基于人体生理信号的汽车驾驶员疲劳监测方法

本发明公开了一种基于人体生理信号的汽车驾驶员疲劳监测方法，包括疲劳标定方法和检测方法。标定方法包括：通过传感器采集并提取N次单位时间的脉搏峰值与频率、心率以及呼吸频率构成疲劳特征标定矩阵，通过主成分分析方法建立各疲劳特征的权重向量，将权值加成至标定矩阵，由此构建疲劳标定向量。疲劳检测方法包括：将标定权重加成至单位时间内疲劳特征向量，计算特征向量与标定向量的马氏距离，通过其距离离散程度判别汽车驾驶员疲劳程度，并进行预警。本发明基于中医理论，结合现代信号处理方法寻找出汽车驾驶员的疲劳特征，具有显著的社会与经济效益，对减少由于疲劳驾驶引发的交通事故有重要意义。

1.一种基于人体生理信号的汽车驾驶员疲劳监测方法，其特征在于：采用脉搏、心率
和呼吸传感器采集汽车驾驶员的脉搏、心率和呼吸信号；将脉搏频率、峰值、心率
以及呼吸频率信号构成疲劳特征向量，利用主成分分析方法(PCA)确定各特征权
重，通过马氏距离方法判断其疲劳程度；该疲劳监测方法包括疲劳标定方法与疲劳
检测方法；疲劳标定方法在驾驶员初次驾驶某型号车辆时完成，疲劳检测方法在标
定过后，由同一驾驶员在驾驶同一型号车辆的任意时刻完成；
其中所述的疲劳标定方法包括以下步骤：
步骤1、在汽车驾驶员初次驾驶某型号车辆时，采集驾驶员的脉搏、心率和呼吸
信号，通过信号采样，获取驾驶员初次驾驶时各采集信号的离散时间序列；
步骤2、通过傅里叶变换，获取步骤1中的脉搏信号频率成分；
步骤3、以N次单位时间内的脉搏信号的频率与峰值、心率以及呼吸频率构成
标定样本集，以标定样本集的均值构成标定矩阵；
步骤4、对标定样本集，采用主成分分析(PCA)的方法，得到标定权重以及主
成分变换矩阵，以形成疲劳标定向量；
其中所述的疲劳检测方法包括以下步骤：
步骤1、在标定后，采集每单位时间内的驾驶员脉搏、心率和呼吸信号，通过信
号采样，获取各采集信号的离散时间序列；
步骤2、通过傅里叶变换，获取步骤1中的脉搏信号频率成分；
步骤3、以每单位时间内的脉搏信号的频率与峰值、心率以及呼吸频率均值构成
疲劳特征向量；
步骤4、将标定方法所述步骤4中得到的标定权重加成至疲劳特征向量；
步骤5、对加权后的疲劳特征向量与疲劳标定向量计算其马氏距离；
步骤6、通过其距离离散程度判别汽车驾驶员疲劳程度，并进行预警。
2.根据权利要求1所述的基于人体生理信号的汽车驾驶员疲劳监测方法，其特征是：
疲劳标定方法与疲劳检测方法所述的步骤1还包括：
步骤1.1、采用安装于安全带上的心率与呼吸传感器采集驾驶员呼吸信号；
步骤1.2、采用定位于手部的脉搏传感器采集驾驶员脉搏信号。
3.根据权利要求1所述的基于人体生理信号的汽车驾驶员疲劳监测方法，其特征是：
疲劳标定方法所述的步骤3还包括：提取N次单位时间的脉搏峰值与频率、心率以
及呼吸频率构成疲劳特征标定矩阵；N为4次；单位时间为60秒；标定矩阵为4×4
的方阵。
4.根据权利要求1所述的基于人体生理信号的汽车驾驶员疲劳监测方法，其特征是：
疲劳标定方法所述的步骤4还包括：
步骤4.1、对标定矩阵中的样本数据进行中心化；
步骤4.2、计算中心化样本向量协方差矩阵的特征值及特征向量；
步骤4.3、选择贡献率最大的特征值对应特征向量作为特征变换矩阵，即疲劳特
征权值向量；
步骤4.4、将标定样本集各参数进行类内平均，得到标定向量，将特征变换矩阵
左乘标定向量得到疲劳标定向量。
5.根据权利要求1所述的基于人体生理信号的汽车驾驶员疲劳监测方法，其特征是：
疲劳检测方法所述的步骤6还包括：
步骤6.1、将所得到的距离样本进行聚类分析；
步骤6.2、如果检测过程中，距离超过标定样本之间的最大距离，马上预警。