【技术实现步骤摘要】
本专利技术涉及疲劳，更具体的，涉及一种疲劳检测方法、装置及系统。
技术介绍
1、精神疲劳(mental fatigue)是指由于长时间的精神活动、压力、情绪波动或认知负荷引起的大脑功能下降的状态。它可能由长时间的认知工作、情绪压力、睡眠不足、过度应激、动机下降等多种因素引起。精神疲劳可能导致工作效率降低、记忆力减退、注意力分散、情绪波动、判断力下降和工作表现恶化。长期的精神疲劳还可能增加心理健康问题的风险，如慢性疲劳综合症、焦虑症和抑郁症。因此，有必要对精神疲劳进行检测。
2、现有的精神疲劳检测方法有主观问卷调查、行为测量、心理测量等，但是，这些精神疲劳检测方法的精确度较低，很难客观反映个体的精神疲劳程度。
技术实现思路
1、本专利技术实施例的一个目的是提供一种疲劳检测的新的技术方案。
2、根据本专利技术的第一方面，提供了一种疲劳检测方法，包括：
3、获取被检测者的生理信号；其中，所述生理信号包括脑电信号和外周生理信号；
4、对所述生理信号进行信号处理，得到处理后的生理信号；其中，所述处理后的生理信号包括处理后的脑电信号和处理后的外周生理信号；
5、对所述处理后的脑电信号和所述处理后的外周生理信号进行特征提取，得到多尺度融合特征；
6、将所述多尺度融合特征输入至疲劳检测模型，得到所述被检测者的疲劳状态。
7、可选地，所述对所述处理后的脑电信号和所述处理后的外周生理信号进行特征提取，得到多尺度融合特征
8、对所述处理后的脑电信号和所述处理后的外周生理信号进行特征提取，得到多尺度特征；
9、对所述多尺度特征进行融合处理，得到多尺度融合特征。
10、可选地，所述对所述处理后的脑电信号和所述处理后的外周生理信号进行特征提取，得到多尺度特征，包括：
11、将所述处理后的脑电信号和所述处理后的外周生理信号输入至卷积神经网络，得到局部时空特征；
12、对所述处理后的脑电信号和所述处理后的外周生理信号进行频域转换处理，得到脑电信号的频域数据和外周生理信号的频域数据；其中，所述频域数据为时间-频率数据；
13、将所述脑电信号的频域数据输入至递归神经网络，得到脑电时间序列特征；
14、将所述外周生理信号的频域数据输入至所述递归神经网络，得到外周时间序列特征。
15、可选地，在得到脑电信号的频域数据和外周生理信号的频域数据之后，所述方法还包括：
16、对所述脑电信号的频域数据和所述外周生理信号的频域数据进行频谱简化处理，以通过频谱简化处理后的频域数据提取时间序列特征。
17、可选地，所述脑电信号和所述外周生理信号的采样持续时长和采样频率相同，所述对所述生理信号进行信号处理，得到处理后的生理信号，包括：
18、对所述脑电信号进行设定频率的带通滤波处理，得到滤波后的脑电信号；
19、以设定段长，分别对所述滤波后的脑电信号和所述外周生理信号进行信号分段处理，得到所述处理后的生理信号。
20、可选地，训练得到所述疲劳检测模型的过程包括：
21、获取样本集；其中，所述样本集包括训练样本集和测试样本集，所述训练样本集包括不同疲劳状态各自对应的训练用脑电信号和训练用外周生理信号；
22、对所述训练样本集中每一样本的训练用脑电信号和训练用外周生理信号进行特征提取，得到多尺度融合特征集；
23、通过所述多尺度融合特征集对初始疲劳检测模型进行训练，得到训练后的疲劳检测模型；
24、通过所述测试样本集对所述训练后的疲劳检测模型进行评估，得到模型评估指标值；
25、在所述模型评估指标值大于或等于预设指标值的情况下，将所述训练后的疲劳检测模型作为所述疲劳检测模型。
26、可选地，所述获取样本集包括：
27、获取多个受试者的疲劳自我评估值和生理信号；其中，所述生理信号包括脑电信号和外周生理信号；
28、以设定段长，对所述生理信号进行信号分段处理，得到多个信号段；
29、根据所述疲劳自我评估值对所述多个信号段进行数据标注，得到多个样本；
30、对所述多个样本进行样本分割，得到所述训练样本集和所述测试样本集。
31、可选地，所述评估指标值包括准确率、灵敏度、特异性中的至少之一。
32、根据本公开的第二方面，提供了一种疲劳检测装置，包括存储器和处理器，所述存储器用于存储可执行的指令；所述处理器用于根据所述指令的控制进行操作以执行如第一方面所述的方法。
33、根据本公开的第三方面，提供了一种疲劳检测系统，包括：脑电传感器、外周传感器及如第二方面所述的疲劳检测装置；
34、其中，所述脑电传感器用于采集被检测者的脑电信号，并发生给所述疲劳检测装置；
35、所述外周传感器用于采集被检测者的外周生理信号，并发送给所述疲劳检测装置。
36、本专利技术的一个有益效果在于，通过综合分析脑电信号和外周生理信号，可以更全面地了解被检测者的精神状态，并且，此种基于多模态生理信号进行疲劳检测的方法可以提供更多维度的信息，有助于更准确地评估被检测者的疲劳程度和潜在的风险。
本文档来自技高网...【技术保护点】
1.一种疲劳检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述处理后的脑电信号和所述处理后的外周生理信号进行特征提取，得到多尺度融合特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述处理后的脑电信号和所述处理后的外周生理信号进行特征提取，得到多尺度特征，包括：
4.根据权利要求3所述的方法，其特征在于，在得到脑电信号的频域数据和外周生理信号的频域数据之后，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述脑电信号和所述外周生理信号的采样持续时长和采样频率相同，所述对所述生理信号进行信号处理，得到处理后的生理信号，包括：
6.根据权利要求1所述的方法，其特征在于，训练得到所述疲劳检测模型的过程包括：
7.根据权利要求6所述的方法，其特征在于，所述获取样本集包括：
8.根据权利要求6所述的方法，其特征在于，所述评估指标值包括准确率、灵敏度、特异性中的至少之一。
9.一种疲劳检测装置，其特征在于，包括处理器和存储器，所述存储器存储
10.一种疲劳检测系统，其特征在于，包括：脑电传感器、外周传感器及如权利要求9所述的疲劳检测装置；
...【技术特征摘要】
1.一种疲劳检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述处理后的脑电信号和所述处理后的外周生理信号进行特征提取，得到多尺度融合特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述处理后的脑电信号和所述处理后的外周生理信号进行特征提取，得到多尺度特征，包括：
4.根据权利要求3所述的方法，其特征在于，在得到脑电信号的频域数据和外周生理信号的频域数据之后，所述方法还包括：
5.根据权利要求1所述的方法，其特征在于，所述脑电信号和所述外周生理信号的采样持续时长和采样频率相同，所述对所述生理信号进行信号处理，得到处...
【专利技术属性】
技术研发人员：李小俚，姚群力，杨超，侯志琨，
申请(专利权)人：北京师范大学，
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。