基于BP神经网络的管制员疲劳检测方法及系统技术方案

本发明专利技术涉及疲劳检测领域，具体涉及一种基于BP神经网络的管制员疲劳检测方法及系统。本发明专利技术的基于BP神经网络的管制员疲劳检测方法包括：采集管制员的脉搏值和血压值，根据所述血压值得到舒张压值和收缩压值；将所述脉搏值、所述舒张压值和所述收缩压值输入预先训练好的BP神经网络模型，得到PERCLOS值仿真结果；若所述PERCLOS值仿真结果大于疲劳阈值，则判断所述管制员处于疲劳状态。本发明专利技术提供的基于BP神经网络的管制员疲劳检测方法及系统，基于BP神经网络，通过检测脉搏值和血压值来实时检测人体的疲劳程度，使实时疲劳检测变得更为简单，且降低了检测成本。

【技术实现步骤摘要】

本专利技术涉及疲劳检测
，具体涉及一种基于BP神经网络的管制员疲劳检测方法及系统。
技术介绍
随着空中交通流量的日益增长，空中交通管制员的工作负荷越来越大，其疲劳程度对空中交通系统安全水平有着重要影响。国际民航组织已经为疲劳风险管理制定了Doc9966规章制度手册。欧美发达国家也先后将针对飞行员的疲劳检测系统或者方法扩展到管制员疲劳检测应用上。中国民航局以国际民航组织Doc9966为指导，也在CCAR-121文件中明确了疲劳风险管理的规则。但是，到目前为止，虽然国内外研究者提出了多种疲劳检测与管理方法和体系，但是这些方法主要有三方面不足。一是主观性较强，如大量问卷表格被用于疲劳判定和预测中，研究人员会根据被测者的回答结果结合经验进行打分以确定疲劳程度，这样难免会受到研究者主观判断的影响；二是难以进行实时检测，有相当一部分正在使用的方法均是通过观察较长时间内(如连续几十天)被测者的表现，从而建立疲劳趋势预测图表，再根据图表来判定在某一段时间内管制员是否疲劳。这样就直接忽略了管制员当前身体状况，可能对检测结果造成一定的影响；三是当前已有的适用于实时疲劳检测的方法大多采用对面部特征进行采集和识别的方法，这种方法需要高精度视频检测设备随时拍摄管制员，从成本角度分析不具备优势。
技术实现思路
针对现有技术中的缺陷，本专利技术提供的基于BP神经网络的管制员疲劳检测方法及系统，基于BP神经网络，通过检测脉搏值和血压值来实时检测人体的疲劳程度，使实时疲劳检测变得更为简单，且降低了检测成本。本专利技术提供的一种基于BP神经网络的管制员疲劳检测方法，包括：采集管制员的脉搏值和血压值，根据所述血压值得到舒张压值和收缩压值；将所述脉搏值、所述舒张压值和所述收缩压值输入预先训练好的BP神经网络模型，得到PERCLOS值仿真结果；若所述PERCLOS值仿真结果大于疲劳阈值，则判断所述管制员处于疲劳状态。本专利技术提供的基于BP神经网络的管制员疲劳检测方法，在实时检测中只用通过简单经济的方式检测管制员的脉搏值和血压值，根据血压值得到舒张压值和收缩压值，将脉搏值、舒张压值和收缩压值输入预先构建的BP神经网络模型就能精准地估计出管制员当前的PERCLOS值仿真结果，从而检测管制员的疲劳状态。因此，本专利技术提供的方法使实时疲劳检测变得更为简单，且降低了检测成本。优选地，所述BP神经网络模型的训练方法包括：建立BP神经网络模型并随机生成所述BP神经网络模型的参数，所述BP神经网络模型包括输入层、中间层、输出层，所述输入层包含3个节点，所述中间层包含多个节点，所述输出层包含1个节点，所述输入层和所述中间层之间，以及所述中间层和所述输出层之间均采用全连接模式；采集管制员的脉搏值和血压值以及对应的眼睑闭合数据，根据所述血压值得到舒张压值和收缩压值，根据所述眼睑闭合数据得到的PERCLOS值测量结果，并生成多个样本，每个样本包括所述脉搏值、所述舒张压值、所述收缩压值以及对应的PERCLOS值测量结果；从生成的样本中选取一个样本，将样本中的脉搏值、舒张压值和收缩压值输入所述BP神经网络模型，得到PERCLOS值预估结果；根据所述PERCLOS值预估结果和选取的样本的PERCLOS值测量结果的误差，更新所述BP神经网络模型的参数；若达到预设停止条件，则终止训练，否则重新选取样本再进行训练。优选地，所述根据所述眼睑闭合数据得到的PERCLOS值测量结果，包括：从所述眼睑闭合数据中获取所述管制员清醒状态下的上下眼睑最大距离，所述眼睑闭合数据为眼睑闭合幅度随时间的变化，所述眼睑闭合幅度为上下眼睑之间的距离；将所述眼睑闭合数据除以所述上下眼睑最大距离，得到眼睑闭合程度；根据所述眼睑闭合程度，计算单位时间内的闭眼时间；将闭眼时间除以所述单位时间得到PERCLOS值测量结果。优选地，所述根据所述眼睑闭合程度，计算单位时间内的闭眼时间，包括：在单位时间内，眼睑闭合程度大于70％或80％的对应的时间段的总和为所述单位时间内的闭眼时间。优选地，若达到预设停止条件，则终止训练，否则重新选取样本再进行训练，包括：根据所述PERCLOS值预估结果和选取的样本中的PERCLOS值测量结果得到全局误差，若所述全局误差小于误差阈值或训练次数达到预设的最大次数，则终止训练，否则重新选取样本再进行训练。优选地，根据所述PERCLOS值预估结果和选取的样本的PERCLOS值测量结果的误差，更新所述BP神经网络模型的参数，包括：计算所述PERCLOS值预估结果和选取的样本中的PERCLOS值测量结果的输出误差；根据所述输出误差相对于中间层到输出层各边权值的偏导数，更新所述中间层到输出层各边权值；根据所述输出误差相对于输入层到中间层各边权值的偏导数，更新所述输入层到中间层各边权值；根据所述输出误差相对于输出层偏置的偏导数，更新所述输出层偏置；根据所述输出误差相对于中间层偏置的偏导数，更新所述中间层偏置。本专利技术提供的一种基于BP神经网络的管制员疲劳检测系统，包括：原始数据处理模块，用于采集管制员的脉搏值和血压值，根据所述血压值得到舒张压值和收缩压值；疲劳值输出模块，用于将所述脉搏值、所述舒张压值和所述收缩压值输入预先训练好的BP神经网络模型，得到PERCLOS值仿真结果；疲劳判断模块，用于若所述PERCLOS值仿真结果大于疲劳阈值，则判断所述管制员处于疲劳状态。本专利技术提供的基于BP神经网络的管制员疲劳检测系统，在实时检测中只用通过简单经济的方式检测管制员的脉搏值和血压值，根据血压值得到舒张压值和收缩压值，将脉搏值、舒张压值和收缩压值输入预先构建的BP神经网络模型就能精准地估计出管制员当前的PERCLOS值仿真结果，从而检测管制员的疲劳状态。因此，本专利技术提供的方法使实时疲劳检测变得更为简单，且降低了检测成本。优选地，还包括BP神经网络模型训模块用于：建立BP神经网络模型并随机生成所述BP神经网络模型的参数，所述BP神经网络模型包括输入层、中间层、输出层；所述输入层包含3个节点，所述中间层包含多个节点，所述输出层包含1个节点；所述输入层和所述中间层之间，以及所述中间层和所述输出层之间均采用全连接模式；采集管制员的脉搏值、血压值以及对应的眼睑闭合数据，根据所述血压值得到舒张压值和收缩压值，根据所述眼睑闭合数据得到的PERCLOS值测量结果，并生成多个样本，每个样本包括所述脉搏值、所述舒张压值、所述收缩压值以及对应的PERCLOS值测量结果；从生成的样本中选取一个样本，将样本中的脉搏值、舒张压值、收缩压值输入所述BP神经网络模型，得到PERCLOS值预估结果；根据所述PERCLOS值预估结果和选取的样本的PERCLOS值测量结果的误差，更新所述BP神经网络模型的参数；若达到预设停止条件，则终止训练，否则重新选取样本再进行训练。优选地，在所述BP神经网络模型训模块中，所述根据所述眼睑闭合数据得到的PERCLOS值测量结果，包括：从所述眼睑闭合数据中获取所述管制员清醒状态下的上下眼睑最大距离，所述眼睑闭合数据为眼睑闭合幅度随时间的变化，所述眼睑闭合幅度为上下眼睑之间的距离；将所述眼睑闭合数据除以所述上下眼睑最大距离，得到眼睑闭合程度；根据所述眼睑闭合程度，计算单位时间内的闭眼时间；将闭眼时间除以所述单位本文档来自技高网...

【技术保护点】
一种基于BP神经网络的管制员疲劳检测方法，其特征在于，包括：采集管制员的脉搏值和血压值，根据所述血压值得到舒张压值和收缩压值；将所述脉搏值、所述舒张压值和所述收缩压值输入预先训练好的BP神经网络模型，得到PERCLOS值仿真结果；若所述PERCLOS值仿真结果大于疲劳阈值，则判断所述管制员处于疲劳状态。

【技术特征摘要】
1.一种基于BP神经网络的管制员疲劳检测方法，其特征在于，包括：采集管制员的脉搏值和血压值，根据所述血压值得到舒张压值和收缩压值；将所述脉搏值、所述舒张压值和所述收缩压值输入预先训练好的BP神经网络模型，得到PERCLOS值仿真结果；若所述PERCLOS值仿真结果大于疲劳阈值，则判断所述管制员处于疲劳状态。2.根据权利要求1所述的方法，其特征在于，所述BP神经网络模型的训练方法包括：建立BP神经网络模型并随机生成所述BP神经网络模型的参数，所述BP神经网络模型包括输入层、中间层、输出层，所述输入层包含3个节点，所述中间层包含多个节点，所述输出层包含1个节点，所述输入层和所述中间层之间、以及所述中间层和所述输出层之间均采用全连接模式；采集管制员的脉搏值和血压值以及对应的眼睑闭合数据，根据所述血压值得到舒张压值和收缩压值，根据所述眼睑闭合数据得到的PERCLOS值测量结果，并生成多个样本，每个样本包括所述脉搏值、所述舒张压值、所述收缩压值以及对应的PERCLOS值测量结果；从生成的样本中选取一个样本，将样本中的脉搏值、舒张压值和收缩压值输入所述BP神经网络模型，得到PERCLOS值预估结果；根据所述PERCLOS值预估结果和选取的样本的PERCLOS值测量结果的误差，更新所述BP神经网络模型的参数；若达到预设停止条件，则终止训练，否则重新选取样本再进行训练。3.根据权利要求2所述的方法，其特征在于，所述根据所述眼睑闭合数据得到的PERCLOS值测量结果，包括：从所述眼睑闭合数据中获取所述管制员清醒状态下的上下眼睑最大距离，所述眼睑闭合数据为眼睑闭合幅度随时间的变化，所述眼睑闭合幅度为上下眼睑之间的距离；将所述眼睑闭合数据除以所述上下眼睑最大距离，得到眼睑闭合程度；根据所述眼睑闭合程度，计算单位时间内的闭眼时间；将闭眼时间除以所述单位时间得到PERCLOS值测量结果。4.根据权利要求3所述的方法，其特征在于，所述根据所述眼睑闭合程度，计算单位时间内的闭眼时间，包括：在单位时间内，眼睑闭合程度大于70％或80％的对应的时间段的总和为所述单位时间内的闭眼时间。5.根据权利要求2所述的方法，其特征在于，若达到预设停止条件，则终止训练，否则重新选取样本再进行训练，包括：根据所述PERCLOS值预估结果和选取的样本中的PERCLOS值测量结果得到全局误差，若所述全局误差小于误差阈值或训练次数达到预设的最大次数，则终止训练，否则重新选取样本再进行训练。6.根据权利要求2所述的方法，其特征在于，根据所述PERCLOS值预估结果和选取的样本的PERCLOS值测量结果的误差，更新所述BP神经网络模型的参数，包括：计算所述PERCLOS值预估...

【专利技术属性】
技术研发人员：张建平，邹翔，张瑞平，李震，高翔，徐祥刚，盛鹏峰，
申请(专利权)人：中国民用航空总局第二研究所，
类型：发明
国别省市：四川;51