識別和/或檢測人的工作負荷的方法
2024-03-21 04:07:05
專利名稱：識別和/或檢測人的工作負荷的方法
技術領域：
本發明涉及一種通過檢測和評估人的頭部運動，識別和/或檢測人 的機能障礙和/或疏忽的方法和系統，特別是針對車輛的駕駛員，並且 特別是針對由睡意、分心和/或工作負荷引起的機能障礙和/或疏忽。
背景技術：
根據美國的一項研究(Treat，1979)，大多數的交通事故一大約90% 是由於駕駛員的失誤造成。駕駛員的疏忽是產生碰撞最主要的原因， 估計由此產生25-55%的撞車事故(根據CDS資料庫的一份國家公路交 通安全局(NHTSA)的研究，每年有超過250萬起需要拖車的撞車事 故-Wang等人，1996)。基本上，下列三個方面中的至少一個造成了駕 駛員的疏忽睡意、分心和/或工作負荷。由疏忽造成的通常的碰撞類 型和場所為後部碰撞，發生在十字路口的碰撞、發生在車道變化/併線 處的碰撞、發生在道路變更處的碰撞，同樣，還包括發生在低速限制 道路上的單個車輛的碰撞。
更詳細地說，由睡意造成的碰撞是一個非常嚴重的公路安全問題。 在被調查的駕駛員中，57%的人說他們曾在昏昏欲睡的狀態下進行駕 駛，23%的人說當他們曾經在駕駛時實際上已經入睡(Johnson, 1998)。 駕駛員不能確實地說出何時他們會由於疲勞而出現機能障礙，到達嚴 重的警戒喪失點或不受控制的睡眠影響點(Wylie等，1996; Brown， 1997)。睡眠的低警戒階段和稍後的階段削弱駕駛員的警覺和判斷，並且因此影響駕駛能力(Williamson等人，2001)。據估計，所有碰撞中的 2%-23%涉及疲勞(Knipling & Wang， 1995)。這些碰撞更多是發生在 深夜或下午三點左右。典型地，他們涉及在沒有指示出駕駛員試圖避 免出現意外情況下，單個車輛以高速滑移出車道或道路(NHTSA， 1998)。碰撞時的損傷通常是非常嚴重的。磕睡的駕駛員還經常涉及在 後部和頭部的碰撞(參見前面引用的文獻)。這些統計數據很可能對實 際的問題估計不足，因為駕駛員傾向於不願意認可或承認瞌睡是引發 其碰撞的一個因素(Stutts， Wilkens & Vaughn， 1999)。
此外，駕駛員經常注意與駕駛無關的事物。此類事物經常引起另 外的任務，並且是引起分心的潛在原因。不幸的是，駕駛員通常不知 道分心影響著他們的駕駛任務(Boase等人，1988; Stern等人，1996)。 因此，己經發現，分心(包括視覺上的分心和思想上的分心，即視而 不見)引起至少22.9%的碰撞(Wang等人，1996)。從1996年開始， 新的信息系統飛速發展並進入市場，並且它們可以被應用於車輛內， 如行動電話，導航輔助設備，網際網路，e-服務。這類幹擾可極大程度 地吸收駕駛員的注意力，因此增加了由於分心而引起碰撞的潛在可能 性。
一般地，當駕駛員的注意力被與駕駛狀況無關的信息吸引，達到 如下的程度時，輔助任務變成引起注意力分散的原因(包括視覺上的， 聽覺上的，思想上的，認知上的及生物力學上的分心)，其中所述程度
為
(a) 沒有足夠的注意力用於駕駛過程中的主要控制任務，和/或
(b) 兼顧駕駛能力(例如，車道保持或速度控制)和安全性。
最後，工作負荷表示駕駛員的忙碌程度和駕駛員需要用手執行任 務的努力程度。當需要做很多的事情("高工作負荷")時，形成大量的 注意力消耗(即高度的知覺需要)和大量的執行動作(即高度的動作 需要)。例如，駕駛員的工作負荷既隨主要的駕駛任務命令(例如由公路和環境條件、交通、駕駛方式等引起)而增加，又隨如上所述的輔 助任務的執行(注意力分散)而增加。因此，高工作負荷狀態增加了 使駕駛員注意力分散的可能性。
WO01/60254 Al公開一種用於監控駕駛員警覺狀況的方法和裝 置，當車輛行駛時，通過一個或多個致動器施加一脈衝到方向盤或車 輛的其它的部件，駕駛員主動地與前述的部件進行交互作用，實現所 述監控。通過一個或多個傳感器檢測駕駛員對於此脈衝的自發反應， 並將其與所述脈衝本身進行比較，以得出關於駕駛員的精神狀況的結
論。然而，給予一脈衝到車輛的任何部件上被認為是有害的。此外， 駕駛員的警覺狀況不能被連續地監控，監控僅能在施加脈衝的時候進 行。
用於決定駕駛員警覺狀況的另一種方法是Spericon Ltd.的"駕駛員 警覺狀況指示系統"(DAISY),其公開於2002年6月出版的論文"工作 原理與系統可行性(Principles of operation and system feasibility)"中。
對於此系統，檢測施加於車輛上的外力的積累作用以及對車輛沿著其 路徑的運動的幹擾，分析保持車輛處於道路上的駕駛員的動作。對駕 駛模式與幹擾模式的之間的分析允許對駕駛員的警覺狀況水平進行連 續測定。然而，考慮到車輛的轉向系統內的遊隙和延時，必須評估來 源於駕駛員的運動(其起源於方向盤)和由於外界幹擾引起的運動(其 起源於車輪)這兩者之間必要的差別，從而需要密集的使用數學和工 程技術，需要採用複雜的算法。
US-PS 5,691， 693公開了一種"受影響的交通車輛操作者的系統" 及相關方法，其中駕駛員的頭部位置和頭部運動通過三個電容耦合傳 感器進行檢測。通過一個微處理器對傳感器輸出信號進行分析，所述 微處理器記錄、跟蹤和比較操作者的頭部運動數據與所存儲的正常頭 部運動輪廓和機能障礙時的頭部運動輪廓，以檢測任何表徵操作者機 能障礙的頭部運動。然而，此系統和方法不能檢測和定量何種類型的頭部運動屬於正常情況，何種類型的頭部運動屬於機能障礙時的範圍。
發明內容
本發明的一個目的是提供一種用於檢測或識別人的機能障礙和/ 或疏忽(特別是由睡意、分心和/或工作負荷造成的)的方法和系統， 例如，監控某種操作的人，如駕駛車輛的司機，所述機能障礙和/或疏 忽可能降低駕駛時的安全性。
本發明的另一個目的是提供一種用於對人的機能障礙和/或疏忽 的級別進行定量的方法和系統，特別是車輛駕駛員。
此外，本發明的一個目的是提供一種用於檢測或識別人的機能障 礙和/或疏忽的方法和系統，特別是車輛駕駛員，所述方法和系統用於 基於頭部運動模式對人的機能障礙和/或疏忽的級別進行定量。
本發明的又一個目的在於提供一種識別和/或檢測人的工作負荷 的方法，該方法通過檢測和評估人的頭部運動來實現。其中，基於包 括前後擺動，左右擺動，轉動在內的三個頭部轉動分量和/或分別位於 三個垂直方向之一的三個頭部移動分量中的至少一個的數量和/或其對 時間的導數來檢測和評估人的頭部運動。
通過參照附圖閱讀下列對本發明的示例性實施例的描述，本發明 進一步的細節、特點和優點將顯而易見，附圖中示意地示出了 圖1頭部運動的正常區域和正常區域外部的示意圖； 圖2處於頭部運動的外部正常區域內的子區域的示意圖； 圖3警覺的駕駛員的水平和垂直方向上的頭部轉動密度的曲線圖； 圖4睏倦的駕駛員的水平和垂直方向上的頭部轉動密度的曲線圖； 圖5警覺的駕駛員的垂直頭部轉動的--次功率譜密度的曲線圖， 其與睏倦的駕駛員情況相比較；圖6警覺的駕駛員的垂直頭部轉動的二次功率譜密度的曲線圖， 其與睏倦的駕駛員情況相比較；
圖7警覺的駕駛員的水平(高度)頭部位置的三次功率譜密度的
曲線圖，其與睏倦的駕駛員情況相比較；
圖8根據本發明的方法的第一實施例的示意性流程圖；和 圖9根據本發明的方法的第二實施例的示意性流程圖。
具體實施例方式
在下文中，將首先對用於識別瞌睡的優選方法和系統進行描述。
本發明的方法和系統的基礎是，當人變得睏倦時，肌肉進入鬆弛 狀態。例如，疲勞和/或酒精和/或藥物和/或藥品和/或中毒等原因可引 起這樣的睏倦。作為背景技術的是，骨骼肌的狀態完全受到來自於脊 髓的神經脈衝的影響。這些骨骼肌依次部分地受到從大腦傳遞來的脈 衝的控制，並且部分地受到來自位於所述肌肉本身內的肌梭的脈衝的 控制。肌梭脈衝向神經系統提供來自各肌肉的連續的信息反饋，給出 在各瞬間各肌肉的狀態，所述狀態為肌肉的長度、張力以及長度或張 力的變化有多快。因此，在睏倦時肌肉張力通常放鬆。由於肌肉緊張 性的喪失，特別是頸部肌肉，以及對於幹擾反應上的遲鈍，頭部開始 更頻繁地移動，並且具有更大的運動幅度。這一頭部運動的變化可以 通過根據本發明的方法和系統進行定量。
下面對睏倦的測量可以全部被當作絕對或相對值使用。作為絕對 值時，所述測量用於指示從警覺到入睡這一範圍內睏倦所處的水平。 作為相對值時，所述測量用於指示與駕駛員處於警覺狀態的駕駛部分 進行比較時的差異。由於不同人之間的頭部運動可能存在差異，所述 方法可以有一個起始階段，在此階段對正常或警覺的行為進行記錄和/ 或分析和定量，並被用來作為比較的物體。與此正常或警覺行為之間 的偏差程度然後被用於指示睏倦狀況。一般地，需要區分從單獨的頭部運動檢測睏倦(本發明的第一實 施例)和通過比較頭部運動和幹擾檢測睏倦(本發明的第二實施例)。
現在更詳細地描述上述的第一實施例。
頭部運動通常被描述為三個頭部轉動部分(前後擺動，左右擺動 和轉動)，以及根據具有X, y和Z軸的笛卡爾座標系統的三個頭部移動 部分(Posx， P0Sy, P0SZ)。這六個部分可以合成為一個完整地描述頭部
運動的頭部運動信息HMOVE。
優選地，六個信息分量中的每一個都進行前處理以去除測量噪音 和駕駛員長期的姿勢變化。實現此目的的一個方法是採用高通濾波器 以去除長期的姿勢變化，所述變化本質上具有低頻特性，並且採用一 低通濾波器以抑制或至少減少信號噪聲。當然，這兩者也可以通過一 個適當的帶通濾波器來實現。
經過這樣的前處理後，例如，總的頭部運動HMOVE的總量可以 根據等式(i.i)被表示和計算為所述6個自由度及他們對時間的第一 和第二階導數的函數
formula see original document page 8
對於不同的應用，可以對此通用的函數或模型進行不同的選擇和 調整。例如，可以根據等式(1.2)限定總的頭部運動量-
formula see original document page 8
其中A至F是加權因子，其決定不同種類的頭部運動的靈敏度， 並決定所述測量的靈敏度。
為從頭部運動信息HMOVE中檢測出睏倦情況，本發明的方法和系統基於並且利用正常區域中點(NRCP)X或正常區域(NR)的一個(第 一)參考算法。參照圖l，其示出了這樣的一個被NR環繞的NRCP。 此外，第一、第二和第三外部正常區域0NR1、 ONR2、 0NR3以環繞 NR的同心個的方式示出。(儘管圖1示出了一個二維區域(例如前後 和左右運動)，其可以被應用和擴展至例如如上所述的全部六維)。
首先，在駕駛開始的數分鐘(例如三分鐘)內或在一定的環境中 駕駛開始的數分鐘(例如三分鐘)內，如圖l所示的NRCP用於計算 每一個如上所述地進行測量的頭部轉動和頭部移動信號分量。這樣的 計算的示例性結果顯示在圖3和4中。
圖3示出了與多個警覺的駕駛員的水平和垂直頭部轉動相關的信 號分量的最終密度的曲線圖，而圖4示出的是多個睏倦的駕駛員的這 一密度。在這兩張圖的X軸上，示出了垂直轉動的信號分量(頭部前 後運動的程度)，在Y軸上示出了水平轉動的信號分量(頭部左右運動 的程度)，在Z軸上以百分比示出了每個面元或集合的這些運動的密 度。根據圖1和2的NRCP與點x =0且y=0相對應。
圖3示出了在他們相應的駕駛過程的優選的第一個三分鐘內，12 個警覺的駕駛員的頭部轉動信號的這樣的第一參考算法的結果。與此 相比，圖4示出了 12個處於屈倦狀態的駕駛員的第二算法(如下所述) 的結果。
對於警覺和睏倦的駕駛員這兩者來說，所述信號分量的密度具有 一個獨特的頂點，所述頂點被認為是NRCP (X)。通過比較圖3和4 可明顯地發現，NRCP並不依賴於駕駛員是否處於警覺狀態，因為NRCP 與駕駛員的機能障礙和/或疏忽狀態無關。
第二，評估在圖3和4中不同區域之間的信號分量的密度分布的 何種變化可以被分類為睏倦狀態。為了將當前的分布情況與另一分布情況相比較，對於每個司機限定一個基本低谷。所述基本低谷建立在 駕駛的第一個數分鐘內(或在特殊環境下的第一個數分鐘內)的頭部 運動的基礎上。因此，對於相對的測量，基於基本低谷，必須假定駕 駛員處於警覺狀態，並且在此校準的最初幾分鐘內，假定駕駛員沒有 受到藥物的影響。對於絕對測量，預先設定一個閾值，無需校準時段。
一般地，基本低谷可以被限定成基於多個警覺的駕駛員，以便對 於任何駕駛員來說可作為一個與駕駛員無關的標準使用，或者基本低 谷是針對各個特定的(警覺的)駕駛員而單獨地建立，其中所述的駕 駛員被相關的系統監測。
用於這些測量的傳感器是例如基於一個或兩個照相機的頭和眼睛 的跟蹤器，和用於處理所述照相機(一個或多個)的輸出信號的計算 機軟體。特別地，傳感器以三維坐標測量頭部的位置和方向。當然， 也可同樣地使用其它的測量技術或其他的傳感器(例如紅外傳感器)。
為了計算頭部運動在區域內的分布(例如根據圖1的NRCP和NR 和ONR)，各信號分量(在各頭部運動信息)被計入其相應的區域。某 一區域內的信號分量(如Po、和PoSy)越多，則這個區域的值越高， 其它區域的值越低(對於各頭部運動信息，全部區域的總合為100%)。 如果圖1所示的區域放置在圖3和4的x/y平面內，他們將指示出處於 各個區域內(處於正常區域NR中的運動最多)的水平和垂直的頭部運 動的數量。從圖3和4可明顯看出，對於警覺和睏倦的駕駛員，在各 區域之間運動的分布情況明顯不同。
所述區域具有分格的(根據圖3和4的矩形、環形，或另外的形 狀)料鬥/漏鬥的形式，對於信號分量，基於所述料鬥/漏鬥的尺寸，分 布為標準直方圖。例如，假定對於一個特定的信號分量，第一區域在0 和1之間，第二區域在1和2之間，第三區域在2和3之間，五個所 述信號分量的樣本值為0,5; 1,1; 2，4; 0,9和0,3。最終的分布將分別為，區域1內的值為60%，區域2和3內各為20%。然而，根據本發 明，以這樣的方式進行評估直方圖/分布圖多達六維，並且假定這些分 布的特定"形狀"指示出睏倦狀態。
對於各頭部轉動和頭部移動信號分量，各樣本被加入一個相關的 (旋轉和移動)漏鬥，例如，其中可以使用0.98X0.98度的漏鬥尺寸(對 於正前方，或零點的+/-30度為128X128)。然後，對於各轉動和移動 信號分量，各漏鬥的模式(樣本極頻繁地出現在一個漏鬥中)被設定 為一個正常區域中心點(NRCP) X，並且將其存儲。
隨後，上述第一 (參考)算法(通過所述算法計算出NRCP或NR) 優選地周期性重複進行，與多個第二算法一樣，具有預定的時間間隔。 隨後的第二算法的各結果與第一算法的結果進行比較。如果兩者之間 的差異超過一預定值，那麼假定駕駛員是睏倦的，並且輸出一信號或 激活一報警裝置。需要指出的是，此處連續地計算分布情況。為此， 採用一個活動式時間窗口，其使得可以聚焦於駕駛過程的過去的數分 鍾或另一個時段，而不管此時段前發生過什麼。然後，將連續計算的 分布與參考分布相比較(或與預定的"警覺"分布比較)。當差異超過預 定的閾值，或當連續計算的分布偏離預定的參考形狀或特定的預定形 狀時，假定駕駛員是睏倦的。
在本說明書中，"活動式時間窗口"是指沿著信號進行滑動的窗口。 當加入新的樣本時，處於時間窗內最早的樣本將被刪去。全部的測量 是基於活動式時間窗口內的樣本進行計算。
如圖2所示，外部正常區域0NR1 ONR2， ONR3可以被進一步分 別分成子區域2到9，10到17， 18到25 (區域1作為正常區域NR)。 為此，料鬥/漏鬥的標號及他們的形狀與尺寸可以不同於圖1所示的分 法。這可優選地用於相對於一定的信號分量評估和比較一定的分布(例 如，就圖3和4來說，是相對於水平和垂直的頭部轉動)。對於評估一百分比正常區域(PNR)測量，首先，基於一個正常
區域標準，將位於一個活動式時間窗口內的各樣本(例如，具有60HZ 更新頻率的一分鐘的時間窗)分類為"1"，即處於正常區域(NR)內， 或"0"，即位於正常區域外部(ONR)。例如，通過考慮與正常區域中 心點X之間的距離並設定閾值，計算所述正常區域標準。例如，對於 頭部轉動位置為5度和/或對於頭部移動位置為5釐米，形成一個環繞 所述正常區域中心點X的半徑，如圖1所示，例如，已指示出第一正 常區域NR。
當然，可以建立多個具有不同閾值的正常區域標準，形成第二正 常區域NR2，第三正常區域NR3，第四正常區域NR4等等，各區域的 半徑對應於相關的閾值。
例如，截止閾值(一個或多個)也可以被限定為處於正常區域中 心點X的某一標準差內的數據，或者通過聚類算法進行識別，從而允 許正常區域(一個或多個)NR為非圓形。
在另一方面，那些屬於截止閾值內的樣本被分類為"位於相關正常 區域內(NR)"，那些超出範圍的樣本被分類為"位於相關正常區域外 (ONR)"。
在下一步驟中，通過將位於相關正常區域NR內的數據點數除以 位於時間窗口內的總的數據點數，計算百分比，例如，將結果乘以100， 以便得到百分比正常區域測量(PNR)。
除百分比正常區域測量(PNR)之外，從模路面中心(SD—MRC) 至正常區域中心點(SD_DNRC)的距離的標準差也可以在如上所述的 時間窗口內根據標準偏差確定公式計算，不同之處是平均值被模替代-更詳細地說，計算位於NRCP和當前信號值(稱為DNRC)之間 的距離的標準差(SD)。然而，通常用於SD公式中的平均值需要用模， 即NRCP替換。所述計算是在一組位於活動式時間窗口內的數據上進 行。因此，它變成DNRC的RMS (均方根)。例如，將閾值設定為警 覺的駕駛員的SD的兩倍，並且達到所述閾值或超過所述閾值時，假定 駕駛員是睏倦的-
0,3) ^-^
幼一膽C^ ^^^^ 纖Ce *
公式(1.3)中RW是維數N的實數(不是複數)，其中N-1，2,3, 4,5， 6,7,8， ，這取決於有多少信號分量被用於HMOVE和NRCP。
因此，公式(1.4)中的R(或R1)是一維實數。
在公式(1.3)中，例如，HMOVE可以根據公式(1.5)進行限定 (l'5)服OM = (f ~ ,醜JW2 ,D*Hfc&，E *腸，F *腳)
HMOKEe及《 其中A到F為加權因子。
然後，基於對位於正常區域NR， NR1， NR2，……和/或外部正常 區t或ONRl， ONR2， 和區間2， 3，……25之間的頭部運動的分布
的模式識別(例如神經網絡或統計)，計算睏倦情況。在根據圖l或2 的區域內，警覺的駕駛員的分布情況與睏倦的駕駛員不同。
更詳細地說，對於各瞬間及對於各駕駛員，在所述不同的區域NR, ONR內，將存在唯一的頭部運動分布。各分布指示出駕駛員在過去的 X分鐘內(取決於活動式時間窗口的長度)如何移動其頭部。假定睏倦的駕駛員的分布與警覺的駕駛員的分布明顯不同(再次參見圖3和4)。為了將駕駛員分類為具有睏倦的駕駛員分布情況，採用了模式識別方法。與根據圖3警覺的駕駛員的情況相比，根據圖4的睏倦的駕駛員的信號分量的密度分布更加模糊。
在一個非常簡單的例子中，睏倦可以被限定為在一預定的圓外具
有頭部運動的一個預定值X% (其在圖3和4中處於x/y平面內)。然而，圖3和4僅僅顯示了二維空間，但是所述分布和識別可以在N維空間(信號分量)進行，例如，分析頭部位置和頭部轉動，對於頭部運動的速度或角速度來說也是如此。
圖5示出了睏倦的駕駛員(曲線B)與警覺的駕駛員(曲線A)相比較時，其垂直頭部轉動(前後運動)相對於頻率Hertz (在X軸上表示)的功率譜密度的曲線圖(在Y軸上表示)。
圖6示出了睏倦的駕駛員(曲線B)的垂直頭部位置(平移運動)的這樣的功率譜密度曲線圖，其與警覺的駕駛員(曲線A)進行比較。而圖7示出了水平(高度)頭部位置(平移運動)的這樣的功率譜密度曲線圖，優選地包括前後方向上的運動分量，同樣也是將睏倦的駕駛員(曲線B)與警覺的駕駛員(曲線A)進行比較。在圖6和7中，仍然是Y軸表示功率譜密度，圖5和6中的X軸仍然以Hertz表示頻率。
圖5至7示出了睏倦的駕駛員頭部運動的通常的增加情況。更詳細地說，曲線A示出了各自駕駛20分鐘的12個警覺的駕駛員的頭部運動的頻率組成。在圖5到7中，警覺的駕駛員在通過全部頻率的範圍內表現出較少的頭部運動。
睏倦的駕駛員的數據分別在20分鐘的時段內進行測量(例如，睏倦時段(DB)， 1表示所有的12個睏倦的駕駛員的第一個20分鐘，睏倦時段(DB) 2表示第二個20分鐘，等等)。來自這樣的DB1至IJDB4的數據的趨勢(在此示例中，在DB1結束40分鐘後開始，並持續20分鐘)表明睏倦的駕駛員受到時間任務的影響。由於駕駛員的駕駛時間相應較長，測量結果中，從DB1至DB4頭部運動通常會增加。然而，有時趨勢是相反的，DB4比DB3稍低，但還是比DB2高。其原因可能是駕駛員預料行程將要結束，因此變得對行程的結束部分稍許更加警覺。圖5至7中的曲線B表示的功率譜密度曲線為這樣的睏倦時段1至4 (DB1到DB4)的總和。在圖5至7中，這些睏倦時段的曲線表示為虛線。
多個DB中的數據表明了隨著睏倦的增加頭部運動增加的趨勢。所示的曲線B示出了功率譜密度，其內容對應於圖3和4示出的相同的數據。
功率譜密度數據提供了強有力的證據，其表明，當駕駛員變得越來越睏倦時，實際上頭部運動會增加。
另一個可選的方案是實時地測量功率譜密度數據，使得可以對睏倦狀態進行實時監測。為此，可以實時地計算功率譜密度數據，或者是位於例如圖5到7所示的頻率範圍，或者位於這些頻率的一個區間範圍。
根據本發明的方法和系統的第二實施例提出，通過比較受到幹擾時的頭部運動檢測睏倦情況，其將在下文進行更詳細的描述。
一般地，駕駛員越是睏倦，其對頭部運動的矯正控制就越少，意味著在這種情況下，頭部運動設法抑制幹擾。幹擾可以是側風、坑窪的路面或由車輛本身引起的簡單運動(一般是在卡車中)。基本原理是測量幹擾和駕駛員的矯正的頭部運動。這些信號之間的差異(幹擾和反應)的測量是估計駕駛員在多大程度上很好地對幹擾進行了補償，其中所述信號是頭部運動反應(HMR)。警覺的駕駛員反應更為迅速、 精確、緩和，而睏倦的駕駛員反應遲緩，精確度較低，並且草率，位 移時具有較大的振幅(類似於橡皮套管)。因此，對於睏倦的駕駛員來 說，幹擾和反應之間的差異更大。
首先，所述幹擾本身必須進行測量。這一工作可以通過例如如下 所述的多種方法(或這些方法的組合)來實現
-在相機的視野內測量物體的動態性能，例如身體動作或相對於背 景活動的物體；
-通過一個加速度傳感器測量作用於駕駛員的力(例如設置於座位
內)；
-與卡車的其它部分比較，測量駕駛室的空氣懸浮力和傾角；
-測量方向盤的運動。
對幹擾的反應表現於頭部運動中(頭部運動可以是刺激-驅動[反應:
或目標-驅動[故意行為])。對於幹擾的頭部運動反應(HMR)可以通過 多種方法進行識別或過濾，例如
-可根據幹擾信號設定閾值觸發器。只對值大於某一閾值的幹擾進 行反應計算。因此，所述測量基於試探進行(試探即為幹擾)，並且其
不是一個連續的信號；
-只有當車輛非常直地向前行駛預定的時段，並且位於預定的速度
閾值上時，頭部運動才可以被使用，S卩，沒有轉到新的道路上、迂迴 行駛或在城市中行駛；
-當表示變換車道時，頭部運動應被忽視。
最後，全球定位系統(GPS)和地圖匹配數據和/或統計模式識別 數據的組合可用於限定環境，並評估車輛是否前進或將要非常直地向 前行駛，並評估何時可以使用幹擾或幹擾必須被使用，何時不能這樣 做。如上所述，HMR測量是幹擾和反應的函數
(2,1) ^fflf及=3(Dlf 及aM^fow)
幹擾是施加至駕駛員的作用力，並且就駕駛員的頭部運動而言， 反應是駕駛員對此作出的反應。例如，HMR函數可以被限定為
-所述反應和正常區域中心點(NRCP) X之間的差異(例如相對 於位移而言)。對於睏倦的駕駛員，此差異大於警覺的駕駛員；
-所述反應和正常區域中心點(NRCP) X之間的差異的RMS (均 方根)值。同樣，低的RMS值表示頭部運動受到了很好的控制，駕駛 員處於警覺狀態。高的RMS值表示睏倦的駕駛員；
-HMR的模式識別；
-用於響應幹擾的頭部運動的參考模型與響應同樣千擾的測量得 到的頭部運動之間的偏差。所述偏差表現睏倦的程度。警覺的駕駛員 響應幹擾的頭部運動可以例如是位於兩個杆頂部的質點質量的物理模 型，其中所述杆在底部連接一個上部接點和一個下部接點，其實際上 是頭和脊柱的簡單模型。下部接點表示座椅與駕駛員相接觸，下部杆 表示軀幹，上部接點表示頸部，質點質量表示頭部。測量駕駛環境中 的幹擾(載重汽車駕駛室)，並且將其輸入所述模型，所述模型形成模 型化的頭部運動，其然後與測量的頭部運動進行比較。所述模型被調 節成作為處於警覺狀態的駕駛員產生反應。可以使用諸如碰撞實驗中 的假人之類的模型。
根據本發明的方法和系統的第三實施例，駕駛員的注意力分散可 以通過採用上述方法以下列方式進行識別
特別是卡車、公共汽車和火車，即使是小型汽車也是這樣，當駕 駛員與位於駕駛室或工作間內的集成系統相互作用時，有時需要較大 程度的眼部運動(在道路中心和系統之間來自回運動)，其間經常伴隨 有在相同方向上來回的較小幅度的頭部運動。對於側視鏡檢査和側安 全道檢查也是如此。此頭部運動可以被識別和分類為分散注意力的任評估。
根據本發明的方法和系統的第四實施例，駕駛員工作負荷可以通過 應用上述的方法進行識別，其中所述方法考慮到這樣的事實，即工作 負荷可以根據頭部運動的數量進行定量。下面是兩個示例性的等式 (4.1) S。 f〃MO/。
SD表示標準差，RMS表示均方根，HMOVE可以由等式(1.2)限定。
等式(4.1)和(4.2)是在一個具有數秒鐘(例如4)的活動式時 間窗口內進行計算。這些測量形成對工作負荷的連續量化。 一個閾值 可用於優選地獲得一個布爾量，即工作負荷的高或低，並且一個從高 到低的工作負荷延遲被用於防止所述值的抖動。對絕對值使用高的加 權因子(等式1.1)，使得所述估計在多個參數同時改變時更為敏感， 其中所述參數用於描述頭部運動，例如朝向中心的定向運動，其包括 前後和左右運動，並且對於由道路曲率造成的頭部運動的敏感性降低， 其主要是左右運動。通過調整時間窗口的長度和/或加權因子的大小， 可以調節所述信號的動態性能。相應地，不是採用一個閾值和一個布 爾量，而是可以採用多個閾值來獲得工作負荷的多個級別。
頭部位置和頭部轉動與對時間的導數還可用於以相類似的方式檢 測工作負荷。例如，快速的頭部運動將表明，此時的工作負荷比緩慢 的頭部運動時高。
本發明不僅適合於車輛駕駛員，而且適合於飛機架駛員、空中交 通管制員、司機或必須不能入睡並且相當程度地靜坐、在大多數時間 內注意同一方向的任何人。在本申請中描述的所有測量可以通過將單個特定的數據(例如對 於一定的警覺狀況， 一定的頭部運動信息分量的密度的分布情況)單 獨地保存在一個駕駛員識別晶片上，例如智慧卡。
圖8示出了根據本發明的方法的第一實施例的示意性流程圖，其 用於通過將信號密度的警覺分布情況(或這樣的密度的預存的分布情 況)與頭部運動的相關信號密度的當前分布情況進行比較，以檢測出 睏倦情況。
圖8中的各部分表示如下
箭頭H:駕駛員頭部運動信號的輸入(如上所述的全部六個分量)；
1:前處理階段，其包括姿態結果的噪聲抑制和去除；
2:初始化以及匹配處理模塊，其用於初始化系統參數，所述參數
根據駕駛員進行特定的設置(這可以包括一個連續的匹配處理過程)； 3:對於警覺的初始時期的頭部運動分布計算(或警覺的駕駛員的
預定頭部運動分布的匹配)。在經過預定的時段後，此步驟暫停，然後
作為警覺的駕駛員的參考分布情況；
箭頭E:當初始化已經結束時啟動睏倦計算；
4:基於駕駛員的經過前處理的頭部運動信息，連續地計算頭部運 動信息分布情況，其通過部分1傳送駕駛過程的最後預定的X分鐘(" 活動式時間窗口")；
5:比較當前的頭部運動信息分布和警覺的駕駛員的頭部運動信息 分布。此部分包含確定駕駛員將被認為處於睏倦狀態的標準和/或閾值；
箭頭O:連續或離散的睏倦值的輸出。
圖9示出了根據本發明的方法的第二實施例的示意性流程圖，其 用於通過在受到幹擾時比較頭部運動反應來檢測出睏倦情況。
圖9中的各部分表示如下箭頭H:駕駛員頭部運動信號的輸入(如上所述的全部六個分量); 1:前處理階段，其包括姿態結果的噪聲抑制和去除； 2:初始化以及匹配處理模塊，其用於初始化系統參數，所述參數 根據駕駛員進行特定的設置(這可以包括一個連續的匹配處理過程)； 箭頭E:當初始化已經結束時啟動睏倦計算； 箭頭D:幹擾信號的輸入(例如加速度計的信號)； 3:探測觸發器和/或駕駛員的簡單參考模型。所決定的是哪種幹 擾足夠大(並超過一預定值)，以至可以使用，其被輸入比較部分5。 同樣，部分3包括一個駕駛員的簡單參考模型(例如如上所述的力學 模型)。幹擾D被輸入模型，其輸出(模擬的頭部運動)然後被送入比
較部分5;
箭頭P:觸發信號，其表示何時比較和/或計算測量情況；
4:對最後的預定的X分鐘駕駛過程進行連續的頭部運動量(包括 頭部運動分布)計算；
5:比較當前的頭部運動量和模型化的頭部運動分布。此部分包含 確定駕駛員何時將被認為處於睏倦狀態的標準和/或閾值，其基於這種 比較以及頭部運動量和幹擾量的值；
箭頭O:連續或離散的睏倦值的輸出。
權利要求
1.通過檢測和評估人的頭部運動來識別和/或檢測人的工作負荷的方法，其中，基於包括前後擺動，左右擺動，轉動在內的三個頭部轉動分量和/或分別位於三個垂直方向之一的三個頭部移動分量中的至少一個的數量和/或其對時間的導數來檢測和評估人的頭部運動。
2. 根據權利要求1的方法，包括下列步驟計算至少一個分量的 標準偏差和均方根值和/或其在活動式時間間隔內對時間的導數，以產 生對人的工作負載的連續量化。
3. 根據權利要求2的方法，在所述計算步驟之後，包括下列步驟 將量化的工作負載與至少一個閾值進行比較，如果其差值超過了至少 一個閾值，則輸出信號。
4. 根據權利要求3的方法，其中，採用一個閾值用來確定工作負荷的高或低。
5. 根據權利要求3的方法，其中，採用多個閾值用來獲得工作負 荷的多個級別。
6. 根據權利要求1-5中任一項的方法，其中，單個特定的數據被 單獨地保存在駕駛員識別晶片上。
7. 根據權利要求6的方法，其中，所述駕駛員識別晶片為智慧卡。
全文摘要
本發明公開了一種通過檢測和評估人的頭部運動來識別和/或檢測人的工作負荷的方法，其中，基於包括前後擺動，左右擺動，轉動在內的三個頭部轉動分量和/或分別位於三個垂直方向之一的三個頭部移動分量中的至少一個的數量和/或其對時間的導數來檢測和評估人的頭部運動。
文檔編號A61B5/11GK101658423SQ200910173519
公開日2010年3月3日 申請日期2003年11月30日 優先權日2003年11月30日
發明者彼得·拉松, 特倫特·維克託 申請人:沃爾沃技術公司