基于脑电波模块驾车疲劳检测系统的设计与实现

黄雄，吴勇坚，文哲雄，廖明华（广州商学院计算机系，广东广州511363）



基于脑电波模块驾车疲劳检测系统的设计与实现

黄雄，吴勇坚，文哲雄，廖明华
（广州商学院计算机系，广东广州511363）

摘要：采用脑电波模块检测驾驶员的脑电波实时数据，通过数据分析来判断驾驶员的疲劳程度。当驾驶员疲劳驾驶时，对其进行提醒和报警，确保驾驶员在驾驶车辆过程中处于监控状态，达到减少交通事故的目的。应用脑电波模块将复杂的脑电信号转化成可以用计算机分析的数据，开发者使用计算机或者微机控制器可以分析数据包来判断人脑的精神状况。脑电波模块提供串行数据口，并且数据包为固定的格式，为开发者提供接口，开发者抓取数据包，去除杂波与干扰信号，得到数据处理结果。该模块广泛应用于消费类电子、医疗设备、汽车行业、玩具及教具等领域。

关键词：疲劳程度；交通事故；脑电波；数据分析

据相关统计数据显示，有超过1/3的交通事故是由于驾驶员疲劳而造成的。这些交通事故造成了很多的家庭支离破碎，所造成的经济损失达到千亿元。通过在驾车过程中，对驾驶员的疲劳程度进行检测，当驾驶员处于疲劳状态时对其进行报警提示。目前这种驾车疲劳检测系统在汽车中的应用还是比较少见的，只有一些欧美国家的高端汽车上才装配有瞌睡报警系统。因此，驾车疲劳检测系统在汽车产品中有广阔的市场。

本文通过对各种不同的驾车疲劳检测系统进行分析，在此基础上开发出基于脑电波驾车疲劳检测的应用系统。

1　驾车疲劳检测系统的原理

驾车疲劳检测系统主要通过检测人的身体状态来判断驾驶员的疲劳程度，当人处于疲劳状况的时候，通过声音、震动、光照等物理方法来对驾驶员进行及时的提醒，从而减少交通事故的发生。

实现该系统功能主要有两种不同的方案，1）通过人脸识别技术对驾驶员进行检测；2）通过脑电信号判别驾驶员的疲劳程度。

2　人脸识别监测驾车疲劳

2.1人脸识别技术的原理

国内外主流的汽车厂商主要是通过人脸识别技术，对驾驶员眼睛的状况和驾车习惯进行监测，当监测到驾驶员疲劳驾驶时，对其进行灯光、声音等方式提醒。该系统的原理是：通过疲劳的检测，分析驾驶员的行为信息，比如眼睛、脸、心脏、脑等活动来判断驾驶员是否处于驾车疲劳的状态。目前有通过人眼来判断人是否疲劳的系统，其实现的原理是：摄像头通过采集人眼图像，分析虹膜、瞳孔、眼皮来判别疲劳程度，疲劳程度会与眼皮的闭合程度、时间、频率和人的闭眼习惯有关，通过声音和闪光灯来提示危险。采用红外摄像头，可以白天和夜里全天候使用。

2.2存在的问题

每个人的人脸有很大的不同，还有眨眼习惯也有很大的不同，单单通过这些不能准确地判断驾驶员的疲劳程度，并且有头发、眉毛、眼镜都会对人脸识别带来干扰，从而导致无法判别驾驶员的疲劳程度。这种系统需要驾驶员去适应该检测方式，产品不够人性化。

3　脑电波检测驾车疲劳

脑电波模块的驾车疲劳检测系统主要是通过检测人的脑电波来判别人的疲劳程度，将人的脑电波这种电信号转化成为数字信号，数字信号可以用微机进行处理，从而根据程序算法的计算来检测人脑的活跃程度。

3.1脑电波介绍

人的脑电波分4个频段，即得尔塔（δ）为1～3 Hz、西塔（θ）为4～7 Hz、阿尔法（α）为8～13 Hz、贝塔（β）为14～30 Hz。人脑的活跃程度直接与脑电波的频率相关，频率越高代表着大脑越活跃。当人处于完全放松的精神状态时，或是在心神专注的时候出现α脑电波；当人在一种通常的、日常的清醒状态时，会出现β脑电波；当人处于睡眠的初期阶段时，会出现θ脑电波；当人处于深度睡眠阶段时，会出现δ脑电波。脑电波的电信号通常并不是单纯出现，而是错综复杂，人的每一种状况都会存在不同频段的脑电波，主要根据脑电波处于哪个频段来确定人脑的活跃程度。

3.2脑电波模块参数

神念科技的脑电波模块采用专用的集成ic，供电电压为3.3 V，支持3 V电池的供电，其数据采用串口通讯，波特率为9 600、57 600、115 200 Baud。表1为脑电波模块的参数。

表1　神念科技脑电波模块参数

脑电波模块的数据帧也是按照一定的协议发送数据，TGAM大约每秒发送513个包，发送包的个数是不会变的，发送513个包所花费的时间是1 s左右。发送的包有小包和大包两种，小包的格式是0×AA、0×AA、0×04、0×80、0×02、××High、××Low、××CheckSum，前面的AA AA 04 80 02是不变的，后3个字节是一直变化的，××High和××Low组成了原始数据rawdata，××CheckSum是校验和。一个小包里面只包含了一个对开发者来说有用的数据，那就是rawdata，即一个小包就是一个原始数据，大约每秒会有512个原始数据。rawdata=（××High<<8）|××Low if（rawdata>32 768）{rawdata=65 536}。原始数据根据该式计算出来，在计算原始数据之前，应该先检查校验和。首先将0×04后面的4个字节加起来，取反，再取低八位，如果算出来的sum和××CheckSum是相等的，说明这个包是正确的。然后再计算rawdata，否则直接忽略这个包。丢包率在10%以下是不会对最后结果造成影响的。上位机软件抓取的脑波数据帧如图1所示。校验和计算公式为

sum=（（0×80+0×02+××High+××Low）^0×FFFFFFFF）&0×FF。

（1）

图1　脑电波模块数据帧

3.3基于脑电波产品开发的可行性

现今，脑电波的研究处于快速发展阶段，很多的资源也在开源，一些公司也有提供脑电波采集数据的开发接口。ThinkGrear AM模块是现在市面上比较常用的脑电波开发模块，它可以从人的大脑中检测到微弱的脑电信号，并同时过滤掉周围的噪音及电磁干扰，通过数据的处理，可以得到需要的专注度、冥想度与眨眼3个参数。将这3个参数的处理值可以应用在各个方面，如游戏、应用程序、玩具等研究中。这些数据都是通过蓝牙进行发送，开发者能够方便地进行数据处理。这款模块体积小，可以使产品尽量迷你化，方便携带，且采用串口发送数据包，低电压供电。2014年最受欢迎的玩具意念猫耳朵和温哥华冬奥会用意念控制尼亚加拉瀑布的灯光，就是采用神念科技的脑波模块控制的。

3.4脑波检测系统的工作原理

脑波模块疲劳检测系统使用了神念科技的脑电芯片模块，通过对脑电波中的各种信号进行采集，蓝牙对脑电波进行无线传输，电子积木arduino单片机对数据进行处理，也可以使用手机自带的蓝牙进行数据接收，并采用android系统软件对数据进行处理。脑波采集系统将脑电波采集模块安装于帽子上，这样既可以方便携带，也可以有一物二用的功能。脑电波采集发射系统实物如图2所示。图2通过夹在人耳朵上两个导电夹子来采集脑电波数据。脑电波模块有两个电极，一个电极接电源地，另一个电极是脑波的采集端。采集端将采集的电信号经脑电波芯片进行处理，即电信号转化成数字信号，数据通过蓝牙模块（蓝牙2.0版本）进行无线数据传输。

图2　脑电波采集发射系统实物

单片机处理终端（arduino手机）通过蓝牙接收到脑波采集系统发送过来的数据，将脑波数据包进行处理，这些数据包是有规律的，可以根据这些数据包判断佩戴者是否在眨眼，因为佩戴者在眨眼的情况下，脑波的小包数据波动会比正常情况要大，具体的情况要根据实际脑波数据进行分析。第513个数据包是一个大包，在这个大包数据里面有很多脑波参数，比如冥想度、专注度及各种脑波的强度。开发人员可以通过小数据包来分析是否眨眼，利用专注度和冥想度来分析人的精神状态。

此外，医学研究者可以通过各种脑电波的强度来分析人大脑发电的状况。值得注意的是，这些脑波传输的数据量比较大，如果采用低级别的单片机是完全跟不上脑波模块发送数据包的速度。应当采用较为高级别的单片机或者其他类型的微型处理器进行数据处理。同样可以通过个人计算机将这些数据进行处理。脑波模块的数据包通过处理软件将数据绘成曲线，显示可以非常直观地看到大脑的活跃程度。同理也可以将处理的结果通过数码管显示，用按键切换系统的模式。还可以设置警戒值，当监测到低于某个警戒值时，系统通过蜂鸣器进行报警。脑电波检测报警系统电路如图3所示。

图3　脑电波检测报警系统电路

手机处理终端工作原理：手机连接蓝牙后，将接收到的脑波数据各个参数显示在手机界面上。当专注度低于用户设定值时，手机将震动和发出报警声音，提醒驾驶员安全驾驶。自行开发的Android手机脑波处理系统软件UI界面如图4所示。

图4　 Android手机软件处理系统UI界面

3.5脑电波模块监控系统结构

根据脑电波现有的处理机制，将脑电波模块资源利用率最大化，系统在原有的基础上加入一些其他的功能，使得功能不再单一。在原有的基础上，根据单片机和Android手机的资源以及系统的可行性，在本系统中加入了音乐播放的功能。脑波模块监控系统框架如图5所示。

图5　脑电波模块监控系统框架

3.6其他应用

脑电波模块通过检测脑电波的数据，不仅可以应用在驾车疲劳监控系统中，而且可以应用在其他方面，如测谎仪、睡眠仪以及应用脑电波来进行各种行为控制等。

（1）睡眠仪。睡眠仪通过人的脑电波来播放对应的双声节拍来引导使用者进入深度睡眠，目前美国军方可以通过脑电波来播放对应的双节拍音乐。双声节拍音乐输出两路不同频率的节拍或者音乐，在使用者的左右耳播放不同频率的音乐时，会在大脑中产生一个频差，这个频差声波与脑电波产生一个共振，从而引导使用者进入深度睡眠。这种通过脑波音乐的引导使人进入深度睡眠，可以达到不用药物提升睡眠质量、治疗失眠症的作用。

（2）测谎仪。测谎仪就是通过分析人的脑电的波动，判断佩戴者是否在说谎。

（3）行为控制。脑电波模块可以应用于各种控制系统，比如可以通过脑电波信号控制电脑游戏，增加其趣味性；可以通过脑电波的活跃程度来改变电影剧情的发展，这样就更加符合不同人们的需求；通过分析脑电波可以帮助禅修的人发掘身体与精神的联系。

此外，现在也有通过脑电波控制飞行器和各种设备。

由此可知，集多功能为一体的驾车疲劳检测系统，方便携带，可以辅助解决很多问题。

4　小结

通过人脸识别技术判别驾驶员的疲劳程度因受到很多因素的干扰有其局限性。基于脑电波的驾车疲劳检测系统能很好地解决了这些问题，采用神念科技的脑电波模块，使脑电波数据检测系统的开发更加方便。例如，采用数据包分析软件使得专注度、冥想度以及眨眼数据更加准确。采用Android手机作为系统处理终端，且通过蓝牙通信传输数据，使系统的组成更加简化。且该系统使用成本低，操作方便，便于普及推广。

脑电波检测与控制系统还可以在多领域中进行开发和应用，具有较大的实际应用价值和巨大的消费市场，值得大力应用和推广。

参考文献：

［1］李颖洁.脑电信号分析方法及应用［M］.北京:科学出版社, 2009.

［2］王玉化,朱守林,戚春华,等.基于脑电信号的草原公路驾驶疲劳研究［J］.科学技术与工程, 2014（27）: 31.

［3］薄纯娟,徐国凯,宋鹏,等.疲劳驾驶检测方法研究综述［J］.大连民族学院学报, 2013（3）: 31- 32.

［4］许少凡,李凯钿,狄红卫,等.基于瞳孔几何特征的驾驶疲劳检测嵌入式系统的设计［J］.光学技术, 2009（1）: 31- 32.

［5］欧居尚.基于脑电波分析技术的安全驾驶实验研究［J］.西南交通大学学报, 2013（4）: 31- 36.

【责任编辑：任小平renxp90@163.com】

Design and implementation of driving fatigue detection system based on brain wave module

HUANGXiong, WUYong- jian, WENZhe- xiong, LIAOMing- hua
（Department of Computer, Guangzhou College of Commerce, Guangzhou 511363, China）

Abstract:The real- time data ofthe driver’s brain waves are detected bythe brain wave module, and the driver’s fatigue level is judged bydata analysis. When the driver fatigue driving, it is to ensure that the driver is in a state of control in the process of driving the vehicle, to reduce the traffic accident. Brain wave module provides serial data port, and the data packet for a fixed format for developers to provide interface, developers data packet capture, remove clutter and interference signal, data processing result. The module is widely used in consumer electronics, medical equipment, automotive industry, toys, teachingaids and other fields.

Keywords:fatigue; traffic accident; brain waves; data analysis

作者简介：黄雄（1993-），男，广州龙川人，广州商学院工程师。

收稿日期：2015-10-19

文章编号：1008- 0171（2016）02- 0054- 06

中图分类号：TP274.4

文献标志码：A