一种基于心率变异性指标的疲劳驾驶检测方法、系统

    公开(公告)号:CN114343642A

    公开(公告)日:2022-04-15

    申请号:CN202111234213.7

    申请日:2021-10-22

    Abstract: 本发明公开一种基于心率变异性指标的疲劳驾驶检测方法、系统,其方法部分包括如下步骤:S1、采集心电信号,并在采集过程中控制采样频率并输出放大;S2、心电信号预处理,增大心电信号的波形幅值;S3、利用可自适应变化的双阀值机制对预处理后的心电信号进行R波峰值的解析;S4、提取疲劳驾驶特征,并利用该特征构成心率变异性指标特征矩阵;S5、建立疲劳驾驶数据集并贴上相应的标签;S6、利用所述心率变异性指标特征矩阵和疲劳驾驶数据集训练得出疲劳驾驶检测模型;S7、将检测数据实时输入疲劳驾驶检测模型进行疲劳驾驶的检测,本发明仅仅利用心率变异性这一特征指标来进行判断,较其他技术而言,抗干扰性更好且能够及时的预警驾驶员的疲劳状态。

    基于心电与握力信号的疲劳驾驶监测/预警的方向盘

    公开(公告)号:CN110667686B

    公开(公告)日:2021-06-15

    申请号:CN201910911471.0

    申请日:2019-09-25

    Applicant: 厦门大学

    Abstract: 本发明提供了基于心电与握力信号的疲劳驾驶监测/预警的方向盘,包括:方向盘套、心电检测模块、握力检测模块、CPU微处理器、显示面板以及预警模块;所述心电检测模块检测驾驶员的心电信号;所述握力检测模块检测驾驶员对方向盘的握力信号;所述CPU微处理器提取出心电信号和握力信号的特征,并运算得到疲劳驾驶综合指数;所述显示面板实时显示驾驶员的疲劳驾驶指数;当预警模块接收到疲劳倾向指令时,发出语音提示,当预警模块接收到疲劳驾驶指令时,发出语音提示和微机械刺激。本发明能通过显示面板实时监测驾驶员的疲劳驾驶状态,在驾驶员具有疲劳倾向时即会产生提示,在驾驶员疲劳驾驶时能发出微刺激,可以有效降低疲劳驾驶的发生率。

    一种基于机器人的触觉数据感知分析方法

    公开(公告)号:CN113792792B

    公开(公告)日:2023-07-25

    申请号:CN202111078660.8

    申请日:2021-09-15

    Applicant: 厦门大学

    Abstract: 本发明公开一种基于机器人的触觉数据感知分析方法,所述机器人为接触端设有传感器的机械臂,所述基于机器人触觉的鲁棒感知分析方法包括如下步骤:构建材质样本数据库;选取预设的具有注意力机制模块的网络模型;将样本数据集输入网络模型进行训练并验证;将机械臂的传感器触觉数据输入训练完成的网络模型输出分析结果。提出了一种机械臂结合阵列式触觉传感器快速收集触觉数据的方案,通过机械臂快速按压收集触觉数据,每一次数据采集使用不同位姿下的机械臂,采用不同按压力度进行收集,能有效包括触摸时的不同接触状态。这种采样模式更加适应机器人操作的实际需求。

    基于心电与握力信号的疲劳驾驶监测/预警的方向盘

    公开(公告)号:CN110667686A

    公开(公告)日:2020-01-10

    申请号:CN201910911471.0

    申请日:2019-09-25

    Applicant: 厦门大学

    Abstract: 本发明提供了基于心电与握力信号的疲劳驾驶监测/预警的方向盘,包括:方向盘套、心电检测模块、握力检测模块、CPU微处理器、显示面板以及预警模块;所述心电检测模块检测驾驶员的心电信号;所述握力检测模块检测驾驶员对方向盘的握力信号;所述CPU微处理器提取出心电信号和握力信号的特征,并运算得到疲劳驾驶综合指数;所述显示面板实时显示驾驶员的疲劳驾驶指数;当预警模块接收到疲劳倾向指令时,发出语音提示,当预警模块接收到疲劳驾驶指令时,发出语音提示和微机械刺激。本发明能通过显示面板实时监测驾驶员的疲劳驾驶状态,在驾驶员具有疲劳倾向时即会产生提示,在驾驶员疲劳驾驶时能发出微刺激,可以有效降低疲劳驾驶的发生率。

    一种基于机器人的触觉数据感知分析方法

    公开(公告)号:CN113792792A

    公开(公告)日:2021-12-14

    申请号:CN202111078660.8

    申请日:2021-09-15

    Applicant: 厦门大学

    Abstract: 本发明公开一种基于机器人的触觉数据感知分析方法,所述机器人为接触端设有传感器的机械臂,所述基于机器人触觉的鲁棒感知分析方法包括如下步骤:构建材质样本数据库;选取预设的具有注意力机制模块的网络模型;将样本数据集输入网络模型进行训练并验证;将机械臂的传感器触觉数据输入训练完成的网络模型输出分析结果。提出了一种机械臂结合阵列式触觉传感器快速收集触觉数据的方案,通过机械臂快速按压收集触觉数据,每一次数据采集使用不同位姿下的机械臂,采用不同按压力度进行收集,能有效包括触摸时的不同接触状态。这种采样模式更加适应机器人操作的实际需求。

Patent Agency Ranking