数据，根据电阻与电导的 倒数关系来计算电阻值。
[0032] 一种检测人体生理状态转变的系统，包括依次连接的医疗极片、桥式电阻/电导 测量电路、放大电路、A/D转换电路、CPU和人机交互界面；
[0033] 所述桥式电阻/电导测量电路用于采集人体电阻/电导数据，所述CPU采用上述 方法检测人体生理状态转变情况；所述人机交互界面输出人体生理状态转变情况给用户。
[0034] 进一步地，所述CPU为单片机、移动通信设备、移动电脑设备或台式电脑设备。
[0035] 进一步地，所述人机交互界面包括语音模块、显示模块、震动模块或气味产生模 块。
[0036] 在本发明方法中，两处采用了窗口处理。分别采用的窗口大小为WinLength和 StepSize ;WinLength在比较当前时刻的电阻与之前电阻的差值时使用，StepSize在判断 不同的体质状况时使用。
[0037] 有益效果
[0038] 本发明基于不同生理状态的特殊性，利用人体皮肤电阻的变化来检测人体生理状 态的转变，判断人体从正常的生活工作状态转变到微睡眠状态，从微睡眠状态转变到睡眠 状态，或是从微睡眠状态或者睡眠状态转变到正常的生活工作状态。检测生理状态的转变 具有很强的使用价值。以从正常的生活工作状态转变到微睡眠状态为例，对人体生理状态 转变的检测，可以用来预防汽车驾驶员、重型机械操作员等重复性工作强度大、事故率高的 岗位的安全事故；对人体生理状态转变的检测，也可以用来判断学生、听众的注意力集中程 度，从而调整授课方式，吸引他们的注意力。
[0039] 本发明采用自适应的算法，根据用户体质状况的不同，设置不同的生理状态转变 分析参数，从而克服个体差异问题，可以更加准确地反映测试者的生理状态转变。
【附图说明】
[0040] 图1为本发明所述的人体生理状态转变；
[0041] 图2为本发明数据分析流程图；
[0042] 图3为本发明窗口划分示意图；
[0043] 图4为本发明数据分析示意图，图4(a)是一个测试实