本公开涉及施工现场的安全监测,尤其涉及一种施工工人的注意力水平计算方法及装置。
背景技术:
1、随着目前施工人员数量的不断增加,生产安全问题越发引起了人们的重视,而在工程事故中,注意力不集中成为了诱发的主因。针对这一情况,len等人提出了一种可穿戴注意监测装置,该发明在枕骨附近放置多个eeg监测电极,通过对采集到的多通道脑电信号进行特征提取。在此基础上,便携式脑机接口智能安全帽是可穿戴注意监测装置的其中一种表现形态,并已经被应用到施工场景中。传统的脑机接口安全帽只是提供了一种eeg脑电的监测方法,并没有对工人的注意力水平进行量化计算,无法有效的识别生产活动场景中工人的注意力情况。
技术实现思路
1、为克服相关技术中存在的问题,本公开提供一种施工工人的注意力水平计算方法及装置。
2、根据本公开实施例的第一方面,提供一种施工工人的注意力水平计算方法,包括:
3、通过脑机接口智能安全帽获取施工工人的预设位点的脑电信号,其中,所述预设位点包括第一位点、第二位点、第三位点和第四位点;
4、对所述预设位点的脑电信号进行预处理,得到处理后的脑电信号;
5、按照预设时间间隔从所述处理后的脑电信号中提取目标时序特征和目标频域特征;
6、根据所述目标时序特征、目标频域特征和预训练的注意力水平识别模型,确定并输出所述施工工人的注意力水平,其中,所述注意力水平包括:优秀、正常、及格、预警和报警。
7、在一个实施例中,优选地,对所述预设位点的脑电信号进行预处理,得到处理后的脑电信号,包括:
8、使用所述第三位点和第四位点对应的脑电信号对所述第一位点和第二位点对应的脑电信号进行数据降噪处理,以得到所述第一位点对应的第一降噪信号和所述第二位点对应的第二降噪信号;
9、其中,采用以下第一计算公式计算所述第一降噪信号:
10、vfp1,降噪信号=vfp1,原始信号-(vt5+vt6)/2;
11、其中,vfp1,降噪信号表示所述第一降噪信号,vfp1,原始信号表示第一位点对应的脑电信号,vt5和vt6分别表示第三位点和第四位点对应的脑电信号;
12、采用以下第二计算公式计算所述第二降噪信号:
13、vfp2,降噪信号=vfp2,原始信号-(vt5+vt6)/2;
14、其中,vfp2,降噪信号表示所述第二降噪信号,vfp2,原始信号表示第二位点对应的脑电信号,vt5和vt6分别表示第三位点和第四位点对应的脑电信号。
15、在一个实施例中,优选地,按照预设时间间隔从所述处理后的脑电信号中提取目标时序特征和目标频域特征,包括:
16、从所述处理后的脑电信号中提取目标时序特征,其中,所述目标时序特征包括脑电信号的峰值时间间距、方差和均值;
17、对所述处理后的脑电信号进行频域划分,其中,频域波段信号包括:theta波、alpha波和beta波;
18、分别计算每个频域波段信号的功率谱能量,以得到所述目标频域特征。
19、在一个实施例中,优选地,采用以下第三计算公式计算计算每个频域波段信号的功率谱能量:
20、
21、
22、其中,e(a,b)表示频率为(a,b)范围内频域波段信号的功率谱能量,p(f)表示频域波段信号的功率谱密度,f表示频率,st(f)表示原始时间序列的脑电信号经傅里叶转换后的频率展开信号,t表示频域波段信号的时长。
23、在一个实施例中,优选地,根据所述目标时序特征、目标频域特征和预训练的注意力水平识别模型,确定并输出所述施工工人的注意力水平,包括:
24、将所述目标时序特征和目标频域特征分别采用以下第四计算公式进行极差均值归一化,以构成特征集合xi;
25、
26、x归,i表示目标时序特征或目标频域特征归一化后的标准特征,xmean,i表示所述目标时序特征或目标频域特征中第i个特征的均值,xi表示,si表示对应方差。
27、在一个实施例中,优选地,所述确定并输出所述施工工人的注意力水平包括:
28、当通过预训练的注意力水平识别模型计算出注意力值大于或等于第一预设值时,确定对应的注意力水平为优秀;
29、当所述注意力值小于所述第一预设值且大于或等于第二预设值时,确定对应的注意力水平为正常;
30、当所述注意力值小于所述第二预设值且大于或等于第三预设值时,确定对应的注意力水平为及格;
31、当所述注意力值小于所述第三预设值且大于或等于第四预设值时,确定对应的注意力水平为预警;
32、当所述注意力值小于所述第四预设值且大于或等于第五预设值时,确定对应的注意力水平为报警。
33、在一个实施例中,优选地,所述方法还包括:
34、当施工工人的注意力水平为报警或预警时,向所述脑机接口智能安全帽发送提醒信息,以使所述脑机接口智能安全帽根据所述提醒信息进行提示。
35、根据本公开实施例的第二方面,提供一种施工工人的注意力水平计算装置,包括:
36、获取模块,用于通过脑机接口智能安全帽获取施工工人的预设位点的脑电信号,其中,所述预设位点包括第一位点、第二位点、第三位点和第四位点;
37、预处理模块,用于对所述预设位点的脑电信号进行预处理,得到处理后的脑电信号;
38、提取模块,用于按照预设时间间隔从所述处理后的脑电信号中提取目标时序特征和目标频域特征;
39、确定模块,用于根据所述目标时序特征、目标频域特征和预训练的注意力水平识别模型,确定并输出所述施工工人的注意力水平,其中,所述注意力水平包括:优秀、正常、及格、预警和报警。
40、在一个实施例中,优选地,预处理模块用于:
41、使用所述第三位点和第四位点对应的脑电信号对所述第一位点和第二位点对应的脑电信号进行数据降噪处理,以得到所述第一位点对应的第一降噪信号和所述第二位点对应的第二降噪信号;
42、其中,采用以下第一计算公式计算所述第一降噪信号:
43、vfp1,降噪信号=vfp1,原始信号-(vt5+vt6)/2;
44、其中,vfp1,降噪信号表示所述第一降噪信号,vfp1,原始信号表示第一位点对应的脑电信号,vt5和vt6分别表示第三位点和第四位点对应的脑电信号;
45、采用以下第二计算公式计算所述第二降噪信号:
46、vfp2,降噪信号=vfp2,原始信号-(vt5+vt6)/2;
47、其中,vfp2,降噪信号表示所述第二降噪信号,vfp2,原始信号表示第二位点对应的脑电信号,vt5和vt6分别表示第三位点和第四位点对应的脑电信号。
48、在一个实施例中,优选地,所述提取模块包括:
49、提取单元,用于从所述处理后的脑电信号中提取目标时序特征,其中,所述目标时序特征包括脑电信号的峰值时间间距、方差和均值;
50、划分单元,用于对所述处理后的脑电信号进行频域划分,其中,频域波段信号包括:theta波、alpha波和beta波;
51、计算单元,用于分别计算每个频域波段信号的功率谱能量,以得到所述目标频域特征。
52、在一个实施例中,优选地,采用以下第三计算公式计算计算每个频域波段信号的功率谱能量:
53、
54、
55、其中,e(a,b)表示频率为(a,b)范围内频域波段信号的功率谱能量,p(f)表示频域波段信号的功率谱密度,f表示频率,st(f)表示原始时间序列的脑电信号经傅里叶转换后的频率展开信号,t表示频域波段信号的时长。
56、在一个实施例中,优选地,所述确定模块用于:
57、将所述目标时序特征和目标频域特征分别采用以下第四计算公式进行极差均值归一化,以构成特征集合xi;
58、
59、x归,i表示目标时序特征或目标频域特征归一化后的标准特征,xmean,i表示所述目标时序特征或目标频域特征中第i个特征的均值,xi表示,si表示对应方差。
60、在一个实施例中,优选地,所述确定并输出所述施工工人的注意力水平包括:
61、当通过预训练的注意力水平识别模型计算出注意力值大于或等于第一预设值时,确定对应的注意力水平为优秀;
62、当所述注意力值小于所述第一预设值且大于或等于第二预设值时,确定对应的注意力水平为正常;
63、当所述注意力值小于所述第二预设值且大于或等于第三预设值时,确定对应的注意力水平为及格;
64、当所述注意力值小于所述第三预设值且大于或等于第四预设值时,确定对应的注意力水平为预警;
65、当所述注意力值小于所述第四预设值且大于或等于第五预设值时,确定对应的注意力水平为报警。
66、在一个实施例中,优选地,所述装置还包括:
67、提示模块,用于当施工工人的注意力水平为报警或预警时,向所述脑机接口智能安全帽发送提醒信息,以使所述脑机接口智能安全帽根据所述提醒信息进行提示。
68、根据本公开实施例的第三方面,提供一种施工工人的注意力水平计算装置,包括:
69、处理器;
70、用于存储处理器可执行指令的存储器;
71、其中,所述处理器被配置为:
72、通过脑机接口智能安全帽获取施工工人的预设位点的脑电信号,其中,所述预设位点包括第一位点、第二位点、第三位点和第四位点;
73、对所述预设位点的脑电信号进行预处理,得到处理后的脑电信号;
74、按照预设时间间隔从所述处理后的脑电信号中提取目标时序特征和目标频域特征;
75、根据所述目标时序特征、目标频域特征和预训练的注意力水平识别模型,确定并输出所述施工工人的注意力水平,其中,所述注意力水平包括:优秀、正常、及格、预警和报警。
76、根据本发明的第四方面,提供一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现第一方面实施例中任一项所述方法的步骤。
77、本公开的实施例提供的技术方案可以包括以下有益效果:
78、本发明实施例中,通过脑机接口安全帽实现脑电信号实时采集并通过网络传输后台,在后台通过算法对信号实现特征提取、注意力水平分类、数据传输反馈、安全帽信息提醒。如果施工工人注意力水平一直处于集中状态,安全帽装置并不会产生提醒;如果施工工人注意力水平处于不集中状态,安全帽会产生信号提醒,从而保证施工人员的安全。
79、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。