基于多传感器测量与神经网络学的无人机操作员状态评估方法

摘要

本发明提出了一种基于多传感器测量与神经网络学的无人机操作员状态评估方法，建立与上述传感器特征与语义之间的映射关系，从而估计出操作员的决策等级。该方法便于更加直观地掌握操作员的实时状态，估计操作员当前是否适合该任务，以及对任务可做出相应的调整。由于采用了神经网络的学方法，可建立不同操作员的特征空间，因此，适用于具有不同熟练程度的各种层次的无人机操作员。

主权项

一种基于多传感器测量与神经网络学习的无人机操作员状态评估方法，其特征在于，包括以下步骤：步骤一：传感器测量利用温度传感器检测操作员的体温，用于监测操作员不同情绪变化下的体温分布情况；利用心率传感器检测操作员的心率，用于监测操作员不同状态如兴奋、疲劳状态下的心率变化；利用人体动作、姿态检测的深度图像传感器检测操作员的姿态行为，用于监测操作员不同行为状态下的姿态变化；利用面部表情的可见光图像传感器检测操作员的面部表情，根据面部表情的变化检测操作员的心情状态；利用眼动仪传感器检测人的眼睛关注度，以及根据眼睛的闭合情况检测眼睛疲劳状态；利用人脑意念传感器检测操作员是否注意力集中；步骤二、利用上述传感器获取的操作员状态信息，构建多维特征空间样本库；根据不同操作员的样本，设计相应的神经网络训练学习感知器，建立与上述传感器特征与语义之间的映射关系；步骤三：构建语义组合构建的树形结构，给出操作员的状态评估，估计操作员当前是否适合该任务，以及对无人机任务控制站任务可做出相应的调整。