專利名稱:基于腦電信號的車載嵌入式路怒駕駛狀態(tài)檢測裝置及方法
技術(shù)領域:
本發(fā)明涉及嵌入式信號處理技術(shù)領域,具體涉及基于腦電信號的車載嵌入式路怒駕駛狀態(tài)檢測裝置及方法。
背景技術(shù):
憤怒是人們生活中常見的一種消極情緒,憤怒情緒發(fā)生時,人容易沖動冒險,做出對他人不利的事來。駕駛?cè)嗽陂_車中也會產(chǎn)生憤怒情緒,心理學上把帶著憤怒情緒開車稱為“路怒癥”,用以形容在交通阻塞情況下開車壓力與挫折所導致的憤怒情緒?!奥放Y”現(xiàn)已成為了汽車時代的通病。隨著汽車數(shù)量的劇增與道路擁擠等矛盾的存在,加上我國現(xiàn)在駕駛?cè)藛T構(gòu)成復雜,素質(zhì)高低不一,進一步加劇了 “路怒癥”的表現(xiàn),我國有60. 72%的車主有路怒癥,情緒失控的“路怒癥”容易引起“駕駛憤怒”,除了罵人、動粗、野蠻開車外,還會引起超速行駛,危險超車,惡意變道等危險行為,這種情緒激化導致的失控時間長度雖然未達到焦慮抑郁的精神疾病診斷標準,但是開車時哪怕是幾秒鐘的情緒失控,也足以導致車毀人亡,更嚴重者甚至會引起“駕駛暴力”,故意開車襲擊行人或者其他車輛,馬路殺手中有相當一部分人是“路怒癥”造成的。這種攻擊性駕駛行為已經(jīng)與醉酒駕駛和疲勞駕駛一樣,成為交通事故的重要影響因素之一。目前針對駕駛?cè)笋{駛情緒的檢測方法主要是基于外部行為檢測法是無接觸測量, 安裝如攝像頭進行信息采集,采用受試者的外部表現(xiàn)如面部表情判斷駕駛情緒,該方法具有評分標準不易統(tǒng)一、受記憶或其它個人行為、光線、圖像采集角度等條件的影響,對于戴眼鏡的駕駛員,或者被測人頭部在自由轉(zhuǎn)動的情況下,圖像很難準確跟蹤到,這會導致檢測系統(tǒng)不能始終如一正確地報告駕駛員狀態(tài)。腦電信號來自大腦皮層的電信號,與人的生理狀態(tài)和心理狀態(tài)密切相關,特別是當人處于憤怒情緒時,腦電信號會發(fā)生顯著的變化,本發(fā)明通過對駕駛?cè)说哪X電信號進行實時監(jiān)測,并提取其特征作為判斷是否路怒駕駛的標準。
發(fā)明內(nèi)容
本發(fā)明提供一種基于腦電信號的車載嵌入式路怒駕駛狀態(tài)檢測裝置及方法,通過基于腦電信號的路怒駕駛情緒特征提取和識別算法,并利用具有強大信號處理能力的處理器為核心的嵌入式數(shù)字信號處理系統(tǒng)實現(xiàn)該算法,當檢測到駕駛?cè)颂幱诼放{駛情緒時, 系統(tǒng)會自動啟動語音警示系統(tǒng),提醒駕駛?cè)俗⒁馇榫w控制,減小由于駕駛?cè)饲榫w波動造成的交通事故的可能。基于腦電信號的車載嵌入式路怒駕駛狀態(tài)檢測裝置,包括腦電信號采集單元、信號處理單元和語音提示單元;所述的腦電信號采集單元包括電極和放大電路,電極安置在駕駛?cè)祟^皮表面,通過電極帽固定;放大電路包括前置放大電路和后級放大電路,電極接至前置放大電路輸入端,前置放大電路輸出端連接后級放大電路輸入端,后級放大電路輸出端連接信號處理單元;
所述的信號處理單元,包括處理器和存儲器,存儲器外接于處理器端口。接收從腦電信號采集裝置得到的數(shù)字信號,通過對多導聯(lián)腦電信號進行基于小波包子帶的共空間模式分解,得到腦電信號的特征;所述的語音提示單元包括語音解碼器和揚聲器,語音解碼器輸出端接至揚聲器, 事先錄制好不同類型的語音提示,檢測到駕駛?cè)颂幱诼放{駛狀態(tài)時,驅(qū)動語音提示單元播放提示語音。所述腦電信號采集單元的輸出端和語音提出單元的輸入端均接至處理器端口。采用上述車載嵌入式路怒駕駛狀態(tài)檢測裝置進行檢測的方法,腦電信號特征提取方法是利用基于小波包分解和共空間模式的特征提取方法,利用神經(jīng)元網(wǎng)絡對提取的特征進行分類,給出路怒駕駛狀態(tài)的識別結(jié)果,包括如下步驟步驟1 電極實時采集腦電信號,經(jīng)放大處理后輸出至處理器;步驟2 進行腦電信號特征提?。徊襟E2. 1 分別對每個導聯(lián)數(shù)據(jù)進行小波包分解;步驟2. 2:選擇與憤怒情緒相關的小波包子帶,分別進行子帶數(shù)據(jù)的共空間模式分解;步驟2. 3 每個小波包子帶提取若干特征點,組成特征向量;步驟3 利用神經(jīng)網(wǎng)絡對提取的特征向量進行分類;利用事先采集到的離線數(shù)據(jù)對分類器進行訓練,具體步驟如下步驟3. 1 對LVQ神經(jīng)網(wǎng)絡參數(shù)初始化;步驟3.2 從路怒駕駛狀態(tài)對應的特征向量中選取一組,輸入到神經(jīng)網(wǎng)絡的輸入層,輸出層對應的輸出向量設定為[1 0],根據(jù)輸入輸出結(jié)果自動調(diào)整神經(jīng)網(wǎng)絡權(quán)值;輸入下一個樣本,重復進行權(quán)值調(diào)整,直到達到預設的訓練次數(shù);步驟3.3 從平靜駕駛狀態(tài)對應的特征向量中選取一組,輸入到神經(jīng)網(wǎng)絡的輸入層,輸出層對應的輸出向量設定為W 1],根據(jù)輸入輸出結(jié)果自動調(diào)整神經(jīng)網(wǎng)絡權(quán)值;輸入下一個樣本,重復進行權(quán)值調(diào)整,直到達到預設的訓練次數(shù);步驟3. 4 將訓練結(jié)果作為神經(jīng)網(wǎng)絡的最優(yōu)參數(shù);步驟3. 5 利用訓練好的神經(jīng)網(wǎng)絡對駕駛?cè)说鸟{駛腦電信號進行實時的分類;步驟4:當神經(jīng)網(wǎng)絡的分類結(jié)果為路怒駕駛情緒狀態(tài)時,處理器發(fā)送給控制提示語音的播放,播放采用循環(huán)方式,音量逐漸提高到最大值,直到檢測到的腦電信號恢復到正常狀態(tài)時,發(fā)送終止語音的命令。有益效果腦電信號提供的信息能夠準確及時的反應人體情緒狀態(tài),嵌入式微處理器具有強大的信號處理性能,能夠滿足算法的實時性,采用的語音提示單元在微處理器的控制下,語音音量和語音選擇可以根據(jù)駕駛狀態(tài)方便靈活的調(diào)整,同時該嵌入式裝置體積小,非常適合于車載環(huán)境。
圖1為本發(fā)明實施例裝置的總體結(jié)構(gòu)框圖;圖2為本發(fā)明實施例前置放大電路原理圖;圖3為本發(fā)明實施例后級放大電路原理圖4為本發(fā)明實施例腦電信號采集位置示意圖;圖5為本發(fā)明實施例路怒駕駛情緒特征提取流程圖;圖6為本發(fā)明實施例特征分類流程圖;圖7為本發(fā)明實施例語音提示單元控制的示意圖。
具體實施例方式下面結(jié)合附圖對本發(fā)明做進一步說明?;谀X電信號的車載嵌入式路怒駕駛狀態(tài)檢測裝置,如圖1所示,包括腦電信號采集單元、信號處理單元和語音提示單元;所述的腦電信號采集單元包括電極和放大電路,放大電路包括前置放大電路和后級放大電路;電極采用橋式Ag/AgCl電極。電極安置在駕駛?cè)祟^皮表面,通過電極帽固定,由于腦電信號幅值微弱,需要通過放大器放大、濾波、模數(shù)轉(zhuǎn)換。腦電信號采樣頻率為 100Hz,傳送到由嵌入式信號處理單元中。前置放大電路包括前置放大器和低通濾波器,電路如圖2所示,主要是把微弱的腦電信號進行第一級放大,并將信號中的高頻干擾濾除。由于本實施例由6導聯(lián)組成,6導聯(lián)中每一導聯(lián)都具有相同的電路結(jié)構(gòu),圖2中只給出單一導聯(lián)原理圖。前置放大器主要由模擬器件AD8221芯片構(gòu)成,原始的腦電信號放大50倍,其輸出信號經(jīng)過電阻和電容耦合連接到低通濾波器的輸入端,低通濾波器由模擬器件MAX280構(gòu)成,通帶截止頻率為30HZ,輸出信號標號為outl,與后級放大電路的輸入端連接。后級放大電路包括后級放大器和陷波電路,電路如圖3所示,對前置放大部分輸出的腦電信號進行進一步放大,并濾除50hz工頻干擾。后級放大器由模擬器件ICL7650 構(gòu)成,該部分將信號放大100倍。陷波電路由UAF42構(gòu)成,該電路能有效濾除50hz工頻干擾。該部分電路的輸出標號為out2,連接到ICETEC-0MAPL138-I開發(fā)板的模擬信號輸入端。 ICETEC-0MAPL138-I開發(fā)板的結(jié)構(gòu)和原理是公知技術(shù)。腦電信號采集位置如圖4所示,腦電信號采集時只采集C3,C4,F(xiàn)3,F(xiàn)4,P3,P4這6 個電極的腦電信號,以左右兩側(cè)耳垂為參考電極。所述的信號處理單元,包括處理器和存儲器,處理器型號為0MAPL138,存儲器為MT47H64M16HR-3型DDR2存儲器和K9K8G08U0A型NAND FLASH存儲器,它們集成在 ICETEC-0MAPL138-I開發(fā)板上。該單元接收從腦電信號采集裝置得到的信號,對腦電信號進行特征提取和特征分類,并根據(jù)分類結(jié)果控制語音提示單元。所述語音提示單元,包括語音解碼器和揚聲器,語音解碼器型號為TLV320AIC23B, 揚聲器為WPMlA便攜式揚聲器,TLV320AIC2;3B語音解碼器集成在ICETEC-0MAPL138-I開發(fā)板上,由0MAPL138處理器控制,WPMlA便攜式揚聲器通過音頻線連接到開發(fā)板的音頻接口上,事先錄制好不同類型的語音提示,在信號處理系統(tǒng)檢測到駕駛?cè)颂幱诼放{駛狀態(tài)時, 驅(qū)動語音提示單元播放提示語音。采用上述基于腦電信號的車載嵌入式路怒駕駛狀態(tài)檢測裝置進行檢測的方法,具體執(zhí)行如下步驟步驟1 電極實時采集腦電信號,經(jīng)放大處理后輸出至處理器;步驟2 進行腦電信號特征提取,流程如圖5所示;
步驟2. 1 分別對6導聯(lián)數(shù)據(jù)進行4層小波包分解;利用Daubechies的db4小波函數(shù)對每個導聯(lián)的腦電數(shù)據(jù)進行4層小波包分解。步驟2. 2 選擇9個與憤怒情緒相關的小波包子帶,分別進行9個子帶的數(shù)據(jù)共空間模式分解;實驗證實,與人的情緒密切相關的頻率成分集中在8-MHz,在IOOHz的采樣頻率下,該頻率成分對應的小波包子帶分別為S(3,1)、S(3,2)、S(3,3)、S(4,2)、SG,3)、S(4,4)、 S (4,5)、S (4,6)、S (4,7),分別對這9個小波包子帶的腦電信號數(shù)據(jù)進行共空間模式分解, 共空間模式分解的實質(zhì)是同時對角化兩個協(xié)方差矩陣,具體包括白化變換和投影變換。假設C1和C2為分別為表示平靜狀態(tài)與路怒狀態(tài)腦電數(shù)據(jù)的規(guī)則化空間協(xié)方差,C。 表示混合的空間協(xié)方差,如公式1所示。Cc = C^C2(1)作為兩個矩陣協(xié)方差的和,Cc是正定矩陣,它可以分解成為公式2所示的形式。Cc = UcAcU' 。(2)其中U。是特征向量矩陣,λ。是特征值構(gòu)成的對角陣,這里特征值要以降序進行排列,則C。白化變換矩陣表示為公式3。P = ^JkvU1c⑶由于λ。具有奇異性,因此矩陣PCcP'對應的特征值都為1,利用CjPC2得到如公式4和公式5的表示形式,Sl定義為平靜狀態(tài)中間特征量,S2定義為路怒狀態(tài)中間特征量,S1 = PC1P' (4)S2 = PC2P' (5)則S1和&具有共同的特征向量,并且存在特征向量矩陣B以及兩個對角矩陣入工和λ 2,滿足公式6和公式7。S1 = B λ ^ (6)S2 = B λ 2B (7)公式6和7中的入工和λ2是由各自特征值構(gòu)成的對角陣,特征值要以降序進行排列。由于入工和λ2對應的兩個特征值之和總是1,所以當特征向量B對于S1有最大的特征值時,對于&有最小的特征值。根據(jù)上述變換,得到投影矩陣最終表示為公式8形式W = (B' P) ‘ (8)單次檢測到的腦電信號經(jīng)過共空間模式分解,得到如公式9所示的特征向量,式9 中E為腦電信號數(shù)據(jù),Z為提取的特征向量。Z = WE(9)步驟2. 3 每個小波包子帶提取4個特征點,9個小波包子帶的36個特征點組成特
征向量;以6個導聯(lián)對應的小波包子帶S (3,1)數(shù)據(jù)為例說明特征提取過程,利用共空間模式按照公式1-9得到投影矩陣,對6導聯(lián)的S (3,1)子帶對應的數(shù)據(jù)進行分解,得到6個特征點組成的特征向量,取特征向量中的前兩個和后兩個特征點,組成4個特征點的特征向量。 則9個小波包子帶一共提取了由36個特征點組成的特征向量。該特征向量作為判斷路怒駕駛狀態(tài)的基本特征。步驟3 利用LVQ神經(jīng)網(wǎng)絡對提取的特征向量進行分類,流程如圖6所示;
利用事先采集到的離線數(shù)據(jù)對分類器進行訓練,訓練樣本為100,其中50次為憤怒狀態(tài),50次為平靜狀態(tài),按步驟2分別提取100個訓練樣本對應的特征向量,在通過訓練樣本的特征向量調(diào)整神經(jīng)網(wǎng)絡的參數(shù),具體步驟如下步驟3. 1 對LVQ神經(jīng)網(wǎng)絡參數(shù)初始化。設定LVQ神經(jīng)網(wǎng)絡競爭層神經(jīng)元個數(shù)為 20,輸出層神經(jīng)元個數(shù)為2,對競爭層神經(jīng)元權(quán)值進行設定,權(quán)值向量取較小的隨機值,最后確定初始學習速率和訓練次數(shù);步驟3. 2 從50組路怒駕駛狀態(tài)對應的特征向量中選取一組,輸入到神經(jīng)網(wǎng)絡的輸入層,輸出層對應的輸出向量設定為[1 0],根據(jù)輸入輸出結(jié)果自動調(diào)整神經(jīng)網(wǎng)絡權(quán)值; 輸入下一個樣本,重復進行權(quán)值調(diào)整,直到達到預設的50次訓練次數(shù);步驟3. 3 從50組平靜駕駛狀態(tài)對應的特征向量中選取一組,輸入到神經(jīng)網(wǎng)絡的輸入層,輸出層對應的輸出向量設定為W 1],根據(jù)輸入輸出結(jié)果自動調(diào)整神經(jīng)網(wǎng)絡權(quán)值; 輸入下一個樣本,重復進行權(quán)值調(diào)整,直到達到預設的50次訓練次數(shù);步驟3. 4 將訓練結(jié)果作為神經(jīng)網(wǎng)絡的最優(yōu)參數(shù);步驟3. 5 利用訓練好的神經(jīng)網(wǎng)絡對駕駛?cè)说鸟{駛腦電信號進行實時的分類;步驟4:當神經(jīng)網(wǎng)絡的分類結(jié)果為路怒駕駛情緒狀態(tài)時,處理器發(fā)送給語音提示單元一個命令,控制提示語音的播放,播放采用循環(huán)方式,音量逐漸提高到最大值,直到檢測到的腦電信號恢復到正常狀態(tài)時,發(fā)送終止語音的命令。語音提示單元控制示意圖如圖 7所示。本實施例中提示語音是事先錄制好的家人的聲音,有利于憤怒的駕駛?cè)嘶謴推届o。
權(quán)利要求
1.基于腦電信號的車載嵌入式路怒駕駛狀態(tài)檢測裝置,其特征在于包括腦電信號采集單元、信號處理單元和語音提示單元;所述的腦電信號采集單元包括電極和放大電路,電極安置在駕駛?cè)祟^皮表面,通過電極帽固定;放大電路包括前置放大電路和后級放大電路,電極連接前置放大電路輸入端,前置放大電路輸出端連接后級放大電路輸入端,后級放大電路輸出端連接信號處理單元; 所述的信號處理單元,包括處理器和存儲器,存儲器外接于處理器端口 ; 所述的語音提示單元包括語音解碼器和揚聲器,語音解碼器輸出端接至揚聲器; 所述腦電信號采集單元的輸出端和語音提示單元的輸入端均接至處理器端口。
2.采用權(quán)利要求1所述的基于腦電信號的車載嵌入式路怒駕駛狀態(tài)檢測裝置進行檢測的方法,其特征在于包括如下步驟步驟1 電極實時采集腦電信號,經(jīng)放大處理后輸出至處理器;步驟2 進行腦電信號特征提取;步驟2. 1 分別對每個導聯(lián)數(shù)據(jù)進行小波包分解;步驟2. 2 選擇與憤怒情緒相關的小波包子帶,分別進行子帶數(shù)據(jù)的共空間模式分解;步驟2. 3 每個小波包子帶提取若干特征點,組成特征向量;步驟3 利用神經(jīng)網(wǎng)絡對提取的特征向量進行分類;利用事先采集到的離線數(shù)據(jù)對分類器進行訓練,具體步驟如下步驟3. 1 對神經(jīng)網(wǎng)絡參數(shù)初始化;步驟3.2 從路怒駕駛狀態(tài)對應的特征向量中選取一組,輸入到神經(jīng)網(wǎng)絡的輸入層,輸出層對應的輸出向量設定為[1 0],根據(jù)輸入輸出結(jié)果自動調(diào)整神經(jīng)網(wǎng)絡權(quán)值;輸入下一個樣本,重復進行權(quán)值調(diào)整,直到達到預設的訓練次數(shù);步驟3. 3 從平靜駕駛狀態(tài)對應的特征向量中選取一組,輸入到神經(jīng)網(wǎng)絡的輸入層,輸出層對應的輸出向量設定為W 1],根據(jù)輸入輸出結(jié)果自動調(diào)整神經(jīng)網(wǎng)絡權(quán)值;輸入下一個樣本,重復進行權(quán)值調(diào)整,直到達到預設的訓練次數(shù); 步驟3. 4 將訓練結(jié)果作為神經(jīng)網(wǎng)絡的最優(yōu)參數(shù);步驟3. 5 利用訓練好的神經(jīng)網(wǎng)絡對駕駛?cè)说鸟{駛腦電信號進行實時的分類; 步驟4:當神經(jīng)網(wǎng)絡的分類結(jié)果為路怒駕駛情緒狀態(tài)時,處理器發(fā)送給控制提示語音的播放,播放采用循環(huán)方式,音量逐漸提高到最大值,直到檢測到的腦電信號恢復到正常狀態(tài)時,發(fā)送終止語音的命令。
全文摘要
基于腦電信號的車載嵌入式路怒駕駛狀態(tài)檢測裝置及方法,包括腦電信號采集單元、信號處理單元和語音提示單元;腦電信號采集單元包括電極和放大電路;放大電路包括前置放大電路和后級放大電路;信號處理單元包括處理器和存儲器;語音提示單元包括語音解碼器和揚聲器。采用本發(fā)明裝置進行檢測的方法,腦電信號特征提取采用基于小波包分解和共空間模式特征提取方法,并利用神經(jīng)元網(wǎng)絡分類,得出路怒駕駛識別結(jié)果,腦電信號能準確及時的反應情緒狀態(tài),嵌入式微處理器具有強大的信號處理性能,滿足算法的實時性,語音音量和語音選擇可根據(jù)駕駛狀態(tài)調(diào)整,嵌入式裝置體積小,也非常適于車載環(huán)境。
文檔編號A61B5/18GK102499699SQ20111035599
公開日2012年6月20日 申請日期2011年11月10日 優(yōu)先權(quán)日2011年11月10日
發(fā)明者葉檸, 孫宇舸 申請人:東北大學