【技术实现步骤摘要】
一种基于K
‑
TRCA的脑力疲劳评估方法
[0001]本专利技术涉及脑力疲劳评估领域,尤其涉及一种基于K
‑
TRCA的脑力疲劳评估方法,是一种基于K
‑
means聚类方法结合任务相关成分分析(Improved Task
‑
relevant Component Analysis,TRCA)算法对快速序列视觉呈现(Rapid Serial Visual Presentation,RSVP)弱小目标检测任务下诱发的脑力疲劳进行识别的方法。
技术介绍
[0002]无论是日常生活的自动驾驶,还是在现代化的高科技战争等快速反应领域,都要求系统对弱小目标具备快的反应时间、远的发现距离,即实现RSVP弱小目标快速检测。单纯依靠计算机视觉处理,很难实现精确识别。结合机器智能和人脑智能的优点和人机混合策略,能够提升弱小目标的感知能力。然而,人脑在高强度、长时间的弱小目标检测任务中,容易出现疲劳,如果没有得到及时评价和干预,将会导致严重的后果,所以快速准确对人脑的疲劳状态做出评估,及时实施预警,对于预防因作业人员疲劳而引发的人为事故具有重要的意义。
[0003]近年来,脑力疲劳的评估手段趋于多元化,主要基于主观量表、生理指标、心理指标和生化指标等角度,对多模态指标进行融合实现疲劳评估,是未来发展的主要方向。然而,在脑力疲劳方面,多模数据的融合方法往往采用决策层融合的方法,该方法的缺陷是最终的识别准确率过度依赖于单一模态数据的识别精度。目前,亟需一种通过多模数据 ...
【技术保护点】
【技术特征摘要】
1.一种基于K
‑
TRCA的脑力疲劳评估方法,其特征在于,操作步骤如下:(1)预处理阶段:(1
‑
1)对左右眼的瞳孔直径数据出现空缺的数据段用“0”填充;(1
‑
2)对原始脑电数据,进行滤波并去除眼电伪迹;(1
‑
3)从第一个目标图像出现的时间标签开始,向后截取单位时间长度为t0的瞳孔直径数据和脑电数据,直至遍历所有的目标图像出现的时间标签,将截取的数据段样本分别保存为瞳孔数据样本集和脑电数据样本集;(2)标定阶段:(2
‑
1)计算瞳孔数据样本集中每个样本的P80数值,根据国际公认的P80阈值标准,将结果分为清醒、疲劳、瞌睡3类;(2
‑
2)通过K
‑
means算法,对所有的瞳孔数据样本进行重新聚类,将新聚类的瞳孔直径数据样本对应的脑电数据样本集表示为X1、X2、X3,其中,X1为清醒样本、X2为疲劳样本、X3为瞌睡样本,用于训练;(3)训练阶段:(3
‑
1)对所述的X1、X2、X3,使用TRCA算法,进行疲劳相关成分分析,计算出能够提取3类疲劳相关成分的空间滤波器组W;(3
‑
2)计算出每一个疲劳类别的所有训练样本的叠加平均值(4)测试阶段:(4
‑
1)使用空间滤波器组W同时对测试样本Y∈R
Nc
×
Nt
和进行滤波,并计算皮尔逊相关系数r
k,k=1,2,3
;计算公式如下:其中,k=1,2,3,R表示实数集,Nc表示通道数,Nt表示采样点数,ρ(*,*)表示进行皮尔逊相关系数计算,Y表示测试样本,T表示矩阵的转置运算,W表示空间滤波器组,表示表示中的第k个的转置;(4
‑
2)比较r1、r2、r3的大小,如果r1最大,则判定测试样本Y表示清醒状态,如果r2最大,则判定测试样本Y表示疲劳状态,如果r3最大,则判定测试样本Y表示瞌睡状态。2.根据权利要求1所述基于K
‑
TRCA的脑力疲劳评估方法,其特征在于:所述步骤(2
‑
1)中的P80数值计算方法具体为:通过计算单位时间内瞳孔面积被遮住超过80%的时间t1占单位时间t0的百分比的大小,初步评估大脑疲劳程度;假设瞳孔直径样本集中的某一个数值为d,被试在睁眼静息态的平均瞳孔直径为则瞳孔面积被遮住超过80%的时间t1筛选条件可表示为:3.根据权利要求1所述基于K
‑
TRCA的脑力疲劳评估方法,其特征在于:所述步骤(2
‑
1)中的P80阈值判定标准具体为:当P80≤0.075,清醒状态;当0.075<P80≤0.15,疲劳状态;
当P80>0.15,瞌睡状态。4.根据权利要求1所述基于K
‑
TRCA的脑力疲劳评估方法,其特征在于:所述步骤(2
‑
2)中的K
‑
means算法具体实现如下:中心初始化...
【专利技术属性】
技术研发人员:杨帮华,周雨松,高守玮,夏新星,汪小帆,
申请(专利权)人:上海大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。