一种智能驾驶疲劳缓解方法及系统

本技术涉及智能驾驶，具体地，涉及一种智能驾驶疲劳缓解方法及系统。

背景技术：

1、驾驶疲劳是一个全球性的公共安全问题。据世界卫生组织统计，全球每年有超过120万人死于交通事故，其中疲劳驾驶是最主要的致因之一。疲劳驾驶不仅危害驾驶员自身安全，也给其他交通参与者和社会带来巨大损失。因此，及时、有效地监测和缓解驾驶疲劳，对于降低交通事故发生率、保障公众生命财产安全具有重要意义。

2、传统的疲劳检测方法主要包括主观评估和客观测量两类。主观评估通常采用自评量表，如斯坦福嗜睡量表(sss)、卡罗琳娜嗜睡量表(css)等，但容易受到个人感受差异的影响，缺乏客观性。客观测量则侧重于生理和行为指标，如脑电(eeg)、心电(ecg)、眼动(eog)、面部表情、头部姿态等，但大多需要复杂的实验室环境，难以实现连续无干扰检测。

3、近年来，随着可穿戴传感和人工智能技术的快速发展，出现了一些智能化的疲劳检测系统，如seeing machines的driver safety系统、vigo的智能疲劳提醒眼镜等。它们利用头戴式或眼镜式设备实现实时疲劳监测，并通过声光报警提示驾驶员注意力不集中状态，取得了一定效果。然而，这些系统大多只提供事后报警，而没有主动干预措施，对疲劳驾驶的预防作用有限。

技术实现思路

1、为了克服现有技术中的至少一个不足，本技术提供一种智能驾驶疲劳缓解方法及系统。

2、第一方面，提供一种智能驾驶疲劳缓解方法，包括：

3、获取驾驶员的多通道生理信号；多通道生理信号包括脉动信号、手腕处皮肤电导、皮肤温度、手部运动状态信号；

4、将多通道生理信号以及辅助信息输入到疲劳检测网络模型中，得到驾驶员的疲劳程度；疲劳检测网络模型包括输入层、预处理层、混合注意力编码层、全局融合层和输出层；输入层用于将多通道生理信号对应的张量和辅助信息对应的向量进行拼接，得到高维输入表示；预处理层用于对高维输入表示进行预处理，得到预处理后的特征表示；混合注意力编码层用于对预处理后的特征表示进行时域、频域和通道三种注意力操作，得到多个不同尺度的混合注意力特征图；全局融合层用于将多个混合注意力特征图进行融合，得到融合后的全局特征表示；输出层用于基于融合后的全局特征表示确定疲劳程度；

5、若疲劳程度满足设定条件，则发送电刺激指令至电刺激穴位手套；电刺激穴位手套根据电刺激指令对驾驶员进行电刺激以缓解疲劳。

6、在一个实施例中，混合注意力编码层包括l个混合注意力模块，每个混合注意力模块包括时域注意力单元、频域注意力单元和通道注意力单元；

7、每个混合注意力模块用于实现以下功能：

8、将预处理后的特征划分为n个局部窗口，每个局部窗口并行输入到时域注意力单元、频域注意力单元和通道注意力单元，得到时域注意力特征、频域注意力特征和通道注意力特征；

9、基于时域注意力特征、频域注意力特征和通道注意力特征，得到局部窗口对应的混合注意力特征图；

10、将相邻的局部窗口对应的混合注意力特征图在空间维度上进行移位和拼接，得到更新后的特征表示；

11、更新后的特征表示输入到mlp后，并与预处理后的特征进行残差连接，再经过layer normalization，得到混合注意力模块输出的混合注意力特征图。

12、在一个实施例中，全局融合层用于实现以下功能：

13、将多个混合注意力特征图在通道维度上进行拼接，得到一个高维特征表示；

14、高维特征表示通过注意力池化，得到紧凑的特征向量；

15、紧凑的特征向量输入到全连接层中映射到低维的隐藏空间，得到融合后的全局特征表示。

16、在一个实施例中，方法还包括：

17、实时获取驾驶员的多通道生理信号；

18、根据多通道生理信息计算刺激效果指数；

19、判断刺激效果指数是否处于理想范围内，若是，发送停止电刺激的指令至电刺激穴位手套，若否，发送刺激效果指数至电刺激穴位手套。

20、在一个实施例中，方法还包括：

21、基于疲劳检测算法，比较电刺激前后的疲劳评分变化，计算生理疲劳缓解率；

22、获取驾驶员在电刺激前后的主观感受信息，基于主观感受信息计算主观疲劳缓解率；

23、分析驾驶行为数据，比较电刺激前后的变化，计算驾驶疲劳缓解率；

24、根据生理疲劳缓解率、主观疲劳缓解率和驾驶疲劳缓解率，确定电刺激效果；

25、将电刺激效果发送至电刺激穴位手套。

26、第二方面，提供一种智能驾驶疲劳缓解装置，包括：

27、信号获取模块，用于获取驾驶员的多通道生理信号；多通道生理信号包括脉动信号、手腕处皮肤电导、皮肤温度、手部运动状态信号；

28、疲劳检测模块，用于将多通道生理信号以及辅助信息输入到疲劳检测网络模型中，得到驾驶员的疲劳程度；疲劳检测网络模型包括输入层、预处理层、混合注意力编码层、全局融合层和输出层；输入层用于将多通道生理信号对应的张量和辅助信息对应的向量进行拼接，得到高维输入表示；预处理层用于对高维输入表示进行预处理，得到预处理后的特征表示；混合注意力编码层用于对预处理后的特征表示进行时域、频域和通道三种注意力操作，得到多个不同尺度的混合注意力特征图；全局融合层用于将多个混合注意力特征图进行融合，得到融合后的全局特征表示；输出层用于基于融合后的全局特征表示确定疲劳程度；

29、指令发送模块，用于若疲劳程度满足设定条件，则发送电刺激指令至电刺激穴位手套；电刺激穴位手套根据电刺激指令对驾驶员进行电刺激以缓解疲劳。

30、第三方面，提供一种智能驾驶疲劳缓解系统，包括：便携式手环、电刺激穴位手套和移动设备端；

31、便携式手环用于采集驾驶员的多通道生理信号；多通道生理信号包括脉动信号、手腕处皮肤电导、皮肤温度、手部运动状态信号；

32、电刺激穴位手套用于根据接收到的电刺激指令对驾驶员进行电刺激以缓解疲劳；

33、移动设备端用于实现上述的智能驾驶疲劳缓解方法。

34、在一个实施例中，便携式手环中设置有ppg传感器、eda传感器、皮肤温度传感器和运动传感器；ppg传感器用于采集脉动信号，eda传感器用于采集手腕处皮肤电导，皮肤温度传感器用于采集皮肤温度，运动传感器用于采集手部运动状态信号。

35、在一个实施例中，电刺激穴位手套，还用于：

36、基于深度强化学习算法确定最优的电刺激参数；电刺激参数包括电流强度、频率和脉宽；深度强化学习算法中以接收到的电刺激效果作为奖励函数；

37、根据最优的电刺激参数和疲劳程度对目标穴位施加电刺激。

38、在一个实施例中，电刺激穴位手套，还用于：

39、根据接收到的刺激效果指数调整电刺激参数。

40、在一个实施例中，电刺激穴位手套还包括柔性电极阵列、电刺激发生器、生物反馈传感器；柔性电极阵列用于将电流作用于穴位；电刺激发生器用于根据接收到的电刺激指令产生电刺激电流；生物反馈传感器用于监测电极与皮肤的接触状态和局部温度变化。

41、在一个实施例中，便携式手环和电刺激穴位手套中均设置有无线通信模块，用于实现便携式手环和电刺激穴位手套的同步。

42、相对于现有技术而言，本技术具有以下有益效果：本技术的智能驾驶疲劳缓解方法及系统，集疲劳监测、评估、预警和干预为一体，以可穿戴设备为载体，融合生理信号感知、机器学习分析和穴位电刺激反馈等多项前沿技术，实现疲劳的早期发现和主动缓解；系统具有佩戴方便、实时在线、智能适应、有效缓解等优点，有望从根本上降低疲劳驾驶事故的发生，为交通安全和公共健康做出重要贡献。