[发明专利]疲劳状态预测的方法、装置、电子设备及存储介质

说明书

本申请提供了一种疲劳状态预测的方法、装置、电子设备及存储介质，疲劳状态预测的方法包括：收集使用者的多峰数据，该多峰数据包括脑电图数据；通过利用经过训练的神经网络来对收集的多峰数据进行数据分析和融合，预测使用者疲劳状态，判断所述使用者在预定时间后将进入疲劳状态；以及在判断使用者在所述预定时间后将进入疲劳状态的情况下，对使用者进行振兴，防止使用者进入疲劳状态。

技术领域

本申请涉及脑电波应用技术领域，尤其涉及疲劳状态预测的方法、装置、电子设备及存储介质。

背景技术

脑电波是人的大脑活动的一种生理信号，其变化可以反应人的疲劳状况。据有关数据统计，交通事故中有很大一部原因是由于驾驶员过于疲劳打瞌睡引起的。因此，如何将脑电波检测应用于车辆驾驶领域，进而降低疲劳驾驶风险具有重大意义。

针对该缺陷，已经提出了一种疲劳驾驶预防方法，其采集驾驶员的原始脑电波信号并进行预处理，输出当前驾驶员的疲劳程度并进行屏幕显示；若当前驾驶员的疲劳程度超过第一疲劳程度，则进行疲劳驾驶预警；若当前驾驶员的疲劳程度超过第二疲劳程度，则播放具有与α脑电波相同频率的预置音频文件，其中，所述第一疲劳程度小于所述第二疲劳程度。

发明内容

然而，现有的疲劳驾驶预防方法在实际应用中的效果可能不好。具体而言，现有的疲劳驾驶预防方法可能无法准确地预测驾驶员疲劳的发作，或者无法及时地针对驾驶员的疲劳状态进行应对，即，无法及时地缓解驾驶员的疲劳状态。因此，本申请的目的在于提供一种疲劳状态预测的方法及装置，用于实现使用者疲劳状态的监测和预防，预先预测使用者疲劳状态的发作，即在疲劳实际产生并影响使用者性能之前预测使用者疲劳状态的发作。然后，对使用者进行振兴。由此，主动防止使用者疲劳，而非仅仅是对此做出反应。

本申请的目的采用以下技术方案实现：

第一方面，本申请提供了一种疲劳状态预测的方法，所述方法包括：收集使用者的多峰数据，该多峰数据包括脑电图数据；通过利用经过训练的神经网络来对收集的所述多峰数据进行数据分析和融合，预测所述使用者疲劳状态，判断所述使用者在预定时间后将进入疲劳状态；以及在判断所述使用者在所述预定时间后将进入疲劳状态的情况下，对所述使用者进行振兴，防止所述使用者进入疲劳状态。

该技术方案的有益效果在于，根据本实施例，实现了使用者疲劳状态的监测和预防。与现有技术的疲劳预防方法的不同之处在于，根据上述实施例疲劳状态预测的方法能够预先预测使用者疲劳状态的发作，即在疲劳实际产生并影响使用者性能之前预测使用者疲劳状态的发作。然后，对使用者进行振兴。因此，根据上述实施例疲劳状态预测的方法能够主动防止使用者疲劳，而非仅仅是对此做出反应。

在一些可选的实施例中，所述方法还包括：预先搭建所述神经网络，并使用特征数据对该神经网络进行训练。

该技术方案的有益效果在于，根据本实施例，能够预先训练神经网络，从而在收集到使用者的多峰数据的情况下，能够通过该神经网络对使用者的疲劳状态进行预测。

在一些可选的实施例中，所述多峰数据还包括眼电图数据、脉搏率数据中的至少一者。所述脑电图数据包括额叶的脑电图数据和α光谱中的脑电波。

该技术方案的有益效果在于，能够利用眼电图(EEG)数据、脉搏率数据等于辅助判断疲劳状态。同时，α光谱中的脑电波通常是睡意或精神疲劳的重要指标。根据本实施例，能够利用多模态数据的输入，即来自各种不同来源(EEG、EOG、ECG、脉搏率)的生物信号数据，更加综合地对使用者的疲劳状态进行预测。利用这些数据，本实施例的疲劳状态预测方法的预测性能将大大提高。

在一些可选的实施例中，所述预定时间为十分钟以上。

该技术方案的有益效果在于，通过实验已经证明，为了产生显着的效果，振兴的时间需要大约数十分钟，而根据本发明的疲劳预测方法能提前预测疲劳状态的产生，并提前开始进行振兴，以在使用者进入疲劳状态之前达到振兴的效果，避免使用者进入疲劳状态。