[发明专利]一种基于EEG的高铁司机疲劳度检测方法和装置

权利要求书

1.一种基于EEG的高铁司机疲劳度检测方法，其特征在于，具体包括：

S11提取高铁司机对踏板的踏踩频率，并当所述踏踩频率小于第一踏踩阈值时，进入步骤S12；

S12提取所述高铁司机在最近的第一时间阈值内的超规定时间阈值踏踩的次数，并判断所述次数是否大于第一阈值，若是进入步骤S13,若否则进入步骤S11；

S13基于EEG采样模块得到EEG数据，并对所述EEG数据进行特征提取得到EEG特征量；

S14基于所述EEG特征量，并构建基于智能算法的EEG预测模型，得到EEG识别结果；

S15基于所述EEG识别结果、所述次数得到所述高铁司机的疲劳度。

2.如权利要求1所述的高铁司机疲劳度检测方法，其特征在于，所述第一踩踏阈值的确定步骤为：

S21基于高铁的行驶速度、高铁的载客量，采用基于专家打分的形式得到第一踩踏基础阈值；

S22判断所述高铁司机的疲劳度是否大于第一疲劳阈值，若是，则进入步骤S23,若否，则将所述第一踩踏基础阈值作为第一踩踏阈值；

S23基于所述高铁司机的疲劳度对所述第一踩踏基础阈值进行修正得到第一踩踏阈值。

3.如权利要求2所述的高铁司机疲劳度检测方法，其特征在于，所述第一踩踏阈值小于所述第一踩踏基础阈值。

4.如权利要求2所述的高铁司机疲劳度检测方法，其特征在于，所述第一时间阈值根据所述列车的行驶速度、所述高铁司机的驾龄确定。

5.如权利要求1所述的高铁司机疲劳度检测方法，其特征在于，所述EEG特征量包括功率频谱密度、样本熵、P300电位。

6.如权利要求1所述的高铁司机疲劳度检测方法，其特征在于，得到EEG识别结果的具体步骤为：

S31判断所述P300电位是否小于第一电位阈值，若是，则进入步骤S32；

S32基于所述功率频谱密度、样本熵、P300电位构建EEG特征量；

S33将所述EEG特征量传输至基于IGWO-RBF算法的EEG预测模型之中，得到EEG识别结果。

7.如权利要求1所述的高铁司机疲劳度检测方法，其特征在于，所述IGWO算法为改进型GWO算法，对所述RBF算法的隐含层数量进行寻优。

8.如权利要求1所述的高铁司机疲劳度检测方法，其特征在于，所述疲劳度的计算公式为：

其中G为所述EEG识别结果，t为所述高铁司机在最近的第一时间阈值内的超规定时间阈值踏踩的次数，K₁为权值。

9.如权利要求1所述的高铁司机疲劳度检测方法，其特征在于，根据所述疲劳度和所述EEG识别结果进行告警，其中确定告警的具体步骤为：

S41判断所述EEG识别结果是否大于第一识别阈值，若是，进入步骤S43，若否进入步骤S42；

S42基于所述疲劳度是否大于第一疲劳阈值，若是进入步骤S43,若否，返回步骤S41；

S43判断所述高铁司机在最近的3分钟内的超规定时间阈值踏踩的次数是否大于第二阈值，其中第一时间阈值大于3分钟，若是，则进入步骤S44,若否，则返回步骤S41；

S44输出高铁司机状态异常告警信号。

10.一种基于EEG的高铁司机疲劳度检测装置，采用权利要求1-9任意一项所述的一种基于EEG的高铁司机疲劳度检测方法，具体包括：

踩踏频率监测模块，踩踏行为监测模块，EEG采样模块，EEG特征提取模块，EEG结果识别模块，疲劳度生成模块；

所述踩踏频率监测模块负责提取高铁司机对踏板的踏踩频率；

所述踩踏行为监测模块负责提取所述高铁司机在最近的第一时间阈值内的超规定时间阈值踏踩的次数，并将所述次数传输至疲劳度生成模块；

所述EEG采样模块负责提取EEG数据，并将所述EEG数据传输至EEG特征提取模块；

所述EEG特征提取模块负责基于所述EEG数据进行特征提取得到EEG特征量，并将所处EEG特征量传输至EEG结果识别模块；

所述EEG结果识别模块负责基于所述EEG特征量，并构建基于智能算法的EEG预测模型，得到EEG识别结果；

所述疲劳度生成模块负责基于所述EEG识别结果、所述次数得到所述高铁司机的疲劳度。