[发明专利]基于脑电的穿戴式司机防疲劳智能监测预警系统

权利要求书

1.一种基于脑电的穿戴式司机防疲劳智能监测预警系统，其特征在于，包括：脑电探测模块、脑电处理模块、传输定位模块、预警模块和移动设备；其中：

所述脑电探测模块，用于采集司机开车时的原始脑电波；

脑电处理模块，用于对原始脑电波进行预处理后通过传输定位模块传输给移动设备，并接收移动设备返回的司机疲劳驾驶状态的检测结果；若检测结果为司机有疲劳驾驶的趋势或者轻度疲劳驾驶状态，则通过传输定位模块发送预警指令至预警模块；若检测结果为重度疲劳驾驶状态，则通过传输定位模块发送预警指令至预警模块，并由传输定位模块定位将携带司机当前位置信息的短信发送指令发送至移动设备；

所述传输定位模块，具有无线传输与定位功能，用于实现定位，以及脑电处理模块与预警模块和移动设备之间的数据通信；

所述预警模块，用于根据接收到的预警指令产生振动与语音预警；

所述移动设备，用于根据脑电处理模块传输的数据并结合疲劳算法检测司机当前是否为疲劳驾驶状态或者有疲劳驾驶的趋势，并将检测结果通过传输定位模块反馈给脑电处理模块，还用于根据接收到的短信发送指令向指定号码发送带有司机当前位置信息的短信；

脑电处理模块对原始脑电波进行预处理时，建立关注度函数N、能量比函数P与功率比函数Q；并且，建立眨眼函数；当能量比函数P达到阈值P₀，并且关注度函数和眨眼函数任一个达到相应的阈值N₀、L₀时，即判定司机达到疲劳驾驶状态或者有疲劳驾驶的趋势，否则判定未达到疲劳驾驶状态；当功率比函数Q达到阈值Q₀，并且关注度函数与眨眼函数均达到相应的阈值N₀、L₀，即判定司机处于重度疲劳驾驶状态，否则处于轻度疲劳驾驶状态或者有疲劳驾驶的趋势；

移动设备检测司机当前是否为疲劳驾驶状态或者有疲劳驾驶的趋势之前还包括：确定各函数的阈值，其步骤如下：

首先，采集不同司机在开车时不同脑电波并提取脑波多参数，然后利用深度学习算法对各参数进行优化提取共性特征向量，建立基本的特征参数模型；

然后，对不同个体数据分析并提取脑波多参数，利用自适应算法对各参数进行优化并提取个性特征向量，完善特征参数模型；

最后，利用支持向量机对完善后的特征参数模型进行评估，获得各函数的阈值，包括：关注度函数阈值N₀，能量比函数阈值P₀，功率比函数阈值Q₀，眨眼函数阈值L₀。

2.根据权利要求1所述的一种基于脑电的穿戴式司机防疲劳智能监测预警系统，其特征在于，所述脑电探测模块包括：分别放置在右颞叶、额叶和左颞叶的三个干电极；采集司机开车时的原始脑电波时，以三个干电极的平均电压作为参考电压。

3.根据权利要求1所述的一种基于脑电的穿戴式司机防疲劳智能监测预警系统，其特征在于，该系统还包括：用于为脑电探测模块、脑电处理模块以及传输定位模块供电的电源模块。

4.根据权利要求3所述的一种基于脑电的穿戴式司机防疲劳智能监测预警系统，其特征在于，所述脑电探测模块、脑电处理模块、传输定位模块与电源模块固定设置在同一结构中，该结构为运动头戴结构或者帽式结构。

5.根据权利要求1所述的一种基于脑电的穿戴式司机防疲劳智能监测预警系统，其特征在于，脑电处理模块对原始脑电波进行预处理包括：

对原始脑电波进行滤波处理，以过滤掉包含周围环境、电器、肌电以及眼电的噪声干扰，并进行标准时域-频域转换，再计算出不同频率的波的功率谱密度，从而建立关注度函数N、能量比函数P与功率比函数Q；并且，利用脑电探测模块在检测脑电波的同时检测眼电信号，从而建立眨眼函数；上述四个函数具体如下：

关注度函数N(A,M)；其中，A为关注值，关注值越大表示此刻司机的思想集中度越高，即越不疲劳；M为放松值，放松值越大代表此刻司机精神越不集中，即越可能处于疲劳状态；其中的参数A与M均由不同频率的波的功率谱密度计算得到；

能量比函数P＝E(低α)/E(高β)；其中，E(低α)为低α波的功率谱密度，E(高β)为高β波的功率谱密度；

功率比函数Q＝E(δ)/E(高β)；其中，E(δ)为δ波的功率谱密度，E(高β)为高β波的功率谱密度；

眨眼函数L(T,K)；其中，T为单位时间内总闭眼时间，K为单位时间内眨眼次数。