[发明专利]人体疲劳度判定方法

权利要求书

1.一种人体疲劳度判定方法，其特征在于，其包括以下步骤：

基于眼部穿戴，采集人的实时全眼图像并进行图像处理，获得眼部特征参数；

采集至少包括头部三维运动的频谱特征；

采用贝叶斯网络分类器和线性分类器按约定频率切换的判定模式，对所述眼部特征参数和所述频谱特征数据进行疲劳分类判定；

按约定判定方法输出至少包括清醒、轻度疲劳、疲倦的判定结果；

贝叶斯网络分类器和线性分类器按约定频率切换的判定方法，包括以下步骤：

约定第一时间段，在所述第一时间段内，采用贝叶斯网络分类器对所述眼部特征参数和所述频谱特征数据进行疲劳分类判定；

所述第一时间段结束，切换为采用贝叶斯网络分类器和线性分类器对同一组数据共同进行判定，获得各自判定结果保存并进行加权平均以获得疲劳分类判定结果；

共同判定并获得疲劳分类判定结果后，还包括步骤：

统计保存的各自判定结果数量，达到设定的阈值，对贝叶斯网络分类器和线性分类器的疲劳分类判定结果进行回归修正；

所述回归修正包括：

若疲劳分类判定结果趋于发散，则将约定频率切换模式切换回线性分类器判定模式，对贝叶斯网络分类器进行修正；

若疲劳分类判定结果趋于收敛，则将约定频率切换模式切换至贝叶斯网络分类器判定模式，对线性分类器进行修正。

2.如权利要求1所述的人体疲劳度判定方法，其特征在于，采集人的实时全眼图像，包括步骤：

在红外照明下，采用红外微距摄像头采集人的实时全眼图像。

3.如权利要求1所述的人体疲劳度判定方法，其特征在于，对实时全眼图像进行图像处理，获得眼部特征参数，包括以下步骤：

对所述实时全眼图像进行灰度统计；

提取特征灰度值，并以所述特征灰度值为参考点，对所述实时全眼图像进行二值化；

采用基于图像灰度积分算法对二值化的全眼图像进行积分处理和线性分析，获得眼部特征值；

基于所述眼部特征值，绘制眼部运动曲线，提取所述眼部特征参数。

4.如权利要求1所述的人体疲劳度判定方法，其特征在于，采集至少包括头部三维运动的频谱特征，包括以下步骤：

采集头部在各个运动方向的速度、加速度以及时间，绘制头部在三维空间的运动曲线；

基于头部在三维空间的运动曲线，对头部运动轨迹做傅里叶变换，提取头部运动的频率信息，

基于所述头部运动的频率信息，提取头部在三个方向上分别处于清醒、轻度疲劳以及疲倦状态下频谱特征。

5.如权利要求1所述的人体疲劳度判定方法，其特征在于，所述设定的阈值，包括线性分类器和贝叶斯网络分类器的判定结果相同达到10次。

6.如权利要求1所述的人体疲劳度判定方法，其特征在于，按约定判定方法输出判定结果，包括以下步骤：

每5分钟输出一次疲劳分类判定结果；

若15分钟以内的疲劳分类判定结果均为清醒时，则切换至10分钟进行一次疲劳度分类判定和输出；

若15分钟以内的疲劳分类判定结果为轻度疲劳时，判定时间切换为1分钟进行一次疲劳分类判定和输出。

7.如权利要求1-6中任一项所述的人体疲劳度判定方法，其特征在于，

所述眼部特征参数至少包括：眼睛闭合度、单位时间内眨眼次数、最长闭眼时间、达到指定眨眼次数所需的总时间、统计时间内闭眼最大时间和睁眼最大时间以及闭眼时间与睁眼时间的比值。