一种非接触式的司机在途疲劳检测方法、系统及电子设备

本发明涉及疲劳状态检测领域，特别是涉及一种非接触式的司机在途疲劳检测方法、系统及电子设备。

背景技术：

1、列车司机作为铁路运输参与人员中最重要的安全角色之一，由于其常年处于工作环境恶劣、任务时间长、负荷重、作息不规律的工作状态，且随着自动化等级在铁路行业应用中的进一步提升，司机的在途驾驶工作从更多的物理需求转变认知需求，这种持续警惕性的工作可能会使得司机产生更为严重的脑力疲劳，威胁到列车行车安全，如何在现有列车司机驾驶环境下实现驾驶疲劳检测成为迫切需求。

2、现有技术方案一，《一种司机在途疲劳状态检测方法及列车运行状态远程监控系统》通过识别人脸嘴角上扬曲线，眼睑闭合度等识别司机是否出现打瞌睡或打哈气状态，判别司机是否处于疲劳状态。该技术不仅存在易受个体驾驶属性(例如眼部大小和佩戴眼镜情况)和外部环境因素影响较大(隧道光线变化频繁)等问题，而且通过单一司机行为维度，整体判别疲劳模型泛化能力较差。

3、现有技术方案二，《一种基于eeg的高铁司机疲劳度检测方法和装置》基于eeg采样模块得到eeg数据，并对eeg数据进行特征提取得到eeg特征量，基于eeg特征量和高铁司机对踏板的踏踩频率构建基于智能算法的eeg预测模型。该技术采用eeg脑电脑电进行列车司机疲劳识别，尽管eeg识别疲劳准确率较高，但eeg作为一种接触式十分严重的设备，需长时间佩戴，会对司机造成严重的生理心理负荷，产生抵触心理，而且列车驾驶时间较长，无法长期佩戴脑电设备。

技术实现思路

1、本发明的目的是提供一种非接触式的司机在途疲劳检测方法、系统及电子设备，能够通过非接触的方式对列车司机的疲劳状态进行有效检测。

2、为实现上述目的，本发明提供了如下方案：

3、一种非接触式的司机在途疲劳检测方法，所述检测方法包括：

4、基于fmcw毫米波雷达，获取目标司机的心跳信号；

5、根据所述心跳信号，应用心率变异性分析，得到生理特征；所述生理特征包括时域指标ibi间隔、时域指标rmssd和时域指标sdnn；

6、获取所述目标司机按压警惕按钮的按压频率；

7、分别对所述时域指标ibi间隔、所述时域指标rmssd、所述时域指标sdnn和所述按压频率进行归一化处理；

8、应用预设权重，计算归一化后的时域指标ibi间隔、时域指标rmssd、时域指标sdnn和按压频率的综合特征；

9、根据所述综合特征，应用逻辑回归方法，得到所述目标司机的疲劳状态预测结果；所述预测结果为疲劳状态或者非疲劳状态。

10、可选地，所述基于fmcw毫米波雷达，获取目标司机的心跳信号，具体包括：

11、基于fmcw毫米波雷达，获取所述目标司机的胸腔的随时间的起伏距离；

12、根据所述胸腔的随时间的起伏距离，确定所述fmcw毫米波雷达的相位信号；

13、对所述相位信号进行滤波，得到初始心跳信号；

14、应用vmd模态分解算法对所述初始心跳信号进行优化，得到心跳信号。

15、可选地，通过调理模块获取所述目标司机按压警惕按钮的按压频率；其中，所述调理模块包括依次连接的单通道电阻式压力传感器、数据转换模块、通信模块和上位机；

16、所述单通道电阻式压力传感器用于将所述目标司机按压警惕按钮的压力转换为电阻值；

17、所述数据转换模块用于将所述电阻值由模拟量转换为数字量，得到数字量的电阻值；

18、所述通信模块用于将所述数字量的电阻值传输给所述上位机；

19、所述上位机根据所述数字量的电阻值确定按压频率。

20、可选地，所述综合特征的计算公式为：

21、x＝0.15×ibi间隔+2.23×rmssd+0.1×sdnn+0.5×警惕按钮频率。

22、可选地，根据所述综合特征，应用逻辑回归方法，得到所述目标司机的疲劳状态预测结果，具体包括：

23、根据所述综合特征，应用计算所述目标司机的疲劳状态预测值；其中，x为综合特征；y为疲劳状态预测值；

24、当所述目标司机的疲劳状态预测值大于设置阈值时，所述目标司机在疲劳状态；否则，所述目标司机在非疲劳状态。

25、一种非接触式的司机在途疲劳检测系统，应用上述的非接触式的司机在途疲劳检测方法，所述检测系统包括：

26、心跳信号获取模块，用于基于fmcw毫米波雷达，获取目标司机的心跳信号；

27、生理特征确定模块，用于根据所述心跳信号，应用心率变异性分析，得到生理特征；所述生理特征包括时域指标ibi间隔、时域指标rmssd和时域指标sdnn；

28、按压频率获取模块，用于获取所述目标司机按压警惕按钮的按压频率；

29、归一化模块，用于分别对所述时域指标ibi间隔、所述时域指标rmssd、所述时域指标sdnn和所述按压频率进行归一化处理；

30、计算模块，用于应用预设权重，计算归一化后的时域指标ibi间隔、时域指标rmssd、时域指标sdnn和按压频率的综合特征；

31、预测模块，用于根据所述综合特征，应用逻辑回归方法，得到所述目标司机的疲劳状态预测结果；所述预测结果为疲劳状态或者非疲劳状态。

32、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的非接触式的司机在途疲劳检测方法。

33、可选地，所述存储器为可读存储介质。

34、根据本发明提供的具体实施例，本发明公开了以下技术效果：

35、本发明提供了一种非接触式的司机在途疲劳检测方法、系统及电子设备，通过基于fmcw毫米波雷达获取目标司机的心跳信号，还获取目标司机按压警惕按钮的按压频率；根据心跳信号应用心率变异性分析得到生理特征；生理特征包括时域指标ibi间隔、时域指标rmssd和时域指标sdnn；分别对时域指标ibi间隔、时域指标rmssd、时域指标sdnn和按压频率进行归一化处理；应用预设权重计算归一化后的时域指标ibi间隔、时域指标rmssd、时域指标sdnn和按压频率的综合特征；根据综合特征，应用逻辑回归方法得到目标司机的疲劳状态预测结果；预测结果为疲劳状态或者非疲劳状态，因此，本发明通过非接触的方式对列车司机的疲劳状态进行有效检测。

技术特征：

1.一种非接触式的司机在途疲劳检测方法，其特征在于，所述检测方法包括：

2.根据权利要求1所述的非接触式的司机在途疲劳检测方法，其特征在于，所述基于fmcw毫米波雷达，获取目标司机的心跳信号，具体包括：

3.根据权利要求1所述的非接触式的司机在途疲劳检测方法，其特征在于，通过调理模块获取所述目标司机按压警惕按钮的按压频率；其中，所述调理模块包括依次连接的单通道电阻式压力传感器、数据转换模块、通信模块和上位机；

4.根据权利要求1所述的非接触式的司机在途疲劳检测方法，其特征在于，所述综合特征的计算公式为：

5.根据权利要求1所述的非接触式的司机在途疲劳检测方法，其特征在于，根据所述综合特征，应用逻辑回归方法，得到所述目标司机的疲劳状态预测结果，具体包括：

6.一种非接触式的司机在途疲劳检测系统，其特征在于，所述检测系统包括：

7.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至5中任一项所述的非接触式的司机在途疲劳检测方法。

8.根据权利要求7所述的一种电子设备，其特征在于，所述存储器为可读存储介质。

技术总结
本发明公开一种非接触式的司机在途疲劳检测方法、系统及电子设备，涉及疲劳状态检测领域，该方法包括：基于FMCW毫米波雷达，获取目标司机的心跳信号；根据心跳信号，应用心率变异性分析，得到生理特征；获取目标司机按压警惕按钮的按压频率；分别对时域指标IBI间隔、时域指标RMSSD、时域指标SDNN和按压频率进行归一化处理；应用预设权重，计算归一化后的时域指标IBI间隔、时域指标RMSSD、时域指标SDNN和按压频率的综合特征；根据综合特征，应用逻辑回归方法，得到目标司机的疲劳状态预测结果。本发明能够通过非接触的方式对列车司机的疲劳状态进行有效检测。

技术研发人员：鲍海峰,胡胜建,张天龙,方卫宁,郭北苑,裘瀚照
受保护的技术使用者：北京交通大学
技术研发日：
技术公布日：2024/1/16