[发明专利]一种基于多源生理信息的驾驶员疲劳及情绪评价方法

说明书

技术领域

本发明涉及汽车辅助驾驶领域，尤其是一种基于多源生理信息的驾驶员疲劳及情绪评价方法。

背景技术

近年来随着中国汽车保有量的迅速增加，道路交通安全问题和驾驶人员舒适度体验已经成为社会焦点。据不完全统计，我国每年都有近10万人因车辆交通事故失去生命，已经连续10年位列世界第一，交通事故成为全国各项事故中伤亡人数最多的一项，其中由于驾驶疲劳、突发疾病及路怒症等驾驶状况异常引发的交通安全事故占比35％以上，严重威胁着广大社会群体的生命财产安全。因此，对影响驾驶行为的疲劳度、情绪等生理状态进行监测和调节，减少危险驾驶行为保障交通安全意义重大。

近年来，国内外学者对脑电和心电等生理信号以及使用神经网络识别驾驶员疲劳程度进行了大量的研究。目前针对驾驶员疲劳的评价方法几乎使用的是单一的疲劳检测指标(脑电或心电)，本身错误率就很高，而且使用传统的分类方法(如参数估计和模糊回归)识别效果不好。而模糊神经网络尤其适用于构建高度非线性模型，通过模仿神经网络的行为特性进行分布式并行信息处理，通过训练数据调整神经元的权重达到处理信息的目的。

发明内容

本发明目的在于提供一种基于多源生理信息的驾驶员疲劳及情绪评价方法，所述方法采集驾驶员脑电、心电、肌电和姿态信息这四种生理指标，利用模糊神经网络进行疲劳及情绪评价，最终基于遗传算法不断学习驾驶员疲劳和情绪评价指标并提取规则，提高评价的准确性。

为实现上述目的，采用了以下技术方案：本发明所述方法包括以下步骤：

步骤1，利用MP150WSW同步采集脑电信号、心电信号和肌电信号，通过惯性传感器模块采集头部姿态信息；

步骤2，利用MP150WSW设备数据处理软件对采集到的脑电信号、心电信号和肌电信号进行预处理，并对生理信号进行特征提取；

步骤3，利用脑电、心电、肌电和姿态信号作为模糊神经网络的输入，输出为驾驶员的疲劳和情绪状态；

步骤4，基于神经网络评估模型，利用遗传算法不断学习驾驶员的评价指标，提取驾驶员疲劳及情绪评价的规则方法。

进一步的，在步骤1中，使用MP150WSW同步采集脑电信号、心电信号和肌电信号；其中，脑电电极采用国际10—20系统标准，以双耳电极作为参考电极，记录相应的脑电信号；心电电极的布置采用胸骨导联方式；肌电电极放置在颈部处；使用JY901九轴惯性传感器采集驾驶员头部位置信息。

进一步的，在步骤2中，预处理后的实测数据构建脑电信号x(t)、心电信号y(t)、肌电信号z(t)和姿态信号h(t)；提取脑电的功率谱特征数据—脑电疲劳指数F_(α+θ)/β/F_β/α和反应情绪变化的β波/γ波的平均功率谱能量值、心电的时域特征数据—心率(HR)、RR间期的标准差(SDNN)和相邻RR间期差值的均方根(rMSSD)、肌电信号的频域特征数据—平均功率频率(MPF)和中值频率(MF)。

进一步的，所述步骤3的具体方法如下：

构建模糊神经网络模型，基于步骤2中的生理特征指标作为神经网络的输入，输出为驾驶员疲劳情绪状态，输出—输入的关系可以写为：

Y＝Wlogsig(VX-B)-C (1)

式中，logsig(x)表示对数S形函数：

并引入LM算法训练神经网络参数的值(即输入到隐含层权值矩阵V，隐含层到输出权值矩阵W，隐含节点偏差矩阵B，和输出节点偏差矩阵C，)和隐藏层中使用的隐藏节点(即k)；利用训练好的神经网络对驾驶员的EEG、ECG、EMG和姿态信号进行分类，计算出驾驶员的“清醒—疲劳”和“愉快—悲伤”。

进一步的，所述步骤4的具体方法如下：基于神经网络分类模型提取驾驶员疲劳及情绪评价的规则方法；基于神经网络分类单元可以看出当驾驶员处于疲劳(情绪愤怒)驾驶时，驾驶员生理指标(x₀,x₁,x₂…x₉)在一些特定的阈值里面；基于驾驶员生理参数指标的阈值可以直接评价驾驶员的疲劳及情绪状态；生成的规则可以表示如下：

R₁:X₁₁＜x₁≤X′₁₁andX₁₂＜x₂≤X′₁₂......X₁₉＜x₉≤X′₁₉then y＝1