[发明专利]一种基于软集合的疲劳驾驶检测方法

说明书

本发明公开了一种基于软集合的疲劳驾驶检测方法，包括以下步骤：S1，采集驾驶者的预设肌肉部位在预设时刻的表面肌电信号；S2，提取并分析所述表面肌电信号的肌肉状态特征；S3，根据提取出来的肌电信号建立基于软集合的疲劳量化模型；S4，根据基于软集合的疲劳量化模型计算得出疲劳驾驶判定值。本发明通过采集驾驶者表面肌电信号，并对表面肌电信号进行分析预处理后，分析信号中的异常数据，对驾驶者的表面肌电信号进行决策分析，得出各时间段驾驶者的疲劳程度，从而可分析出驾驶者的疲劳下降速度；它实现了在保证关键信息保留时，对数据进行分析、简化和决策，能够大大降低对象的知识表达空间维数。对参数的选择无限制性。

技术领域

本发明涉及一种基于软集合的疲劳驾驶检测方法，属于智能交通领域。

背景技术

疲劳作为一种常见而复杂的生理现象将直接导致驾驶员的警觉性降低、反应迟缓，很容易造成交通事故，对驾驶员的生命安全造成了很大的威胁。但是，疲劳和非疲劳的分界点难以确定，在某种程度上可以说是不确定的，因人而异的。从这一点来说，疲劳检测比其他的经典模式识别问题如人脸检测等问题更加困难。除此之外，疲劳程度到底如何也难以确定，使得疲劳状态难于分类和度量。

目前对疲劳驾驶检测的研究中，主要都是基于驾驶环境下人体生理信号的变化进行的，其主要目的是对驾驶员的清醒、疲劳、困倦等生理状态进行测量。表面肌电信号是人体运动时神经肌肉活动产生的生物电信号，可以在一定程度上反映人体的生理活动状态和功能状态。但是，当前疲劳驾驶检测技术的难点在于：采集到的信号具有一些不确定的因素，而当前的理论(比如概率论、盲数理论、模糊集理论、粗糙集理论、区间数学理论等都是用来处理不确定性的数学工具)中用于确定参数的工具非常少，导致大量参数无法确定，这一问题是使用这些理论的瓶颈。

发明内容

本发明的目的在于，提供一种基于软集合的疲劳驾驶检测方法，他可以解决当前技术中存在的问题，实现在保证关键信息保留的情况下，对数据进行分析、简化和决策，能够大大降低对象的知识表达空间维数。对参数的选择无限制性。

为解决上述技术问题，本发明采用如下的技术方案：一种基于软集合的疲劳驾驶检测方法，包括以下步骤：

S1，采集驾驶者的预设肌肉部位在预设时刻的表面肌电信号；

S2，提取并分析所述表面肌电信号的肌肉状态特征；

S3，根据提取出来的肌电信号建立基于软集合的疲劳量化模型；

S4，根据所述基于软集合的疲劳量化模型计算得出疲劳驾驶判定值。

优选的，所述步骤S1中，所述预设肌肉部位包括颈部上斜方肌、肩部三角肌、背部背阔肌、下肢股直肌、股外侧肌和腓肠肌。

优选的，所述步骤S1中，利用小波去噪方法和经验模态分解阈值去噪方法对采集到的所述表面肌电信号进行预处理，从而去掉在信号的的采集、拾取、调理过程中因受外界的噪音干扰而产生的无效信息。

优选的，所述步骤S2包括：采用均方根法、中位频率法或者模糊近似熵算法对所述表面肌电信号进行分析，得到表面肌电信号的肌肉状态特征。

优选的，所述步骤S3包括：设定第一软集合(F，E)表征驾驶者的疲劳状态，其中，论域U是驾驶者在不同时刻的肌肉状态特征的集合，即U＝{h₁,h₂,h₃,h₄...h₂₅}，E是参数集，参数为所述表面肌电信号的模糊近似熵值，熵算法统计值稳定，抗干扰能力强，对混合信号的适应能力强，而且结果曲线的变化与人体状态变化有较好的一致性。

更优选的，所述步骤S3还包括：根据E中各参数与人体状态的相关度分别设置各参数的权重，根据所述各参数的权重和所述第一软集合得到第二软集合(T，E)。