[发明专利]一种基于EEG的高铁司机疲劳度检测方法和装置

说明书

本发明提供一种基于EEG的高铁司机疲劳度检测方法和装置，属于信号识别技术领域，具体包括：提取高铁司机对踏板的踏踩频率，并当踏踩频率小于第一踏踩阈值时，提取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，并判断次数大于第一阈值，基于EEG采样模块得到EEG数据，并对EEG数据进行特征提取得到EEG特征量；基于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；基于EEG识别结果、次数得到高铁司机的疲劳度，从而使得疲劳度检测结果更加准确。

技术领域

本发明属于信号识别技术领域，具体一种基于EEG的高铁司机疲劳度检测方法和装置。

背景技术

传统的高铁司机报警系统要求驾驶员每30秒钟至少踩一次踏板，否则，高铁的控制系统将判定驾驶员处于不正常的驾驶状态。如果高铁司机在7秒后还没有踏上踏板，为了乘客的安全，高铁会自动刹车制动，但是却没有对高铁司机的疲惫程度进行准确判断。

为了解决上述问题，在硕士论文《基于卷积神经网络的高铁司机脑电疲劳检测研究》中作者姚迪通过Pytorch深度学习框架搭建改进的ResNet网络和MobileNet网络，采用交叉熵损失函数和小批量梯度下降法对预处理后的EEG脑电数据集进行训练，使用准确率、查准率、查全率等指标对训练结果及搭建网络的分类性能对ResNet网络和MobileNet网络的准确性进行了验证，但是却没有对脑电数据集进行特征提取，导致模型的预测准确性和效率都受到了一定的影响，而且没有与传统的踏板型的高铁司机报警系统结合到一起，仅仅采用EEG装置进行判断，由于不同的人群的脑电数据集的活跃度不一样，从而导致检测结果不够准确，当踏板的踏踩频率小于一定阈值时或者一定时间内存在大量的超频率阈值的行为，说明此时的高铁司机处于高度可疑的疲惫状态，再与EEG装置的检测结果相结合，从而使得最终的检测准确性得到进一步的提升。

基于上述技术问题，需要设计一种基于EEG的高铁司机疲劳度检测方法和装置。

发明内容

为实现本发明目的，本发明采用如下技术方案：

为了解决上述技术问题，本发明第一方面提供了一种基于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。

通过首先对踩踏频率进行确认，当踩踏频率大于一定阈值时，说明此时的高铁司机的状态可疑，再对其在一定的时间阈值内的超规定时间阈值踏踩的次数进行确定，从而使得对于高铁司机的一段时间内的状态进行确定，从而进一步对高铁司机的可疑状态进行确认，在此基础上，确定高铁司机的状态存在十分可疑的情况，再通过对EEG特征量的提取，并根据EEG预测模型得到EEG预测结果，从而解决了原有的没有对EEG预测结果进行提取，从而导致的预测效率和精度问题，进一步提升了预测的效率和精度，并在此基础上，通过基于所述EEG识别结果、所述次数得到所述高铁司机的疲劳度，解决了原有的仅仅依靠EEG识别结果导致的不够准确的技术问题，进一步提升了评估的准确性，也为高铁的运行安全奠定了基础。