基于信息融合的疲勞狀態(tài)估計方法研究.pdf

1、疲勞是一種由于人長時間的工作而導致其精神生理上產(chǎn)生變化的現(xiàn)象，研究人的疲勞狀態(tài)估計模型對于改善勞動者工作環(huán)境以及減小社會經(jīng)濟損失具有重大意義。傳統(tǒng)的基于信息融合的方法具有估計模型復雜，計算量大，實時性差的缺點，因此本文利用支持向量機融合人在工作過程中的眼動信號與腦電波信號，提出人體疲勞狀態(tài)估計模型。該方法充分利用了兩種特征之間的相關性與互補性，具有計算速度快，準確度高，魯棒性強的優(yōu)點。
　　本文的研究內容如下:
　　1.使用

2、機器視覺的方法處理視頻數(shù)據(jù)，首先利用haar-like特征作為級聯(lián)分類器的特征進行訓練，得到人臉分類器，在此基礎上，使用監(jiān)督梯度下降法對人臉特征點進行檢測，得到包含人眼的特征點。其次，提取人眼特征點中所包含的人眼面積信息，得到人在工作過程中的眼動信號。
　　2.設計實驗，利用腦電波傳感器采集不同被試在不同狀態(tài)下的腦電波數(shù)據(jù)，針對其中的眼電偽跡，利用小波分解去噪的方法對其進行去噪處理。由于不同頻段的腦電波代表不同的含義，因此利用功率

3、譜估計的方法對去噪后的腦電波信號進行功率譜估計，得到其頻域信息。
　　3.提取眼動信號中PERCLOS的P80指標值，分析其與疲勞狀態(tài)之間的相關性，并證明其可以作為信息融合算法的輸入。通過觀察不同被試工作與瞌睡狀態(tài)下腦電波能量的變化，提出使用功率譜能量比值的指標來估計人體的疲勞程度，在此基礎上利用采集數(shù)據(jù)的疲勞標簽驗證該指標，并將其作為信息融合算法的輸入。
　　4.將眼動與腦電波信號疲勞指標數(shù)據(jù)歸一化并以一分鐘為段長分段，使