疲劳检测（通用9篇）
疲劳检测 篇1
疲劳是人体正常的生理反应, 只要休息调节适当, 本身并没有严重危害性。但对于特殊岗位人员来说, 疲劳可以说是隐形“杀手”。每年因疲劳导致的安全事故层出不穷, 给国家和人民生命财产安全造成巨大威胁。在道路交通领域, 疲劳驾驶是引发交通事故的主要原因。据不完全统计, 因驾驶疲劳导致的交通事故占北京交通事故总数的五分之一。在国家安防领域, 疲劳是导致安防工作人员注意力下降, 诱发各类问题的重要隐患。为此, 加强实时疲劳检测在驾驶人员或执行安防任务人员出现疲劳状态时及时进行监督预警, 迫使其对自身行为进行控制、纠正, 对确保人身安全和国家安全有着重要意义。本文以驾驶疲劳检测方法为典型代表, 阐述近年来疲劳检测技术发展情况。
1 检测驾驶疲劳的主要方法及其典型系统
1.1 针对生理信号的检测方法和典型系统
此类方法主要是借助医疗仪器和设备, 对人体的生理信号进行实时检测, 从而判断人体是否疲劳。如利用脑电图仪器检测脑电波 (EEG) , 利用心电图仪器检测心电波 (ECG) 以及利用眼电图仪器检测眼电波 (EOG) 等等。其中EEG一直来被称为疲劳检测的“金标准”而被人们广泛关注。
科学研究发现, 人体在清醒和疲劳状态时, 脑电波、心电波以及眼电波等生理信号是不同的, 人们根据其各自不同的相关性展开了深入研究。悉尼大学的Lal S K L和Craig A等人对EEG和疲劳关系进行了实验研究, 分别描述了5个不同阶段脑电图的变化规律。实验表明人体在清醒和接近疲劳时, 脑电图中δ和θ波形变换不大, 在疲劳和极度疲劳阶段, δ、θ以及α波的变化都会加深。从疲劳状态惊醒时, β波会有变化。根据脑电波与疲劳程度的相关性, Tran Y等人用集中趋势测量法定义的采样熵和二阶差分结构对EEG信号进行分析, 从而判断疲劳程度。Jap B T等人用脑电图的谱分量以及各个频带谱值比率关系来检测疲劳。王炳浩等人利用脑电仪, 分别扫描驾车行驶时的动态脑电波与坐在椅子上清醒状态和瞌睡状态的脑电波, 通过对比来判断是否瞌睡。Jeong等人通过采集驾驶员ECG信号和分析其心率变化来判断是否瞌睡。Toshiyuki M等人通过在驾驶室里监控心电图的P峰情况判断驾驶状态。Ohsuga M等人分析了EOG波形图中峰尖幅值、上升时间和下降时间三个参数之间的关系, 得出了不同疲劳程度下的EOG波形图。Noguchi Y等人根据EOG波形图的分布情况, 把不同类别程度情况画成柱状图, 较为清楚地表示某时刻的眨眼类别和变化, 从而判断是否疲劳。
此类方法虽然能直接反应人体疲劳程度, 但是在应用中需要采用比较复杂的接触类装置而削弱了其发展空间。
其典型系统有: (1) MIT研制的Smart Car, 内置各类传感器, 可测量E K G、E M G等。 (2) 日本丰田公司设计了一款如手表一样的装置, 通过测量脉搏、心律等生理信号进行疲劳分析判断。
1.2 针对人体反应特征的检测方法和典型系统
此类方法一般采用视觉方法识别判断人体在疲劳状态时的反应特征, 如眼睛闭合, 低头, 频繁打哈欠等。其中基于眼睛睁闭特征来检测疲劳程度的PERCLOS方法是当前最为常用、最有效的方法。美国弗吉尼亚大学的Walt Wierwille在1994年建立了PERCLOS理论, 它通过单位时间内眼睛闭合程度为80%以上的时间来判断疲劳程度。Grace R等人对PERCLOS进行了改进, 他们利用视网膜对不同波长的红外光反射量不同来计算PERCLOS, 获得较好效果。Weng等人利用模板匹配算法对眼睛睁闭情况进行识别, 并改进了PERCLOS算法, 以此来判断是否疲劳。郑培等人通过二维高斯模型、灰度匹配等定位眼睑开闭情况, 并利用统计的方法来检测疲劳。Batista等人建立了一个基于3D模型的疲劳检测系统看, 能够准确检测低头、打哈欠等疲劳特征。Chu Jiang Wei等人用Fisher分类器来提取嘴形和位置, 将嘴巴区域的几何特征作为特征值, 且将所有特征组成特征向量输入到三级BP网络中, 得到三种不同的精神状态。Dong等人通过追踪估计驾驶员的脸部姿势, 眼睛闭合程度、眼球偏转程度以及嘴型特征来判断是否疲劳。
此类方法是采取非接触方式来检测疲劳, 系统设置方便, 检测准确度高, 但是容易受到光线以及驾驶员个体因素的影响。
其典型系统有: (1) 美国Carnegie Mellon大学的Copilot工程开发了一款实时监控系统, 并投入了商业运作。它利用PERCLOS测量眼睛开闭程度, 系统装置小且使用方便。 (2) 美国明尼苏达大学开发了一款跟踪驾驶员眼睛的实时监控系统, 具有定位准、处理速度快等特点。 (3) 澳大利亚的Seeing Machine公司开发了一个专门检测重型卡车驾驶疲劳的产品, 其原理也是通过判断眼睛闭合程度来判断疲劳。 (4) 清华大学开发的驾驶疲劳检测系统, 通过提取眼睛垂直投影特征, 通过Hough变换, 来检测眼睛睁闭, 从而判断是否疲劳。 (5) 南京远驱科技有限公司生产的gogo850系统, 除了能通过眼睛睁闭来判断疲劳外, 还能在眼睛睁开的情况下, 通过瞳孔的收缩度来判断疲劳。
1.3 针对车辆运行状况的检测方法和典型系统
此类方法主要是通过传感器监测车辆行驶路线、汽车运行速度、相对车道的偏离程度等, 进而分析车辆运行是否正常, 驾驶员操作动作是否合理, 以此为依据来判断驾驶员的疲劳状态。Kim等人通过安装在车前的摄像机获取道路边界信息, 去除不需要的边缘信息和阴影的影响, 准确判断车辆是否运行在正确的道路边界之中。Jamal等人采用视频分析的方法对夜间以及弯道等复杂情况下车道检测进行了研究。Matsushita Y等人将提取的道路边缘信息看成是众多粒子, 通过基于粒子过滤的方法检测其中的变化。Bertozzi等人利用道路几何形态特征来分析判断车辆运行情况, 此方法能够在平坦路面上检测行驶方向。瞿洋等人采用自适应感兴趣区域选择以及根据车道状况确定帧处理策略来实时检测多种道路车道标线和行车偏移信息, 从而判断驾驶员是否疲劳驾驶。
这些方法都是通过车辆运行中固有的信息来进行判断, 减少相应的检测设备, 且不会对驾驶员造成干扰, 但由于它受车型、路况以及天气等多变的外在因素影响, 检测驾驶疲劳的准确度不高。
其典型系统有: (1) 美国Ellison Research Labs实验室研制的DAS2000型疲劳警告系统和美国ITERIS公司出品的一种路面信息报警装置, 都能在车辆行驶偏离道路中线或路肩白线时, 及时向处于疲劳状态的驾驶员发出警告。 (2) 西班牙人开发的Tech Co Driver系统, 通过使用嵌入式方向盘传感器以及道路边线传感器来监视驾驶行为。 (3) 澳大利亚国际大学开发的DAS系统通过使用路面信息跟踪器来检测轮胎偏离车道情况, 并在异常情况时发出报警。
2 当前存在的问题及发展趋势
虽然近年来疲劳检测方法研究取得了重要进展, 但仍有不少问题亟待解决。如检测不够准确, 稳定性不强, 且没有形成一个简洁高效的商业化系统产品。随着研究的深入和各类技术的进步, 疲劳检测技术及其系统会变得更加稳定、实时、高效。
一是算法更加融合。针对当前检测方法易受个体特征、环境变化等影响, 进一步提高疲劳特征提取的准确性, 通过优化各种算法, 融合多种疲劳特征检测参数, 努力克服外部因素影响, 使疲劳检测更加实时、准确。
二是系统更加智能。针对不同人体的不同特征, 能够准确识别、分析、判断并进行推理, 当驾驶员更换时, 能够从新获取新个体的特征并进行有效训练, 从而得出最适合的检测方法来判断是否疲劳。
三是标准更加统一。进一步总结归纳疲劳状态下人体的变化规律, 制定统一的疲劳检测评价标准, 能够定量分析各种检测方法, 不断提高检测精度。
四是应用更加广泛。当前疲劳检测方法的研究主要集中于驾驶领域, 其研究成果也主要应用于检测驾驶员疲劳状态, 但这并不是意味着其他领域没有应用价值, 随着信息化程度越来越高, 许多领域如国家安防, 部队任务, 养生保健方面都可以应用疲劳检测方法, 从而降低风险、提高工作效率。
3 结语
本文在介绍近年来驾驶疲劳检测主要方法和典型系统的基础上, 简要对比了其优劣性, 分析了其发展趋势。无论针对何种检测方法来讲, 今后研究的主要内容是进一步挖掘疲劳特征, 融合各类算法, 提高检测系统的实时性、准确性和鲁棒性, 并进一步拓展其应用范围。笔者相信通过科研工作者和工程技术人员的不懈努力, 疲劳检测技术必将在汽车安全领域及其他领域发挥不可或缺的作用。
参考文献
[1]王炳浩, 魏建勤, 吴永红.汽车驾驶员瞌睡状态脑电波特征的初步探索[J].汽车工程, 2004, 26 (1) :70~73.
[2]Healey J, Picard R.Smart car:Detectin g dr iver s tr es s.In P r oc.15 th I nt.Conf.Pattern Recognition, 2002, 101:2 18~2 28.
[3]Kir cher A, Uddman M, Sandin J.vehicle control and drowsiness.Tech.rep.Swedish National Road and Transport Research Institute, 2002.
[4]郑培, 宋正河, 周一鸣.基于P E RC LO S的机动车驾驶员驾驶疲劳的识别算法[J].中国农业大学学报, 2 0 0 2, 7 (2) :104~109.
[5]Nikolaos P.Vision based detection of driver f atigue[C].IEEE International Conference on Intelligent Transportati o n, 1 9 9 7.
[6]Driver State Sensor-Fleet.Australia, 2 0 0 8.h t t p://w w w.s e e i n g m a c h i n e s.c o m.
[7]南京远驱科技有限公司.gogo850系统[E B/O L].h t t p://w w w.f a r d r i v e r.c o m, 2009.
[8]瞿洋, 江朝辉, 冯涣清.一种基于扫描线和区域生长的行车偏移检测算法[J].中国图像图形学报, 2007, 12 (1) :104~109.
[9]Nikolaos P.Vision based detection of f atigue[C].IEEE International Conference on Intelligent Transportation, 1 9 9 7.
[10]Soria J.2002.Llegael piloto technolog ico, 2002:20~21.
疲劳检测 篇2
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：
牵引销疲劳裂纹检测的方法 篇3
一、渗透检测法。
对牵引销进行渗透检测采用溶剂去除型着色法，渗透探伤剂系统选用PDT-5型。
1. 方法步骤。
⑴表面准备和预清洗。用钢丝刷去除牵引销外表面的铁锈，然后清洗干净、晾干。⑵施加渗透剂。采用喷涂的方法将渗透剂喷在牵引销外表面，保证被检面完全被渗透剂覆盖，并在整个渗透时间内保持润湿状态。渗透剂持续时间不应少于10min。⑶去除多余的渗透剂。一般先用干燥、洁净、不脱毛的布沿一个方向依次擦拭被检面，直至大部分多余渗透剂被去除后，再用蘸有去除剂的干净不脱毛布或纸进行擦拭，直至将被检面上多余的渗透剂全部擦净，不得往复擦拭，也不得用去除剂直接在被检面上冲洗，防止过度清洗。⑷干燥处理。在室温下自然干燥5～10min。⑸施加显像剂。将显像剂薄而均匀地喷涂到被检面上，喷嘴离被检面的距离为300～400mm，喷涂方向与被检面夹角为30°～40°，显像时间不应少于7min。⑹观察显示。缺陷的观察应在白光下进行，要求工件被检面处白光照度不得低于500lx。如果有连续或断续的红色线条显示即表示存在裂纹。⑺后清洗。检测完毕后，用加有清洗剂的温水喷洗牵引销，将牵引销清洗干净。
2. 注意事项。
⑴在对牵引销渗透检测前要用镀铬试块检验渗透检测剂系统灵敏度及操作工艺正确性。⑵当渗透检测不可能在10℃～50℃范围内进行时，通常使用铝合金试块做对比试验，以对检测方法作出鉴定。试块的B区在10℃以下或50℃以上进行检测，在A区用标准方法检测，如果A、B两区的裂纹显示痕迹基本相同，则可以认为准备采用的方法是可行的。⑶牵引销外表面的显示并不都是真实痕迹，有的是由零件结构外形引起的，例如显示即非相关显示;有的是由于渗透液污染产生的显示即虚假显示，非相关显示和虚假显示均不能作为缺陷处理。
二、磁粉检测法。
牵引销的材质一般为碳素钢，属于铁磁性材料，可采用磁粉检测法来检验其表面裂纹。综合考虑被检工件的外形结构、可能产生缺陷的位置和方向及检测灵敏度、经济成本，采用干式磁粉连续法、多向磁化方式进行检测。
1. 方法步骤。
⑴预处理。用钢丝刷去处牵引销表面的铁锈，用非研磨性材料封堵牵引销下端的孔，用流水清洗干净牵引销，然后自然干燥。⑵磁化工件，施加磁粉，观察磁痕。用夹钳夹住牵引销两端，接交流电，使电流能沿轴向通过形成周向磁场，用于发现与工件轴平行的纵向裂纹，轴向电流I= (8～15) D;用软细电缆缠绕(3～5匝)在工件上，接直流电，形成纵向磁场，用于发现与工件轴垂直的周向裂纹，周向电流I=35000/{N[L/D+2]}。上述两公式中，I表示磁化电流，单位A;N表示线圈匝数;L表示工件长度，单位mm;D表示工件公称直径，单位mm。为与被检工件表面颜色形成较高的对比度，选用γ-Fe2O3红褐色磁粉。对工件通电磁化的同时，用撒粉器将干磁粉撒在工件表面上，形成薄而均匀的磁粉覆盖层，并用柔和的气流吹去多余的磁粉，待磁痕形成时立即停止通电。在可见光(光照度不小于500lx)下，如观察到浓密清晰、呈线状、中间粗两端细的磁痕，即证明牵引销出现了疲劳裂纹。⑶退磁和后处理。用通交流电衰减法退磁。将交流电直接通过工件并将电流逐步减到零，一般在50s内完成，退磁用的磁场强度应不小于磁化时的最大磁场强度。因牵引销有剩磁并不影响正常使用，可不作退磁处理。最后将销孔中的封堵物取出，完成操作过程。
2. 注意事项。
疲劳检测 篇4
随机疲劳分析在机载设备疲劳寿命预测中的应用
提出采用宽带随机振动疲劳寿命数值分析方法在产品设计阶段预测其宽带随机振动疲劳寿命来保证设计方案的首次成功率,并以在宽余带随机振动环境下工作的某产品的疲劳寿命设计为例,阐述了整个随机振动疲劳数值仿真分析流程,得到了与试验相吻合的`信真结果,证明了在设计阶段预测产品的疲劳寿命并进行优化是可行的.
作 者：王长武 张幼安 作者单位：南京第十四研究所第五研究部,南京,210013刊 名：中国机械工程 ISTIC PKU英文刊名：CHINA MECHANICAL ENGINEERING年，卷(期)：200415(21)分类号：V215.55关键词：机载设备 随机振动 疲劳 有限元方法 PSD
疲劳驾驶检测专利技术综述 篇5
随着我国经济社会持续快速发展,我国机动车总数目急剧增加,截至2015年底,我国机动车保有量达2.79亿辆,在道路交通发展的同时,随之而来的是越来越严重的交通安全问题。
在全世界范围内,疲劳驾驶是造成交通事故的重要因素之一。据世界卫生组织的报告显示,每年全球的道路交通事故中死亡人数近万,直接经济损失达上百亿美元。根据交通事故统计年鉴,超过30%的公路交通事故和15-20%的铁路交通事故与驾驶疲劳有关,疲劳驾驶严重威胁着人们的生命和财产安全。检测驾驶员是否为疲劳驾驶,并进行及时预警,将有效减少因疲劳驾驶而造成的道路交通事故,因此,研究疲劳驾驶检测技术,对改善道路交通安全具有重大意义。
二、疲劳驾驶检测技术专利情况分析
本文在CNABS数据库中统计了国内疲劳驾驶检测技术的专利数据,截止2016年5月24日,检索后得851篇专利申请。发展趋势如图1所示,可以分为两个阶段:
1. 发展初期(1995年-2008年):
疲劳驾驶检测技术的申请量维持在较低的水平,最多不超过20件,这是疲劳驾驶检测技术的起步阶段,这说明人们已经开始意识疲劳驾驶的危害性,并逐步进行相关的研究。
2. 快速增长期(2009年-至今):
疲劳驾驶检测技术的年度申请量急剧上升,由2009年的44件上涨为2015年的184件(由于专利申请数据延迟公开,可能有些2015年的疲劳驾驶技术的专利申请还未公开),这是疲劳驾驶检测技术的快速发展阶段。
一方面,在2009年,国家出台了一系列促进汽车消费的政策,有效刺激了汽车消费市场,汽车产销呈高增长态势,2009年,汽车产销分别为1379.1万辆和1364.5万辆,同比增长48.3%和46.15%,伴随着汽车的增长,人们越来越注重驾驶安全问题,因此疲劳驾驶检测技术受到人们的广泛关注,相关公司、高校、研究所逐步加大对该技术的研发投入,使得该技术的专利申请数量急剧上升;另一方面,随着国家逐步加大对知识产权的重视程度,相关的专利申请鼓励政策相继出台,这进一步加大了相关机构的研发热情,使得该技术的专利申请量进一步增加。
三、疲劳驾驶专利技术分支分析
通过对相关专利的阅读,疲劳驾驶检测技术的研究相对集中在以下四个方向:
1.基于生理特征的检测方法。正常驾驶与疲劳驾驶下生理特征是有差异的,因此,可以通过检测脑电信号、心电信号、呼吸等生理特征判断驾驶员是否为疲劳驾驶行为。如CN201110119582公开了通过信号处理模块对采集的脑电信号进行实时处理,找到与疲劳有关的指标特征,并对特征进行识别,判断驾驶员的疲劳状态。
2.基于面部特征的检测方法。通过对驾驶员面部特征(如眼睛、头、嘴巴)的分析进行疲劳驾驶行为判定。如CN200610012623公开了通过驾驶员面部图像信号经处理后得到眼睛图像,同时实现眼跟踪,用模板匹配法来识别眼状态,根据眼状态计算眨眼持续时间、眨眼频率等,以判断驾驶员的疲劳状态。
3. 基于驾驶行为的检测方法。
根据驾驶员操作行为(方向盘、刹车踏板、油门踏板)和基于车辆运行状态(速度、加速度、车道横向位置和车身横摆角)检测疲劳驾驶行为。如CN201410115634公开了通过发动机管理系统、车身稳定系统、转角传感器、组合仪表,集成在车身控制器中的疲劳驾驶检测模块判断是否为疲劳驾驶行为。
4. 基于信息融合的检测方法。
将多种疲劳特征参量进行融合形成基于信息融合的检测方法。如CN200910038613公开了通过疲劳特征判融合眼睛特征识别、视线跟踪、驾驶行为监测,判断驾驶员的疲劳状态。
四、结语
疲劳检测 篇6
随着汽车保有量的不断增长, 世界各地交通事故频频发生, 造成了国家巨大的经济损失及人员伤亡。在中国这样的人口大国, 交通事故尤为严峻, 2012 年仅八天长假就发生了68422 起交通事故, 死亡794 人, 受伤2473 人, 直接财产损失1325 万元, 而疲劳驾驶就是事故的主要原因之一, 有效的对驾驶员生理及驾驶行为进行监测是预防疲劳驾驶的重要手段, 具有非常重要的研究意义。
根据疲劳时人体所表现出的生理及行为特征, 疲劳检测的方法主要有:基于驾驶行为特征的方法, 基于生理参数测量的方法和基于机器视觉的方法。基于驾驶行为特征[1]的方法通过对车辆运行状态进行监测, 如对方向盘转向、刹车及油门状态的监测来判断驾驶员是否处于疲劳状态, 是一种间接的疲劳检测手段, 具有随机性。基于生理参数测量的方法[2]是一种接触式的检测方法, 要求驾驶员佩戴或接触传感器, 不利于驾驶员正常行驶。随着计算机技术的发展, 基于机器视觉的方法已成为疲劳检测的主流[3,4], 该方法利用摄像头采集人脸图像, 通过各种算法提取出判别疲劳有效的脸部器官特征来进行驾驶员疲劳的实时监测, 其中最有效且最常用的是人眼特征。基于机器视觉的疲劳检测不需要与人体接触, 不影响驾驶员的正常驾驶, 是一种直接且直观的检测方法。本文采用肤色分割与Adaboost法进行人脸检测, 然后根据眼睛在脸部丰富的边缘特征进行眼睛的粗定位, 再采用Adaboost人眼检测器进行眼睛精确定位。然后对人眼进行二值化处理及形态学处理来提取人脸的疲劳特征, 最后利用PERCLOS准则及点头率进行疲劳监测。
2 人脸检测
2.1 肤色分割
人脸的准确定位为眼睛的准确定位排除了背景区域的干扰, 缩小的搜索范围, 同时人脸特征比眼睛更为丰富更易搜索, 所以在人脸疲劳检测中, 人脸检测首当其冲。
单一的人脸检测方法往往达不到比较好的效果, 本文结合Adaboost算法的人脸检测和人脸的肤色特征来精确的定位人脸。选择YCbCr空间作为肤色检测空间, 选用Adaboost方法的人脸检测在筛选出的肤色区域快速定位人脸。
YCbCr空间可由RGB空间经如下变换得到:
在变换后的空间中肤色区域可由90≤Cb≤155, 136≤Cr≤177范围确定, 在此区域内用Adaboost人脸检测器精确定位人脸。如图1所示。
2.2 Adaboost人脸检测
Adaboost算法是一种迭代算法, 由Freund和Schapire根据在线分配算法提出[5], 其核心思想是针对同一个训练集训练出不同的分类器即弱分类器, 再将这些弱分类器集合起来构成强分类器, 而弱分类器通常采用的是图像的Haar特征即矩形特征, 而不是像素特征, Haar特征的特征值通过积分图快速计算得到, 比基于像素特征的系统检测要快的多, viola最先将Adaboost算法运用于人脸检测, 打破了人脸实时监测的难题[6]。
Adaboost算法步骤如下:
给出训练集{ (x1, y1) , L (xn, yn) }, 其中xi表示第i个训练样本, yi={0, 1}对应第i个样本是负样本 (非人脸) 或正样本 (人脸) , 假设负样本数为m , 正样本数为l , 总样本数n =l +m 。
(1) 对样本进行权重初始化, yi= 0时, wt , i=1/ 2m ;yi= 1时, wt, i=1/ 2l, wt, i表示在第t次循环时第i个样本的权重;
(2) 对每个t =1, KT (T是弱分类器个数)
2) 对于每个特征fj, 训练出相应的弱分类器hj, 计算出当前权重下的分类错误率:
3) 选取错误率εt最小的弱分类器ht;
其中εi=0, 表示正确分类第i个样本;εi=1, 则
(3) 最后构成的强分类器为:
训练好的分类器即可用于肤色区域的人脸检测, 检测结果如图1 (c) 所示。
3 人眼检测
3.1 眼睛定位
眼睛的准确定位是疲劳检测的关键环节, 定位不准确, 就无法进行下一步准确识别。本文根据眼睛区域丰富的边缘特性, 先对检测出的人脸进行边缘化处理, 通过比较各种边缘检测算子的优劣, 本文最终选用Sobel边缘检测算子进行人脸的边缘处理, Sobel算子相对于C a n n y算子更为简单, 且边缘检测效果满足要求, 而C a n n y边缘处理后虽然边缘图完整, 但过于复杂;Prewitt算子对多噪声图像边缘处理效果不理想。图2为人脸Sobel边缘检测结果及边缘投影图, 从图中可以看出人眼边缘投影处会产生比较大的波峰, 实验发现眼睛在闭合是同样会产生很大的波峰, 结合人脸器官的几何结构则可初步定位人眼区域。
眼睛分类器的训练同人脸分类器的训练一样, 只是将人脸样本换作人眼, 通过人工裁取眼睛图像2000 幅作为正样本, 同时搜集3000 幅非嘴巴和眼睛图像作为负样本, 对所有的图像进行灰度和尺寸归一化处理, 归一化为20?20 大小, 然后采用Adaboost算法对归一化的样本进行训练, 设置人眼检测器整体最低检测率为0.95, 每级强分类器的最低检测率为0.995, 则检测器需要11 层强分类级联, 训练时设置训练类型为ALL即包括垂直矩形和旋转45 度角的矩形特征, 对旋转一定角度内的人脸及人眼都可检测出来。如图3 (a) 所示, 是直接用人眼检测器在人脸区域检测出的人眼, 虽然在人脸区域检测人眼排除了外部环境的干扰, 但还是会受到鼻子、嘴巴等的影响, 图3 ( b ) 是经过Sobel边缘粗定位后采用Adaboost人眼检测器的检测结果。
3.2 眼睛区域二值化处理
本文选用自适应阈值法对检测到的人眼进行二值化处理, 这样能够产生较好的分割结果, 如图4 所示。为了能够更准确的提取疲劳特征, 本文对二值化后的图像进行开运算和闭运算处理以去除眼睑区域对疲劳判别的影响。
对一幅图像先进行腐蚀再进行膨胀得到的图像会比原图像更简单, 这种变换就是开运算, 开运算能够去掉原图的一些细节成分, 使原图的局部形状保持不变。与开运算相对应的闭运算即为先对图像进行膨胀处理再进行腐蚀处理, 闭运算能够连接邻近的物体, 填补小空洞。开运算和闭运算的数学表达式如下:
其中X为原图, B为结构元素, 对图像的开运算和闭运算结果分别如图4 (c) 和图4 (d) 所示。由图可以看出, 经过此处理的眼睛二值图效果更明显, 更易于眼珠面积的计算, 便于后续的眼睛睁闭的判别。
4 疲劳识别与分析
眼睛闭合时间的长短直接关系到疲劳的严重程度, 因此能够测量到眼睛的闭合时间就能判断疲劳的严重程度。美国联邦公路管理局于1999 年4 月召集研究疲劳驾驶方面的专家学者们共同讨论了PERCLOS和其他眼睛活动测量方法作为疲劳判别的有效性, 得出的结果是应该优先把PERCLOS法作为车载、非接触式及实时的疲劳测评方法。
PERCLOS是指在一定时间内眼睛闭合时间所占的百分比。实验表明PERCLOS方法的P80 (即眼睛闭合80% 以上时间占一定时间百分比) 与疲劳程度具有最好的相关性[7]。本文根据该方法, 采用一定时间内眼睛的闭合帧数与总帧数的比值来计算PERCLOS值。
研究[8]发现头部在偏离正常位置2s后仍不回到正常位置是十分危险的。所以本文采用PERCLOS和点头率共同来进行疲劳检测, 通过Adaboost人眼检测器检测人眼会返回人眼在图像中的位置坐标, 根据人眼位置的变化来判断驾驶员是否点头。
本文对采集的视频图像在P C机上进行了仿真实验, 为了得到比较好的处理结果, 设置对视频帧的抓取为20 帧/ 秒, 实验结果如表1 所示。
5 结束语
从实验结果可以看出, 本文提出的人脸疲劳检测具有较好的准确性和鲁棒性, 两种方法结合比单独用一种方法判别疲劳更具可靠性, 在PERCLOS值正常情况下, 通过点头率的不正常可以即时发出警报, 同时, 在头部位置保持正常的状态下, 可以通过PERCLOS值的异常检测疲劳, 实验中, 两种方法同时失效的情况没有出现, 所以两种方法结合更具可靠性。
摘要：眼睛状态是人体疲劳最主要和最明显的特征。本文采用肤色和Adaboost方法相结合来进行人脸检测, 并在此基础上结合人脸结构的边缘特征及Adaboost方法对眼睛进行精确定位, 运用自适应二值化和数学形态学的方法对检测出的图像进行处理提取眼睛状态特征, 结合PERCLOS规则及点头率来进行疲劳状态的判定, 实验表明, 该方法鲁棒性强, 速度快, 满足人脸疲劳检测的实时性要求。
关键词：Adaboost,人脸检测,人眼检测,PERCLOS,疲劳判别
参考文献
[1]谷也.基于方向盘转角信号的驾驶员疲劳监测装置研制[D].哈尔滨:哈尔滨工业大学, 2009.
[2]FENGJUN BAI, TOMASZ MAREK LUBECKI.Novel Time-Frequency Approach for Muscle Fatigue Detection Based on sEMG[J].IEEE Biomedical Circuits and Systems Conference (BioCAS) , 2012 11:364-367
[3]GANG XU, XIAOCHEN LIU.Part朾ased Templet Matching in the Detection of Fatigue Driving[C].IEEE International Conference on Computer Science and Service System, DOI 10.1109/CSSS.2012.562
[4]WEN-CHANG CHENG, HSIEN-CHOU LIAO.A Fatigue Detection System with Eyeglasses Removal[C].IEEE International Conference On Advanced Communication Technology.2013, 1:27-30
[5]FREUND.Y, SCHAPIRE.R.E.A Decision-Theoretic Generalization of On-line Learning and an Application to Boosting[J].Journal of computer and system sciences.1997, 55, 119-139
[6]VIOLA P, JONES M.Robust Real-time Face Detection[J].International Journal of Computer Vision, 2004, 57 (2) :137-154.
[7]DINGES D F, GRACE R.PERCLOS:A valid Psychophysiological measure of alertness as assessed by psychomotor vigilance[J].U.S.Department of Transportation Federal Highway Administration 1998, (10) :366-418
超声波检测锤杆疲劳裂纹 篇7
锻造生产中自由锻锤是应用很普遍的一种锻造设备, 目前在铁路工业部门应用十分广泛。常用的有0.5-1.5吨的单拱式自由锻锤, 这种锤可以三面接近下砧, 操作方便。它所加工的锻件几何形状多样, 批量较小, 生产中由于加工锻件品种繁多, 有时锻造工艺所需, 避免不了偏心锻造, 有的锻件薄而小易产生冷锻。设备使用一定周期后, 由于下砧座产生倾斜, 在寒冷季节锤杆工作前, 预热温度不够 (100-200℃) , 加上长期使用等因素导致锤杆产生疲劳裂纹。一旦产生疲劳裂纹, 如果不能及时发现, 使之发展到一定程度, 锤杆便会造成折断。由于锤杆上有锤头套, 锤头套又与上砧连为一体, 重量可达几百到上千公斤, 若在生产中锤杆折断时, 锻锤三面都有人在操作, 这将对人身安全带来很大的威胁。为此如果能在未解体的情况下, 及时检测出锤杆裂纹生成及发展情况, 并进行预报, 预先做好备品及时修补或更换, 缩短检修时间, 防止人身伤害。为了解决这个问题, 通过长期试验和观察, 采用超声波检测方法是一条可行的途径。
1 疲劳裂纹位置及特点
常用的单拱式0.5-1.5吨汽锤结构通常为锤杆与锤套以2°-4°锥度在中间夹1.5-2mm铜皮成紧配合, 由于在使用中不可避免遇到前言中所述的不利因素, 使锤杆与锤头套紧配合处产生应力集中, 成为疲劳裂纹源, 一般锤杆产生疲劳裂纹部位大致在锤头套下15-30mm处。
由于疲劳裂纹在锤头套下15-30mm处, 无法直接观察。以往检修都是在停产后, 将锤头套加热到一定温度, 使锤杆和锤头套分离, 再采用表面探伤手段来检测, 这样就费工费时, 如果不检修就不能及时发现裂纹, 在使用过程中将发生人身和设备事故。而通过较长时间的试验, 用超声波 (横波) 在不解体的情况下进行检测, 从而发现疲劳裂纹以及测定裂纹发展状况下可行的。
2 斜探头横波探测方法
针对上述情况在解体的锤杆易产生裂纹的部位处加以人工1×1mm锯口, 用超声波横波来检测。斜探头选用2.5PK1 9×9mm探头, 根据公式计算出探头入射点至人工锯口的水平距离e, 移动探头找出1×1mm人工锯口的最高反射波为荧光屏垂直刻度满幅80%高时, 衰减器读数为零d B, 用这个灵敏度再到表面探伤已发现有裂纹的锤杆上进行检测 (裂纹长度已量出) 在测出裂纹最高反射波为荧光屏垂直刻度满幅80%高时, 同时横向移动探头, 量出探头移动距离值, 同时记录下这时的d B值, 然后用人工处理量出裂纹深度, 观察它的发展角度, 从中发现同样长度的裂纹。由于在锤上发展角度不同, 它的反射量不同, 不同样的长度, 条数不同, 它的反射量也不同。
为了在现场工作方便, 可以把1×1mm人工锯口灵敏度用方形试块代替。在同样的情况下Φ2mm横孔的反射波在荧光屏垂直刻度满幅80%高时为-6d B。用这个灵敏度进行检测, 并绘制相应的裂纹深度曲线。通过曲线可以看出, 当反射波为垂直刻度满幅80%, 裂纹深度为14mm。当增益7d B反射波为垂直刻度满幅80%, 裂纹深度为8mm。当增益17d B反射波为垂直刻度满幅80%, 裂纹深度为2.5mm。当增益21d B反射波为垂直刻度满幅80%, 裂纹深度为2mm。
在2012年的实际检测中有一根锤杆, 直径为Φ175mm, 探头入射点距发现裂纹Φ130mm处 (距锤套下20mm) , 裂纹反射波为荧光屏垂直垂直刻度满幅80%时, 为零d B (标准灵敏度为零d B) 用半波横向单侧移动探头用来判断裂纹的发展情况, 单侧移动距离变化和d B值的变化见表1所示。
该锤为二班制生产, 由于裂纹发展到了危险阶段, 发生了解体, 裂纹断口见图1所示:
断口上裂纹是典型的疲劳裂纹, 发展为贝壳形状, 测量裂纹发展的各阶段长度和深度可以绘制出对应的弧长--深度曲线。从断口分析可以清晰看出裂纹发展过程中能产生一定角度变化, 由于裂纹角度变化, 它对超声波的反射量增加完全改变了当量变化的规律。裂纹深度发展的时间先慢后快, 3-30mm深度为一过程, 发展较为缓慢, 深度大于30mm发展过程较快, 最终将产生脆断。
为了能在裂纹深度大于14mm时, 在超声波反射量不明显增加情况下确定裂纹发展的情况, 可以用半波高度法 (横向移动探头) 量出探头横向移动的弧长, 再在弧长———深度曲线上查出相应的深度, 决定是否更换锤杆。
3 结束语
通过一年多时间对种直径自由锻锤杆探测:如1/4吨锤, 锤杆直径Φ110mm, 裂纹反射波为荧光屏垂直刻度满幅80%高时, 增益13d B, 单侧移动距离7mm, 拆检后裂纹深度为6mm。1/2吨锤, 锤杆直径Φ175mm裂纹反射波为荧光屏垂直刻度满幅80%高时, 增益21d B, 单侧移动距离3mm, 拆检后裂纹深度为2mm, 按要求进行修补使用。在去年7月生产过程中, 3吨锤发现锤声异常, 经检测后未发现裂纹, 继续使用至今, 锤杆未发现异常情况。
综上所述, 利用超声波检测自由锻锤锤杆疲劳裂纹方法行之有效, 操作简便, 效果显著。
参考文献
[1]李家伟, 陈积懋.无损检测手册[M].北京:机械工业出版社, 2001.
基于人眼识别的驾驶员疲劳检测 篇8
为了不干扰驾驶员的正常驾驶,利用驾驶员眼睛的状态信息来判断驾驶员疲劳状况是一种可行且可靠的方法,本文正是针对这一特点提出了通过检测并跟踪眼睛状态,根据眼睛面积的大小变化来检测疲劳的方法。该方法包括人脸的检测、眼睛的定位、眼睛的追踪和疲劳判断四个部分。
1 人脸检测
为了降低背景环境对检测的干扰,首先我们对图像进行预处理,确定脸部的位置,缩小寻找眼睛的范围。为了把人脸区域从非人脸区域分割出来,需要使用适合不同肤色和不同光照条件的可靠的肤色模型。一个理想的用于皮肤分割的颜色分量,应该使皮肤与非皮肤区域在该颜色分量直方图中相对集中,各自占据不同的分布范围,两者之间的重叠部分越少越好。通过大量的测试对比后发现YCbCr色度空间是一种有效的肤色表示空间,其中Y分量表示亮度,Cb和Cr分量代表色度。该空间的优点是受亮度变化影响小,且肤色聚类特性比较好,能很好地限制肤色分布区域,因此可以有效的检测出图像中的肤色区域。
利用摄像头得到彩色图像通常为RGB图像,RGB空间与YCbCr空间为线性关系,两空间的转换关系如公式(1)所示。
式中:R、G、B分别为每一像素点在RGB色彩空间中的三原色分量;Y、Cb、Cr为该像素点转换到YCbCr空间后的亮度、红色分量和蓝色分量。在YCbCr空间中,Y对CbCr平面的影响很小,可以忽略。在YCbCr空间上肤色像素的分布如图1所示。
研究表明,肤色在该空间分布比较集中满足二维高斯分布,则对于像素的色度C=[Cb Cr]T,肤色像素的概率分布如公式(2)所示。
式中:μs为Cb和Cr分量的均值向量;∑s-1为Cb和Cr分量的协方差矩阵;n为皮肤颜色样本c的总个数。
根据公式(2)可以求出图像中任意一点颜色值的Pskin(c),判断条件Pskin(c)≥φ是否成立,若成立则将该像素赋以白点,否则赋为黑色像素,其中为φ阀值。
人脸检测后的结果如图2所示,其中图2(a)为原始图像,图2(b)为肤色分割以后的二值图像;白色区域代表皮肤,黑色区域代表非皮肤,分析发现存在误判像素点,这是由于误判像素点与皮肤像素颜色相似造成的。
3 人眼检测
在检测出人脸区域后,为了不用单独提取出眼睛来判断它的变化情况,我们提出了利用眼睛区域的黑色像素点的大小变化来断定眼睛是睁开状态还是闭合状态,如图3所示,计算出睁眼和闭眼时眼睛区域的像素点个数,将睁眼和闭眼是的图像做差值,取中间某个值为睁眼和闭眼的临界点,当大于这个值时认为是睁眼的,当小于这个值时认为是闭眼。
确定眼睛区域的方法是:当确定出人脸区域后,将误判的非人脸区域去除,对人脸区域计算它的水平积分投影和垂直积分投影,如图4所示,在垂直积分投影中根据凸峰宽度确定人脸的左右边界,然后利用所得区域的水平灰度投影曲线确定眼睛区域的上下边界。
4 疲劳检测
本文根据眼睛区域的黑色像素点的大小变化来判断驾驶员的疲劳程度,记录下不同时刻眼睛区域像素点的个数,对其进行统计取一个临界点作为判断睁眼闭眼的标准。经统计,正常情况下一个人每分钟要眨眼10余次,每次眨眼要用0.3-0.4秒钟,每二次之间相隔约2.8-4秒,当驾驶员的眨眼时间在1s以上时就认为他处于疲劳状态。因此对于一段视频,每秒提取5帧,依次对每一帧进行人眼检测,检测出他的眼睛状态。定义一个变量count记录闭眼的帧数,若一分钟内总的闭眼的帧数为40帧以上90帧以下,则认为是不疲劳,因为人正常咋样也会达到40帧左右;若一分钟内总的闭眼的帧数为90帧以上,则就认为是疲劳。
5 实验结果
在驾驶室中对2组人员进行实验,这两组实验人员一组是处于清醒状态,另一组人员处于疲惫状态,分别拍摄半个小时,从中提取出6个有代表性的片段作为研究样本,每一部分2分钟,对这几个部分进行了仿真实验。
表1列出了对6组视频进行的检测结果,由人工判断的结果与表1中的数据做比较之后可以知道,除了有其中一个视频段由于被试验人员睁眼不是很明显照成的,因此可以看出利用眼睛区域像素点的个数来判断疲劳状态时一个很好的方法。
6 结束语
以上通过测定眼睛面积的大小变化来判定疲劳是一个有效的方法,这种方法不仅能在光线不充足的情况下有较好的检测效果,而且检测的时间比较短,符合实时性的要求。但是不排除有些人会习惯性眨眼的可能性而导致误判。由此在后续的研究阶段中我们会加入更多的参数来判断疲劳状况,比如打哈欠的频率和点头的频率来综合考量。
参考文献
[1]Luis M.Bergasa,Jesfls Nuevo,Miguel A.Sotelo,et a1.Real-time system for monitoring driver vigilance[J].IEEE Transactions on IntelligentTransportation Sys-tems,2006,7(1).
[2]Review of Fatigue Detection and Prediction Technologies-National Road Transport Commission,2000,9.
[3]Weiwei Liu,Haixin Sun,Weijie Shen.Driver Fatigue Detection through Pupil Detection and Yawing Analysis.2010 2nd InternationalConference on Computer Engineering and Technology,2010:612-615.
[4]Lal S.K.L.,Craig A.Driver fatigue:Electroence phalography and psychological assessment.Psychophysiology,2006(39):313-321.
[5]邢果,戚文牙.彩色空间的肤色分割及其在人脸检测中的应用[J].视频技术应用于工程,2006,289(7):91-92.
[6]胡庆新,方跃,张淑凤.一种新的驾驶员疲劳检测系统中的人脸区域检测方法[J].仪器仪表学报,2008,29(4):585-589.
[7]陈勇,黄琦,刘霞,张昌华.一种全天候驾驶员疲劳检测方法研究[J].仪器仪表学报,2009,30(3):636-640.
[8]夏芹,宋义伟,朱学峰.基于PERCLOS的驾驶疲劳监控方法进展[J].模式识别与仿真,2008,27(6):43-47.
[9]朱学峰,王秀.基于模糊控制的驾驶疲劳检测[J].计算机工程与设计,2010,31(8):1782-1785.
疲劳检测 篇9
现代社会的发展需要很多24 h不间断的行业, 例如交通、医务、制造业、军事、航空和一些公共服务部门。需要轮班工作的人员可能在睡眠和昼夜节律上受到强干扰[1,2]。精神疲劳指长时间的认知活动使人体验到的效果, 在现代生活中是一种十分常见的现象[3,4,5,6]。精神疲劳会对人的决策、判断、分析和记忆等功能造成障碍, 从而对指挥、驾驶、战情分析与决断产生重大影响[7,8]。因此, 对精神疲劳的相关研究引起很多学者的关注, 但到目前为止, 对其心理生理学机制仍然不十分清楚。
1 精神疲劳对人的影响
1.1 对注意力的影响
注意力是人的动态行为的关键特性, 它允许我们对输入的信息进行偏向性处理, 使我们做到: (1) 能够集中在与目标相关的信息上; (2) 能够动态地忽略与目标无关的信息。当人疲劳时, 经常表现为注意力难以集中。例如, Bartlett在研究中要求飞行员在计算机上模拟飞行, 长时间后, 飞行员出现失误的频率增加, 更容易被干扰[9]。Brown也注意到开车时注意力随着时间的推移而逐渐下降, 大脑对指挥手脚完成任务的效果起到反作用。这些结果都表明精神疲劳对注意力有反向影响[7]。
1.2 对眼睛和视觉的影响
研究表明, 在中枢神经系统的控制下, 眼睛和视觉系统也能提供个体警觉水平和认知状态的信息[10,11,12], 在疲劳出现时会出现多个指标的下降, 这些指标包括眨眼、长时间闭眼、眼动 (慢速转动、快速转动) 、瞳孔反应等。
1.3 对脑电的影响
脑电可能是预测性最好、最可靠的清醒水平测量方法之一[13]。在脑电作为疲劳指示器之前, 应该理解其来源和测量方法。脑电是由神经细胞抑制性和兴奋性突触后电位产生的, 这些电位在大脑皮层加和并通过头骨传递到头皮[14]。脑电中的节律性的活动代表皮层神经元突触后电位。节律性的脑电信号被认为来自于皮层神经元之间的交互和皮层下结构。
根据频率的范围, 大脑的电活动分为δ波、θ波、α波和β波。δ波是0.4~4 Hz的慢波, 存在于从清醒到困倦的转换过程和睡眠中。θ波是频率4~7 Hz的电活动, 与很多心理状态相联系, 包括催眠意象、困倦状态下的低水平警觉、睡眠, 因此可认为是由信息处理减少引起的, 当睡眠开始时代替α波[15]。α波的频率范围是8~13 Hz, 在清醒时出现。在视皮层, 闭眼时显著, 睁眼时抑制[16]。高α波出现在放松的条件下, 这时对刺激的反应减慢。β波是快速 (13~30 Hz) 脑电电位, 与增加的警觉程度、觉醒程度和兴奋程度有关[17]。据报道, 当人执行需反应时间的运动功能任务时, β波出现[17]。β波含有β1 (13~25 Hz) 和β2 (25~40 Hz) 2个成分。多年来研究发现, 大脑觉醒过程涉及了很多大脑的电活动。困倦发生时, α波可能会降低或消失几秒, 之后重新出现, 持续几分钟, 当睡眠开始时消失[18]。
Kecklund等[19]发现在驾驶时主观嗜睡水平 (subjective sleepiness level) 和脑电功率 (α波和θ波) 都会显著提高。40多年的研究表明, 脑电 (包括事件相关脑电位) 是高度可预测和可靠的认知指数[20], 被认为是测量警觉性减弱的“金标准”。
2 精神疲劳的检测方法
对精神疲劳的自动测量和监视在防止发生事故方面具有很高的价值。近年来出现了很多精神疲劳检测的技术, 如眨眼、心率、脉率、皮肤电阻抗、脑电图等[1,2,21], 重点在于建立客观、可靠和非侵入式的测量和监控方法。脑电被认为是测量精神疲劳的生理学“金标准”。脑电中包含大量的认知状态信息, 例如警觉 (alertness) 、唤起 (arousal) , 它们都包含大量大脑不同生理状态的信息, 是我们了解大脑复杂动态行为的媒介。
2.1 主观量表
主观描述法是描述疲劳最常用的方法, 需要受试者对其精神疲劳程度间接打分[13,22]或直接打分[23]。主观量表是通过设计一定的调查量表并让受试者回答获得其主观感受[24]。量表里通常含一定的特征描述, 如累、懒散、想躺下、易怒、头疼、肩部肌肉僵直、腰痛、恶心、眼睛疲劳等。对应每一个特征, 有多个程度描述可供受试者选择, 疲劳程度从最轻微到最严重可分为7级。
2.1.1 斯坦福睡眠量表 (Stanford sleepiness scale, SSS)
斯坦福睡眠量表由Hoddes等开发[18], 经常用于评价主观白天睡眠的感觉, 包括7级, 受试者从中选择最能描述其感受到的睡眠状态。
2.1.2 Epworth睡眠量表 (Epworth sleepiness scale, ESS)
Johns创建了Epworth睡眠量表。针对日常生活中8种不同的情况, 受试者对自己困倦的可能性打分。分值为0~3, 0代表不困倦, 3代表困倦的可能性高。分数相加后得到0~24的总分, 总分越高提示越困[25]。
2.1.3 Chalder疲劳量表 (Chalder fatigue scale, CFM)
Chalder疲劳量表包括11个项目的量表对疲劳程度进行量化[26]。量表由2个部分组成, 一部分评估身体疲劳, 另一部分评估精神疲劳。2个部分求和得到总分。提供4个选项, 1是“根本不”, 2是“低于通常情况”, 3是“高于通常情况”, 4是“远远高于通常情况”。
2.2 闭眼检测器
以色列Xanadu公司生产了一种光学电子闭眼检测器Onguard[27], 该设备由能够探测眼睛动作的微型红外传感器单元、处理器、电池、报警器和开关组成, 可以安装在普通眼镜架上 (如图1所示) 。电子传感器直接将红外线光照射在眼睛上, 用来测量反射的光, 当眼睑闭合时反射光减少, 就会被设备探测到, 如果闭眼超过0.5 s, 设备就会发出声音报警。
2.3 点头探测器
很多公司开发了能够检测点头的设备[27] (如图2所示) 。该设备包含耳机、电池、报警器和角度探测器, 当佩戴者点头的角度超过设定的角度时, 设备就会发出声音报警。
2.4 脸部识别
脸部特征识别技术也可以用于疲劳检测设备[28,29]。同时在人的脸部测量多个点, 提供与个人警觉水平相关的大量信息。Ji等[30]就利用2个红外摄像头和红外发光二极管对脸部进行主动照射和摄影 (如图3所示) , 从中提取出诸多信息, 如眼睑运动、头部运动和脸部表情, 用于判断警觉程度。该设备能够适应不同的种族、性别、年龄, 对是否戴眼镜和不同的光照条件也完全适用。
2.5 腕部运动识别
腕部的运动可以通过加速度传感器感知, 如果某些从业者 (例如汽车驾驶员或飞行员) 腕部长时间不动说明可能正处于疲劳状态。Wright等[31]利用英国Cambridge Neurotechnology公司生产的Actiwatch Alert手表产品 (如图4所示) , 探测飞行员飞行时的疲劳状态。该产品可连续记录手腕大于0.05 g的加速度信号, 当指定时间间隔内无手腕加速度信号就会发出报警。
2.6 脑电图测量
近年来, 基于脑电的精神疲劳检测方法发展迅速, 引起了很多研究者的关注[13,22,23], 根据不同的原理, 开发了不同的脑电检测方法。
2.6.1 基于不同波形变化的报警方法
有研究发现[23], 在疲劳中期, β波增加;重期, δ波、θ波、α波都会增加[23]。因此, 可以利用这些信息开发一套指示疲劳程度的设备。根据脑电将疲劳分为疲劳早期 (从清醒到慢波活动出现之间的区域) 、中期、重期 (慢波活动占主要) 和警觉期 (从困倦) 4期。通过编程可以探测出这些变化。在计算机上编写软件, 能够对脑电数据进行在线、离线分析, 并能够获取2个通道的数据。软件使用快速傅里叶变换 (fast Fourier transformation, FFT) 算法将脑电数据转变到频域, 计算每秒数据在每个频带的δ、θ、α和β波形的幅度。总的幅度是每个频带波形幅度 (单位:μV) 的和 (如图5所示) 。
2.6.2 基于非线性的报警方法
基于不同波形变化的方法容易受到个体差异的影响, 而基于非线性的方法有其自身的优势。在疲劳检测的应用中, 通常使用样本熵作为非线性变化的算法[14]。相比较于近似熵[15], 样本熵能够消除吸引子的自匹配, 比较不依赖于数据的长度, 便于不同条件下的比较。研究发现, 样本熵比频谱分析技术更容易分辨疲劳的状态, 当疲劳发生时, 样本熵有显著的下降[32], 此时通过频谱分析的方法还不能发现有明显差异。
2.6.3 商业产品
美国Advanced Brain Monitoring公司生产的B-alert产品 (如图6所示) 不但可以对驾驶员疲劳驾驶发出警报, 而且能够探测到个体的疲劳易感性。该产品还能够与事件相关电位一起使用, 探测到关于大脑更多的信息[33]。
3 检测方法的发展
无论使用何种方法, 目前所有的疲劳检测装置都有其优势和不足, 作为实时监测技术, 需要考虑操作环境与条件的限制, 有些技术在极端环境下甚至无法使用。
主观量表的方式是受试者对疲劳程度的主观反应, 优点是能够在一定程度上反映其疲劳的程度, 但是不够定量, 在实际应用中也不能实时采集。基于眼睛、脸部和腕部的测量装置优点是实现起来较为方便, 但是不够直接。基于脑电的装置可直接从人的大脑提取信息, 能够直接反映人的认知活动, 具有丰富的信息, 可用于多个场合。例如用于军队指挥员脑功能状态检测, 对其认知能力进行评价;也可用于教育领域, 对学生的精神疲劳水平进行跟踪, 改进教学过程。其缺点是小型化和舒适性难以实现。可以预见, 现代大规模集成电路和现代工艺的进步, 会使基于脑电的精神疲劳检测装置真正走向实用。
4 结语
精神疲劳能对人产生短期和长期的影响。大脑的疲劳与人身体的疲劳有相似之处, 长时间的精神活动和高度的压力或情绪都会引起精神疲劳。缓解疲劳的最好方法显然是充分休息, 但这一点在实际中常常无法实现 (例如在军事行动或突发事件的处理中) 。锻炼可以缓解精神疲劳, 因为锻炼可以提高血液中的氧含量, 从而提高认知水平;使用药物也能对精神疲劳有一定的缓解作用。不管采用何种措施缓解精神疲劳, 都需要对精神疲劳进行监测, 以避免行为主体在精神状态不佳的情况下作出不适当的行动, 影响任务的完成。
摘要：分析了精神疲劳对人的注意力、眼睛和视觉、脑电等方面的影响, 介绍了主观量表、闭眼检测器、点头探测器、脸部识别、腕部运动识别、脑电图测量6种检测技术与装备, 并分析了它们的优势与不足。最后指出了现代大规模集成电路和现代工艺的进步, 会使基于脑电的精神疲劳检测装置真正走向实用。