[发明专利]一种基于多信息融合的疲劳检测方法

摘要

本发明公开了一种基于多信息融合的疲劳检测方法，其引入了呼吸率和手指电导率以及手指体温的生理监测指标，通过将四种生理特征提取后使用样本熵估计并通过LS‑SVM进行疲劳状态的分类。本发明利用了包括心率、皮肤电导率、皮肤温度、呼吸率在内的多种生理指标作为特征，提高了疲劳检测的准确率，同时使用了分类速度更快的LS‑SVM分类器，保证了能够快速分类的效果，分类的准确和快速是疲劳检测的重要指标。

主权项

1.一种基于多信息融合的疲劳检测方法，包括如下步骤：(1)通过采集获取大量疲劳人体以及非疲劳人体的生理数据，所述生理数据包括心电信息、呼吸率、手指温度以及皮肤电传导率；(2)从所述心电信息中提取出人体的心率变异性数据，并利用Welch法计算出心率变异性的功率谱特征；(3)根据一定时间段内每一采样周期人体的呼吸率，提取出平均呼吸率和最大呼吸率；(4)提取手指温度变化率以及皮肤电传导率变化率；(5)通过基于多变量的多尺度熵分析法将所述功率谱特征、平均呼吸率、最大呼吸率、手指温度变化率以及皮肤电传导率变化率整理组成样本熵，将所有样本熵分为训练集、验证集和测试集，其中对应疲劳人体的样本熵为正样本，对应非疲劳人体的样本熵为负样本；(6)将训练集中的正负样本逐一输入至LS‑SVM中进行训练，得到用于检测区分人体疲劳状态的分类模型，最后利用验证集对该分类模型进行调试，利用测试集对调试后的分类模型进行实际测试，以实现对人体的疲劳检测。