人体疲劳程度检测,生理信号处理
写在前面 :
参加比赛做了检测人体人体疲劳程度的手环,题主现在已经毕业。检测的生理指标有肌电、脉搏、血氧含量。对时域和频域进行分析,通过支持向量机分级模型得出疲劳等级。
疲劳分级
本系统根据斯坦福嗜睡量表分为四个疲劳等级:清醒(0级)、轻度疲劳(1级)、中度疲劳(2级)、重度疲劳(3级)
表1 斯坦福嗜睡量表(SSS)
评分 | 疲劳程度 | 疲劳等级 |
---|---|---|
1 | 感觉非常振奋、充满生机与活力 | 0级 |
2 | 身体机能处于较高水平,不过不在峰值,可以集中注意力 | 0级 |
3 | 很清醒,不过身体及思维都比较放松,能及时反应但不够灵敏 | 1级 |
4 | 有些倦意、松懈 | 1级 |
5 | 充满倦意,不再想保持清醒,非常松懈 | 2级 |
6 | 开始打瞌睡,头晕眼花,不再与睡意作斗争,只想躺下来休息 | 3级 |
7 | 睡眠初期,开始出现梦境 | 3级 |
X | 沉睡 | 3级 |
检测指标
根据相关研究,疲劳状态通过选取2个或2个以上检测指标均认为有效,且现有研究中使用频率最高的检测指标主要为肌电、脉搏和血氧饱和度信号,考虑到数据采集的便捷性以及疲劳程度的相关性,本文选取了这3个生理指标作为驾驶疲劳的检测标准。
(1)肌电(EMG)特征参数提取
研究发现EMG信号随着人体疲劳程度的加深,其幅值会增大,频率会降低,因此
通过分析EMG信号来检测驾驶员的疲劳状态。通过对处理后的数据进行时域分析和频域分析,得到肌电信号的特征参数:积分肌电值(IEMG)、均方根值(RMS)、平均功率频率(MPF)、中位频率(MF)。
IEMG是指在一定时间内肌肉中参与活动的运动单位放电总量,通常其幅值随疲劳程度的加深而增加。RMS反映了运动单位数量的募集程度及其放电频率的同步化程度。其计算公式分别为:
IEMG=∫t1t2∣X(t)∣dtI E M G=\int_{t_{1}}^{t_{2}}|X(t)| d t IEMG=∫t1t2∣X(t)∣dt
RMS=1T∑t=1Tx2(t)R M S=\sqrt{\frac{1}{T} \sum_{t=1}^{T} x^{2}(t)} RMS=T1t=1∑Tx2(t)
其中,t1为采集肌电信号开始时刻,t2为采集肌电信号结束时刻,*X(t)*为肌电信号大小。
将表面肌电(EMG)信号进行快速傅里叶变换( FFT),获得EMG信号的功率谱,反映 EMG信号在不同频率范围内的强度。MF和MPF为常用的肌肉疲劳的评价指标。其计算公式为:
MPF=∫0∞f⋅PSD(f)df∫0∞PSD(f)dfM P F=\frac{\int_{0}^{\infty} f \cdot P S D(f) d f}{\int_{0}^{\infty} P S D(f) d f} MPF=∫0∞PSD(f)df∫0∞f⋅PSD(f)df
∫0MFPSD(f)df=∫MFf0PSD(f)df=12∫0f0PSD(f)df\int_{0}^{M F} P S D(f) d f=\int_{M F}^{f_{0}} P S D(f) d f=\frac{1}{2} \int_{0}^{f_{0}} P S D(f) d f ∫0MFPSD(f)df=∫MFf0PSD(f)df=21∫0f0PSD(f)df
其中,PSD(f)为功率谱密度,MF为中位频率,f为肌电信号频率,f0为频率上限,即采样频率的一半,等于500 Hz,MPF与MF下降表明被试者出现了肌肉疲劳。
(2)脉搏特征参数提取
通过对处理后的脉搏信号数据进行时域分析和频域分析,得到脉搏信号的特征参数:
RR间期均值(MEAN)、RR间期标准差(SDNN)、低频功率(LF)、高频功率(HF)。在脉搏信号中,首先运用小波变换检测出各主波的波峰,求出两个相邻主波波峰之间的时间差,记作RRi(i=1,2,3……),则RRi的均值即为RR间期均值、RRi的标准差即为RR间期标准差,并运用快速傅里叶变换(FFT)将时域指标变为频域指标,得到LF和HF。其计算公式为:
MEAN=∑i=1NRRiNM E A N=\sum_{i=1}^{N} \frac{R R_{i}}{N} MEAN=i=1∑NNRRi
SDNN=1N∑i=1N(RRi−MEAN)2S D N N=\sqrt{\frac{1}{N} \sum_{i=1}^{N}\left(R R_{i}-M E A N\right)^{2}} SDNN=N1i=1∑N(RRi−MEAN)2
其中,N表示正常脉搏搏动的总次数,RRi表示第i个相邻主波波峰之间的时间差,MEAN表示RR间期均值,SDNN表示RR间期标准差。
(3)血氧饱和度(SpO2)特征参数提取
当人体处于疲劳状态时,SpO2含量有所下降[9]。通过对处理后的实验数据进行时域分析,得到SpO2的特征参数:血氧标准差(RSD)。根据所得结果的波动程度,便可准确的反映出被试者的疲劳状态。其计算公式为:
RSD=1N−1∑i=1N(Ri−RAVG)2R S D=\sqrt{\frac{1}{N-1} \sum_{i=1}^{N}\left(R_{i}-R A V G\right)^{2}} RSD=N−11i=1∑N(Ri−RAVG)2
其中,RAVG表示血氧饱和度平均值,N表示采集样本中血氧数据总个数,Ri表示第i个样本的血氧饱和度值。
程序运行-matlab
程序采用MATLAB运行,运行时候,需 更改文件路径,滤波器用于滤除采集的生理信号的噪声。脉搏、肌电信号在采集过程中均为低频微弱信号,在实验中常会混入各种噪声,包括基线漂移,50Hz工频干扰以及周围环境的噪声干扰等,故采用巴特沃斯滤波器处理信号中的噪声。血氧信号在采集过程中,由于其频率、幅度变化比较稳定,故一般不需对其进行数据预处理
原数据文件:百度网盘 提取码:mmb7
巴特沃斯滤波器
%带通滤波
%x-输入信号
%fs-输入信号采样频率
%M-滤波器半阶数
%fl-下截止频率
%fh-上截止频率
%xl-返回的滤波结果,其长度为原序列长度减少2M,去掉了前M和后M个不正确的点
function xl=beltfilter(x,fs,M,fl,fh)
N=length(x)-2*M;
[i j]=size(x);
if i~=1x=x';
end
k=1:M;
w=0.5+0.5*cos(pi*k/M);wl=2*pi*fl/fs;
wh=2*pi*fh/fs;
h(1)=(wh-wl)/pi;
h(2:M+1)=(sin(wh*k)-sin(wl*k))./(pi*k).*w;for k=1:Nkk=k-1+M;xl(k)=x(kk+1)*h(1)+sum(h(2:M+1).*(x(kk+2:kk+M+1)+x(kk:-1:kk-M+1)));
endif i~=1xl=xl';
end
积分肌电值(IEMG)、均方根值(RMS)、平均功率频率(MPF)、中位频率(MF)
clc;
fs=1000;
%%%==================批量读入文件=======================
path = 'C:\Users\hp\Desktop\EMG\数据\';
namelist = dir([path,'*.txt']);
l = length(namelist);
P = cell(1,1);%定义一个细胞数组,用于存放所有txt文件for i = 1:lnamelist(i).name;%获得该路径下的文件名,如1.txt是相对路径filename{i} = [path,namelist(i).name];%通过字符串拼接获得的就是绝对路径了s = load(filename{i});x=s(:,1);%%=================批量处理数据======================x=x/1000;figure(1);subplot(311),plot(x);title("原信号波形");y=fft(x); %对信号进行快速Fourier变换mag=abs(y); %求得Fourier变换后的振幅subplot(3,1,2) ,plot(mag);axis([0 500 0 1.1*max(mag)]);title("傅里叶变换");grid on;x=beltfilter(x,fs,80,0,250);L=length(x);f=(0:L-1)*fs/L;y=fft(x); %对信号进行快速Fourier变换mag=abs(y); %求得Fourier变换后的振幅subplot(3,1,3) ,plot(f,mag);axis([0 500 0 1.1*max(mag)]);title("带通滤波器");grid on;iemg=sum(abs(x))/length(x); %求积分肌电值rms=sqrt(sum(x.^2)/length(x)); %求均方根值L=length(x);f=(0:L-1)*fs/L;cx=xcorr(x,'unbiased');cxk=fft(cx,L);px=abs(cxk);%求功率谱密度pxx=10*log10(px);f=(0:L-1)*fs/L;grid on %做功率谱图df=fs/L;p=(sum(px(1:L/2-1))+sum(px(1:L/2)))/2.*df;pf=(sum(px(1:L/2-1).*[1:L/2-1]'.*df)+sum(px(1:L/2).*[1:L/2]'.*df))/2*df;MPF=pf/p; %求平均功率频率N=1;pp=0;while abs(pp-p/2)>(px(N)+px(N+1))/2*dfpp=pp+(px(N)+px(N+1))/2*df;N=N+1;endn_1=(N+N+1)/2;MF=df*n_1; %求中值频率fprintf("\n积分肌电值 %.4f\n",iemg);fprintf("均分根值 %.4f\n",rms);fprintf("平均功率频率 %.4f\n",MPF);fprintf("中值频率 %.4f\n\n",MF);%%=================记录数据=====================result1(i)=iemg;result2(i)=rms;result3(i)=MPF;result4(i)=MF;
end%%%==================数据文件的写入=======================
fid = fopen('C:\Users\hp\Desktop\EMG\数据\结果\iemg.txt','wt');
fprintf(fid,'%g\n',result1);
fclose(fid);fid = fopen('C:\Users\hp\Desktop\EMG\数据\结果\rms.txt','wt');
fprintf(fid,'%g\n',result2);
fclose(fid);fid = fopen('C:\Users\hp\Desktop\EMG\数据\结果\MPF.txt','wt');
fprintf(fid,'%g\n',result3);
fclose(fid);fid = fopen('C:\Users\hp\Desktop\EMG\数据\结果\MF.txt','wt');
fprintf(fid,'%g\n',result4);
fclose(fid);%%======================绘图===========================
figure(2)
n=1:l;
subplot(411)
plot(n,result1)
axis([0 1.1*l 0 1.1*max(result1)]);
%suptitle('肌电的4种指标')
title("肌电积分值(IEMG)");
xlabel("时间(min)");subplot(412)
plot(n,result2)
axis([0 1.1*l 0 1.1*max(result2)]);
title("均方根值(RMS)");
xlabel("时间(min)");subplot(413)
plot(n,result3)
axis([0 1.1*l 0 1.1*max(result3)]);
title("平均功率频度(MPF)");
xlabel("时间(min)");subplot(414)
plot(n,result4)
axis([0 1.1*l 0 1.1*max(result4)]);
title("中位频率(MF)");
xlabel("时间(min)");
血氧均值、血氧均方差(RSD)
clc;
%%%==================批量读入文件=======================
path = 'C:\Users\hp\Desktop\SPO2\数据\';
namelist = dir([path,'*.txt']);
l = length(namelist);
P = cell(1,1);%定义一个细胞数组,用于存放所有txt文件for i = 1:lnamelist(i).name;%获得该路径下的文件名,如1.txt是相对路径filename{i} = [path,namelist(i).name];%通过字符串拼接获得的就是绝对路径了s = load(filename{i});x=s(:,1);figure(1)plot(x);title("SPO2数据");axis([0 100 0 1.1*max(x)]);%%=================批量处理数据======================L=length(x);RAVG=sum(x)/L; %%血氧均值RSD=sqrt( sum((x-RAVG).^2)/L ); %%血氧均方差fprintf("\n 血氧均方差: %.4f\n\n",RSD);result(i)=RSD;RAVG1(i)=RAVG;
end%%%==================数据文件的写入=======================
fid = fopen('C:\Users\hp\Desktop\SPO2\数据\结果\result.txt','wt');
fprintf(fid,'%g\n',result);
fclose(fid);%%======================绘图===========================
figure(2)
n=1:l;
subplot(211)
plot(n,RAVG1)
title("血氧平均值");
grid on;% set(gca,'xminortick','on'); %坐标刻度显示
% set(gca,'ticklength',[0.02 0.025]);
% set(gca,'tickdir','out');xlabel("时间(min)");
ylabel("含量(%)");subplot(212)
plot(n,result)
title("血氧均方差")
axis([0 1.1*l 0 1.1*max(result)]);
xlabel("时间(min)");
grid on;
实验设备
表2 实验设备简介
设备名称 | 数量 | 功能简介 |
---|---|---|
SEN0240肌电传感器 | 1个 | 采集驾驶员的肌电信号 |
MAX30102脉搏血氧传感器 | 1个 | 采集驾驶员的脉搏信号和血氧信号 |
STM32F103单片机 | 2个 | 设备的控制和数据处理单元 |
HC-05蓝牙模块 | 2个 | 实现手环系统和车外警示系统的连接与通信 |
RGB七彩LED灯 | 1个 | 依据不同颜色,显示出驾驶员当前所处的疲劳状态 |
车外警示灯 | 1个 | 给予道路上其他驾驶员警示作用 |
振动模块 | 1个 | 通过振动,提醒驾驶员应注意休息 |
语音模块 | 1个 | 通过语音提示,提醒驾驶员应注意休息 |
人体疲劳程度检测,生理信号处理相关推荐
- (附源码)springboot人体健康检测微信小程序 毕业设计 012142
Springboot人体健康检测微信小程序的设计与实现 摘 要 本文设计了一种基于微信小程序的人体健康检测小程序,主要为人们提供了方便的各项健康检测服务,包括健康数据编辑.健康科普.健康讨论.注册登录 ...
- Python+OpenCV+OpenPose实现人体姿态估计(人体关键点检测)
目录 1.人体姿态估计简介 2.人体姿态估计数据集 3.OpenPose库 4.实现原理 5.实现神经网络 6.实现代码 1.人体姿态估计简介 人体姿态估计(Human Posture Estimat ...
- 加盟依图科技后,颜水成首篇顶会论文提出“高效多人体姿态检测SPM”
唐木 发自 天龙寺 量子位 出品 | 公众号 QbitAI 颜水成团队研究实力依然强劲. 从360到依图,颜水成依然保持着高质量的学术输出. 最近提出的单阶段高效人体姿态检测模型SPM就是最好的例证 ...
- 100 行 Python 代码实现人体肤色检测
作者: WHJWNAVY http://www.demodashi.com/demo/12967.html 概述 本文中的人体肤色 检测功能采用 OpenCV 库实现.OpenCV是一个基于BSD许可 ...
- 基于Tkinter和百度Aip的人体关键点检测
个人博客:http://www.chenjianqu.com/ 原文链接:http://www.chenjianqu.com/show-104.html 最近某些项目需要用到人体姿势识别.当前有很多著 ...
- VideoPose3D:基于视频的3D人体关键点检测
1. 概述 Dario Pavllo等人于2019年提出了VideoPose3D模型,旨在把输入视频转换成人体各关键点相对于根关节的相对三维位置.为了实现这一目的,作者采取的是两步走的策略.首先要利用 ...
- 人体属性检测与深度实战
深度学习计算机视觉从入门到精通--人体属性检测与深度实战 说明:本文来自数据堂人工智能实验室(AI Lab )深度学习计算机视觉从入门到精通第六讲人体属性检测与深度实战. 主讲人:丁勇 一.人体属性检 ...
- 基于K210与STM32的人脸识别门禁 实现掉地仓储,人体雷达检测
本系统设计以Kendryte K210为人脸图像识别的核心芯片,以STM32为系统逻辑控制芯片,OLED显示控制信息,蓝牙通讯实现命令控制.人体雷达检测模块,当有人来时自动开启人脸识别.同时也可以使用 ...
- 百度AI 实现人体姿态检测
最近在搞人脸识别,Yolo,Dlib,单纯向量法都玩了一遍,效果还可以. 昨天由老师给我发了一个百度AI的链接,我就玩开了上面的一个demo,叫做人体姿态检测出,这个名词名副其实,其背后的数学原理和论 ...
最新文章
- python统计窗口函数怎么处理_python移动窗口函数
- oschina多媒体工具
- 深度学习数学知识(持续补充)
- linux修改su的PAM配置文件,linux pam安全认证模块su命令的安全隐患
- mysql+php+模板+条目_PHP.MVC的模板标签系统(四)
- Golang实践录:使用gin框架实现转发功能:一些负载均衡算法的实现
- pm模型matlab算法,18基于遗传算法(粒子群算法、人工鱼群算法等)的投影寻踪模型MATLAB源代码...
- 将金额人民币转化为大写 C#
- pythonclasses_Python中的Classes和Metaclasses详解
- CSS绝对底部布局 Sticky footer
- python - color print
- POI 3.8读取2003与2007格式EXCEL(xls、xlsx)
- Oracle 提取汉子去除非汉子数据(保留标点符号)
- 利用jsoup进行模拟登录
- 新的vulkan的SDK很难下载
- linux加载dl580网卡驱动,HP DL580 G7 服务器在LINUX5 下的集成网卡怎么安装?_电脑_天涯问答_天涯社区...
- 关于如何创造VBS编程语言环境
- 在ubuntu16.04运行neural baby talk
- Android studio2.0在app中设置背景图片及添加图片资源
- matplotlib learning-----案例:对比电影的票房收入(3)