【技术实现步骤摘要】
本申请涉及脑电信号特征提取，特别是涉及一种疲劳驾驶状态信息的检测方法和装置。
技术介绍
1、交通安全事故的发生往往会带来严重的损失和伤害，疲劳驾驶是一种常见的引起交通事故的原因之一，但许多人低估了疲劳驾驶的危险，在美国汽车协会交通安全基金会(aaa foundation for traffic safety)的一项研究发现，疲劳是导致高达9.5％交通事故的促成因素。在驾驶时，疲劳会间接促使驾驶员失去集中注意力的能力、增加驾驶员反应时间的延迟、降低驾驶员的判断能力等，从而增加发生交通安全事故的概率。因此如何检测驾驶用户的疲劳驾驶状态是当前的研究重点
2、传统的疲劳驾驶状态的检测方法是基于数字信号处理的特征提取方式，提起驾驶用户的脑洞年信号特征，从而识别驾驶用户的疲劳驾驶状态，但是该方式在提取脑电信号特征的过程中丢弃很多无用信息，虽然这使得在指定任务下，数字信号处理的方法往往有较高的准确性。而使得在大多数情况下提取的信号特征无法完整反映脑电信号的原始特性，从而导致检测疲劳驾驶状态的精准度较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种疲劳驾驶状态信息的检测方法和装置。
2、第一方面，本申请提供了一种疲劳驾驶状态信息的检测方法。所述方法包括：
3、获取驾驶用户的当前脑电信号，并将所述脑电信号进行分割向量处理，得到各单位脑电向量；
4、对各所述单位脑电向量进行特征编码，得到各所述单位脑电向量对应的脑电特征数据，并对各所述脑电
5、通过注意力特征提取程序，提取每个特征组的全量特征信息，并提取所有特征组的全局特征信息；
6、基于各所述特征组的全量特征信息、以及所述全局特征信息，识别所述驾驶用户的脑电状态信息，并在所述脑电状态信息为疲劳状态的情况下，通过数据增强策略，将所述当前脑电信号转化为多频域脑电信号；
7、将所述多频域脑电信号替换所述当前脑电信号，并返回执行所述脑电信号进行分割向量处理，得到各单位脑电向量步骤，得到所述驾驶用户的目标脑电状态信息。
8、可选的，所述获取驾驶用户的当前脑电信号，包括：
9、获取驾驶用户的实时脑电信号，并对所述实时脑电信号进行信号预处理过程，得到所述驾驶用户的单通道脑电信号；
10、通过信号分解策略，采集所述单通道脑电信号在不同频率范围的脑电变化信息，并将所有频率范围的脑电变化信息，作为所述驾驶用户的当前脑电信号。
11、可选的，所述将所述脑电信号进行分割向量处理，得到各单位脑电向量，包括：
12、将所述脑电信号按照时间顺序进行排列处理，得到所述脑电信号对应的信号时序信息，并将所述信号时序信息，按照预设时序间隔进行分割处理，得到多个单位脑电信号；
13、对每个单位脑电信号进行向量化处理，得到每个单位脑电信号对应的单位脑电向量。
14、可选的，所述对各所述脑电特征数据进行窗口划分处理，得到各特征组，包括：
15、获取预设窗口大小、以及预设脑电信号通道数，并识别每个脑电特征数据的数据量；
16、基于各所述脑电特征数据的数据量、所述预设窗口大小、以及所述预设脑电信号通道数，将各所述脑电特征数据进行窗口划分处理，得到多个特征组。
17、可选的，所述通过注意力特征提取程序，提取每个特征组的全量特征信息，包括：
18、针对每个特征组，通过第一特征识别程序，识别所述特征组中的各脑电特征数据之间的第一关联特征信息，并对所述特征组中的各脑电特征数据进行窗口滑动处理，得到所述特征组中的各新脑电特征数据；
19、基于各所述特征组中的各新脑电特征数据，通过第二特征识别程序，识别每对相邻特征组之间的第二关联特征信息；
20、将各所述特征组的第一关联特征信息、以及各所述特征组与各所述特征组的相邻特征组之间的第二关联特征信息，作为各所述特征组的全量特征信息。
21、可选的，所述提取所有特征组的全局特征信息，包括：
22、对所有特征组进行窗口合并处理，得到合并特征组，并通过第三特征提取网络，提取所述合并特征组中的关联特征信息，得到全局特征信息。
23、可选的，所述通过数据增强策略，将所述当前脑电信号转化为多频域脑电信号，包括：
24、获取每个脑电频域的频域划分策略，并针对每个脑电频域，基于所述脑电频域的频域划分策略，对所述当期脑电信号进行频域信号提取处理，得到所述脑电频域对应的脑电频域信号；
25、将所有脑电频域对应的脑电频域信号，作为多频域脑电信号。
26、可选的，所述返回执行所述脑电信号进行分割向量处理，得到各单位脑电向量步骤，得到所述驾驶用户的目标脑电状态信息，包括：
27、返回执行所述脑电信号进行分割向量处理，得到各单位脑电向量步骤，得到每个特征组的新全量特征信息、以及所有特征组的新全局特征信息，并获取每个脑电状态的特征范围信息；
28、识别包含所有新全量特征信息、以及所述新全局特征信息的特征范围信息对应的脑电状态，作为所述驾驶用户的目标脑电状态信息。
29、第二方面，本申请还提供了一种疲劳驾驶状态信息的检测装置。所述装置包括：
30、获取模块，用于获取驾驶用户的当前脑电信号，并将所述脑电信号进行分割向量处理，得到各单位脑电向量；
31、划分模块，用于对各所述单位脑电向量进行特征编码，得到各所述单位脑电向量对应的脑电特征数据，并对各所述脑电特征数据进行窗口划分处理，得到各特征组；
32、提取模块，用于通过注意力特征提取程序，提取每个特征组的全量特征信息，并提取所有特征组的全局特征信息；
33、识别模块，用于基于各所述特征组的全量特征信息、以及所述全局特征信息，识别所述驾驶用户的脑电状态信息，并在所述脑电状态信息为疲劳状态的情况下，通过数据增强策略，将所述当前脑电信号转化为多频域脑电信号；
34、返回模块，用于将所述多频域脑电信号替换所述当前脑电信号，并返回执行所述脑电信号进行分割向量处理，得到各单位脑电向量步骤，得到所述驾驶用户的目标脑电状态信息。
35、可选的，所述获取模块，具体用于：
36、获取驾驶用户的实时脑电信号，并对所述实时脑电信号进行信号预处理过程，得到所述驾驶用户的单通道脑电信号；
37、通过信号分解策略，采集所述单通道脑电信号在不同频率范围的脑电变化信息，并将所有频率范围的脑电变化信息，作为所述驾驶用户的当前脑电信号。
38、可选的，所述获取模块，具体用于：
39、将所述脑电信号按照时间顺序进行排列处理，得到所述脑电信号对应的信号时序信息，并将所述信号时序信息，按照预设时序间隔进行分割处理，得到多个单位脑电信号；
40、对每个单位脑电信号进行向量化处理，得到每个单位脑电本文档来自技高网...
【技术保护点】
1.一种疲劳驾驶状态信息的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取驾驶用户的当前脑电信号，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述脑电信号进行分割向量处理，得到各单位脑电向量，包括：
4.根据权利要求3所述的方法，其特征在于，所述对各所述脑电特征数据进行窗口划分处理，得到各特征组，包括：
5.根据权利要求4所述的方法，其特征在于，所述通过注意力特征提取程序，提取每个特征组的全量特征信息，包括：
6.根据权利要求1所述的方法，其特征在于，所述提取所有特征组的全局特征信息，包括：
7.根据权利要求6所述的方法，其特征在于，所述通过数据增强策略，将所述当前脑电信号转化为多频域脑电信号，包括：
8.根据权利要求7所述的方法，其特征在于，所述返回执行所述脑电信号进行分割向量处理，得到各单位脑电向量步骤，得到所述驾驶用户的目标脑电状态信息，包括：
9.一种疲劳驾驶状态信息的检测装置，其特征在于，所述装置包括：
10.一
...【技术特征摘要】
1.一种疲劳驾驶状态信息的检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取驾驶用户的当前脑电信号，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述脑电信号进行分割向量处理，得到各单位脑电向量，包括：
4.根据权利要求3所述的方法，其特征在于，所述对各所述脑电特征数据进行窗口划分处理，得到各特征组，包括：
5.根据权利要求4所述的方法，其特征在于，所述通过注意力特征提取程序，提取每个特征组的全量特征信息，包括：
6.根据权利要求1所述的方法，其特征在于，所述...
【专利技术属性】
技术研发人员：李宁，梁立新，雷高明，覃为，梅逢城，林霖，赵建，
申请(专利权)人：深圳技术大学，
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。