一种驾驶员警觉度状态检测方法

1.一种驾驶员警觉度状态检测方法，包括以下步骤：
第一步、构建功能模块
利用包括具有无线传输功能的DSP芯片TMS320F28335的开发板，构建脑电信号处理模块；
第二步、驾驶员脑电信号的采集
首先，驾驶员的头部佩戴一个脑电信号采集头带，对驾驶员处于清醒或疲劳状态的脑电信号数据进行采集，将采集到的数据编辑冗余字典，并存在储脑电信号处理模块中；其次，对驾驶员行车途中不同时段的脑电信号进行实时采集，采集到的驾驶员脑电信号通过无线传输技术传输到脑电信号处理模块；
第三步、脑电信号的去噪
脑电信号处理模块对采集到的驾驶员的脑电信号运用离散小波变换(DWT)算法对原始脑电信号进行一个5dB小波的6层分解，得到子带小波细节系数(Di，i＝1,2,3,4,5,6)和近似系数(Ai，i＝1,2,3,4,5,6)；通过重建分解系数D3，D4，D5，D6除去原始信号中的低频和高频干扰从而得到有用的脑电信号；
第四步、脑电信号的下采样
脑电信号处理模块对经过去噪之后的驾驶员的脑电信号进行下采样处理，采样频率为
128Hz；
第五步、脑电信号的特征提取
脑电信号处理模块对经过下采样处理之后的脑电信号进行基于快速傅里叶变换(FFT)算法的特征提取，快速傅里叶变换算法为128点；
第六步、驾驶员警觉度状态的模式分类
脑电信号处理模块对经过特征提取的驾驶员的脑电信号进行基于K-SVD的稀疏分类表示算法的模式分类，得到驾驶员的警觉度状态class(y)；
class(y)＝argmini||y-Dα'i||2
其中y为待分类的数据D＝[Da,Dd]为驾驶员警觉度状态的冗余字典，Da为驾驶员处于清醒状态的冗余字典，Dd为驾驶员处于疲劳状态的冗余字典，α为待分类数据y的稀疏系数；
第七步、报警提醒
脑电信号处理模块传来的驾驶员警觉度状态，若判断是驾驶员存在疲劳驾驶情况，则输出控制信号，控制位于驾驶员座椅上的警示装置对驾驶员进行震动或蜂鸣提醒。

一种驾驶员警觉度状态检测方法
技术领域
[0001] 本发明涉及汽车驾驶员主动安全技术领域。
技术背景
[0002] 交通安全问题已经成为了世界性的问题。通过查阅文献资料了解到，全世界每年因为交通事故死亡的人数约为50万。近几年由于城市中的汽车的不断增多，由于驾驶员疲劳驾驶造成的交通事故也随之大幅增加。
[0003] 驾驶人处于疲劳驾驶时判断能力下降、反应迟钝和操作失误增加。驾驶人处于轻微疲劳时，会出现换档不及时、不准确；驾驶人处于中度疲劳时，操作动作呆滞，有时甚至会忘记操作；驾驶人处于重度疲劳时，往往会下意识操作或出现短时间睡眠现象，严重时会失去对车辆的控制能力。驾驶人疲劳时，会出现视线模糊、腰酸背疼、动作呆板、手脚发胀或有精力不集中、反应迟钝、思考不周全、精神涣散、焦虑、急躁等现象。如果仍勉强驾驶车辆，则可能导致交通事故的发生。目前针对驾驶员的警觉度检测主要集中在一下三个方面：一、通过检测人体的生物信号，列如脑电信号、肌电信号、心率等，以此来判断人体的警觉度状态；
二、通过检测人体的动作，例如头部动的运动来判断人体的警觉度状态；三、通过检测人体的眨眼频率来检测人体的警觉度状态。
[0004] 而基于脑电信号的人体警觉度检测是警觉度检测中的“黄金标准”，相对于其他生理信号而言，能更直接地反应大脑的本身活动，并具有更高的时间分辨率。中国专利公开号为CN102622600A公开了“基于面像与眼动分析的高速列车驾驶员警觉度检测方法”。其主要是运用驾驶员的面像与眼动分析驾驶员的警觉度状态，而本发明是基于驾驶员脑电信号的警觉度分析，具有更佳的准确性。公开号为CN102058413B的中国专利基于小波变换的脑电信号警觉度检测方法。其采用小波函数得到脑电信号序列的小波系数的特征值作为特征集，再用随机森林法对特征集进行排序简化后使用样本训练支持向量机，并采用训练得到的支持向量机对脑电信号进行警觉度检测。申请号201520878190.7的中国专利申请公开了一种可穿戴的驾驶员脑电信号采集头带。其主要是针对脑电信号采集设备的构造做了相应的描述，并没有对脑电信号的处理与算法进行详细说明，本申请的目的需要利用该“头带”实现。
发明内容
[0005] 本发明的目的是提供一种驾驶员警觉度状态检测方法，它能有效地解决驾驶员处于疲劳驾驶时提示报警问题。
[0006] 本发明实现其发明目的所采用的技术方案是：一种驾驶员警觉度状态检测方法，包括以下步骤：
[0007] 1、一种驾驶员警觉度状态检测方法，包括以下步骤：
[0008] 第一步、构建功能模块
[0009] 利用包括具有无线传输功能的DSP芯片TMS320F28335的开发板，构建脑电信号处理模块；
[0010] 第二步、驾驶员脑电信号的采集
[0011] 首先，驾驶员的头部佩戴一个脑电信号采集头带，对驾驶员处于清醒或疲劳状态的脑电信号数据进行采集，将采集到的数据编辑冗余字典，并存储在脑电信号处理模块中；
其次，对驾驶员行车途中不同时段的脑电信号进行实时采集，采集到的驾驶员脑电信号通过无线传输技术传输到脑电信号处理模块；
[0012] 第三步、脑电信号的去噪
[0013] 脑电信号处理模块对采集到的驾驶员的脑电信号运用离散小波变换(DWT)算法对原始脑电信号进行一个5dB小波的6层分解，得到子带小波细节系数(Di，i＝1,2,3,4,5,6)和近似系数(Ai，i＝1,2,3,4,5,6)；通过重建分解系数D3,，D4，D5，D6除去原始信号中的低频和高频干扰从而得到有用的脑电信号；
[0014] 第四步、脑电信号的下采样
[0015] 脑电信号处理模块对经过去噪之后的驾驶员的脑电信号进行下采样处理，采样频率为128Hz；
[0016] 第五步、脑电信号的特征提取
[0017] 脑电信号处理模块对经过下采样处理之后的脑电信号进行基于快速傅里叶变换(FFT)算法的特征提取，FFT算法为128点；
[0018] 第六步、驾驶员警觉度状态的模式分类
[0019] 脑电信号处理模块对经过特征提取的驾驶员的脑电信号进行基于K-SVD的稀疏分类表示算法的模式分类，得到驾驶员的警觉度状态class(y)；
[0020] class(y)＝argmini||y-Dα′i||2
[0021] 其中y为待分类的数据D＝[Da,Dd]为驾驶员警觉度状态的冗余字典，Da为驾驶员处于清醒状态的冗余字典，Dd为驾驶员处于疲劳状态的冗余字典，α为待分类数据，y的稀疏系数；
[0022] 第七步、报警提醒
[0023] 脑电信号处理模块传来的驾驶员警觉度状态，若判断是驾驶员存在疲劳驾驶情况，则输出控制信号，控制位于驾驶员座椅上的警示装置对驾驶员进行震动或蜂鸣提醒。
[0024] 与现有技术相比，本发明的有益效果是：
[0025] 一、在特征提取阶段采用了N＝128的FFT算法，比传统的离散傅里叶变换(DFT)算法相比，大大减少了计算量，使得特征提取时间仅仅是DFT算法大约的1/37，从而减少整个过程的时间。
[0026] 二、在模式分类阶段采用基于K-SVD的稀疏表示分类算。信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号，可以获得信号更为简洁的表示方式，从而使我们更容易地获取信号中所蕴含的信息，K-SVD是一种经典的字典训练算法，依据误差最小原则，对误差项进行SVD分解，选择使误差最小的分解项作为更新的字典原子和对应的原子系数，经过不断的迭代从而得到优化的解。
附图说明
[0027] 图1为本发明的基于脑电信号的警觉度检测算法实现流程图。
[0028] 图2为本发明脑电信号在去噪前、后的时域比较图。
[0029] 图3为本发明脑电信号在去噪前、后的频域比较图。
[0030] 图4为本发明脑电信号去噪后清醒状态与疲劳状态时域对比图。
[0031] 图5为本发明脑电信号去噪后清醒状态与疲劳状态频域对比图。
[0032] 具体实施方法
[0033] 实施例一，该实验对象为一名经三小时以上驾驶的疲劳驾驶员，记为驾驶员1。
[0034] 其具体实施方法是，一种驾驶员警觉度状态检测方法，包括以下步骤：
[0035] A、驾驶员脑电信号的采集
[0036] 驾驶员的头部佩戴一个脑电信号采集帽，驾驶员在驾驶汽车时脑电信号采集帽对驾驶员的脑电信号进行采集，得到驾驶员1的脑电信号f1，并采集的驾驶员脑电信号f1通过无线传输技术传输到脑电信号处理模块；
[0037] B、驾驶员脑电信号的去噪
[0038] 脑电信号处理模块对脑电信号采集帽采集到的驾驶员的脑电信号f1运用DWT算法进行去噪处理，得到去噪后的驾驶员脑电信号g1；
[0039]
[0040] C、驾驶员脑电信号的下采样
[0041] 脑电信号处理模块对经过去噪之后的驾驶员的脑电信号g1进行下采样处理，得到经过下采样后的驾驶员脑电信号k1，以减少样本的数据量；
[0042] D、驾驶员脑电信号的特征提取
[0043] 脑电信号处理模块对经过下采样处理之后的驾驶员脑电信号k1进行基于快速傅里叶变换(FFT)算法的特征提取，得到待分类数据Y1；
[0044]
[0045] E、驾驶员警觉度状态的模式分类
[0046] 脑电信号处理模块对经过特征提取的驾驶员的脑电信号进行基于K-SVD的稀疏分类表示算法的模式分类，得到驾驶员的警觉度状态class(y)；
[0047] class(y)＝argmini||Y1-Dα′i||2
[0048] 其中Y1为待分类的数据，D＝[Da,Dd]为驾驶员状态的冗余字典，Da为驾驶员处于清醒状态的冗余字典，Dd为驾驶员处于疲劳状态的冗余字典，α为待分类数据y的稀疏系数；
[0049] 得到的结果为驾驶员处于疲劳状态，测试的置信度为0.9565。
[0050] 实施例二/三/四重复以上A～E步的操作。
[0051] 本发明方法对驾驶员警觉度检出测试结果见下表。
[0052]
驾驶员编号 1 2 3 4
实验结果 疲劳 疲劳 疲劳 清醒
置信度 0.9565 0.9504 0.9647 0.9387
[0053] 可见，本发明在驾驶员警觉度检测上具有较高的置信度。