主权项 |
基于蓝牙脑电耳机和安卓手机的疲劳驾驶检测预警系统,其特征在于,含有:蓝牙脑电耳机和Andriod手机,其中:蓝牙脑电耳机,是由NeuroSky公司生产的MindWave Mobile蓝牙耳机,一个输入端与放置在驾驶员前额的脑电传感器的输出端相连,另一个输入端与放置在驾驶员耳部的参考电极接触点相连,输入驾驶员的脑电波信号,由所述的蓝牙脑电耳机内集成的脑电感知芯片ThinkGear从脑电波信号中提取专注度Attention信号和冥想度Meditation信号,其中,Attention信号的大小反映了使用者注意力的集中程度,Attention的取值范围是0到100,取值越高表明使用者的注意力越集中,Meditation信号的大小反映了使用者的冥想状态,取值范围是0到100,当Meditation取值较高时大脑活动会有明显减少,再通过所述的蓝牙脑电耳机内集成的蓝牙模块以每秒钟一次的速率发送给集成蓝牙模块的安卓手机内,安卓手机,是一种运行Android 2.3系统软件的手机,内置有基于KNN算法的疲劳驾驶检测软件,依次按以下步骤进行疲劳驾驶检测:步骤(1),所述疲劳驾驶检测软件初始化:设立Attention数据滑动窗口,用W<sub>A</sub>[60]表示,窗口长度60秒,Meditation数据滑动窗口,用W<sub>M</sub>[60]表示,窗口长度60秒,相关系数C的滑动窗口,用W<sub>C</sub>[60]表示,窗口长度60秒,步骤(2),按每秒一次的采样速率读取所述的驾驶员的Attention脑电信号数据以及所述的Meditation脑电信号数据一直到所述两个滑动窗口W<sub>A</sub>[60]和W<sub>M</sub>[60]填满为止;步骤(3),按下式计算每个采集时刻的Attention数据和Meditation数据的相关系数C,再按每秒一次的速率把所述的相关系数C放入所述相关系数C的滑动窗口W<sub>C</sub>[60]中,一直到填满为止;<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>C</mi><mo>=</mo><mfrac><mrow><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mrow><mo>(</mo><msub><mi>X</mi><mi>i</mi></msub><mo>-</mo><mover><mi>X</mi><mo>‾</mo></mover><mo>)</mo></mrow><mrow><mo>(</mo><msub><mi>Y</mi><mi>i</mi></msub><mo>-</mo><mover><mi>Y</mi><mo>‾</mo></mover><mo>)</mo></mrow></mrow><mrow><msqrt><mrow><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><msub><mi>X</mi><mi>i</mi></msub><mo>-</mo><mover><mi>X</mi><mo>‾</mo></mover><mo>)</mo></mrow><mn>2</mn></msup></mrow></msqrt><msqrt><mrow><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><msub><mi>Y</mi><mi>i</mi></msub><mo>-</mo><mover><mi>Y</mi><mo>‾</mo></mover><mo>)</mo></mrow><mn>2</mn></msup></mrow></msqrt></mrow></mfrac><mo>,</mo></mrow>]]></math><img file="FDA0000755000480000011.GIF" wi="703" he="255" /></maths>其中i为采样时刻的序号,i=1,2,……,n,n=60;X<sub>i</sub>为时刻i采样得到的Attention数据;<img file="FDA0000755000480000012.GIF" wi="61" he="75" />为在采样周期60秒内的平均值,采用包括时刻i在内的时刻i之前的一个采样周期的数据来计算<img file="FDA0000755000480000013.GIF" wi="86" he="77" />Y<sub>i</sub>为时刻i采样得到的Meditation数据;<img file="FDA0000755000480000014.GIF" wi="52" he="70" />为在采样周期60秒内的平均值,采用包括时刻i在内的时刻i之前的一个采样周期的数据来计算<img file="FDA0000755000480000015.GIF" wi="76" he="74" />步骤(4),在每个采样时刻i,对步骤(3)得到的当前的相关系数C,执行KNN算法,根据大量实验数据得到阈值‑0.1,判断当前采样时刻得到的相关系数C,属于“清醒驾驶”类型或“疲劳驾驶”类型,其判断准则如下:若相关系数大于‑0.1,为“清醒驾驶”类型,执行步骤(2),若相关系数小于等于‑0.1,为“疲劳驾驶”类型,则按设定的报警模式向驾驶者发出相应的报警信号。 |