[发明专利]一种基于眼动的疲劳检测方法

说明书

本发明公开了一种基于眼动的疲劳检测方法，步骤包括S1、建立初始分类模型，包括清醒和疲劳两种状态；S2、采集眼动数据，通过高速摄像仪记录眼动特征，包括眨眼事件序列，S3、眼动新序列构造，对采集到的眨眼事件序列进行转换，分别建立眨眼频率输入序列、眨眼平均时长序列和眨眼时长序列，S4、眼动特征提取，对眨眼频率输入序列图、眨眼平均时长序列图、眨眼时长序列图分别进行傅里叶变换；S5、输出结果，指标经初始分类模型判别，输出清醒状态，疲劳状态的第一结果。提取了眼动中的数据特征，比其他表面特征更反映大脑疲劳的特征。因此在表达疲劳上更准确，更灵敏。

技术领域

本发明涉及疲劳检测技术领域，具体指一种基于眼动的疲劳检测方法。

背景技术

随着生活的节奏越来越快，人们常常会在不知不觉中进入疲劳状态，在疲劳状态下作业，存在很大的安全风险。尤为明显的是，近年来,随着大众生活水平的提高,各国人民汽车的人均持有量也变得越来越多。然而,伴随而来的交通事故也不断的增多。经研究表明,疲劳驾驶是交通事故变得日益严重的重要原因之一,因此,研究出可以进行实时精准地检测驾驶员疲劳并能提供预警有着十分重要的现实意义。

一般认为疲劳情况下眨眼时长会变长。因此，这种检测方法根据眨眼过程中闭眼时长作为是否疲劳的指标。

但是，经研究发现，人在工作状态，从清醒状态进入疲劳状态，随着工作时间的增加，眨眼时长会随着工作时间略微增加。进入疲劳状态后，继续随着时间的推移，会发现与清醒状态相比疲劳状态下眨眼时长反而减小，同时眨眼频数增加。由此可见，眨眼时长可能更多地出现在疲劳初期，而且不是明显的特征，简单的眨眼时长等特征不能完全准确表达疲劳，因此无法准确地检测出是否进入疲劳状态。

发明内容

本发明根据现有技术的不足，提出一种基于眼动的疲劳检测方法，在表达疲劳上更准确，更灵敏。

为了解决上述技术问题，本发明的技术方案为：

一种基于眼动的疲劳检测方法，步骤包括

S1、建立初始分类模型，包括清醒和疲劳两种状态；

S2、采集眼动数据，通过高速摄像仪记录眼动特征，包括眨眼事件序列，

S3、眼动新序列构造，对采集到的眨眼事件序列进行转换，分别建立眨眼频率输入序列、眨眼平均时长序列和眨眼时长序列，

其中，眨眼频率输入序列，构造采样间隔4-6s，统计眨眼次数，形成眨眼频率输入序列，

其中，眨眼平均时长序列定义4-6s的采样间隔，统计采样间隔中的眨眼总时长，形成眨眼平均时长序列，

其中，眨眼时长序列定义4-6s的采样间隔，统计采样间隔中的平均眨眼时长，形成眨眼时长序列；

S4、眼动特征提取，对眨眼频率输入序列、眨眼平均时长序列、眨眼时长序列分别进行傅里叶变换；

S5、输出结果，指标经初始分类模型判别，输出清醒状态，疲劳状态的第一结果。

作为优选，所述步骤S4中，眨眼频率输入序列、眨眼平均时长序列、眨眼时长序列分别进行傅里叶变换后，计算傅里叶变换低频范围内各频点能量和。

作为优选，所述步骤S4中，眨眼频率输入序列图、眨眼平均时长序列、眨眼时长序列分别进行傅里叶变换后，计算傅里叶变换低频范围内各频点的幅值和。

作为优选，所述步骤S4中，眨眼频率输入序列、眨眼平均时长序列、眨眼时长序列进行傅里叶变换后低频范围取0-0.03Hz。

作为优选，所述步骤S4中，小波变换后眨眼特征提取：