操作人员岗前疲劳检测方法和系统技术方案

本发明专利技术提供了一种操作人员岗前疲劳检测方法和系统，包括：基于实验方法设计目标仿真实验，并在目标仿真实验过程获取实验数据集；对心率变异性数据进行分析，得到关于心率变异性数据的数据指标；以眼动的生理数据作为疲劳标签、并用主观量表数据和精神运动警戒任务数据进行检验、以数据指标作为疲劳特征，对实验数据集进行特征的提取与识别，得到预处理后的数据集；将预处理后的数据集划分为训练数据集与测试数据集，利用机器学习的方法对预设疲劳检测模型在训练数据集上进行训练、并在测试数据集上进行测试，得到训练之后的疲劳检测模型。本发明专利技术缓解了现有技术中存在的测量不准确和测量效率低的技术问题。和测量效率低的技术问题。和测量效率低的技术问题。

Pre job fatigue detection method and system for operators

【技术实现步骤摘要】
操作人员岗前疲劳检测方法和系统


[0001]本专利技术涉及疲劳检测
，尤其是涉及一种操作人员岗前疲劳检测方法和系统。

技术介绍

[0002]疲劳被认为是在更大范围内造成事故、伤害和死亡的一个重要因素，这意味着疲劳的人更有可能做出不安全的行为。疲劳对在很多行业都有着重要的影响，例如道路、航空、航海等运输行业，以及其他职业环境(如医院、机械工厂等)，特别涉及到轮班，不定期的工作时间时。无论实在工作时间还是在休息时间，几乎每个都会有疲劳的时候，因此事故和受伤的风险会增加。疲劳会对产生人产生一些负面的效应，例如动作迟缓，反应时间边长，注意力不集中，更容易做出错误的决策等，这些效应已经在很多引人注目的事故中被发现。
[0003]疲劳或嗜睡检测是一个重要的研究课题，并且成功地开发了很多用于疲劳检测的技术：量表测量，性能测量、行为测量和生理数据测量等。量表测量是操作者根据自我疲劳的评估，并填写卡罗琳斯卡嗜睡量表(Karolinska Sleepiness Scale，KSS)和斯坦福嗜睡量表(Stanford Sleepiness Scale，SSS)，这种测量方式依赖操作者的主观感受，会忽略一些疲劳的微小变化；性能测量是指对操作人员的任务性能表现进行评估，常见的有精神运动警戒测试(Psychomotor Vigilance Task，PVT)等；行为测量是指使用摄像头对操作人员的面部动作和表情进行捕捉，基于机器视觉技术识别眨眼、打哈欠、点头等面部表情，这种方法需要能够实时补货操作人员的行为特征，且如果操作人员刻意去抑制，这种方法的效率将大大降低；生理数据测量与操作人员的精神状态高度相关，并且对疲劳检测最敏感，但是要求操作员佩戴必要的感官设备，记录如脑电图(Electroencephalogram，EEG)、心电图(Electrocardiogram，ECG)、眼电图(Electro－oculogram，EOG)等。因此，现有的疲劳测量技术存在着测量不准确和测量效率低的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种操作人员岗前疲劳检测方法和系统，以缓解现有技术中存在的测量不准确和测量效率低的技术问题。
[0005]第一方面，本专利技术实施例提供了一种操作人员岗前疲劳检测方法，包括：基于实验方法设计目标仿真实验，并在所述目标仿真实验过程获取实验数据集；所述目标仿真实验为在不同时间段、在多属性任务平台上基于仿真场景开展的操作人员疲劳性实验；所述实验数据集包括：心率变异性数据、眼动的生理数据、主观量表数据和精神运动警戒任务数据；对所述心率变异性数据进行分析，得到关于所述心率变异性数据的数据指标；以所述眼动的生理数据作为疲劳标签、并用所述主观量表数据和所述精神运动警戒任务数据进行检验、以所述数据指标作为疲劳特征，对所述实验数据集进行特征的提取与识别，得到预处理后的数据集；将所述预处理后的数据集划分为训练数据集与测试数据集，利用机器学习的方法对预设疲劳检测模型在所述训练数据集上进行训练、并在所述测试数据集上进行测
试，得到训练之后的疲劳检测模型；利用所述训练之后的疲劳检测模型，对待测操作人员进行岗前疲劳检测。
[0006]进一步地，对所述心率变异性数据进行分析，得到所述心率变异性数据的数据指标，包括：将所述心率变异性数据划分为多个时间切片；对每一个时间切片内的数据分别进行时域分析、频域分析和非线性分析，得到关于所述心率变异性数据的数据指标。
[0007]进一步地，所述眼动的生理数据包括总眨眼时间和单位眨眼时间；用所述主观量表数据和所述精神运动警戒任务数据进行检验，包括：将所述总眨眼时间与所述主观量表数据进行相关性分析，验证所述单位眨眼时间和主观疲劳之间的相关性；将所述总眨眼时间与所述精神运动警戒任务数据进行相关性分析，验证所述单位眨眼时间和所述精神运动警戒任务数据之间的相关性。
[0008]进一步地，所述主观量表数据包括卡罗琳斯卡嗜睡量表数据和斯坦福嗜睡量表数据；所述精神运动警戒任务数据包括反应时间。
[0009]进一步地，所述方法还包括：将所述单位眨眼时间与所述数据指标进行相关性分析，提取相关性系数最高的数据指标作为所述疲劳特征。
[0010]进一步地，利用所述训练之后的疲劳检测模型，对待测操作人员进行岗前疲劳检测，包括：获取所述待测操作人员的心率变异性数据；以所述待测操作人员的心率变异性数据作为输入，输入到所述训练之后的疲劳检测模型，得到所述待测操作人员的岗前疲劳检测结果。
[0011]第二方面，本专利技术实施例还提供了一种操作人员岗前疲劳检测系统，包括：实验模块，分析模块，提取模块，训练模块和检测模块；其中，所述实验模块，用于基于实验方法设计目标仿真实验，并在所述目标仿真实验过程获取实验数据集；所述目标仿真实验为在不同时间段、在多属性任务平台上基于仿真场景开展的操作人员疲劳性实验；所述实验数据集包括：心率变异性数据、眼动的生理数据、主观量表数据和精神运动警戒任务数据；所述分析模块，用于对所述心率变异性数据进行分析，得到关于所述心率变异性数据的数据指标；所述提取模块，用于以所述眼动的生理数据作为疲劳标签、并用所述主观量表数据和所述精神运动警戒任务数据进行检验、以所述数据指标作为疲劳特征，对所述实验数据集进行特征的提取与识别，得到预处理后的数据集；所述训练模块，用于将所述预处理后的数据集划分为训练数据集与测试数据集，利用机器学习的方法对预设疲劳检测模型在所述训练数据集上进行训练、并在所述测试数据集上进行测试，得到训练之后的疲劳检测模型；所述检测模块，用于利用所述训练之后的疲劳检测模型，对待测操作人员进行岗前疲劳检测。
[0012]进一步地，所述检测模块，还用于：获取所述待测操作人员的心率变异性数据；以所述待测操作人员的心率变异性数据作为输入，输入到所述训练之后的疲劳检测模型，得到所述待测操作人员的岗前疲劳检测结果。
[0013]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。
[0014]第四方面，本专利技术实施例还提供了一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述第一方面所述方法。
[0015]本专利技术提供了一种操作人员岗前疲劳检测方法和系统，综合运用了量表测量、行
为测量和生理数据测量的实验方法，确定操作人员的岗前疲劳检测模型，该模型可以准确检测出操作人员的疲劳状态，并且检测过程简单、高效，缓解了现有技术中存在的测量不准确和测量效率低的技术问题。
附图说明
[0016]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种操作人员岗前疲劳检测方法，其特征在于，包括：基于实验方法设计目标仿真实验，并在所述目标仿真实验过程获取实验数据集；所述目标仿真实验为在不同时间段、在多属性任务平台上基于仿真场景开展的操作人员疲劳性实验；所述实验数据集包括：心率变异性数据、眼动的生理数据、主观量表数据和精神运动警戒任务数据；对所述心率变异性数据进行分析，得到关于所述心率变异性数据的数据指标；以所述眼动的生理数据作为疲劳标签、并用所述主观量表数据和所述精神运动警戒任务数据进行检验、以所述数据指标作为疲劳特征，对所述实验数据集进行特征的提取与识别，得到预处理后的数据集；将所述预处理后的数据集划分为训练数据集与测试数据集，利用机器学习的方法对预设疲劳检测模型在所述训练数据集上进行训练、并在所述测试数据集上进行测试，得到训练之后的疲劳检测模型；利用所述训练之后的疲劳检测模型，对待测操作人员进行岗前疲劳检测。2.根据权利要求1所述的方法，其特征在于，对所述心率变异性数据进行分析，得到所述心率变异性数据的数据指标，包括：将所述心率变异性数据划分为多个时间切片；对每一个时间切片内的数据分别进行时域分析、频域分析和非线性分析，得到关于所述心率变异性数据的数据指标。3.根据权利要求1所述的方法，其特征在于，所述眼动的生理数据包括总眨眼时间和单位眨眼时间；用所述主观量表数据和所述精神运动警戒任务数据进行检验，包括：将所述总眨眼时间与所述主观量表数据进行相关性分析，验证所述单位眨眼时间和主观疲劳之间的相关性；将所述总眨眼时间与所述精神运动警戒任务数据进行相关性分析，验证所述单位眨眼时间和所述精神运动警戒任务数据之间的相关性。4.根据权利要求3所述的方法，其特征在于，所述主观量表数据包括卡罗琳斯卡嗜睡量表数据和斯坦福嗜睡量表数据；所述精神运动警戒任务数据包括反应时间。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：将所述单位眨眼时间与所述数据指标进行相关性分析，提取相关性系数最高的数据指标作为所述疲劳特征。6.根据权利要求1所述的方法，其特征在于，利用...

【专利技术属性】
技术研发人员：潘星，丁嵩，孙刘旺，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：