疲劳驾驶的预警方法及装置与流程

本公开涉及信息处理
技术领域：
，尤其涉及一种疲劳驾驶的预警方法及装置。
背景技术：
：相关技术中，随着经济发展和人们生活水平的提高，汽车越来越多，且人们的出行更加频繁，在人们驾驶车辆过程中，与其他车辆、行人会发生数不清的矛盾，这些矛盾需要驾驶员及时发现、迅速判断及合理操作，才能确保行车的顺利和安全。这就需要驾驶员精力旺盛，注意力集中，不能有丝毫的疏忽。然而在行车过程中，由于长时间的驾驶、驾驶员身体状况或者驾驶员心理状况等原因，常常出现疲劳驾驶的情况，此时驾驶员的体力下降、注意力不集中、视觉模糊、判断不准确、操作不当等，最终可能引起不能及时发现道路上的危险情况，从而延误避让措施的采取，发生交通事故。技术实现要素：本公开实施例提供一种疲劳驾驶的预警方法及装置。所述技术方案如下：根据本公开实施例的第一方面，提供一种疲劳驾驶的预警方法，包括：获取脑电波信号；根据所述脑电波信号确定用户的疲劳程度；根据所述用户的疲劳程度进行报警。本公开的实施例提供的技术方案可以包括以下有益效果：上述技术方案，能够根据脑电波信号确定用户的疲劳程度，进而根据用户的疲劳程度进行报警，实现了对用户驾驶车辆过程中疲劳程度的自动化检 测，且通过报警的方式提醒用户，从而防止车祸的发生。在一个实施例中，所述根据所述脑电波信号确定用户的疲劳程度，包括：根据所述脑电波信号，判断所述用户的疲劳程度是否达到预设报警条件；所述根据所述用户的疲劳程度进行报警，包括：当所述用户的疲劳程度达到所述预设报警条件时，进行报警。该实施例中，能够实时判断用户的疲劳程度是否达到预设报警条件，并在达到预设报警条件时进行报警，从而避免了用户的疲劳程度达到一定危险程度时仍然驾车的情况，使用户及时得知自身的疲劳状况，以防止车祸的发生。在一个实施例中，所述根据所述脑电波信号，判断所述用户的疲劳程度是否达到预设报警条件，包括：检测所述脑电波信号的特征参数，所述特征参数包括信号强度、频率中的至少一种；根据预设的特征参数和疲劳程度的对应关系，确定所述特征参数对应的疲劳程度；其中，所述信号强度越强，所述疲劳程度越低；所述频率越大，所述疲劳程度越低；判断所述特征参数对应的疲劳程度是否达到所述预设报警条件。该实施例中，通过检测脑电波信号的特征参数来确定用户的疲劳程度，进而判断用户的疲劳程度是否达到预设报警条件，使得用户的疲劳程度的判断更加准确，实现了对用户驾驶车辆过程中疲劳程度的自动化检测，且通过报警的方式提醒用户，从而防止车祸的发生。在一个实施例中，所述检测所述脑电波信号的特征参数，包括：对所述脑电波信号进行预设处理，获得处理后的脑电波信号，所述预设处理包括杂波过滤、降噪中的至少一种；检测所述处理后的脑电波信号的特征参数。该实施例中，通过对脑电波信号进行杂波过滤、降噪等预设处理，使得 对脑电波信号的特征参数的检测更加准确，从而准确判断用户的疲劳程度。在一个实施例中，所述当所述用户的疲劳程度达到所述预设报警条件时，进行报警，包括：当所述用户的疲劳程度达到所述预设报警条件时，生成第一提醒信息；将所述第一提醒信息发送给预警部件，所述预警部件用于根据所述第一提醒信息输出预警信号，所述预警信号用于提醒用户的疲劳程度已达到所述预设报警条件。该实施例中，能够在用户的疲劳程度达到预设报警条件时生成提醒信息，并将该提醒信息发送给预警部件进行报警，使得用户能够及时得知自己的疲劳程度，从而及时对当前驾驶情况做出调整，防止车祸的发生。在一个实施例中，所述根据所述用户的疲劳程度进行报警，包括：确定所述疲劳程度的等级；根据预设的疲劳程度的等级和报警方式的对应关系，确定所述疲劳程度的等级对应的报警方式；根据所述报警方式进行报警。该实施例中，能够按照与疲劳程度的等级对应的报警方式进行报警，使得用户能够清楚地了解自己当前的疲劳程度，报警方式也更加灵活。在一个实施例中，所述报警方式包括以下方式中的至少一种：按照第一预设频率震动；语音报警；按照第二预设频率闪烁灯光。该实施例中，通过不同的方式进行报警，使得报警方式更加灵活，能够符合不同用户的需求。在一个实施例中，所述方法还包括：根据所述用户的疲劳程度生成第二提醒信息；将所述第二提醒信息发送给预设终端。该实施例中，能够根据用户的疲劳程度生成提醒信息，并将该提醒信息发送给预设终端，使得预设终端的其他用户能够得知用户当前的疲劳程度，进而提醒用户，从而增加了对用户疲劳驾驶的提醒效率，更大程度地防止车祸的发生。根据本公开实施例的第二方面，提供一种疲劳驾驶的预警装置，包括：获取模块，用于获取脑电波信号；确定模块，用于根据所述获取模块获取的脑电波信号确定用户的疲劳程度；报警模块，用于根据所述确定模块确定的用户的疲劳程度进行报警。在一个实施例中，所述确定模块包括：判断子模块，用于根据所述脑电波信号，判断所述用户的疲劳程度是否达到预设报警条件；所述报警模块包括：第一报警子模块，用于当所述判断子模块判定用户的疲劳程度达到所述预设报警条件时，进行报警。在一个实施例中，所述判断子模块，用于检测所述脑电波信号的特征参数，所述特征参数包括信号强度、频率中的至少一种；根据预设的特征参数和疲劳程度的对应关系，确定所述特征参数对应的疲劳程度；其中，所述信号强度越强，所述疲劳程度越低；所述频率越大，所述疲劳程度越低；判断所述特征参数对应的疲劳程度是否达到所述预设报警条件。在一个实施例中，所述判断子模块，用于对所述脑电波信号进行预设处理，获得处理后的脑电波信号，所述预设处理包括杂波过滤、降噪中的至少一种；检测所述处理后的脑电波信号的特征参数。在一个实施例中，所述第一报警子模块，用于当所述用户的疲劳程度达到所述预设报警条件时，生成第一提醒信息；将所述第一提醒信息发送给预警部件，所述预警部件用于根据所述第一提醒信息输出预警信号，所述预警 信号用于提醒用户的疲劳程度已达到所述预设报警条件。在一个实施例中，所述报警模块包括：第一确定子模块，用于确定所述疲劳程度的等级；第二确定子模块，用于根据预设的疲劳程度的等级和报警方式的对应关系，确定所述第一确定子模块确定的疲劳程度的等级对应的报警方式；第二报警子模块，用于根据所述第二确定子模块确定的报警方式进行报警。在一个实施例中，所述第二确定子模块确定的报警方式包括以下方式中的至少一种：按照第一预设频率震动；语音报警；按照第二预设频率闪烁灯光。在一个实施例中，所述装置还包括：生成模块，用于根据所述用户的疲劳程度生成第二提醒信息；发送模块，用于将所述生成模块生成的第二提醒信息发送给预设终端。根据本公开实施例的第三方面，提供一种疲劳驾驶的预警装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取脑电波信号；根据所述脑电波信号确定用户的疲劳程度；根据所述用户的疲劳程度进行报警。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公 开的实施例，并与说明书一起用于解释本公开的原理。图1是根据一示例性实施例示出的一种疲劳驾驶的预警方法的流程图。图2是根据一示例性实施例示出的一种疲劳驾驶的预警方法的流程图。图3是根据一示例性实施例示出的一种疲劳驾驶的预警方法中步骤S22的流程图。图4是根据一示例性实施例示出的一种疲劳驾驶的预警方法中步骤S23的流程图。图5是根据一示例性实施例示出的一种疲劳驾驶的预警方法中步骤S13的流程图。图6是根据一具体实施例示出的一种疲劳驾驶的预警方法的流程图。图7是根据一示例性实施例示出的一种疲劳驾驶的预警装置的框图。图8是根据一示例性实施例示出的一种疲劳驾驶的预警装置的框图。图9是根据一示例性实施例示出的一种疲劳驾驶的预警装置中报警模块的框图。图10是根据一示例性实施例示出的一种疲劳驾驶的预警装置的框图。图11是根据一示例性实施例示出的一种疲劳驾驶的预警系统的框图。图12是根据一示例性实施例示出的一种疲劳驾驶的预警系统的框图。图13是根据一示例性实施例示出的一种适用于疲劳驾驶的预警的装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。图1是根据一示例性实施例示出的一种疲劳驾驶的预警方法的流程图， 如图1所示，该疲劳驾驶的预警方法用于中央处理器CPU(CentralProcessingUnit)中，包括以下步骤S11-S13。在步骤S11中，获取脑电波信号。该步骤中，CPU通过与其连接的脑电波传感器获取脑电波信号，脑电波传感器可以是ThinkGearAM芯片，也可以是其他具有采集人体脑电波信号功能的传感器。其中，ThinkGearAM芯片由于采用了干电极传感器，且具有很高的消噪功能，因此被广泛应用于检测人的大脑状态，例如是否专注、紧张、放松或疲劳等。在步骤S12中，根据脑电波信号确定用户的疲劳程度。在步骤S13中，根据用户的疲劳程度进行报警。采用本公开实施例提供的技术方案，能够根据脑电波信号确定用户的疲劳程度，进而根据用户的疲劳程度进行报警，实现了对用户驾驶车辆过程中疲劳程度的自动化检测，且通过报警的方式提醒用户，从而防止车祸的发生。在一个实施例中，如图2所示，上述方法还可执行为以下步骤S21-S24。在步骤S21中，获取脑电波信号。在步骤S22中，根据脑电波信号，判断用户的疲劳程度是否达到预设报警条件。如果用户的疲劳程度达到预设报警条件，则执行步骤S23；如果用户的疲劳程度未达到预设报警条件，则执行步骤S24。在步骤S23中，进行报警。在步骤S24中，不进行报警。本实施例中，能够实时判断用户的疲劳程度是否达到预设报警条件，并在达到预设报警条件时进行报警，从而避免了用户的疲劳程度达到一定危险程度时仍然驾车的情况，使用户及时得知自身的疲劳状况，以防止车祸的发生。在一个实施例中，如图3所示，步骤S22可执行为以下步骤S221-S223。在步骤S221中，检测脑电波信号的特征参数，特征参数包括信号强度、 频率中的至少一种。在步骤S222中，根据预设的特征参数和疲劳程度的对应关系，确定特征参数对应的疲劳程度；其中，信号强度越强，疲劳程度越低；频率越大，疲劳程度越低。在步骤S223中，判断特征参数对应的疲劳程度是否达到预设报警条件。该实施例中，可将疲劳程度划分为多个不同的等级，预设的特征参数和疲劳程度的对应关系即为特征参数和疲劳程度的等级的对应关系。当特征参数为信号强度时，不同的信号强度值对应不同的疲劳程度等级，或者，不同的信号强度范围对应不同的疲劳程度等级。当特征参数为频率时，不同的频率值对应不同的疲劳程度等级，或者，不同的频率范围对应不同的疲劳程度等级。特征参数也可以同时包括信号强度和频率。以特征参数为频率举例，将疲劳程度划分为高、中、低三个等级，频率范围和疲劳程度的对应关系如下表1所示。表1频率(Hz)疲劳程度1-7低8-13中14-30高由表1可看出，当脑电波信号的频率达到14Hz时，说明用户的疲劳程度高。可预先设定疲劳程度高时即达到预设预警条件，那么当用户的脑电波信号的频率达到14Hz时，CPU就会判定用户当前的疲劳程度很高，进而进行报警。本实施例中，通过检测脑电波信号的特征参数来确定用户的疲劳程度，进而判断用户的疲劳程度是否达到预设报警条件，使得用户的疲劳程度的判断更加准确，实现了对用户驾驶车辆过程中疲劳程度的自动化检测，且通过 报警的方式提醒用户，从而防止车祸的发生。在一个实施例中，如图4所示，步骤S23可实施为以下步骤S231-S232。在步骤S231中，当用户的疲劳程度达到预设报警条件时，生成第一提醒信息。在步骤S232中，将第一提醒信息发送给预警部件，预警部件用于根据第一提醒信息输出预警信号，预警信号用于提醒用户的疲劳程度已达到预设报警条件。其中，预警部件输出预警信号的方式可以有多种，包括语音输出、灯光闪烁、震动等方式中的任一种或多种。本实施例中，能够在用户的疲劳程度达到预设报警条件时生成提醒信息，并将该提醒信息发送给预警部件进行报警，使得用户能够及时得知自己的疲劳程度，从而及时对当前驾驶情况做出调整，防止车祸的发生。在一个实施例中，如图5所示，步骤S13可实施为以下步骤S131-S133。在步骤S131中，确定疲劳程度的等级。在步骤S132中，按照预设的疲劳程度的等级和报警方式的对应关系，确定疲劳程度的等级对应的报警方式。其中，报警方式包括以下方式中的至少一种：按照第一预设频率震动；语音报警；按照第二预设频率闪烁灯光。在步骤S133中，根据报警方式进行报警。举例而言，将疲劳程度的等级划分为高、中、低三个等级。疲劳程度的等级和报警方式之间的对应关系可以是不同的等级对应同一种报警方式，例如，当疲劳程度的这三个等级都对应“按照第一预设频率震动”的报警方式时，可采用震动时的不同频率来体现疲劳程度的不同等级，可设置疲劳程度越高，震动的频率就越高；当疲劳程度的这三个等级都对应“语音报警”的报警方式时，可按照疲劳程度的不同等级输出不同的语音内容进行报警；当疲劳程度的这三个等级都对应“按照第二预设频率闪烁灯光”的报警方式时， 可采用闪烁灯光的不同频率或灯光的强度来体现疲劳程度的不同等级，可设置疲劳程度越高，灯光闪烁的就越快，或疲劳程度越高，灯光就越亮。疲劳程度的等级和报警方式之间的对应关系也可以是不同的等级对应不同的报警方式。例如，疲劳程度等级为“中”时，采用语音报警的方式进行报警，疲劳程度等级为“高”时，采用震动的方式进行报警。此外，还可采用上述多种不同的报警方式的组合来进行报警。由于用户的疲劳程度高时不适宜继续驾驶车辆，因此为达到更加有效地提醒用户的目的，可通过采用多种报警方式同时报警来增强提醒效果，例如，当疲劳程度等级为“高”时，采用震动加语音输出的方式来进行报警。在一个实施例中，上述方法还包括以下步骤A1-A2。在步骤A1中，根据用户的疲劳程度生成第二提醒信息。在步骤A2中，将第二提醒信息发送给预设终端。本实施例的技术方案可用于将用户的疲劳程度发送给用户的朋友或家人等，以使用户的朋友或家人也能得知用户的疲劳状态，进而得知用户目前是否适宜继续驾驶车辆，并根据提醒信息做出相应的措施。可见，本实施例使得预设终端的其他用户能够得知用户当前的疲劳程度，进而提醒用户，从而增加了对用户疲劳驾驶的提醒效率，更大程度地防止车祸的发生。在一个实施例中，步骤S221可实施为以下步骤B1-B2。在步骤B1中，对脑电波信号进行预设处理，获得处理后的脑电波信号，预设处理包括杂波过滤、降噪中的至少一种。在步骤B2中，检测处理后的脑电波信号的特征参数。本实施例中，通过对脑电波信号进行杂波过滤、降噪等预设处理，使得对脑电波信号的特征参数的检测更加准确，从而准确判断用户的疲劳程度。图6为一具体实施例示出的一种疲劳驾驶的预警方法的流程图。该具体实施例中，中央处理器CPU和脑电波传感器、预警部件相连接，其中，预警部件可通过预警器等具有预警功能的设备来实现，如图6所示，包括以下步 骤S61-S67。在步骤S61中，脑电波传感器采集用户的脑电波信号，并发送给CPU。在步骤S62中，CPU获取脑电波传感器检测到的脑电波信号。在步骤S63中，CPU检测脑电波信号的特征参数，特征参数包括信号强度、频率中的至少一种。在步骤S64中，CPU根据预设的特征参数和疲劳程度的对应关系，确定特征参数对应的疲劳程度；其中，信号强度越强，疲劳程度越低；频率越大，疲劳程度越低。在步骤S65中，CPU判断特征参数对应的疲劳程度是否达到预设报警条件。如果特征参数对应的疲劳程度达到预设报警条件，则执行步骤S66；如果特征参数对应的疲劳程度未达到预设报警条件，则返回步骤S62；在步骤S66中，CPU生成第一提醒信息，并将第一提醒信息发送给预警部件。在步骤S67中，预警部件接收到第一提醒信息时，输出预警信号。其中，预警信号用于提醒用户的疲劳程度已达到预设报警条件。本实施例中，通过脑电波传感器采集用户的脑电波信号，并将脑电波信号发送给中央处理器CPU进行检测，且CPU根据检测出的特征参数能够判断用户当前的疲劳程度是否达到预设报警条件，当疲劳程度达到预设报警条件时，触发预警部件进行报警，实现了对用户驾驶车辆过程中疲劳程度的自动化检测，且通过报警的方式提醒用户，从而防止车祸的发生。下述为本公开装置实施例，可以用于执行本公开方法实施例。图7是根据一示例性实施例示出的一种疲劳驾驶的预警装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。参照图7，该疲劳驾驶的预警装置包括获取模块71、确定模块72和报警模块73；其中：获取模块71被配置为获取脑电波信号。获取模块71通过与该装置连接的脑电波传感器获取脑电波信号，脑电波传感器可以是ThinkGearAM芯片，也可以是其他具有采集人体脑电波信号功能的传感器。其中，ThinkGearAM芯片由于采用了干电极传感器，且具有很高的消噪功能，因此被广泛应用于检测人的大脑状态，例如是否专注、紧张、放松或疲劳等。确定模块72被配置为根据获取模块71获取的脑电波信号确定用户的疲劳程度。报警模块73被配置为根据确定模块72确定的用户的疲劳程度进行报警。采用本公开实施例提供的装置，能够根据脑电波信号确定用户的疲劳程度，进而根据用户的疲劳程度进行报警，实现了对用户驾驶车辆过程中疲劳程度的自动化检测，且通过报警的方式提醒用户，从而防止车祸的发生。在一个实施例中，如图8所示，确定模块72包括判断子模块721；其中：判断子模块721被配置为根据脑电波信号，判断用户的疲劳程度是否达到预设报警条件。相应的，报警模块73包括第一报警子模块731；其中：第一报警子模块731被配置为当判断子模块721判定用户的疲劳程度达到预设报警条件时，进行报警。本实施例中，判断子模块721能够实时判断用户的疲劳程度是否达到预设报警条件，并在达到预设报警条件时通过第一报警子模块731进行报警，从而避免了用户的疲劳程度达到一定危险程度时仍然驾车的情况，使用户及时得知自身的疲劳状况，以防止车祸的发生。在一个实施例中，判断子模块721被配置为检测脑电波信号的特征参数，特征参数包括信号强度、频率中的至少一种；根据预设的特征参数和疲劳程度的对应关系，确定特征参数对应的疲劳程度；其中，信号强度越强，疲劳程度越低；频率越大，疲劳程度越低；判断特征参数对应的疲劳程度是否达到预设报警条件。该实施例中，可将疲劳程度划分为多个不同的等级，预设的特征参数和疲劳程度的对应关系即为特征参数和疲劳程度的等级的对应关系。当特征参数为信号强度时，不同的信号强度值对应不同的疲劳程度等级，或者，不同的信号强度范围对应不同的疲劳程度等级。当特征参数为频率时，不同的频率值对应不同的疲劳程度等级，或者，不同的频率范围对应不同的疲劳程度等级。特征参数也可以同时包括信号强度和频率。以特征参数为频率举例，将疲劳程度划分为高、中、低三个等级，预设的频率范围和疲劳程度的对应关系如下表2所示。表2频率(Hz)疲劳程度1-7低8-13中14-30高由表2可看出，当脑电波信号的频率达到14Hz时，说明用户的疲劳程度高。可预先设定疲劳程度高时即达到预设预警条件，那么当用户的脑电波信号的频率达到14Hz时，判断子模块721就会判定用户当前的疲劳程度很高，进而进行报警。本实施例中，判断子模块721通过检测脑电波信号的特征参数来确定用户的疲劳程度，进而判断用户的疲劳程度是否达到预设报警条件，使得用户的疲劳程度的判断更加准确，实现了对用户驾驶车辆过程中疲劳程度的自动化检测，且通过报警的方式提醒用户，从而防止车祸的发生。在一个实施例中，判断子模块721被配置为对脑电波信号进行预设处理，获得处理后的脑电波信号，预设处理包括杂波过滤、降噪中的至少一种；检测处理后的脑电波信号的特征参数。本实施例中，通过对脑电波信号进行杂波过滤、降噪等预设处理，使得 对脑电波信号的特征参数的检测更加准确，从而准确判断用户的疲劳程度。在一个实施例中，第一报警子模块731被配置为当用户的疲劳程度达到预设报警条件时，生成第一提醒信息；将第一提醒信息发送给预警部件，预警部件用于根据第一提醒信息输出预警信号，预警信号用于提醒用户的疲劳程度已达到预设报警条件。其中，预警部件输出预警信号的方式可以有多种，包括语音输出、灯光闪烁、震动等方式中的任一种或多种。本实施例中，能够在用户的疲劳程度达到预设报警条件时生成提醒信息，并将该提醒信息发送给预警部件进行报警，使得用户能够及时得知自己的疲劳程度，从而及时对当前驾驶情况做出调整，防止车祸的发生。在一个实施例中，如图9所示，报警模块73包括第一确定子模块732、第二确定子模块733和第二报警子模块734；其中：第一确定子模块732被配置为确定疲劳程度的等级。第二确定子模块733被配置为根据预设的疲劳程度的等级和报警方式的对应关系，确定第一确定子模块732确定的疲劳程度的等级对应的报警方式。第二报警子模块734被配置为根据第二确定子模块733确定的报警方式进行报警。在一个实施例中，第二确定子模块733确定的报警方式包括以下方式中的至少一种：按照第一预设频率震动；语音报警；按照第二预设频率闪烁灯光。举例而言，将疲劳程度的等级划分为高、中、低三个等级。疲劳程度的等级和报警方式之间的对应关系可以是不同的等级对应同一种报警方式，例如，当疲劳程度的这三个等级都对应“按照第一预设频率震动”的报警方式时，可采用震动时的不同频率来体现疲劳程度的不同等级，可设置疲劳程度 越高，震动的频率就越高；当疲劳程度的这三个等级都对应“语音报警”的报警方式时，可按照疲劳程度的不同等级输出不同的语音内容进行报警；当疲劳程度的这三个等级都对应“按照第二预设频率闪烁灯光”的报警方式时，可采用闪烁灯光的不同频率或灯光的强度来体现疲劳程度的不同等级，可设置疲劳程度越高，灯光闪烁的就越快，或疲劳程度越高，灯光就越亮。疲劳程度的等级和报警方式之间的对应关系也可以是不同的等级对应不同的报警方式。例如，第一确定子模块732确定疲劳程度等级为“中”时，第二报警子模块734采用语音报警的方式进行报警，第一确定子模块732疲劳程度等级为“高”时，第二报警子模块734采用震动的方式进行报警。此外，还可采用上述多种不同的报警方式的组合来进行报警。由于用户的疲劳程度高时不适宜继续驾驶车辆，因此为达到更加有效地提醒用户的目的，可通过采用多种报警方式同时报警来增强提醒效果，例如，第一确定子模块732当疲劳程度等级为“高”时，第二报警子模块734采用震动加语音输出的方式来进行报警。在一个实施例中，如图10所示，上述装置还包括：生成模块74被配置为根据用户的疲劳程度生成第二提醒信息。发送模块75被配置为将生成模块74生成的第二提醒信息发送给预设终端。本实施例的发送模块75可用于将用户的疲劳程度发送给用户的朋友或家人等，以使用户的朋友或家人也能得知用户的疲劳状态，进而得知用户目前是否适宜继续驾驶车辆，并根据提醒信息做出相应的措施。可见，本实施例使得预设终端的其他用户能够得知用户当前的疲劳程度，进而提醒用户，从而增加了对用户疲劳驾驶的提醒效率，更大程度地防止车祸的发生。图11为本公开实施例中示出的一种疲劳驾驶的预警系统的框图。如图11所示，该疲劳驾驶的预警系统110包括脑电波传感器111、中央处理器112和预警部件113。其中：脑电波传感器111，与中央处理器112连接，用于采集用户的脑电波信号。中央处理器112，分别与脑电波传感器111和预警部件113相连接，用于获取脑电波传感器111采集的脑电波信号；根据脑电波信号确定用户的疲劳程度；根据用户的疲劳程度进行报警；还用于当用户的疲劳程度达到预设报警条件时，生成提醒信息，并将提醒信息发送给预警部件113。预警部件113，与中央处理器112连接，用于当接收到中央处理器112发送的提醒信息时，输出预警信号。在一个实施例中，如图12所示，上述疲劳驾驶的预警系统110还包括充电部件114，该充电部件114分别与脑电波传感器111、中央处理器112和预警部件113相连接，用于为整个系统提供电源。此外，中央处理器112还用于对充电部件114进行电源管理。在示例性实施例中，提供一种疲劳驾驶的预警装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为：获取脑电波信号；根据所述脑电波信号确定用户的疲劳程度；根据所述用户的疲劳程度进行报警。上述处理器还可被配置为：所述根据所述脑电波信号确定用户的疲劳程度，包括：根据所述脑电波信号，判断所述用户的疲劳程度是否达到预设报警条件；所述根据所述用户的疲劳程度进行报警，包括：当所述用户的疲劳程度达到所述预设报警条件时，进行报警。上述处理器还可被配置为：所述根据所述脑电波信号，判断所述用户的疲劳程度是否达到预设报警 条件，包括：检测所述脑电波信号的特征参数，所述特征参数包括信号强度、频率中的至少一种；根据预设的特征参数和疲劳程度的对应关系，确定所述特征参数对应的疲劳程度；其中，所述信号强度越强，所述疲劳程度越低；所述频率越大，所述疲劳程度越低；判断所述特征参数对应的疲劳程度是否达到所述预设报警条件。上述处理器还可被配置为：所述检测所述脑电波信号的特征参数，包括：对所述脑电波信号进行预设处理，获得处理后的脑电波信号，所述预设处理包括杂波过滤、降噪中的至少一种；检测所述处理后的脑电波信号的特征参数。上述处理器还可被配置为：所述当所述用户的疲劳程度达到所述预设报警条件时，进行报警，包括：当所述用户的疲劳程度达到所述预设报警条件时，生成第一提醒信息；将所述第一提醒信息发送给预警部件，所述预警部件用于根据所述第一提醒信息输出预警信号，所述预警信号用于提醒用户的疲劳程度已达到所述预设报警条件。上述处理器还可被配置为：所述根据所述用户的疲劳程度进行报警，包括：确定所述疲劳程度的等级；按照预设的疲劳程度的等级和报警方式的对应关系，确定所述疲劳程度的等级对应的报警方式；根据所述报警方式进行报警。上述处理器还可被配置为：所述报警方式包括以下方式中的至少一种：按照第一预设频率震动；语音报警；按照第二预设频率闪烁灯光。上述处理器还可被配置为：所述方法还包括：根据所述用户的疲劳程度生成第二提醒信息；将所述第二提醒信息发送给预设终端。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。图13是根据一示例性实施例示出的一种用于疲劳驾驶的预警的装置的框图。例如，装置1900可以被提供为一服务器。装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如WindowsServerTM，MacOSXTM，UnixTM,LinuxTM，FreeBSDTM或类似。一种非临时性计算机可读存储介质，当所述存储介质中的指令由装置1900的处理器执行时，使得装置1900能够执行上述疲劳驾驶的预警的方法，所述方法包括：获取脑电波信号；根据所述脑电波信号确定用户的疲劳程度；根据所述用户的疲劳程度进行报警。所述根据所述脑电波信号确定用户的疲劳程度，包括：根据所述脑电波信号，判断所述用户的疲劳程度是否达到预设报警条件；所述根据所述用户的疲劳程度进行报警，包括：当所述用户的疲劳程度达到所述预设报警条件时，进行报警。所述根据所述脑电波信号，判断所述用户的疲劳程度是否达到预设报警条件，包括：检测所述脑电波信号的特征参数，所述特征参数包括信号强度、频率中的至少一种；根据预设的特征参数和疲劳程度的对应关系，确定所述特征参数对应的疲劳程度；其中，所述信号强度越强，所述疲劳程度越低；所述频率越大，所述疲劳程度越低；判断所述特征参数对应的疲劳程度是否达到所述预设报警条件。所述检测所述脑电波信号的特征参数，包括：对所述脑电波信号进行预设处理，获得处理后的脑电波信号，所述预设处理包括杂波过滤、降噪中的至少一种；检测所述处理后的脑电波信号的特征参数。所述当所述用户的疲劳程度达到所述预设报警条件时，进行报警，包括：当所述用户的疲劳程度达到所述预设报警条件时，生成第一提醒信息；将所述第一提醒信息发送给预警部件，所述预警部件用于根据所述第一提醒信息输出预警信号，所述预警信号用于提醒用户的疲劳程度已达到所述预设报警条件。所述根据所述用户的疲劳程度进行报警，包括：确定所述疲劳程度的等级；根据预设的疲劳程度的等级和报警方式的对应关系，确定所述疲劳程度的等级对应的报警方式；根据所述报警方式进行报警。所述报警方式包括以下方式中的至少一种：按照第一预设频率震动；语音报警；按照第二预设频率闪烁灯光。所述方法还包括：根据所述用户的疲劳程度生成第二提醒信息；将所述第二提醒信息发送给预设终端。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本
技术领域：
中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。当前第1页1 2 3