專利名稱：識別和/或檢測人的工作負荷的方法
技術(shù)領(lǐng)域：
本發(fā)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(tǒng)，特別是針對車輛的駕駛員，并且 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(shù)：
根據(jù)美國的一項研究(Treat，1979)，大多數(shù)的交通事故一大約90% 是由于駕駛員的失誤造成。駕駛員的疏忽是產(chǎn)生碰撞最主要的原因， 估計由此產(chǎn)生25-55%的撞車事故(根據(jù)CDS數(shù)據(jù)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)?；旧?，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 型和場所為后部碰撞，發(fā)生在十字路口的碰撞、發(fā)生在車道變化/并線 處的碰撞、發(fā)生在道路變更處的碰撞，同樣，還包括發(fā)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(diào)查的駕駛員中，57%的人說他們曾在昏昏欲睡的狀態(tài)下進行駕 駛，23%的人說當他們曾經(jīng)在駕駛時實際上已經(jīng)入睡(Johnson, 1998)。 駕駛員不能確實地說出何時他們會由于疲勞而出現(xiàn)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后的階段削弱駕駛員的警覺和判斷，并且因此影響駕駛能力(Williamson等人，2001)。據(jù)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(fā)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(xiàn)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?？乃鸟{駛員還經(jīng)常涉及在 后部和頭部的碰撞(參見前面引用的文獻)。這些統(tǒng)計數(shù)據(jù)很可能對實 際的問題估計不足，因為駕駛員傾向于不愿意認可或承認瞌睡是引發(fā) 其碰撞的一個因素(Stutts， Wilkens & Vaughn， 1999)。
此外，駕駛員經(jīng)常注意與駕駛無關(guān)的事物。此類事物經(jīng)常引起另 外的任務(wù)，并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?cè)蝿?wù)(Boase等人，1988; Stern等人，1996)。 因此，己經(jīng)發(fā)現(xiàn)，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(tǒng)飛速發(fā)展并進入市場，并且它們可以被應(yīng)用于車輛內(nèi)， 如移動電話，導(dǎo)航輔助設(shè)備，互聯(lián)網(wǎng)絡(luò)，e-服務(wù)。這類干擾可極大程度 地吸收駕駛員的注意力，因此增加了由于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(guān)的信息吸引，達到 如下的程度時，輔助任務(wù)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(xué)上的分心)，其中所述程度
為
(a) 沒有足夠的注意力用于駕駛過程中的主要控制任務(wù)，和/或
(b) 兼顧駕駛能力(例如，車道保持或速度控制)和安全性。
最后，工作負荷表示駕駛員的忙碌程度和駕駛員需要用手執(zhí)行任 務(wù)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(zhí)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?cè)蝿?wù)命令(例如由公路和環(huán)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(wù)的執(zhí)行(注意力分散)而增加。因此，高工作負荷狀態(tài)增加了 使駕駛員注意力分散的可能性。
WO01/60254 Al公開一種用于監(jiān)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沖到方向盤或車 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(xiàn)所 述監(jiān)控。通過一個或多個傳感器檢測駕駛員對于此脈沖的自發(fā)反應(yīng)， 并將其與所述脈沖本身進行比較，以得出關(guān)于駕駛員的精神狀況的結(jié)
論。然而，給予一脈沖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(xù)地監(jiān)控，監(jiān)控僅能在施加脈沖的時候進 行。
用于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(tǒng)"(DAISY),其公開于2002年6月出版的論文"工作 原理與系統(tǒng)可行性(Principles of operation and system feasibility)"中。
對于此系統(tǒng)，檢測施加于車輛上的外力的積累作用以及對車輛沿著其 路徑的運動的干擾，分析保持車輛處于道路上的駕駛員的動作。對駕 駛模式與干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(xù)測定。然而，考慮到車輛的轉(zhuǎn)向系統(tǒng)內(nèi)的游隙和延時，必須評估來 源于駕駛員的運動(其起源于方向盤)和由于外界干擾引起的運動(其 起源于車輪)這兩者之間必要的差別，從而需要密集的使用數(shù)學(xué)和工 程技術(shù)，需要采用復(fù)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(tǒng)" 及相關(guān)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(shù)據(jù)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，以檢測任何表征操作者機 能障礙的頭部運動。然而，此系統(tǒng)和方法不能檢測和定量何種類型的頭部運動屬于正常情況，何種類型的頭部運動屬于機能障礙時的范圍。

發(fā)明內(nèi)容
本發(fā)明的一個目的是提供一種用于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(tǒng)， 例如，監(jiān)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(fā)明的另一個目的是提供一種用于對人的機能障礙和/或疏忽 的級別進行定量的方法和系統(tǒng)，特別是車輛駕駛員。
此外，本發(fā)明的一個目的是提供一種用于檢測或識別人的機能障 礙和/或疏忽的方法和系統(tǒng)，特別是車輛駕駛員，所述方法和系統(tǒng)用于 基于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(fā)明的又一個目的在于提供一種識別和/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(xiàn)。其中，基于包 括前后擺動，左右擺動，轉(zhuǎn)動在內(nèi)的三個頭部轉(zhuǎn)動分量和/或分別位于 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(shù)量和/或其對 時間的導(dǎo)數(shù)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(fā)明的示例性實施例的描述，本發(fā)明 進一步的細節(jié)、特點和優(yōu)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(qū)域和正常區(qū)域外部的示意圖； 圖2處于頭部運動的外部正常區(qū)域內(nèi)的子區(qū)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(zhuǎn)動密度的曲線圖； 圖4困倦的駕駛員的水平和垂直方向上的頭部轉(zhuǎn)動密度的曲線圖； 圖5警覺的駕駛員的垂直頭部轉(zhuǎn)動的--次功率譜密度的曲線圖， 其與困倦的駕駛員情況相比較；圖6警覺的駕駛員的垂直頭部轉(zhuǎn)動的二次功率譜密度的曲線圖， 其與困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，其與困倦的駕駛員情況相比較；
圖8根據(jù)本發(fā)明的方法的第一實施例的示意性流程圖；和 圖9根據(jù)本發(fā)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，將首先對用于識別瞌睡的優(yōu)選方法和系統(tǒng)進行描述。
本發(fā)明的方法和系統(tǒng)的基礎(chǔ)是，當人變得困倦時，肌肉進入松弛 狀態(tài)。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 起這樣的困倦。作為背景技術(shù)的是，骨骼肌的狀態(tài)完全受到來自于脊 髓的神經(jīng)脈沖的影響。這些骨骼肌依次部分地受到從大腦傳遞來的脈 沖的控制，并且部分地受到來自位于所述肌肉本身內(nèi)的肌梭的脈沖的 控制。肌梭脈沖向神經(jīng)系統(tǒng)提供來自各肌肉的連續(xù)的信息反饋，給出 在各瞬間各肌肉的狀態(tài)，所述狀態(tài)為肌肉的長度、張力以及長度或張 力的變化有多快。因此，在困倦時肌肉張力通常放松。由于肌肉緊張 性的喪失，特別是頸部肌肉，以及對于干擾反應(yīng)上的遲鈍，頭部開始 更頻繁地移動，并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(jù)本發(fā)明的方法和系統(tǒng)進行定量。
下面對困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，所述測量用于指示從警覺到入睡這一范圍內(nèi)困倦所處的水平。 作為相對值時，所述測量用于指示與駕駛員處于警覺狀態(tài)的駕駛部分 進行比較時的差異。由于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?；蚓X的行為進行記錄和/ 或分析和定量，并被用來作為比較的物體。與此正?；蚓X行為之間 的偏差程度然后被用于指示困倦狀況。一般地，需要區(qū)分從單獨的頭部運動檢測困倦(本發(fā)明的第一實 施例)和通過比較頭部運動和干擾檢測困倦(本發(fā)明的第二實施例)。
現(xiàn)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(zhuǎn)動部分(前后擺動，左右擺動 和轉(zhuǎn)動)，以及根據(jù)具有X, y和Z軸的笛卡爾座標系統(tǒng)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(yōu)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(xiàn)此目的的一個方法是采用高通濾波器 以去除長期的姿勢變化，所述變化本質(zhì)上具有低頻特性，并且采用一 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?shù)膸V波器來實現(xiàn)。
經(jīng)過這樣的前處理后，例如，總的頭部運動HMOVE的總量可以 根據(jù)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(dǎo)數(shù)的函數(shù)
<formula>formula see original document page 8</formula>
對于不同的應(yīng)用，可以對此通用的函數(shù)或模型進行不同的選擇和 調(diào)整。例如，可以根據(jù)等式(1.2)限定總的頭部運動量-
<formula>formula see original document page 8</formula>
其中A至F是加權(quán)因子，其決定不同種類的頭部運動的靈敏度， 并決定所述測量的靈敏度。
為從頭部運動信息HMOVE中檢測出困倦情況，本發(fā)明的方法和系統(tǒng)基于并且利用正常區(qū)域中點(NRCP)X或正常區(qū)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(huán)繞的NRCP。 此外，第一、第二和第三外部正常區(qū)域0NR1、 ONR2、 0NR3以環(huán)繞 NR的同心個的方式示出。(盡管圖1示出了一個二維區(qū)域(例如前后 和左右運動)，其可以被應(yīng)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(shù)分鐘(例如三分鐘)內(nèi)或在一定的環(huán)境中 駕駛開始的數(shù)分鐘(例如三分鐘)內(nèi)，如圖l所示的NRCP用于計算 每一個如上所述地進行測量的頭部轉(zhuǎn)動和頭部移動信號分量。這樣的 計算的示例性結(jié)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(zhuǎn)動相關(guān)的信 號分量的最終密度的曲線圖，而圖4示出的是多個困倦的駕駛員的這 一密度。在這兩張圖的X軸上，示出了垂直轉(zhuǎn)動的信號分量(頭部前 后運動的程度)，在Y軸上示出了水平轉(zhuǎn)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(jù)圖1和2的NRCP與點x =0且y=0相對應(yīng)。
圖3示出了在他們相應(yīng)的駕駛過程的優(yōu)選的第一個三分鐘內(nèi)，12 個警覺的駕駛員的頭部轉(zhuǎn)動信號的這樣的第一參考算法的結(jié)果。與此 相比，圖4示出了 12個處于屈倦狀態(tài)的駕駛員的第二算法(如下所述) 的結(jié)果。
對于警覺和困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(fā)現(xiàn)，NRCP并不依賴于駕駛員是否處于警覺狀態(tài)，因為NRCP 與駕駛員的機能障礙和/或疏忽狀態(tài)無關(guān)。
第二，評估在圖3和4中不同區(qū)域之間的信號分量的密度分布的 何種變化可以被分類為困倦狀態(tài)。為了將當前的分布情況與另一分布情況相比較，對于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(shù)分鐘內(nèi)(或在特殊環(huán)境下的第一個數(shù)分鐘內(nèi))的頭部 運動的基礎(chǔ)上。因此，對于相對的測量，基于基本低谷，必須假定駕 駛員處于警覺狀態(tài)，并且在此校準的最初幾分鐘內(nèi)，假定駕駛員沒有 受到藥物的影響。對于絕對測量，預(yù)先設(shè)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于多個警覺的駕駛員，以便對 于任何駕駛員來說可作為一個與駕駛員無關(guān)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(guān)的系統(tǒng)監(jiān)測。
用于這些測量的傳感器是例如基于一個或兩個照相機的頭和眼睛 的跟蹤器，和用于處理所述照相機(一個或多個)的輸出信號的計算 機軟件。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(shù)或其他的傳感器(例如紅外傳感器)。
為了計算頭部運動在區(qū)域內(nèi)的分布(例如根據(jù)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(yīng)的區(qū)域。某 一區(qū)域內(nèi)的信號分量(如Po、和PoSy)越多，則這個區(qū)域的值越高， 其它區(qū)域的值越低(對于各頭部運動信息，全部區(qū)域的總合為100%)。 如果圖1所示的區(qū)域放置在圖3和4的x/y平面內(nèi)，他們將指示出處于 各個區(qū)域內(nèi)(處于正常區(qū)域NR中的運動最多)的水平和垂直的頭部運 動的數(shù)量。從圖3和4可明顯看出，對于警覺和困倦的駕駛員，在各 區(qū)域之間運動的分布情況明顯不同。
所述區(qū)域具有分格的(根據(jù)圖3和4的矩形、環(huán)形，或另外的形 狀)料斗/漏斗的形式，對于信號分量，基于所述料斗/漏斗的尺寸，分 布為標準直方圖。例如，假定對于一個特定的信號分量，第一區(qū)域在0 和1之間，第二區(qū)域在1和2之間，第三區(qū)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(qū)域1內(nèi)的值為60%，區(qū)域2和3內(nèi)各為20%。然而，根據(jù)本發(fā) 明，以這樣的方式進行評估直方圖/分布圖多達六維，并且假定這些分 布的特定"形狀"指示出困倦狀態(tài)。
對于各頭部轉(zhuǎn)動和頭部移動信號分量，各樣本被加入一個相關(guān)的 (旋轉(zhuǎn)和移動)漏斗，例如，其中可以使用0.98X0.98度的漏斗尺寸(對 于正前方，或零點的+/-30度為128X128)。然后，對于各轉(zhuǎn)動和移動 信號分量，各漏斗的模式(樣本極頻繁地出現(xiàn)在一個漏斗中)被設(shè)定 為一個正常區(qū)域中心點(NRCP) X，并且將其存儲。
隨后，上述第一 (參考)算法(通過所述算法計算出NRCP或NR) 優(yōu)選地周期性重復(fù)進行，與多個第二算法一樣，具有預(yù)定的時間間隔。 隨后的第二算法的各結(jié)果與第一算法的結(jié)果進行比較。如果兩者之間 的差異超過一預(yù)定值，那么假定駕駛員是困倦的，并且輸出一信號或 激活一報警裝置。需要指出的是，此處連續(xù)地計算分布情況。為此， 采用一個活動式時間窗口，其使得可以聚焦于駕駛過程的過去的數(shù)分 鐘或另一個時段，而不管此時段前發(fā)生過什么。然后，將連續(xù)計算的 分布與參考分布相比較(或與預(yù)定的"警覺"分布比較)。當差異超過預(yù) 定的閾值，或當連續(xù)計算的分布偏離預(yù)定的參考形狀或特定的預(yù)定形 狀時，假定駕駛員是困倦的。
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，處于時間窗內(nèi)最早的樣本將被刪去。全部的測量 是基于活動式時間窗口內(nèi)的樣本進行計算。
如圖2所示，外部正常區(qū)域0NR1 ONR2， ONR3可以被進一步分 別分成子區(qū)域2到9，10到17， 18到25 (區(qū)域1作為正常區(qū)域NR)。 為此，料斗/漏斗的標號及他們的形狀與尺寸可以不同于圖1所示的分 法。這可優(yōu)選地用于相對于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，是相對于水平和垂直的頭部轉(zhuǎn)動)。對于評估一百分比正常區(qū)域(PNR)測量，首先，基于一個正常
區(qū)域標準，將位于一個活動式時間窗口內(nèi)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"，即處于正常區(qū)域(NR)內(nèi)， 或"0"，即位于正常區(qū)域外部(ONR)。例如，通過考慮與正常區(qū)域中 心點X之間的距離并設(shè)定閾值，計算所述正常區(qū)域標準。例如，對于 頭部轉(zhuǎn)動位置為5度和/或?qū)τ陬^部移動位置為5厘米，形成一個環(huán)繞 所述正常區(qū)域中心點X的半徑，如圖1所示，例如，已指示出第一正 常區(qū)域NR。
當然，可以建立多個具有不同閾值的正常區(qū)域標準，形成第二正 常區(qū)域NR2，第三正常區(qū)域NR3，第四正常區(qū)域NR4等等，各區(qū)域的 半徑對應(yīng)于相關(guān)的閾值。
例如，截止閾值(一個或多個)也可以被限定為處于正常區(qū)域中 心點X的某一標準差內(nèi)的數(shù)據(jù)，或者通過聚類算法進行識別，從而允 許正常區(qū)域(一個或多個)NR為非圓形。
在另一方面，那些屬于截止閾值內(nèi)的樣本被分類為"位于相關(guān)正常 區(qū)域內(nèi)(NR)"，那些超出范圍的樣本被分類為"位于相關(guān)正常區(qū)域外 (ONR)"。
在下一步驟中，通過將位于相關(guān)正常區(qū)域NR內(nèi)的數(shù)據(jù)點數(shù)除以 位于時間窗口內(nèi)的總的數(shù)據(jù)點數(shù)，計算百分比，例如，將結(jié)果乘以100， 以便得到百分比正常區(qū)域測量(PNR)。
除百分比正常區(qū)域測量(PNR)之外，從模路面中心(SD—MRC) 至正常區(qū)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(nèi)根據(jù)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，計算位于NRCP和當前信號值(稱為DNRC)之間 的距離的標準差(SD)。然而，通常用于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于活動式時間窗口內(nèi)的數(shù)據(jù)上進 行。因此，它變成DNRC的RMS (均方根)。例如，將閾值設(shè)定為警 覺的駕駛員的SD的兩倍，并且達到所述閾值或超過所述閾值時，假定 駕駛員是困倦的-
0,3) ^-^
幼一膽C^ ^^^^ 纖Ce *
公式(1.3)中RW是維數(shù)N的實數(shù)(不是復(fù)數(shù))，其中N-1，2,3, 4,5， 6,7,8， ，這取決于有多少信號分量被用于HMOVE和NRCP。
因此，公式(1.4)中的R(或R1)是一維實數(shù)。
在公式(1.3)中，例如，HMOVE可以根據(jù)公式(1.5)進行限定 (l'5)服OM = (f ~ ,丑JW2 ,D*Hfc&，E *腸，F(xiàn) *腳)
HMOKEe及《 其中A到F為加權(quán)因子。
然后，基于對位于正常區(qū)域NR， NR1， NR2，……和/或外部正常 區(qū)t或ONRl， ONR2， 和區(qū)間2， 3，……25之間的頭部運動的分布
的模式識別(例如神經(jīng)網(wǎng)絡(luò)或統(tǒng)計)，計算困倦情況。在根據(jù)圖l或2 的區(qū)域內(nèi)，警覺的駕駛員的分布情況與困倦的駕駛員不同。
更詳細地說，對于各瞬間及對于各駕駛員，在所述不同的區(qū)域NR, ONR內(nèi)，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(nèi)(取決于活動式時間窗口的長度)如何移動其頭部。假定困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困倦的駕駛員分布情況，采用了模式識別方法。與根據(jù)圖3警覺的駕駛員的情況相比，根據(jù)圖4的困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，困倦可以被限定為在一預(yù)定的圓外具
有頭部運動的一個預(yù)定值X% (其在圖3和4中處于x/y平面內(nèi))。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(zhuǎn)動，對于頭部運動的速度或角速度來說也是如此。
圖5示出了困倦的駕駛員(曲線B)與警覺的駕駛員(曲線A)相比較時，其垂直頭部轉(zhuǎn)動(前后運動)相對于頻率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示出了困倦的駕駛員(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(yōu)選地包括前后方向上的運動分量，同樣也是將困倦的駕駛員(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示出了困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范圍內(nèi)表現(xiàn)出較少的頭部運動。
困倦的駕駛員的數(shù)據(jù)分別在20分鐘的時段內(nèi)進行測量(例如，困倦時段(DB)， 1表示所有的12個困倦的駕駛員的第一個20分鐘，困倦時段(DB) 2表示第二個20分鐘，等等)。來自這樣的DB1至IJDB4的數(shù)據(jù)的趨勢(在此示例中，在DB1結(jié)束40分鐘后開始，并持續(xù)20分鐘)表明困倦的駕駛員受到時間任務(wù)的影響。由于駕駛員的駕駛時間相應(yīng)較長，測量結(jié)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(yù)料行程將要結(jié)束，因此變得對行程的結(jié)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困倦時段1至4 (DB1到DB4)的總和。在圖5至7中，這些困倦時段的曲線表示為虛線。
多個DB中的數(shù)據(jù)表明了隨著困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(nèi)容對應(yīng)于圖3和4示出的相同的數(shù)據(jù)。
功率譜密度數(shù)據(jù)提供了強有力的證據(jù)，其表明，當駕駛員變得越來越困倦時，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(shù)據(jù)，使得可以對困倦狀態(tài)進行實時監(jiān)測。為此，可以實時地計算功率譜密度數(shù)據(jù)，或者是位于例如圖5到7所示的頻率范圍，或者位于這些頻率的一個區(qū)間范圍。
根據(jù)本發(fā)明的方法和系統(tǒng)的第二實施例提出，通過比較受到干擾時的頭部運動檢測困倦情況，其將在下文進行更詳細的描述。
一般地，駕駛員越是困倦，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(shè)法抑制干擾。干擾可以是側(cè)風、坑洼的路面或由車輛本身引起的簡單運動(一般是在卡車中)?；驹硎菧y量干擾和駕駛員的矯正的頭部運動。這些信號之間的差異(干擾和反應(yīng))的測量是估計駕駛員在多大程度上很好地對干擾進行了補償，其中所述信號是頭部運動反應(yīng)(HMR)。警覺的駕駛員反應(yīng)更為迅速、 精確、緩和，而困倦的駕駛員反應(yīng)遲緩，精確度較低，并且草率，位 移時具有較大的振幅(類似于橡皮套管)。因此，對于困倦的駕駛員來 說，干擾和反應(yīng)之間的差異更大。
首先，所述干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(xiàn)
-在相機的視野內(nèi)測量物體的動態(tài)性能，例如身體動作或相對于背 景活動的物體；
-通過一個加速度傳感器測量作用于駕駛員的力(例如設(shè)置于座位
內(nèi))；
-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。
對干擾的反應(yīng)表現(xiàn)于頭部運動中(頭部運動可以是刺激-驅(qū)動[反應(yīng):
或目標-驅(qū)動[故意行為])。對于干擾的頭部運動反應(yīng)(HMR)可以通過 多種方法進行識別或過濾，例如
-可根據(jù)干擾信號設(shè)定閾值觸發(fā)器。只對值大于某一閾值的干擾進 行反應(yīng)計算。因此，所述測量基于試探進行(試探即為干擾)，并且其
不是一個連續(xù)的信號；
-只有當車輛非常直地向前行駛預(yù)定的時段，并且位于預(yù)定的速度
閾值上時，頭部運動才可以被使用，S卩，沒有轉(zhuǎn)到新的道路上、迂回 行駛或在城市中行駛；
-當表示變換車道時，頭部運動應(yīng)被忽視。
最后，全球定位系統(tǒng)(GPS)和地圖匹配數(shù)據(jù)和/或統(tǒng)計模式識別 數(shù)據(jù)的組合可用于限定環(huán)境，并評估車輛是否前進或?qū)⒁浅Ｖ钡叵?前行駛，并評估何時可以使用干擾或干擾必須被使用，何時不能這樣 做。如上所述，HMR測量是干擾和反應(yīng)的函數(shù)
(2,1) ^fflf及=3(Dlf 及aM^fow)
干擾是施加至駕駛員的作用力，并且就駕駛員的頭部運動而言， 反應(yīng)是駕駛員對此作出的反應(yīng)。例如，HMR函數(shù)可以被限定為
-所述反應(yīng)和正常區(qū)域中心點(NRCP) X之間的差異(例如相對 于位移而言)。對于困倦的駕駛員，此差異大于警覺的駕駛員；
-所述反應(yīng)和正常區(qū)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 員處于警覺狀態(tài)。高的RMS值表示困倦的駕駛員；
-HMR的模式識別；
-用于響應(yīng)干擾的頭部運動的參考模型與響應(yīng)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(xiàn)困倦的程度。警覺的駕駛員 響應(yīng)干擾的頭部運動可以例如是位于兩個桿頂部的質(zhì)點質(zhì)量的物理模 型，其中所述桿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，下部桿 表示軀干，上部接點表示頸部，質(zhì)點質(zhì)量表示頭部。測量駕駛環(huán)境中 的干擾(載重汽車駕駛室)，并且將其輸入所述模型，所述模型形成模 型化的頭部運動，其然后與測量的頭部運動進行比較。所述模型被調(diào) 節(jié)成作為處于警覺狀態(tài)的駕駛員產(chǎn)生反應(yīng)。可以使用諸如碰撞實驗中 的假人之類的模型。
根據(jù)本發(fā)明的方法和系統(tǒng)的第三實施例，駕駛員的注意力分散可 以通過采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 駛員與位于駕駛室或工作間內(nèi)的集成系統(tǒng)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(tǒng)之間來自回運動)，其間經(jīng)常伴隨 有在相同方向上來回的較小幅度的頭部運動。對于側(cè)視鏡檢査和側(cè)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(jù)本發(fā)明的方法和系統(tǒng)的第四實施例，駕駛員工作負荷可以通過 應(yīng)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(jù)頭部運動的數(shù)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(shù)秒鐘(例如4)的活動式時 間窗口內(nèi)進行計算。這些測量形成對工作負荷的連續(xù)量化。 一個閾值 可用于優(yōu)選地獲得一個布爾量，即工作負荷的高或低，并且一個從高 到低的工作負荷延遲被用于防止所述值的抖動。對絕對值使用高的加 權(quán)因子(等式1.1)，使得所述估計在多個參數(shù)同時改變時更為敏感， 其中所述參數(shù)用于描述頭部運動，例如朝向中心的定向運動，其包括 前后和左右運動，并且對于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(diào)整時間窗口的長度和/或加權(quán)因子的大小， 可以調(diào)節(jié)所述信號的動態(tài)性能。相應(yīng)地，不是采用一個閾值和一個布 爾量，而是可以采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(zhuǎn)動與對時間的導(dǎo)數(shù)還可用于以相類似的方式檢 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(fā)明不僅適合于車輛駕駛員，而且適合于飛機架駛員、空中交 通管制員、司機或必須不能入睡并且相當程度地靜坐、在大多數(shù)時間 內(nèi)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(shù)據(jù)(例如對 于一定的警覺狀況， 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芯片上，例如智能卡。
圖8示出了根據(jù)本發(fā)明的方法的第一實施例的示意性流程圖，其 用于通過將信號密度的警覺分布情況(或這樣的密度的預(yù)存的分布情 況)與頭部運動的相關(guān)信號密度的當前分布情況進行比較，以檢測出 困倦情況。
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(tài)結(jié)果的噪聲抑制和去除；
2:初始化以及匹配處理模塊，其用于初始化系統(tǒng)參數(shù)，所述參數(shù)
根據(jù)駕駛員進行特定的設(shè)置(這可以包括一個連續(xù)的匹配處理過程)； 3:對于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(yù)定頭部運動分布的匹配)。在經(jīng)過預(yù)定的時段后，此步驟暫停，然后
作為警覺的駕駛員的參考分布情況；
箭頭E:當初始化已經(jīng)結(jié)束時啟動困倦計算；
4:基于駕駛員的經(jīng)過前處理的頭部運動信息，連續(xù)地計算頭部運 動信息分布情況，其通過部分1傳送駕駛過程的最后預(yù)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于困倦狀態(tài)的標準和/或閾值；
箭頭O:連續(xù)或離散的困倦值的輸出。
圖9示出了根據(jù)本發(fā)明的方法的第二實施例的示意性流程圖，其 用于通過在受到干擾時比較頭部運動反應(yīng)來檢測出困倦情況。
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(tài)結(jié)果的噪聲抑制和去除； 2:初始化以及匹配處理模塊，其用于初始化系統(tǒng)參數(shù)，所述參數(shù) 根據(jù)駕駛員進行特定的設(shè)置(這可以包括一個連續(xù)的匹配處理過程)； 箭頭E:當初始化已經(jīng)結(jié)束時啟動困倦計算； 箭頭D:干擾信號的輸入(例如加速度計的信號)； 3:探測觸發(fā)器和/或駕駛員的簡單參考模型。所決定的是哪種干 擾足夠大(并超過一預(yù)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(xué) 模型)。干擾D被輸入模型，其輸出(模擬的頭部運動)然后被送入比
較部分5;
箭頭P:觸發(fā)信號，其表示何時比較和/或計算測量情況；
4:對最后的預(yù)定的X分鐘駕駛過程進行連續(xù)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于困倦狀態(tài)的標準和/或閾值，其基于這種 比較以及頭部運動量和干擾量的值；
箭頭O:連續(xù)或離散的困倦值的輸出。
權(quán)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，基于包括前后擺動，左右擺動，轉(zhuǎn)動在內(nèi)的三個頭部轉(zhuǎn)動分量和/或分別位于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(shù)量和/或其對時間的導(dǎo)數(shù)來檢測和評估人的頭部運動。
2. 根據(jù)權(quán)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(nèi)對時間的導(dǎo)數(shù)，以產(chǎn) 生對人的工作負載的連續(xù)量化。
3. 根據(jù)權(quán)利要求2的方法，在所述計算步驟之后，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(jù)權(quán)利要求3的方法，其中，采用一個閾值用來確定工作負荷的高或低。
5. 根據(jù)權(quán)利要求3的方法，其中，采用多個閾值用來獲得工作負 荷的多個級別。
6. 根據(jù)權(quán)利要求1-5中任一項的方法，其中，單個特定的數(shù)據(jù)被 單獨地保存在駕駛員識別芯片上。
7. 根據(jù)權(quán)利要求6的方法，其中，所述駕駛員識別芯片為智能卡。
全文摘要
本發(fā)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，基于包括前后擺動，左右擺動，轉(zhuǎn)動在內(nèi)的三個頭部轉(zhuǎn)動分量和/或分別位于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(shù)量和/或其對時間的導(dǎo)數(shù)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(yōu)先權(quán)日2003年11月30日
發(fā)明者彼得·拉松, 特倫特·維克托 申請人:沃爾沃技術(shù)公司