神经系统疲劳范文（精选12篇）
神经系统疲劳 第1篇
经过几十年的研究, 疲劳检测技术仍远未达到成熟、完善的地步, 国内外主要研究成果如下[3,4,5]: (1) 利用方向盘内置传感器感应驾驶员对航向纠正的速率, 若对方向的掌控迟钝, 则判为疲劳驾驶, 并发出警报。但这个系统并未充分考虑长距直路、路况好的情况。 (2) 利用内置摄像头侦测驾驶员眼部状态, 包括:眼睑、瞳孔变化及眨眼频率等来判断驾驶员是否疲劳。但这个系统并未充分考虑人眼特征差异, 比如:眼眼小的人、睡觉睁眼的人, 戴眼镜的人等。 (3) 利用连续驾车时间来判断驾驶员是否疲劳。这种方法很难扼制短暂停车继续驾驶的人。 (4) 利用后视镜传感器检测车辆是否偏离车道, 若车辆非线性行驶, 则判为疲劳驾驶, 并发出警报。该系统不适合崎岖、颠簸的道路。 (5) 利用驾驶员脸部肤色变化来判断是否疲劳驾驶, 这种方法受光照强度的影响很大。其他如通过检测心跳、血压、明视持久度、能见度、调节时间变动率、闪光融合频率、脑电图、心电图、肌电图等判定疲劳的方法形式单一, 多信息融合系统随之产生, 但其准确性、可靠性有待完善。
1 神经传导速度测定方法
疲劳直接反映了神经的传导时间, 人在疲劳时, 会使神经传导时间明显延时。所以, 神经传导速度可作为反应驾驶员是否疲劳驾驶的基本生理参数。
1.1 感觉神经传导速度测定方法
疲劳早期, 驾驶员主要是感觉障碍, 基本无运动障碍和肌肉萎缩[6], 此时测定感觉神经传导速度对于预防疲劳驾驶、避免交通事故的发生具有重要意义。
检测方法如下 (以桡神经为例) :使用指环电极作为刺激电极, 使用表面电极作为记录电极, 刺激位置为拇指接近虎口的指关节, 记录位置选择手腕桡测或前臂下1/3[6]。测出刺激点与记录点之间的距离S, 并测出刺激开始至感觉神经收缩产生动作电位的潜伏期T。如图1所示。
根据如下公式计算出感觉神经传导速度:
部分感觉神经传导速度可参考表1。
1.2 运动神经传导速度测定方法
运动神经传导速度检查能直接测定运动神经的传导性。根据刺激点与记录电极之间的距离差及潜伏期间隔来推算该段距离内的运动神经传导速度。
检测方法如下 (以尺神经为例) :记录电极与刺激电极均采用表面电极。记录位置为小指, 刺激位置选择腕和肘[6]。分别测出刺激1的潜伏期T1、刺激1与记录之间的距离S1、刺激2的潜伏期T2、刺激2与记录之间的距离S2。如图2所示。
根据如下公式计算出运动神经传导速度:
部分运动神经传导速度可参考表2。
2 系统设计
Á
本系统主要靠检测、计算出的神经传导速度与参考值作比较来判断驾驶员是否疲劳。通过内嵌在方向盘内的电极及腕、肘部的电极来测得神经传导速度的关键参数, 并传入控制系统, 由控制系统通过计算、与参考值进行比较, 最终对是否疲劳作出裁决, 一旦认定疲劳驾驶, 便启动声、光报警系统甚至自动刹车系统, 以避免交通事故的发生。系统框图如图3所示。
3 总结
本文从神经传导速度出发, 阐述了疲劳的测定方法及疲劳驾驶系统设计方法, 以期为预防疲劳驾驶、减少交通事故发生提供一定的参考。文中所使用测定疲劳的方法仍然单一, 且需使用电极, 为驾驶员带来了不便。
摘要：疲劳驾驶是造成交通事故的主要原因之一, 疲劳检测逐渐取得人们的关注, 疲劳检测技术层出不穷, 对预防疲劳驾驶、减少交通事故具有现实重要意义。试图从检测感觉神经传导速度及运动神经传导速度两个生理因素来分析驾驶员是否疲劳, 以期为疲劳驾驶检测提供一定的参考。
关键词：疲劳驾驶,疲劳检测,神经传导速度
参考文献
[1]WANG Qiong, YANG Jing-yu, REN Ming-wu, etal.Driver fatigue detection:a survey[C]//Procof-tthe 6thWord Congress on Intelligent Control and Automation.2006:21-23.
[2]LAL S K L, CRAIG A.A critical review of the psychophysiology of driver fatigue[J].Biologic-al Psychology, 2001, 55 (3) :173-194.
[3]杨海燕, 蒋新华, 聂作先.驾驶员疲劳检测技术研究综述[J].计算机应用研究, 2010, 5.
[4]崔岩, 谢斌, 张俊, 毛恩荣.汽车驾驶人疲劳监测及预警装置研究现状[J].中国科技论文在线.
[5]孙伟, 张为公, 张小瑞, 陈刚.疲劳驾驶预警系统的研究进展[J].汽车电器, 2009, 1.
神经系统疲劳 第2篇
飞机连接耳片故障诊断疲劳损伤评估专家系统
连接耳片是飞机上的重要部件,其使用环境恶劣,极易出现故障引起失效.本文根据大量的.数据、表格和曲线,用Delphi程序设计构造了专家系统的知识库及推理机,从静强度、疲劳强度、疲劳寿命、断裂损伤、临界裂纹及裂纹扩展寿命等方面,结合材料性能、表面加工、干涉配合、大气环境及表面强化等因素,对飞机连接耳片进行疲劳损伤容限的评估.提出了用剩余强度裕度、疲劳裕度、断裂判据、临界裂纹长度、挤压系数、耳片疲劳额定许用基准值、耳片孔边单裂纹综合构形因子、耳片几何因子、耳片试验试件系数、试验可靠性系数、置信系数和特征寿命等参数进行评估的方法.
作 者：邓宗白 周克印 吴永端 作者单位：南京航空航天大学航空宇航学院,南京,210016 刊 名：南京航空航天大学学报 ISTIC EI PKU英文刊名：JOURNAL OF NANJING UNIVERSITY OF AERONAUTICS & ASTRONAUTICS 年，卷(期)：2003 35(1) 分类号：V215.5 关键词：专家系统 疲劳损伤 断裂 Delphi语言英国研制出司机疲劳警报系统 第3篇
司机疲劳警报系统是由英国Loughborough大学睡眠研究中心的科学家研制成功的。该系统能够监控司机表现出的疲劳迹象，并向他们发出警告。系统将一些常见因素作为参考系数，如由于司机睡眠造成的交通事故高发时段、车辆行驶状况，以及司机持续驾驶的时间等，一旦司机昏昏欲睡，声音和图像警示器将对他们提出警告。司机疲劳警报系统在世界各地进行过严格的测试，如今已在包括英国在内的欧盟国家、中东地区和美国投入使用。负责开发该系统的史蒂夫·菲尔德说：“司机睡觉在各国都是最主要的交通事故原因。我们相信，在对抗因司机疲劳和睡眠引起的交通事故的战役中，我们的这一成果将成为全球的领导者。”
那么如何操作该系统呢？当司机进入驾驶室准备上路时，首先要对该装置进行重启。按下“菜单”按钮，显示屏会显示“新司机确定”信息。之后装置会显示确认提示：“已重起并就绪”。司机输入完自己的睡眠信息（共四种）之后，司机疲劳警报系统就作好了持续监测各个参数（如当日时间、司机的睡眠信息、已完成的驾驶时间和类型，以及车辆正在行驶的方式等）的准备。如果认为必要，该装置会激活声音和图像警报，以提醒司机他们已开始表现出疲劳的早期迹象了。
如果交通事故已经发生，一些重要的驾驶数据可以被下载，以帮助鉴定和确认各方面的实际情况，如司机是否启动系统并输入了自己的睡眠信息，系统是否发出了警报，以及司机是否采取了必要的措施进行休息等。
中国地震局解密“独门秘技”——靠月亮预测地震
近日，刚刚解密的中国地震局2004年全国地震趋势预测资料显示，我国科学家用20年时间开创的地震预测理论，成功预测了2004年全国16起五级以上地震当中的14起。
独辟蹊径
长期以来地震预报一直是一项世界级难题。这是由于“上天有路，入地无门”，人们至今还无法对震源深处作任何直接的观测研究。即使在最发达的国家，用仪器测量地震参数也才只有几十年的时间，科学家难以积累起比较完整的资料。
中国地震局分析预报中心研究员尹祥础介绍，地震的孕育过程虽然极其复杂，但地震最主要的物理实质在于震源区介质逐步受到损伤，从而最终导致大规模的突然失稳（破坏）。课题组正是将着眼点放在了地震临界状态上。通过观察检测区域对微小干扰的响应情况，判断该地区是否处于稳定状态。
一根稻草压垮骆驼
尹祥础向记者解释说，在非孕震期或孕震初期，孕震区处于稳定状态，在这种条件下，如果其受力状态增高一点（力学上称之为加载），与之对应的各种物理量（如变形、位移、能量密度等，统称为“响应”）也只增高一点；反之，其受力状态减少一点（力学上称之为“卸载”），其响应也减少一点。但当地震发生前夕，哪怕是极其微小的加载，也会引起巨大的“响应”。这就像一头骆驼背负的稻草重量已经达到了承受的极限，这个时候再增加一根稻草就足以压垮它。我国科学家正是通过观察检测区域对加载的响应和对卸载的响应的比值判断当地是否处于不稳定状态。
月亮帮忙
因为地球表面面积极大，因而科学家不可能人为对检测地区加载或卸载。是月球和太阳等天体与地球之间的万有引力帮了科学家的忙。尹祥础告诉记者，就像月球等天体与地球之间的万有引力作用引发地球潮汐一样，这种引力对地球的固体介质同样产生作用，引发“固体潮”。虽然这种引力作用大小只有1%个大气压，但已经足以帮助科学家预测地震。
据介绍，这种预测方法目前主要用于对地震的中短期预测，提前量约为几个月到几年。
加卸载响应比理论是否适用于预测海底地震呢？尹祥础表示，并不存在原则性困难，我国科学家在此领域也已经开始了相关探索。但目前我国对海底地震的监测力量还很薄弱。这主要是因为监测海底地震活动的成本至少比监测陆地地震活动高出一个量级。虽然尹祥础表示我国受到海底地震影响的可能性不大，但他认为对海底地震进行预测研究仍然是一个需要重视的课题。
日本公司推出内置测试功能车载电池
日本古川电池公司日前在东京举行的国际汽车售后服务市场展上，推出了全球首款内置测试功能的车载电池，为汽车驾驶者随时掌握车载电池的蓄电情况提供了方便。
这款车载电池的表面设计有显示电池寿命的蓝、黄、红3色指示灯，蓝色表示电池处于可使用的正常状态，黄灯显示提醒车主更换电池，红灯则表明电池应马上更换。此外，该电池还设有充电状况显示标志，也是以蓝、黄、红3个小灯显示。这样，电池是否充电完毕及电池寿命如何等情况，均可以按动一个按钮后便一目了然。
本届国际汽车售后服务市场展于本月3日至6日举行。包括日本在内的14个国家和地区的269家相关企业和团体参加了展览，展示了各自最新的汽车售后服务技术和理念。
神经系统疲劳 第4篇
Citation:DU Guan-hong, LI Qing-zhi, DONG Zheng-xin.Fatigue Driving Monitoring System based on Think Gear ASIC Module[J].The Journal of New Industrialization, 2016, 6 (8) :22-30.
0 引言
美国汽车协会 (AAA) 交通安全基金会的一项调查表明:疲劳驾驶在美国的交通事故死亡事件中占据21%的比例, 每年约6400人因此而丧生。但除了行车记录仪以外, 至今市面上仍没有有效监测驾驶者疲劳程度的消费级手段, 医用级于此相关的设备又大都需要繁琐的佩戴过程, 且体积巨大, 费用颇高, 不适合日常生活使用。目前针对疲劳驾驶的检测方法主要分为主观检测和客观检测法。主观检测方法主要通过主观调查表、驾驶员自我记录表、斯坦福睡眠尺度表和皮尔逊疲劳量表等评定, 该方法无法进行疲劳驾驶的实时检测, 客观检测方法分为基于驾驶员外部行为的检测方法和基于生理信号的检测方法。外部行为检测法主要根据驾驶人的外部现 (面部表情, 眼睑闭合等) 估计其疲劳程度, 但其评分标准不易统一, 受个人行为、光线、图像采集角度等条件的影响, 导致检测系统不能始终如一正确地报告驾驶员疲劳状态。基于生理信号的检测方法通过测量脑电、心电、肌电、皮肤电阻等生理信号来判断驾驶员的疲劳状态;在众多生理信号中, 由于脑电信号 (EEG) 直接反映驾驶员的大脑活动, 因此利用脑电信号判断驾驶疲劳被公认为是最准确、最客观的分析方法[1]。
本设备通过对脑电图中各频段的分析, 找到脑部活动所诱发的大脑神经电规律的生理变化, 极其准确对人的精神状态与情绪波动进行捕捉和判别, 极大减少不良精神状态对于驾驶者与车内乘客的安全隐患。
1 系统概述
可穿戴计算是一种前瞻的计算模式, 引领着新的发展潮流, 可穿戴设备在健康监护领域扮演着重要的角色。无线通信网络和微电子的发展, 使得测量生命体征和运动状态的设备更加便携, 以至于可以在不影响人的日常活动的前提下长时间佩戴。[2]本系统主要以无源干电极作为探针电极, 大大简化佩戴与使用的过程, 实现对驾驶者表皮脑电信号的采集。佩戴本系统后, 被探针电极采集的脑电信号将经过神念公司研制的TGAM脑电采集模块, 信号经过滤波、放大、模数转换后通关串口蓝牙送入MCU进行分析。MCU对上述经过处理的数字信号进行分析并做出判断。若判断驾驶者精神状况不佳, 则会做出相应警告。
2 硬件电路设计与设备选型
2.1 MCU主控
智能穿戴类设备应用处理器主要选取低功耗AP以保证续航时间, 主流智能穿戴对处理器性能要求较低, 够用即可[3]。本系统选取意法半导体公司研制的ARM Cortex-M内核单片机—STM32F103ZET6作为整个系统主控。工作主频72MHz;同时ZET6还搭载了一个BXCAN控制器, 只需外接一个收发器便可与CAN网络中的其他节点通讯, 提高本系统在汽车系统中的兼容性。ZET6时钟输入引脚接入8M无源晶振X1, 晶振内部自带电容, 可自行起振。MCU电源由USB口提供5V电压, 在经过DC-DC芯片XC6206降压至3V3进行供电, 并在3V3与5V电源间各接一个1UF滤波电容。Mcu boot0与boot1引脚经10K下拉电阻稳定接地, 保证芯片以用户模式启动。JTAG调试口swdio引脚与swclk引脚分别接10K上下拉电阻接入MCU的SWD调试引脚PA13, PA14以保证SWD正常通讯[4]。
2.2 CAN总线收发电路
CAN总线作为最初就专门为车辆通讯设计的现场总线, 在车间通讯和车联网领域有着不可或缺的作用[5]。MCU携带的BXCAN通过引脚PB9, PB8与CAN收发芯片TJA1050串行通讯, TJA1050是控制器区域网络 (CAN) 协议控制器和物理总线之间的接口, 是一种标准的高速CAN收发器。TJA1050可以为总线提供差动发送性能, 为CAN控制器提供差动接收性能。总线间数据传输通过收发器间电平转换, 由串口数据转化成CAN总线差分电平, CAN两根线间并联120R终端电阻, 以使阻抗连续, 消除反射。
2.3 蓝牙4.0透传电路
本系统采用支持最新蓝牙4.0技术的SPP-A蓝牙模块, 具有极低的运行和待机功耗可以使一粒纽扣电池连续工作数年之久。此外, 低成本和跨厂商互操作性, 3毫秒低延迟、100米以上超长距离、AES-128加密等诸多特色。同时还可向下兼容蓝牙2.0设备, 具有良好的实用性。蓝牙使用的是免费的ISM频段, 与工作在同一频段的802.11b和Home RF等无线通信网络共存, 相互之间的干扰在所难免, 为避免干扰, 蓝牙协议采用自适应跳帧的协议[6]。MCU串口USART1通过引脚PA9 (TX) 与PA10 (RX) 连接蓝牙串口模块SPP-A, 以实现与TGAM模块的无线通讯。
2.4 无源探针干电极
人的大脑中有不计其数的神经元负责传导信息, 信息在神经元内以电流形式传导, 传导过程中产生微小电场, 由于神经元数量众多, 神经元的放电现象可在头皮表面产生微弱电位。脑电信号便是通过电极记录下脑细胞群的自发性, 节律性电活动。当人精神趋向于某一状态时, 大量相似的微小电信号可被位于头皮表面的电压传感器 (探针电极) 捕捉到, 但由于其有较高的时变敏感性, 采集过程易受外界环境与人体自身干扰[7]。成年人的脑波信号强度范围在1u V~100u V之间。
在医用研究设备, 如Biopac中, 常常采用银-氯化银电极作为EEG电极 (脑电采集点电极) , 通过在电极与皮肤间涂抹导电凝胶, 减少极—肤间阻抗, 使电极与皮肤间形成耦合通路, 以类似方法的我们称为湿电极。但导电凝胶等电介质不便于清洗, 使用过程也过于繁琐。
本系统使用基于电容耦合信号的原理的无源干电极作为脑电采集点电极, 大大简化了使用过程, 佩戴方便安全。同时系统还采用参考导联组合的电位参考点作为理论上的零电位点, 以便描记到脑电活动原形即电位绝对值。参考导联的电位参考点一般选择在双侧耳垂[8], 因此REF电极 (参考点电极) 参考电位电极采用双面耳夹式设计, 佩戴稳定。
2.5 TGAM脑电采集模块
Neuro Sky公司研制的TGAM脑电采集模块是一款消费级的单通道脑电采集与处理模块。正常状态下成人左前额的脑电活动较为明显, 易于被电极采集。因此将EEG电极置于左前额处, 将REF电极置于耳垂处, 通过计算参考电势, EEG电极和REF电极差分采集脑电信号后送入模块。该模块集成神念公司TGAT芯片, 能直接连接干电极, 读取所采集的原始脑波信号, 模块经运放、滤波、ADC处理转为数字信号, 得到数字信号后, TGAT芯片内部分析出α、β、δ、γ、θ等8组独立脑波数据, 并处理输出Neurosky获得专利的e Sense专注度和放松度指数数据, 最后由UART接口输出。此模块采样率为512Hz, 频率范围3Hz-100Hz, 输出512Hz的脑波原始波形数据、8组1Hz的独立的脑波数据及e Sense指数数据。e Sense算法具有动态自学习能力, 它采用“慢速自适应”算法, 可以针对不同使用者脑电波信号在正常范围内的波动趋势和个体差异进行动态补偿。由于采用了自适应技术, 使得本设备能够适用于不同的人群和不同的周边环境, 并且在这些不同的应用场景下都能够具有非常好的准确性和可靠性。
3 数据的检测及处理
3.1 脑集中度测量
传统脑电图学认为, 人类的脑电图是由各种频率和波形构成的, 形态复杂多样。在严格意义上, 脑电图不是正弦波, 但仍可以看作是近似正弦波的生物电现象[9], 且通常以正弦波的频率与波形进行描述通过EEG电极, 探测大脑不同部位以及不同波段的电位变化, 并将其放大至可分析观测的水平, 便可获得实时脑电数据。本设备使用神念公司开发的TGAT生物信号处理芯片, 集成Neuro Sky e Sense算法, 解读出“e Sense参数”。其中“e Sense专注度指数”表明了使用者精神“集中度”水平或“注意度”水平的强烈程度, 该指数值的范围是0到100[10]。心烦意乱、精神恍惚、注意力不集中以及焦虑等精神状态都将降低专注度指数的数值。“e Sense放松度指数”表明了使用者精神“平静度”水平或者“放松度”水平。闭上眼睛通常是提高放松度值的有效方法。为了极化两种状态的特征波形, 本文以阅读与闭目养神作为诱发事件, 分别采集两种状态下的脑电实时波形, 选择20岁左右成年男性作为测试样本, 测试结果如图4图5所示。
在两种不同精神状态下, 脑波信号变化明显, 可见该设备可准确判别样本精神状态的变化, 为系统提供可靠的使用者状态判断依据。
3.2 MCU数据处理及程序设计
MCU程序流程图如图8所示, 系统整体程序由四部分组成:上下行通讯, 数据采样分析, PID控制器, 行车数据的传递。系统启动后将首先进行各外设初始化, 完成后循环抓取串口缓冲区中的数据, 当抓取数据特征位符合数据流特征位时, 视蓝牙连接正常。本系统蓝牙采用115200bps 8N1模式, 保证数据传输的实效性与准确性。
当蓝牙正常连接时, 通过蓝牙串口, MCU收到由TGAM采集处理过的脑波数据流, 其中小包数据为实时发送的原始脑波数据, 大包数据为经过e Sense算法分析处理过的e Sense参数。系统将每秒抓取一次蓝牙回传的脑电数据, 当信号强度高于80%时, 视为使用者正常佩戴, 系统自检通过。自检通过后, MCU将连续抓取10S内的所有脑电数据, 以冒泡排序法舍弃最大值与最小值, 在对剩余数据取平均值, 得到较为准确的脑电数据并以此作为对使用者精神状态的判别依据。每次采样结果将被系统记录于系统内存空间中特定缓冲区内, 以绘制使用者精神状态折线图, 正常状态下成年人精神状态趋向波动平稳, 系统将通过记录下的数据, 计算波峰与波谷的均值, 再在每次数据更新时比较新数据与前一次数据折线的斜率, 以获得佩戴者精神状态变化速率, 当斜率呈现负增长时, 系统将加快数据更新频率至3S更新一次数据, 并在专注参数低于阈值时, 向驾驶者进行报警, 同时向行车电脑发送制动信号。
系统采用STM32F1自带的BXCAN与行车电脑进行通讯, can总线配置根据不同车载系统可单独定制, 系统本身作为一个节点, 接入使用者车辆CAN总线中, 若检测到使用者专注度指数低于阈值, 则通过总线传递制动信号数据, 同时传回的车辆行驶速度与行程信息作为反馈传回系统进行误差控制, 以保证车辆不会发生因为制动过猛而失控或在高速路中突然停车等超调现象。
本系统采用增量式数字PID控制, 通过每一控制周期从行车电脑中读取当前车辆行驶速度vi_Feed Back, 将vi_Feed Back与根据脑电数据分析得出的车辆期望速度vi_Ref比较, 有以下公式求得速度偏差error1与速度偏差率d_error.
当佩戴者精神状态正常时, 本系统PID控制器不参与调控, 当佩戴者出现精神状态不振时, 则将代入系统预设的期望车速, 同时PID控制器参与调控车速。
3.3 抗干扰能力
本设备噪声主要来自眼电、肌电等人体自身电信号, 外界电子信号干扰等。如图9所示, 当充电USB线靠近至10cm左右时, 噪声明显变强, 但通过系统多个滤波器对脑电信号进行滤波与放大, 系统仍能获得较为准确的脑波数据。
如图10所示, 当样本处于正常精神状态下, 频繁眨眼可能导致噪声峰值陡增, 但几乎不影响设备对于脑电信号的采集, 眼电伪迹被设备准确判别, 并加以过滤。
4 结论
本文主要阐述了一种可穿戴的通过实时检测驾驶者的脑波信号, 实现对驾驶者精神状态判断的系统, 通过简易方便的佩戴方式提高了其易用性, 无线蓝牙连接增加了系统的便捷性, 抗干扰性能优良, 足以在日常干扰条件下实现对脑波的准确采集, 使本系统佩戴者在驾驶期间的精神状态保持在安全驾驶要求的范围内, 有助于倡导安全驾驶, 减少疲劳驾驶所引起的交通事故。
附录:硬件电路设计原理图与实物图
参考文献
[1]叶柠, 孙宇舸.基于EEG小波包子带能量比的疲劳驾驶检测方法[J].东北大学学报 (自然科学版) , 2012.08.YE Ning, SUN Yu-ge.A Fatigue Driving Detection Method Based on Wavelet Packet Sub-band Energy Ratio of EEG[J], Journal of Northeastern University (NATURAL SCIENCE EDITION) , 2012.08.
[2]吴金奖, 陈建新, 田峰, 等.可穿戴无线生理参数监测设备的设计与实现[J].计算机应用, 2014, S2:330-332+351.WU Jin-jiang, CHEN Jian-xin, TIAN Feng, ZHOU Liang.Design and implementation of wearable wireless physiological parameter monitoring device[J].Journal of Computer Applications, 2014, S2:330-332+351.
[3]刘思言.可穿戴智能设备引领未来终端市场诸多关键技术仍待突破[J].世界电信, 2013, 12:38-42.LIU Si-yan.Wearable smart devices to lead the future market to many key technical breakthrough terminal[J].World Telecommunications, 2013, 12:38-42.
[4]Yiu J, 宋岩译.ARM Cortex-3权威指南[M].北京:北京航空航大学出版社, 2009.YIU J, SONG Yan translated.Cortex-3 ARM authoritative guide[M].Beijing, Beijing University of Aeronautics and Astronautics Press, 2009.
[5]李春艳, 陈敬轩.CAN通讯中的一种动态自同步方法设计[J].新型工业化, 2015, 5 (4) :55-60.LI Chunyan, CHEN Jingxuan.A Design of a Dynamic Synchronized Method in CAN[J].The Journal of New Industrialization, 2015, 5 (4) :55-60.
[6]余飞, 庄奕琪.蓝牙数据传输增强技术研究及其基带芯片设计实现[D].西安, 西安科技大学, 2013.YU Fei, ZHUANG Yi-qi.Research on Enhancing the Transmission Performance of Bluetooth and baseband IC design[D].Xi'an, Xi'an University of Science and Technology, 2013.
[7]郇小宁, 黄新林.微弱脑信号专注度特征提取与识别[J].科学技术与工程, 2015 (05) :1671-1815.XUN Xiao-ning, HUANG Xin-lin.The feature extraction and recognition of the concentration degree of weak brain signal[J].Science Technology and Engineering, 2015 (05) :1671-1815.
[8]鲁在清.脑电图的判读与描述及其他[J].现代电生理学杂志, 2011.LU Zai-qing.The interpretation and description of EEG and other[J].The Journal of Modern Electrophysiology, 2011.
[9]鲁在清.脑电图的检测结果及评价[J].现代电生理学杂志, 2010.LU Zai-qing.The detection results of EEG and evaluation[J].The Journal of Modern Electrophysiology, 2010.
[10]王静茜, 莫荣, 蔡晓东.基于NeuroSky TGAM脑机接口的EEG识别[J].读写算 (教研版) , 2014 (13) .WANG Jing-qian, MO Rong, CAI Xiao-dong.EEG recognition based on TGAM NeuroSky brain computer interface[J]..Read Write and Count, 2014 (13) .
如何赶走疲劳？女人疲劳怎么办？ 第5篇
通过饮食来补血是最安全有效的方法。平时可常吃补血食物，如菠菜、花生、莲藕、黑木耳、鸡肉、猪肉、羊肉、海参等;水果可选用桑椹、葡萄、红枣、桂圆等。
女人补血的四种水果
南瓜
被清代名医誉为“补血之妙品”的南瓜，富含植物性蛋白质，胡萝卜素，维生素，必需氨基酸，钙，锌，铁，钴，磷等等。其中，钴是构成维生素B12的的重要成分之一，可以帮助血液中的红血球正常运作;锌则会直接影响成熟红血球的功能;铁质则是制造血红蛋白的基本微量元素食之，全都是补血的优良营养素。
葡萄
葡萄含有丰富的钙，磷和铁，以及多种维生素和氨基酸，是老年，妇女，体弱贫血者和过度疲劳者的滋补佳品。怀孕的妇女也建议可以多多食用，不但对胎儿营养有益，也能使孕妇面色红润，血脉畅通。如果有时买不到葡萄，吃葡萄干也是不错的。
桂圆肉
桂圆含有维生素的A，B，葡萄糖和蔗糖等，而且具丰富的铁质。桂圆汤，桂圆酒等食物，相当推荐孕妇和产妇食用，是颇佳的补血料理。
胡萝卜
胡萝卜俗称红萝卜，日本人称其作人参。胡萝卜含有丰富的β胡萝卜素，这种营养对补血有极佳益处，平常可多用胡萝卜煮汤，让您的餐后汤饮变成过平时就可喝的补血汤品。
疲劳食谱推荐：补血甜汤。
原料：水发黑木耳50克，花生50克，红枣15枚，山药100克，冰糖适量。
做法：把原料洗净放入沙锅，加适量的水，炖煮2小时左右即可。
用法：每天喝一大碗，坚持1周就能有明显的效果。
药膳帮忙
常用的补血中药有当归、熟地、川芎、白芍、阿胶等，可用这些中药和补血的食物一起做成可口的药膳，如当归羊肉汤、四物鸡汤等，均有很好的养血效果。
四物鸡汤
原料：乌骨鸡1只、当归3钱、川芎2钱、白芍3钱、熟地3钱、生姜5钱。
做法：
1、将鸡宰杀后去毛、脚、肉脏。入沸水中滚烫一下，再入清水中冲洗。
2、当归、川芎、白芍、熟地洗净，分别切成薄片，放入布袋中。
3、将鸡与药一起投入砂锅中，加水约1000cc、，大火煮沸后，捞去浮末，再加入姜片，转至小火，炖至鸡肉和骨骼软烂，调味并捞弃药包、姜片即成。
功效：
当归含挥发油及维生素E，有补血与活血之功效;白芍柔肝止痛;生地黄(简称生地)养阴生津;川芎有行气活血作用，可加强当归的补血功效。
合而为汤，味道鲜美，能滋阴补血，增进血液循环，红润脸色，适合一般人士饮用，而对身体虚弱，血虚体质的人，或女士经期后尤为适宜。但感冒、脾胃湿热、腹泻的人不适合饮用。
当归羊肉汤
原料：羊肉200克，当归20克，生姜50克，葱白段10克，植物油20克，食盐、味精、水各适量。
做法：
1、将羊肉洗净，生姜洗净，切片待用。
2、炒锅上火，下油，油热后，加入羊肉，翻炒几下，加水、生姜、葱白、当归，旺火烧开，改用文火炖半小时后，加入盐、味精各适量即可。
功效：
疲劳久不解，当心疲劳综合征 第6篇
慢性疲劳综合征患者多为21～50岁的青壮年，女性略多于男性。发病原因主要是与自身存在的性格易患性或心理异常有关，表现为好争辩、情绪化、抑郁和焦虑等。在此基础上，再受到感冒的影响，或受到重大精神创伤的刺激，或长期处于过度疲劳、精神紧张及生活无规律情况下，便会产生慢性疲劳综合征。其特点有三：一是出现慢性或反复性的疲劳，并且这种疲劳不能通过充分休息来彻底缓解，即便一天睡12个小时也不行。二是这种疲劳状态持续时间很长，病史往往超过半年，甚至可达数年，在疲劳的同时可伴低热，头痛、全身肌肉及关节疼痛等症状，可伴有失眠的发生，也可处于嗜睡状态，或者二者交替发生。三是全身体检查无明显异常，未发现器质性病变。
慢性疲劳综合征一般治疗原则为重视睡眠调整、加强心理调节和必要药物治疗等。1.睡眠调整的要点是合理安排作息时间，晚上11时之前睡觉，保障夜间有不少于7小时的充分睡眠。同时注意参加适宜运动锻炼，以步行、慢跑、骑车、打球、游泳等有氧运动为主，每周3～5次，每次30～60分钟。2.心理调节的要点是积极消除不良情绪，减轻思想压力，以保持乐观情绪，直面生活。莫因医生告知自己患了慢性疲劳综合征而产生新的思想顾虑，也不要认为慢性疲劳综合征就是太劳累了，只是休息而随意减少活动。3.在药物治疗方面，西医尚未研究出有效药物，目前多用中医中药治疗，例如，用西洋参、牛蒡根、枸杞、蒲公英、菊花等制成茶，每日3次饮用，有助于改善及缓解疲劳症状。
神经系统疲劳 第7篇
为了减少因疲劳驾驶而引发的交通事故,驾驶员疲劳监测技术已经成为国内外专家和学者研究的热点。目前,国内外的研究都还处于方法的探索阶段,主要解决方案是借助各种侦查仪器对驾驶员身体指标或驾驶行为状态的特异性进行实时监测、客观评价并进行提示预警的方法。脉搏信号作为人体生理信号之一,包含丰富的人体信息,其中不乏疲劳信息。为研究脉搏信号中包含的驾驶员程度疲劳的信息,本文开发了基于VB语言和Access数据库的驾驶员疲劳监测系统。通过集成化数字脉搏传感器采集脉搏信号,应用小波阈值消噪法对信号进行预处理,最后通过功率谱分析求得脉搏信号与驾驶员疲劳程度之间的关系。
1 驾驶员疲劳监测系统的整体方案
为满足实验需求,开发了驾驶员疲劳监测系统。本系统通过压力传感器采集测试者的脉搏信号,并通过USB接口传给PC机,通过脉搏信号采集软件,实现对脉搏信号的实时显示、存储和分析。并利用PC机对数字信号进行具体详细的分析。总体设计方案如图1.1所示。
1.1脉搏传感器的选择
现有的脉搏传感器根据其工作原理的不同可分为四种:压力传感器、光电传感器、传声器及超声多普勒检测技术。目前脉搏传感器中以压电聚合物PVDF(Polyvinylidene Fluoride) 作为压电材料的最为常用。综合考虑所需精度和产品性能,选取了合肥华科电子技术研究所研制开发的基于PVDF压电膜的HK-2000C型集成化数字脉搏传感器。该产品采用压电式原理采集信号,通过集成化电路进行滤波,模拟信号输出,输出同步于脉搏波动的脉冲信号,直接通过USB接口输出脉搏波波形数据。
1.2驾驶员疲劳监测预警系统的开发
基于脉搏信号的驾驶员疲劳监测系统软件软件的整体结构框图如图1.2所示。设计的主要目标是完成对驾驶员脉搏信号的实时监测、存储以及处理和分析。
本系统软件的开发是基于VB6.0编程语言和Access数据库编写的,包括三个功能模块,分别是建立档案模块,脉搏信号监测模块和信号分析模块。
在进行监测时,测试者先进入建立档案模块,填写测试者的姓名、性别、年龄、身高、体重、汽车型号、联系电话、工作单位、从事职业以及个人照片等信息。成功登陆后,通过脉搏信号监测模块,将传感器采集到的脉搏波信号实时地显示在屏幕上,当波形稳定后将测试状态和信号数据作为一条记录进行存储。也可进入信号分析模块系统,选择已存储的测试者数据记录,对已经存储的数据进行波形回放显示,或对已采集的信号进行滤波处理,分析信号并提取脉搏波形特征点,计算脉搏各项指数。
2 信号处理方法
根据采集数据的特点,要保证采集数据的客观有效性和实验结果的准确性,必须对数据信号进行准确有效的处理。
2.1脉搏信号滤波
脉搏信号是一种微弱的低频信号,具有较低的信噪比,正常人的脉搏信号频率在0-20Hz范围内,且大约99% 的能量分布在0~10Hz。通过传感器采集的脉搏信号中常存在以下3种噪声:(1) 频率小于1Hz低频干扰信号主要由基线漂移和人体呼吸等引起;(2) 由肢体抖动或肌肉紧张而引起的干扰,它的频率范围较大;(3) 由采集设备引起固定频率为50Hz的工频干扰。
集成化的数字脉搏传感器虽然在采集过程中已经对信号进行了硬件滤波处理,但是消除这些干扰的结果并不理想,因此还需要进行软件滤波。我们采取了小波软阈值法进行消噪处理。
小波阈值消噪法的原理,是对小波分解后的各层系数中大于和小于所设定阈值的系数分别进行处理, 将小波系数低于阈值的部分置零,然后再进行信号重构,从而达到消除噪声的目的。处理阈值的方法有软阈值法和硬阈值法。假如用t表示阈值,则硬阈值信号f(x)
软阈值函数定义为:
对于采样频率为200Hz的脉搏信号,本文选择db5小波对采集得到的脉搏信号进行10层分解,去除d8层上的低频噪声分量,即可除去基线漂移。将进行阈值处理后的1-3层的细节分量与未作处理的4-7层的细节分量进行小波重构,可得到去除基线漂移和工频干扰等噪声后的光滑信号。消噪效果可见图2.1原始信号与消噪后的信号对比图。
2.2 信号分析与特征提取
脉搏波图的特征点实质上就是脉搏波压力曲线的拐点,它是心动周期中力学转变过程的转变点,因而这些拐点都有明确的生理意义,也是研究脉搏信号特征的重要依据。常见的脉搏信号分析方法有时域估计的直观形态法、多因素识脉法、脉象速率图法、脉图面积法,频域估计的功率谱和倒谱分析,时频联合分析法的小波分析、经验模态分析等。
由于时域方法提取的信号特征容易出现错误判断,基于脉搏信号特征提取的准确性需求,本文采用功率谱估计进行脉搏信号的提取和分析。对时域信号进行傅立叶变换,即可将时域内的周期变换为频域内的谱线及谐波。由脉搏波信号的生理特征可知,脉搏信号功率谱上的第一主峰的频率就反映了心脏的搏动频率。对实验结果的分析过程中,选择提取脉搏信号的功率谱第一主峰峰值和峰值频率作为特征量。
3 实验结果与讨论
我们在实验室以自觉的疲劳状态为依据,分别在测试者清醒时和疲劳时进行了脉搏信号的采集。对采集到的信号先进行消噪处理,然后进行功率谱分析。
对脉搏信号进行去除极限漂移和直流分量后作快速傅里叶变换,得到脉搏信号的功率谱图。如图3.1为清醒状态和重度疲劳状态时的功率谱图。
由图3.1脉搏信号功率谱图可以看出,随着实验人员疲劳程度的增加,脉搏信号的主频呈下降趋势。功率谱信号谐波与基波之比亦呈上升趋势,所以此比值亦可作为估计驾驶员疲劳程度的特征之一。
驱动疲劳试验机液压系统的设计 第8篇
液压系统的作用是给液压疲劳试验机供给压力源, 组成部分包括伺服控制系统、液压动力机构以及部分液压辅助设备等, 运动介质为液压油, 液压缸作为执行机构, 在液压控制系统中利用伺服控制器实现控制压力, 采用电液伺服阀调节液压缸运动比例。试验机内包含的液压测试子回路具有独立性, 数量为两套, 在测试试验机时, 若某个子回路制动软管出现损坏造成压力降低, 与测试压力最低值相等后, 当液压系统不再提供压力源, 另外一个试验机的子回路状态不发生改变。
1 液压系统的技术要求
液压制动疲劳试验机在液压系统上提出的基本要求:测试两件相同试件, 压力范围设置为1516.8到1620.3千帕, 不间断运行三十五个小时, 管内压力出现降低后, 停止向已发生损坏的软管供应压力;并对管路中的压力值采用实时监测, 可实现在系统停止后仍然可记录管路中的压力值。
在水中完制动软管试验, 水表面产生的粘度系数较小, 对液压原件不会造成腐蚀, 在传统的液压回路中不适合使用该方式, 在液压系统中采用两种不同的工作介质, 包括乳化液与矿物油, 该物质的组成部分为防腐剂与水的混合体, 通过该方式可实现压力调节, 系统寿命增长, 系统要求得到满足;运行液压调节子系统使用的介质为矿物油, 测试软管回路时在测试的软管中通入乳化液。系统内设置夹紧油路, 可有效地定位软管固定管接头的活动梁, 与之前设计的铰链夹紧机构, 可实现有关动作, 包括松开、夹紧等。
2 液压执行机构设计
2.1 执行机构选型
液压系统中应用的液压油是矿物油, 软管中含有的液体为乳化液, 可实现油与水之间的相分离, 通过两个液压缸连接故拟定执行器。设计系统时应用球铰连接增压器与工作液压缸, 可提高工作压力可调节范围, 液压泵的压力等级也有所下降, 系统投入的成本降低, 系统操作安全性与可靠性更高, 同时压力提高, 油与水相分离。
夹紧油路的功能主要为夹具松动与夹紧, 拟定液压缸可产生的最大推力是5KN, 与已设计成熟的夹具机构相结合, 实现有关动作。执行器作为一种较轻的拉杆式液压缸, 缸体内部构造为无缝钢管, 按照不同的工作压力选择对应的管壁厚度。经过结构缓冲后可使性能的稳定性得到提升, 压力范围在3.5—21MPa之间。
2.2 选择液压回路
(1) 在压力调节—卸荷回路中, 主要作用为完成压力供应并可以向其他设备提供稳定压力, 调节试件压力可通过伺服阀方式实现。利用直动式电液伺服阀科提高压力调节能力, 完成压力线性调节, 并符合试验机的基本工作要求。
(2) 利用球铰实现增压器与工作液压缸连接, 完成对回路的测试, 提升测试能力, 实现分离水与由。
(3) 通过夹紧油路, 实现夹具的多种动作, 包括松开与夹紧。
(4) 采用换向阀配合单向阀的方式, 可实现在同一时间测试两根软管, 其中一根软管出现损坏后可停止该软管压力, 实现独立测试两根软管回路。
(5) 液压源, 该设计内回路中产生的流量较小, 同时不会产生较大变化, 测试压力也较小, 可应用比较成熟且经济的流量较小的定量叶片泵。
2.3 合成液压回路
选择液压系统回路后, 采用适合的方式结合各个回路, 并去除较多的液压元件, 合并功能相同的元件, 从而可获得液压回路基本原理图。
利用电磁阀的电磁铁方式控制系统基本功能, 由于直动式电液伺服阀是一种输入模拟控制信号, 因此单独介绍, 剩余应用数字信号实现对液压阀动作顺序的有效控制, 如下表1中显示的全部电磁铁动作。
应用带有反馈系统的伺服阀, 可提高控制试验压力的准确性。利用线性输入信号的方式, 实现控制电液伺服阀信号, 阀口开启面积表现为线性化, 准确度与精度提高, 同时可实现溢流量线性化。
综上所述, 下图1表示已绘制的液压回路基本原理。
3 液压元件选型设计
3.1 液压泵选型设计
通过上表1可得, 系统液压执行工作压力通过两个试件软管入口处无破损的压力=1620.3k Pa+1620.3k Pa=3240.6k Pa与夹具上方夹紧液压缸入口位置的压力值为3.5兆帕, 产生的推力最大值为7.1KN, 通过上图1可得, 单向阀与三位四通换向阀位于增压器、液压缸以及泵之间, 同时将测试油路中产生的乳化液水箱等管路会产生一定的压力损失, 因此, 取泵到执行器上产生的全部压力损失值为ΣΔP=1MP, 如下为按液压泵工作压力公式:
测试子回路内全部压力值:P=P1+P2=1.62+1.62=3.24MPa
处于正常转动情况下的压力泵, 计算输出的压力值为:
测试回路时, 回路中产生的流量最大值为软管中的容积, 因此该回路中的最大流量较小;夹紧回路中使用的活塞杆直径为22毫米, 缸径为50毫米, 设计系统活动距离比轻型100毫米拉杆式液压缸值低, 产生的流量值较小;系统处于工作状态下, 会存在一定的伺服反馈调压, 损失一定量的力量, 获取服阀流量最小值为2L/min, 取系统的侧漏系数值为, 流量较大取其中较小值, 流量较小时取较大值, 因此侧漏系数为1.3时的公式如下:
液压缸产生的流量最大值的计算公式为:
得到泵产生的实际流量值qz=3L/min。
通过确定液压泵压力与流量的比例, 根据以下功率公式进行计算:
Pz——表示液压泵可承受的工作压力最大值;
qz——表示液压泵实际工作流量;
ηz——表示为液压泵整体工作效率;
通过机械设计手册, 选择的单级叶片泵型号为YB-A6BDTFL-1。图2为液压系统总体装配。
运行液压站的主要驱动装置为泵组, 组成部分包括液压马达与液压泵。基于液压泵理论公式对型号为YB-A6BDTFL-1的单级叶片泵计算, 并得到理论值, 额定压力值为7兆帕, 排量为6.5毫升每分钟, 驱动功率为1.0千瓦, 输出流量为每分钟4升, 额定转动速度为每分钟1000转, 转动速度最高可达到每分钟2000转, 转动速度最低为每分钟800转, 转动的方向为逆时针, 设计时应用的电机为河南黄河电机厂生产的型号为Y280S-6的三相异步电机, 该电机的额定功率为25千瓦, 额定转动速度为每分钟1000转。与型号为YB-A6BDTFL-1的单级叶片泵应用要求相同。连接电机与液压泵过程中, 轴心的准确性具有一定保障, 产生的误差值不能高于正负0.01毫米。
3.2 液压阀选型设计
以文本设计的液压系统基本需求作为基础, 在选择控制阀时需要对控制元件流体流量、方向以及压力的方式实现, 电液伺服根据输出特性的不同, 可划分多种不同种类的控制阀, 如压力、流量、压力 -流量等;主要的结构形式分为喷嘴挡板、圆柱滑阀以及射流管阀等, 以液压系统基本需求为主, 可选择系统中使用的伺服控制阀为圆柱滑阀结构的QDYD—I直动式电液伺服阀作。
下图3表示系统中使用的直动式电液伺服阀内部构造图, 通过零位调节螺塞调节零偏, 安装阀套的目的是减少阀芯之间产生的摩擦, 可提高控制准确性。
图4为QDYD—I电气原理图, 由原理图可知, 首先比较器会对输入信号做出对比, 然后调幅器将调幅处理传送至反馈环, 最后输出控制信号由反馈调节送达液压驱动器。
基本设计理论作为基础, 通过调整额定流量较小的电液伺服阀, 可提高系统运行效率, 该设计中绘制的阀功率特性曲线对液压系统运动轨迹覆盖, 因此采用的伺服阀额定流量为10分钟每升, 零位泄漏值的大小为0.8每分钟每升。通过以上分析可获得相关特性, 见下表3。
通过电信号转换液压信号控制的液压阀成为直动式电液伺服阀, 系统压力按照输入不同大小的信号值控制, 该方式适合在自动化系统中使用, 该系统会产生较多变化的级别, 主要在注塑机等高压力调节系统中应用。
4 结论
本文主要介绍液压制动疲劳试验机液压系统的主要技术与整体结构, 分析并进一步计算负载结构, 并对系统中使用的动力源液压泵组机构进行确定, 得到与试验机供压需求相符的液压马达与液压泵。除此以外, 同时简单描述液压系统内直动式电液伺服阀特征与具有控制液压系统的特点, 进一步分析与计算试验机液压系统负载, 最终对设计的试验液压机系统进行确定, 为试验机的液压系统研制和装配提供了理论依据和技术保障。
参考文献
[1]姚建庚.电液伺服控制系统的应用[J].机电信息.1998, 25 (02) :12-20.
[2]陈宝伦.液压操动机构的设计与应用[J].北京:机械工业出版社, 2011 (04) :105-108.
[3]张立平.液压控制系统及设计[M].北京:化学工业出版社, 2006:11-14.
[4]马德庆.液压系统常见故障及解决方法[J].设备管理与维修, 2008 (04) :30-31.
[5]贺利乐, 吕刚, 张平, 郑建校.液压与液力传动[J].北京:国防出版社, 2011 (01) :112-116.
疲劳预警的长途客车监控系统的设计 第9篇
随着汽车的普及和公路交通网的全面建设, 针对长途客车监控中存在的不足, 提出一种疲劳预警的长途客车监控系统。该系统是基于ARM11 嵌入式系统的。通过对客车驾驶员人眼运动的检测来进行疲劳判断和预警[1];采用人脸识别技术实现长途客车乘客身份的识别和认证;采用RFID技术对乘客的行李物品进行登记和关联[2];利用GPS对长途客车进行实时定位;通过GPRS无线网络进行监控中心和长途客车的实时通信。该长途客车监控系统可以对客车的运行状况和驾驶员的疲劳程度进行实时的监控, 确保乘客的人身和财产安全。
1 长途客车监控系统的结构
长途客车监控系统终端有RFID模块、乘客图像采集模块、GPS模块、超员检测和疲劳检测模块等组成, 监控系统原理如图1 所示。
(1) 乘客上车时, 要发放一个存有自己行李信息的智能腕扣, 下车时凭腕扣领取自己的行李物品, 当出现拿错行李状况时, 系统将发出实时的语音提示, 有效的保证了乘客的财产安全。
(2) GPS模块是利用全球卫星定位系统对客车进行实时的定位, 通过GPRS模块把客车的实时位置信息传送给客车监控中心[3]。
(3) GPRS模块是通过无线通信网络将车辆具体信息实时传送给监控中心, 同时将监控中心对客车的调度信息传送到驾驶员, 实现对客车的实时调度和管理[4]。
(4) 人眼疲劳检测模块是由车载USB高清摄像头对驾驶员进行实时的视频图像采集, 采用Haar特征的级联分类器检测出人眼区域, 用帧差方法对其跟踪, 提取差分统计特征, 结合三个准则判断驾驶员的疲劳状态。
(5) 超员检测模块是有光电传感器和压电开关组成, 当车门打开有乘客上下车时, 通过车门处的光电传感器和压电开关技术, 将计数结果与客车的荷载人数进行比较, 如果大于客车荷载人数即为超远驾驶, 并将情况发送给远程监控中心。其检测原理如图2 所示。
2 校车监控系统的硬件设计
本系统硬件系统结构如图3 所示, 由S3C6410 微处理器、图像采集模块、RFID模块、GPS定位模块、GPRS通信模块、人眼疲劳检测模块及相应的通信接口模块组成[5]。
本系统采用的是基于ARM11 内核16/32 位的RSIC处理器S3C6410, 它采用的是64/32 位总线架构, 由AXI、AHB和APB总线组成。同时其内部还集有像视频处理、音频处理、二维图形、显示处理等强大的硬件加速器。S3C6410 还包括有许多硬件外设, 如一个相机接口、TFT24 位真彩色液晶显示控制器、系统管理器、4 通道UART、32 通道DMA、通用的I/O端口、IIS总线接口、USB主设备等, 从根本减少了系统的成本和提高整体功能[6]。
3 校车监控系统的软件设计
3.1 软件设计思想
嵌入式软件系统主要包含:系统引导加载程序、嵌入式Linux内核的定制、根文件系统以及应用程序的设计[7]。监控终端系统软件结构如图4 所示。
Boot Loader采用的是U-Boot来引导操作的, 嵌入式操作系统采用升级的Linux3.0.8 版本, 该内核对视频及大数据的处理进行了优化, 内核也具有更好的调度策略, 实时性有较大的提高。
3.2 驾驶员的疲劳检测和预警
目前识别疲劳状态的方法主要有:物理反应, 如睁闭眼的时间、眨眼的频率、打瞌睡等;生理信号, 如心率、脑电图、呼吸频率等。非接触式的眼状态检测能很好的反映当前人的疲劳状态[8,9,10]。
在长途客车的监控系统中, 对驾驶员的疲劳检测和预警是设计的关键所在, 本文通过检测人眼运动来判断驾驶员的疲劳程度, 可以预防由于疲劳驾驶所造成的客车安全事故的可能性。
3.2.1 人眼的检测
目前检测人眼的方法主要有:基于知识和基于统计两类方法。本文设计的人眼检测方法采用Adaboost算法[11], 训练出合适的分类器模板进行匹配得到人脸区域, 识别的流程图如图5 所示。
3.2.2 疲劳判定
可以通过人眼的眨眼频率以及时长等参数判断该用户的疲劳状况。
(1) 非疲劳状态下, 正常人眨眼周期在3 到6 秒之间。个体疲劳, 将会增加该周期。
(2) 日常生活中, 非疲劳状态下自然闭眼时间0.2~0.4 秒, 如果眼睛持续闭合达3s左右, 则判断已处于疲劳状态。
(3) Perclos值:Perclos是美国卡内基隆研究所提出的度量人眼疲劳的物理量, 其值有公式 (1) 求出:
3.2.3 疲劳特征的提取
(1) 眨眼频率。通过采集到的图像中用户眼睛内部的黑色像素来判断眼睛的状态, 统计一段时间内眨眼的次数, 来计算眨眼的频率。
(2) 闭眼时间。假设系统处理一帧视频图像的时间为100ms, 测得连续3 帧以上的图像是闭眼状态且中间没有睁眼状态, 眼睛的闭眼持续时间达到3s左右, 则可判断人已处于疲劳状态。
3.3 系统的应用程序设计
本文设计的长途客车监控系统的各种功能主要是有应用程序完成的。为了节约成本和有效利用CPU, 本系统采用了多进程技术来实现系统任务的调度, 系统运行时, 先加载设备的驱动程序, 再调用应用程序, 完成如下的功能:
通过摄像头对采集乘客的图像信息进行采集;通过GPS获取长途客车实时的位置信息;通过电子标签阅读器采集乘客的行李物品信息。
信息的处理模块:对采集到的人脸图像进行人脸识别处理, 从而实现对乘客身份的确认;对驾驶员进行实时的人脸图像采集, 通过对其眼睛运动的检测判断驾驶员的疲劳程度;对客车进行实时的GPS定位。
4 结语
本文设计的长途客车监控系统主要采用ARM11 作为主控硬件平台, 利用RFID技术对乘客的行李物品进行登记和关联;利用带USB接口的摄像头实现乘客人脸图像的采集和处理, 并进行人脸识别;通过对驾驶员人眼运动的检测判断是否为疲劳驾驶;采用多传感器的融合技术对客车进行超员检测;采用GPRS模块把客车的信息通过无线网络发送到客车监控中心。本客车监控系统是基于开源性Linux操作系统开发的, 开发的成本大大降低。本客车监控系统能对长途客车进行实时的定位跟踪、超速检测和驾驶员的疲劳检测等, 能很好保证乘客的人身和财产安全。
参考文献
[1]王磊, 吴晓娟, 俞梦孙.驾驶疲劳/瞌睡检测方法的研究进展[J].生物医学工程杂志, 2007, 24 (1) :245-248
[2]王磊, 陈林, 刘海.基于有源RFID的校车管理系统的研究与实现[J].公路交通技术, 2015 (2) :277-279
[3]舒星.GPS等电子技术在智能公共交通系统中应用浅谈[J].中国科技纵横, 2011 (15) :364-365
[4]吴晓彬, 杜东高.基于GPRS的车辆监控系统技术研究[J].现代电子技术, 2012, 34 (24) :107-109
[5]冯清, 林培杰, 赖云锋.校车监控终端系统的设计与实现[J].微型机与应用, 2012, 31 (22) :50-52
[6]周名, 温总周.基于RM11的旅游车辆监控系统的设计[J].电子设计工程, 2015, 43 (2) :145-147
神经系统疲劳 第10篇
关键词：TGAM,Arduino,脑波,疲劳驾驶预警
0 引言
随着现代汽车工业的发展,世界汽车保有量每年都在迅速增长。统计数据表明,截至2015年,我国民用汽车保有量达到17 228万辆,比上年末增长11.5%,其中私人汽车保有量14 399万辆,增长14.4%[1]。每百户家庭拥有私家车31辆,汽车占机动车比例达到61.8%,很多市民的代步工具经历了从自行车到摩托车再到汽车的升级换代。
与此同时,道路交通事故发生数量也在不断增加。世界卫生组织在2008年的研究报告中表明,世界上每年死亡人数中有2.2%是由交通事故造成的。而在交通事故中,有57%的灾难性事故都与疲劳驾驶有关[2]。疲劳驾驶一直以来都是影响道路交通安全的重要因素。在疲劳状态下,驾驶员的生理机能、辨识能力和控制能力都会大大下降,甚至会出现反应迟缓的现象,对安全驾驶产生重大影响[3]。
疲劳驾驶客观监测方法是交通安全领域的研究重点,目前应用较多的客观监测方法有基于人生理指标、车辆运行状态、驾驶人行为特征等3种,其中,基于人生理指标中脑电信号(Electroencephalogram,EEG)的监测方法被公认为监测疲劳的“金标准”[4]。
文章利用TGAM脑波芯片对驾驶员在驾驶过程中的脑电数据进行实时检测,经过算法处理后得到疲劳特征值,并根据该数值对驾驶员当前疲劳程度进行分级。同时,针对不同程度的疲劳值,设计对应的预警装置,以此构建出“疲劳检测—特征分级—分级预警”的疲劳驾驶预警系统[5],为目前疲劳驾驶预警提供更加良好可靠的方法与技术。
1 系统原理概述
文章所提出的疲劳驾驶预警系统是基于汽车驾驶员脑电信息参数的预警系统,通过TGAM脑波模块,能够在汽车行驶过程中实时检测驾驶员的脑电波,判断驾驶员是否处于疲劳状态。当系统判断驾驶员处于疲劳状态时,会在车内发出语音警报,并配合汽车座椅上的震动模块,通过座椅震动和语音报警警醒驾驶员,避免驾驶员在疲劳状态下行驶。
由于本系统主要应用于汽车驾驶过程,因此应在保证系统可靠且能够稳定运行的情况下,最大限度地减少在汽车行驶过程中对驾驶员的干扰。故本系统采用了非入侵式的脑电采集模块,使用方便简单,信号检测效果良好,佩戴方便,以此来实现对驾驶员脑电波的检测。
系统包括基于TGAM脑电采集模块,一对蓝牙主、从机模块,Arduino核心功能板以及用于产生预警信号的车载语音模块和座椅震动模块。系统整体能够实现检测脑电信号、脑电信号传输、脑电信号提取分析、判断驾驶员疲劳状态、产生预警信号预警等功能。系统供电将直接采用车载电源与干电池,能够在汽车运行时保证系统稳定运行。系统原理如图1所示。
2 疲劳检测技术
脑电信号检测系统采用TGAM脑电芯片配合前额脑电极、耳夹电极完成。该模块外观类似头戴式耳机,可以佩戴在汽车驾驶员脑部。其中前额脑电极和耳夹脑电极能够采集人脑生物电信号,将其传输至TGAM芯片,TGAM脑电芯片完成脑电信号的初步处理,并将数据传输至蓝牙模块。
脑电数据传输功能通过TGAM芯片与蓝牙HC-06从机模块连接,Arduino核心功能板与HC-06主机模块连接,同时将蓝牙HC-06主、从机模块进行配对,完成脑电数据的传输过程[6]。疲劳检测模块示意图如图2所示。其中,蓝牙主从机之间需要预先设置好波特率与配对码,在上电之后会自动进行配对,波特率与配对码的设置也避免了其他无线设备对本系统产生的干扰,提高系统的安全性。
3 特征提取分级
特征提取功能是将TGAM芯片传输至Arduino的脑电数据进行处理,提取人脑特征信号,并通过编写算法得到稳定的人脑特征信号,用于判断驾驶员是否处于疲劳驾驶状态,以及相应的预警控制功能。其中,TGAM芯片已初步将脑电信号解析为主要人脑特征信号,Arduino核心功能板将接收来的蓝牙串口数据进行解析和提取,并再次通过滤波算法滤除突变信号,得到稳定的人脑特征信号。
特征分级判定功能是通过Arduino处理得到的稳定人脑特征信号,与人脑在疲劳时的生物特征信号进行对比,并调取一段时间内的人脑特征信号趋势,判定驾驶员是否处于疲劳驾驶状态。特征分级提取如图3所示。其中,国际已有标准的人脑特征信号判定标准,本系统将结合该标准与储存的实验样本数据,与实时人脑特征信号进行比对,得出判定结果。
当驾驶员处于疲劳状态时,人脑活跃度降低,从而导致β波减少,但α波增多,当疲劳状态转变为睡眠状态时,脑电的主要频率会降至θ波[7],因此,本系统将采用脑电功率谱比值R=(α+θ)/β来描述驾驶员处于疲劳状态的脑电特征作为疲劳驾驶指标。
同时,由于疲劳是一个连续的过程,因此本系统加入一个疲劳检测记录栈,用来记录每次检测到疲劳的时间和疲劳程度。每当检测到驾驶员出现疲劳状态后,本模块将疲劳程度和当前时间压入栈作为记录,疲劳检测栈列将通过链表实现。
疲劳程度判断模块在接收到脑电波数据后,首先计算R=(α+θ)/β,并记为R。如表1所示,若R<1.15,则认为驾驶员清醒。若R>1.15,系统读取当前的时间,并将(R,T)记入疲劳检测记录队列,此时系统判定驾驶员进入疲劳状态中。再判断R是否大于1.25,若R>1.25,则认为驾驶员处于中度疲劳状态,系统应发出警报;若R小于1.25,则认为驾驶员处于轻度疲劳状态,此时,算法读取上一次出现疲劳的时间进行判断。若距上一次疲劳的时间间隔在3~5min之间,此时系统判定驾驶员已经进入轻度疲劳状态,并持续一段时间,系统发出对应警报,否则结束算法。发出警报之前,算法将读取上次发出警报的时间,若两次警报时间间隔小于2 min,系统将判定为同一状态,并不再重复发送警报。
4 分级预警技术
系统采用振动电机与语音模块构成分级预警模块,在疲劳程度不同时其响应程度不同。随着疲劳程度的加深,预警模块的振动强度与音量将会逐渐加强。其中,振动电机的控制采用Arduino与L298N稳压驱动电路连接,驱动电路控制振动电机,通过Arduino根据疲劳程度值的不同产生不同的PWM信号,以此实现振动强度的控制,同时通过Arduino控制语音模块功能,播放预录制音频信号实现语音报警。
5 结束语
作者在设计与实现基于TGAM脑波模块的疲劳驾驶预警与紧急避撞系统研究中,实现了利用TGAM脑波模块对驾驶员脑电信号的检测,利用蓝牙无线技术完成对脑电数据的传输,实现了对脑电信号的解析与处理,提取出稳定的人脑特征信号,在驾驶员处于疲劳状态时,系统能够控制预警装置,发出预警信号。当然,系统在设计的过程中仍然存在不足之处,如汽车驾驶过程涉及驾驶员的人身安全,因此要求系统具有高度安全保障性,但由于TGAM模块自身数据采集的局限性,仍不能在极短的时间内进行数据发送;并且采用蓝牙无线传输过程中没有涉及更深层次的加密算法,数据安全性有待提高;在人机交互方面,该装置在佩戴过程中会使用到耳夹电极,长时间佩戴情况下可能会导致驾驶员产生些许不适感,影响体验过程。
参考文献
[1]国家统计局.中华人民共和国2015年国民经济和社会发展统计公报[N].人民日报,2016-03-01(10).
[2]Saroj K L L,Ashley C.A critical review of the psychophysiology of driver fatigue[J].Biological psychology,2001(55):173-194.
[3]吴绍斌,高利,王刘安.基于脑电信号的驾驶疲劳检测研究[J].北京理工大学学报,2009,29(12):1072-1075.
[4]程文冬,付锐,袁伟,等.驾驶人疲劳监测预警技术研究与应用综述[J].中国安全科学学报.2013(1):155-160.
[5]胡鸿,易灿南,廖远志,等.车载驾驶员疲劳驾驶预警与控制系统研究[J].中国安全生产科学技术,2014,10(11):101-106.
[6]陈东伟,吴方,王震,等.基于脑—机接口的智能小车系统设计与实现[J].信息技术,2013(6):80-87.
怎样消除疲劳? 第11篇
●睡眠不足大多数人每晚需要睡7～9小时的觉。当你某天睡眠不足时，第二天要早点睡。以便把缺的觉补上。如果还是睡不够，不妨周末多睡一会儿。也可以在午饭后，定上闹钟午休20～40分钟。
研究表明：每3人中有1人有睡觉方面的障碍，每10人中有1人患有慢性失眠症。当思想压力过重或生病时。睡不着觉是自然的。睡觉前6小时内喝含咖啡因的饮料，或睡前1～2小时内饮酒，也会影响睡眠。对付失眠的办法是，如果躺在床上20分钟还睡不着，干脆起来看会儿书或看会儿电视。等到打盹时，闭上眼睛就能进入梦乡。但如果长期失眠或白天经常打盹影响工作。就要去看医生了。
●缺铁性贫血症妇女和儿童易患缺铁性贫血，造成身体健康状况不佳。易感疲劳。
如果你怀疑自己贫血。化验血可以测出你的血红蛋白和红细胞的数量，然后听取医生的建议。助；对严重的患者来说，可用一特制装置使舌头不阻塞喉咙或使领部前移；罕见的病例则需要手术治疗。
●精神忧郁医生发现，许多疲劳是由于精神忧郁所致。约有24％的妇女和15％的男子一生中会患有一二次精神忧郁症。有人戏称此症状是“精神感冒”。
怎样判断你的疲劳是由于忧郁症而不是其他问题
●悲伤过度“几乎所有刚刚丧偶的人不是睡眠太多，就是睡眠太少。”美国临床社会工作者琳达·范伯格指出。悲伤过度者通常渴望在一年内就会恢复正常。可是华盛顿医学院进行的一项研究发现。丧偶者需要3年的时间才能完全调整过来。
生活中充满了仅次于亲人死亡的精神创伤：离婚，失业，健康状况衰退或青春的流失，都会使人悲伤并进而导致疲劳。如果悲伤过度严重地影响了日常生活。就需要请医生医治了。对大部分人而言，时间是治愈精神创伤的良药。
●睡眠窒息症研究表明。有4％的成年妇女和9％的成年男子，尤其是中年人和肥胖者惠有遗传性喷鼻息鼾睡病。有窒息症的人一晚上要不知不觉地醒好多次，这间断的睡眠会使人疲惫不堪。
医生通常通过做睡眠试验来判断一个人是否患有睡眠窒息症。轻度患者可通过减肥治疗；侧身睡觉也很有帮呢?忧郁症引起的疲劳最典型的特点是，平时很喜欢做的事现在已很不愿意做了。另外，不能集中注意力，好忘事。做事不果断。难以通过休息而消除疲劳。也是忧郁症的主要表现。引起忧郁症的原因很多，最好请医生分析，咨询解决。
●甲状腺失调如果你睡觉很多，甚至一次睡16小时，白天还是无精打采，那么你可能有了甲状腺方面的障碍。位于喉结下面的甲状腺产生支配细胞工作快慢的荷尔蒙。如果甲状腺产生的荷尔蒙低于正常水平，就会使新陈代谢速度减慢。造成心跳减慢、便秘、发胖等。这种称作甲状腺机能减退的状况在50岁以上的中年妇女中较为多见。
甲状腺荷尔蒙过盛——甲状腺机能亢进——也会引起疲劳，这是因为高荷尔蒙水平能减弱肌肉功能。
医生通过触摸肿大的甲状腺及专门做血化验来诊断甲状腺疾病。甲状腺机能减退和甲状腺机能亢进都需要药物治疗。
●慢性疲劳综合征患此症的人不仅感到疲劳。而且工作效率低，甚至不能坚持工作。伴随的是时隐时现的综合症状：肌肉疼痛、咽喉疼痛、淋巴结疼痛、头痛和记忆力减退。
慢性疲劳综合征和一种罕见的软组织失调——纤维肌痛——很相似。后者也感到疲劳，但他们的症状是肌肉疼痛，好像全身都受了伤一样。
机动车驾驶员疲劳驾驶检测系统研究 第12篇
据相关资料统计, 疲劳驾驶是影响交通安全的头号“杀手”。特别是在高速公路发生的重特大交通事故中, 因疲劳驾驶造成的事故所占比例达40%以上[1]。由于疲劳驾驶引发的交通事故往往是在驾驶人毫无预见性、且未采取主动避险措施的情况下发生的, 往往导致车毁人亡, 损害后果十分惨重。由于疲劳驾驶的危害性很大, 全世界都在制定法规和政策来减少疲劳驾驶的情况发生。但由于疲劳驾驶监管困难, 所以对于交通警察来说, 基本都是靠宣传来提高驾驶员的认知程度, 收效甚微[2]。现如今, 各大车厂都在如何防止疲劳驾驶的技术上投入了很大的研发力度。笔者结合个人工作经验, 设计机动车驾驶员疲劳驾驶检测系统。
1 机动车驾驶员疲劳检测系统设计
1.1 总体设计方案
系统分为图像捕捉、预处理、特征检测提取以及特征识别分类四个模块, 总体结构框架见图1。图像捕捉模块是系统基础, 用于检测行车过程中驾驶员图像, 根据驾驶员面部特征检测疲劳状态。图像预处理模块通过滤波、增强等技术处理面部图像, 降低或消除噪声。特征提取模块负责检测和跟踪人脸、分析眼和嘴特征。特征分类识别模块负责面部特征状态分类, 根据系统设定的疲劳状态判定标准评价驾驶员的疲劳程度。
1.2 硬件及软件系统设计
系统硬件主要包括摄像头和计算机部分, 计算机需具备近红外功能。本系统采用COMS摄像头采集驾驶员面图特征图像, 计算机负责数据处理。系统软件开发平台环境为Visual Studio2010, 开发语言C++[3];图像处理采用Open CV和Dlib等图像处理软件相关好函数设计。Open CV 2.0及以上版本编程语言及函数结构均已C++为主, 调取软件函数更加便利。
Open CV的源代码属于开基于Intel处理器指令集开发的优化代码, 程序执行速快、效率高。同时, Open CV还具有强大的图像和矩阵运算能力、跨平台性及灵活的用户接口, 程序可移植到Windows、Android、IOS等诸多操作系统中使用。基于Open CV的优点, Open CV在处理图像、识别目标等方面已得到大量运用。
Dlib库是一种使用C++技术编写的跨平台软件, 该软件函数丰富, 具有网络处理、图像处理、数据挖掘、数值优化等功能[4]。Dlib库具有文档完善、可移植性、函数丰富特点, Dlib库内函数具有详细文档而及示例代码, 可在多个操作系统中运行, 无需第三方软件库。
1.3 图像预处理
外界环境变化对图像采集点质量造成严重干扰, 如光照条件变化容易影响系统检测判断结果。图像预处理模块利用图像处理技术降低或消除图像噪声, 方便系统检测和识别的驾驶员面图特征。
1.3.1 图像滤波
图像滤波是消除图像噪声的常用方法, 该技术可以在不影响图像原有边缘和轮廓的基础上, 提高图像清晰度[5]。常见图像滤波方式包括均值滤波、中值滤波和高斯滤波三类, 中值滤波具有计算简单且对图像特征影响小的优点, 更适合图像去噪处理。
1.3.2 直方图均值化
直接对比度增强和间接对比度增强是常用增强图像对比度方法, 直方图均值化属于间接对比度增强法, 既利用非线性处理方式均匀处理图像像素值, 使图像像素均匀分布, 从而提升图像对比度。直方图均值化处理可以提升亮度、色调, 增强对比度, 使图像更为清晰, 从而提高系统检测面图特征的准确性。具体处理方式如下:
1) 计算原图图像像素值数量;
2) 获取原始图像的直方图;
3) 计算累计分布函数;
4) 根据累计分布函数修改图像灰度等级。
2 驾驶员疲劳状态及试验
疲劳状态主要根据睁眼、张嘴程度进行判断, 该过程需要对面部特征状态进行详细分析, 提取面部特征状态数据。
2.1 眼睛状态分析
眼睛状态分析依据为睁眼宽度, 既上下眼睑增大或减小间距。由于眼睛轮廓与椭圆相似, 因而可以根据椭圆短轴长度作为上下眼睑的间距。根据以往研究, 眼睛区域可分为6个特征点。结合特征点参数, 利用最小二乘法进行椭圆拟合, 即可计算眼睛的相关参数。
椭圆的一般公式为Ax2+Bxy+Cy2+Dx+Ey+F=0, 假设= (A, B, C, D, E, F) T, = (x2, xy, y2, x, y, 1) , 可将椭圆的一般公式化为。使用最小二乘法进行椭圆拟合是指将根据参数A軑使拟合点与拟合椭圆的偏差平方达到最小, 即, (xi, yi) 为拟合点i坐标。
根据椭圆性质, 椭圆公式需要符合B2-4AC>0要求, 为简化计算, 可设B2-4AC=1, 并构建矩阵, 使矩阵满等式, 使用拉格朗日乘数法计算, 即为拟合椭圆方程的相关系数, 根据最小二乘法进行椭圆拟合计算后, 可分别求得椭圆长轴a和短轴b的长度。
由于数据属于拟合计算结果, 因而长轴和短轴数据为图像只存, 而非人眼上下眼睑真实间距。另外, 驾驶员与摄像头距离、头部转动都可能导致短轴长度低于闭眼, 因而不能直接将b值作为判断标志, 而需计算其长轴和短轴比值, 。
2.2 嘴部状态分析
嘴部具有上、下、左、右四个极值点, 分别为Mu、Md、Ml、Mr, 嘴巴宽度及高度计算公式分别为:
受驾驶员面部与摄像头距离影响, 也需要根据嘴巴宽度与高度比值计算。
2.3 疲劳判定准则
分析并获得眼部和嘴部状态数据后, 还需要设定相应的判定标准识别状态数据, 才能判断驾驶员是否处于疲劳状态。常用判断准则包括以下几点:
一是Perclos疲劳判断准则。该准则主要根据大眨眼使闭眼的时间比, 根据系统设定的阈值判断疲劳状态。判断原理详见图2。该原则设两个眼睛张开程度阈值:P1和P2, 如若数数据低于P2, 表示眼睛处于闭合状态, 并根以下P1和P2公式计算占比:, t1和t2分别表示针眼最大位置达到阈值P1、P2所需时间;t3和t4分别表示针眼达到阈值P2和再次达到阈值P1所需时间。
二是闭眼参数。绝大多数人在不同状态下的眨眼时间存在明显差异, 一般情况下单次闭眼时间为0.2~0.3s, 而疲劳状态下单次闭眼时间有所增加, 且通常超过0.5s。如若单次闭眼时间超过0.5s, 可判断驾驶员处于疲劳状态。假设闭眼时间为Tc, 则:;NC为闭眼对应帧数;FPS为图像采集频率。
另外, 不同状态下眨眼频率也不同。正常情况下眨眼频率为15~20次/min。因而可以根据眨眼频率判断疲劳状态。驾驶眨眼频率为;NBlink和△T分别表示设定时间内眨眼次数和时间间隔。
3 结语
根据以上系统设计及疲劳状态分析方式, 结合驾驶员眼睛、嘴巴特征状态, 运用设定的疲劳判定准则, 构建驾驶员疲劳驾驶系统的测试环境试验系统效果, 结果显示本研究方式可以有效检测驾驶员疲劳状态, 且正确率超过90%。但是本系统也存在一些问题, 包括光照对面部特征信息采集存在较大影响, 系统设计和调试均在PC端, 而实际运用需采用嵌入式设计, 系统处理速度更低。因而还需要将FPGA技术融入算法, 提高系统运算性能。
参考文献
[1]吴磊.基于多元信息融合的驾驶员疲劳监测控制系统研究[J].中国农机化学报, 2013 (01) :193-195, 205.
[2]杨星星, 张松, 芦杨, 杨琳, 王薇薇, 顾冠雄.基于生理信号的疲劳驾驶风险检测方法的研究进展[J].中国医学装备, 2013 (07) :57-59.
[3]夏芹, 宋义伟, 朱学峰.基于PERCLOS的驾驶疲劳监控方法进展[J].自动化技术与应用, 2008 (06) :43-46, 39.
[4]邵雨辰, 谢扬振, 顾兆伦, 钱沄涛.使用手机前置摄像头的机动车驾驶员疲劳检测[J].信号处理, 2015 (09) :1138-1144.