本发明涉及安全驾驶,具体地,涉及一种心电数据的处理方法及驾驶状态的监测方法。
背景技术:
1、随着社会和科技的高速发展,不仅产业上得到了同步的发展,而且大众的生活水平上也有所提升;例如早些年对于汽车明显缺少购买力,但是近些年拥有汽车已是再平常不过的事情,使得大众生活水平更上一层台阶。
2、无论是外出游玩还是运输物品,开长途车也是常见的现象,驾驶员经过长时间驾驶后容易进入疲劳状态,疲劳驾驶存在极大的安全隐患;另外,由于当下车辆数量剧增,路面行驶的车辆也大大增加,部分驾驶员会在开车时因为他人的驾驶不当而出现较大的情绪,进而影响驾驶员的理性驾驶,同样存在极大的安全隐患。
3、由于驾驶员的情绪难以预先判定并控制,所以主要是对驾驶员当前的驾驶状态进行监测,例如对驾驶员的面部和呼吸频率等方面进行监测,而后对驾驶员当前的驾驶状态进行判断,确认其是否处于疲劳驾驶或处于情绪波动较大的状态;但是该种监测方式存在较大的不确定因数,采集到的信息对于最终的判断也存在较大的误差,无法精准的作出判断。
技术实现思路
1、针对现有技术的不足,本发明提供一种心电数据的处理方法及驾驶状态的监测方法。
2、本发明公开的一种心电数据的处理方法,包括:
3、获取稳定状态下的心电数据;
4、在心电数据中确定qrs波位置,其识别方式为:
5、预设标准qrs波模板;
6、采用滑动窗口的方式对心电数据进行相关系数计算,获得相关系数序列中的极大值点;
7、若极大值点大于预设值,通过形态学计算找出qrs波波峰;
8、其中,标准qrs波模板设为model,滑动窗口内的数据设为date,相关系数设为pmodel,data,相关系数计算公式为:
9、
10、求得rr间期数据,其计算公式为:
11、rr[i]=r[i]-r[i-1]
12、r[i]为qrs波波峰的坐标;
13、求得rr间期间隔差值数据,其计算公式为:
14、rrdiff[i]=rr[i]-rr[i-1]
15、i为大于等于2的正整数。
16、根据本发明的一实施方式,获得稳定状态下的心电数据具体方式为:
17、获得心电数据中的极大值点,并提取极大值点的时间轴坐标,分别记录为x1、x2、x3、x4、x5......;
18、计算各相邻时间轴坐标的差值,其计算公式为:
19、diff[y]=x[y+1]-x[y]
20、y为大于等于1的正整数;
21、得到{diff[1],diff[2],diff[3],diff[4]......},并求出标准差std和平均数mean;
22、将所求的标准差std及平均数mean与稳定心电数据对比,判断是否为稳定状态下的心电数据。
23、本发明公开的一种驾驶状态的监测方法,包括:
24、获得分类模型;
25、采集心电数据及方向盘数据;
26、对心电数据进行初步过滤;
27、采用心电数据的处理方法对过滤后的心电数据进行分析处理;
28、对分析处理得到的数据进行心率变异性分析;
29、将心率变异性分析数据及方向盘数据输入至分类模型;
30、输出驾驶状态结论。
31、根据本发明的一实施方式,在进行分析处理前对心电数据进行二次过滤。
32、根据本发明的一实施方式,将找出的qrs波数据传输至分类模型,用于更新分类模型。
33、根据本发明的一实施方式,还包括:若是输出的驾驶状态为b,将通过对驾驶员发出警告。
34、根据本发明的一实施方式,还包括:将驾驶状态信息传输至后台,用于记录和监测驾驶员。
35、根据本发明的一实施方式,采用svm模型作为分类模型的基础模型。
36、根据本发明的一实施方式,通过心率变异性分析得到sdnn、sdsd及rmssd数据,其计算公式分别为:
37、
38、
39、
40、根据本发明的一实施方式,通过陀螺仪采集方向盘数据。
41、本发明的有益效果在于,对获取到的心电数据进行处理,进而获得驾驶员稳定的状态下心电数据,而后再对该心电数据进一步分析,从中提取出了所需的关键数据,例如rr间期数据,通过精准的提取出关键数据,为后续的判断提供基础,进而使得最后的判断结果更为准确,有利于真实反映出驾驶员的状态,大大降低了驾驶的安全隐患。
1.一种心电数据的处理方法,其特征在于,包括:
2.根据权利要求1所述的心电数据的处理方法,其特征在于,获得稳定状态下的心电数据具体方式为:
3.一种驾驶状态的监测方法,其特征在于,包括:
4.根据权利要求3所述的驾驶状态的监测方法,其特征在于,在进行分析处理前对心电数据进行二次过滤。
5.根据权利要求3所述的驾驶状态的监测方法,其特征在于,将找出的qrs波数据传输至分类模型,用于更新分类模型。
6.根据权利要求3所述的驾驶状态的监测方法,其特征在于,还包括:若是输出的驾驶状态为b,将通过对驾驶员发出警告。
7.根据权利要求6所述的驾驶状态的监测方法,其特征在于,还包括:将驾驶状态信息传输至后台,用于记录和监测驾驶员。
8.根据权利要求3所述的驾驶状态的监测方法,其特征在于,采用svm模型作为分类模型的基础模型。
9.根据权利要求3所述的驾驶状态的监测方法,其特征在于,通过心率变异性分析得到sdnn、sdsd及rmssd数据,其计算公式分别为:
10.根据权利要求3所述的驾驶状态的监测方法,其特征在于,通过陀螺仪采集方向盘数据。