基于EEG的驾驶疲劳监测与音乐播放控制系统

尹晶海 陈钰华 陈瑜

摘要：为了解决长时间驾驶导致的疲劳问题，提高驾驶员的警觉度和注意力，降低疲劳程度。该文基于脑电信号采用信号分析与模式识别的方法来监测驾驶员的疲劳程度，在车载环境下，通过不断调整车载音乐的播放曲目以及播放音量，达到自动适应不同疲劳程度的驾驶场景对外部音乐的需要。实验结果表明，使用该音乐播放控制系统后驾驶员到达重度疲劳的时间得到有效的延长，相同驾驶时长中驾驶员的注意力和警觉度也得到了提升。实验同时还表明，不同的驾驶疲劳状态需要采用不同的音乐类型与声音大小进行刺激反馈，从而降低驾驶疲劳对行车安全的威胁。

关键词：脑电信号;驾驶疲劳;车栽设备;音乐刺激;自动控制

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2019）29-0077-03

1背景

随着经济的不断发展汽车已经深人到每个人的家庭生活中，在这个狭小的空间里人们“居住”的时间越来越长。相关研究表明，随着驾驶时间的延长，人的各项生理机能和心理机能都会下降，所产生的驾驶疲劳已经成为威胁行车安全的主要原因。因此怎样监测和减缓驾驶疲劳逐渐成为如今车载系统研究的热点。

当前的研究显示收听音乐能够有效减缓疲劳驾驶，但与此同时人的认知效率受频率、音域、编曲、音量、节奏等多个要素影响。例如轻柔的音乐能够降低驾驶员的认知负荷，从而使驾驶员保持充足的注意资源，适合复杂路况下收听;而摇滚乐的属性会吸引驾驶员注意，增加驾驶员的认知负荷。快节奏音乐能使被试产生紧张感，提高了其生理唤醒程度。高响度音乐会增加驾驶员信息加工的负荷，导致警觉下降，但同时能防止大脑进入睡眠状态。在通常环境下，将车内音乐的响度设置为中等音量最有利于安全驾驶。

研究还发现，在不同的疲劳程度下，对同一种音乐所产生的作用将不尽相同。实验显示，在轻度疲劳期，普通音量的轻音乐能提高注意力，而中度疲劳期则更适合有一定节奏和旋律优美且歌词朗朗上口的歌曲，驾驶员可以通过小声地跟唱降低疲劳程度。一旦到了重度疲劳期，则需要音量较大的重金属摇滚乐来刺激驾驶员防止打瞌睡。因此如果需要通过播放音乐来缓和驾驶员的疲劳程度以及提高注意力水平，需要实时的获取其当前的疲劳状态。

对于驾驶疲劳的检测，目前已经有很多种方法。例如通过闭眼时间和眼球运动状态，或者是心跳和呼吸频率。在所有对于自身疲劳状态的生理反应中，最为直接的就是大脑了。在1929年Hans Berger第一次记录到了标到了大脑活动的证据一脑电信号（EEG），脑电波的发现极大地鼓舞了各个领域的研究学者展开利用大脑思维控制外界环境的研究。日本的Neu-Fowear公司推出了一款可以通过脑电波来控制音乐播放，例如暂停、上一首、下一首等等功能。研究表明，利用脑电波控制音频播放、视频播放、空调等车载设备，对其实现简单的操作是可能的。我们将脑电波作为车载智能设备的信号输人，对车载音响的播放过程进行自适应控制。当驾驶员处于不同程度的疲劳状态时，系统通过分析脑电信号的差异来调整车载音响的播放曲目和音量。随着使用时间的延长，判别次数的不断积累，系统还能不断地提高其自适应性。

2需求分析

基于系统要实现的最终目标，我们挖掘出以下的一些基本需求：

1）离线播放——在不连接脑电采集设备的时候通过读取已有的脑电数据文件来控制音频播放，同時展现脑电原始数据以及中间数据

2）在线播放——实时从采集设备读取脑电信号并显示，然后根据不同的模式识别结果来控制播放过程和音量

3）参数设置——包括蓝牙连接设置、采样参数设置、分析模式设置、存储模式设置、显示模式设置等等

4）识别结果——绘制疲劳度和关注度等指标随时间变化的曲线，并可以将多次实验采集的不同结果进行比对

5）统计分析——采用图表的方式展示系统数据，包含数据表、柱状图、饼状图、折线图等等

6）系统管理——软件的基本信息、用户教程、设备连接管理

然后采用用例分析的方法来整理各项核心需求之间的关联关系。

从图1（a）可以看出，系统的三个主用例分别是离线播放、在线播放和系统管理。其中图1（d）离线播放主要包含音乐播放和离线数据读取两个子用例，该用例是在系统没有实时采集脑电信号的时候进行常规音乐播放或者是通过读取离线采集的脑电信号数据来测试基于驾驶员疲劳程度的音乐播放控制功能。而图l（b）在线播放则包含了音乐播放、数据存储、在线数据读取和数据分析与特征识别等子用例，在线播放是整个系统的最核心用例，通过在线读取脑电采集设备发送过来的数据，保存后进行数据分析与特征识别，然后将识别结果发送给播放模块从而控制音乐播放的行为与策略。图1（c）系统管理包含了系统的基本信息管理，系统的运行参数设置以及相关数据的统计分析等功能。

3系统设计

由于系统的模块数量较多，本文重点介绍与核心功能紧密相关的几个模块。首先是在线数据读取，由于车载环境下和实验室环境下的脑电信号采集模式不同，实验室环境下外部环境相对稳定，受试者是在放松心态下坐在稳定不动的座椅上采集脑电信号，同时还屏蔽了很多外部噪音。而车载环境下外部环境是不停变化的，使用者精神紧张而且外部干扰较多;这使得车载环境下的脑电信号采集必须要达到较好的实时性和抗干扰性，而且数据量受一定的限制，我们选用的是电极数量比较少的干电极脑电设备。模块工作的具体流程如图2所示。

在线数据读取的流程如图2所示，脑电采集设备开机后蓝牙设备要进行初始化和配对，然后再将数据发送给车载系统，系统对数据进行校验如果不符合要求则重新读取，如果符合则将数据封装成为识别模块需要的数据包发送过去。

图3显示，识别模块读取收到的原始脑电信号，然后进行滤波和去干扰等数据预处理，经过预处理的数据再通过分析算法进行信号分析和模式识别，最后经过特征提取和识别将结果输出到音乐播放控制模块。

图4中音乐播放模块除了依照模式识别的结果来控制音频文件播放流程以外，还同步的在播放界面中显示原始脑电信号以及分析结果。

4系统实现

本系统基于Android8.0采用Android studio作为开发工具。脑电采集采用八导联干电极采集设备，使用蓝牙与车载设备连接与数据交换。离线数据分析过程使用驾驶模拟平台采集信号，通过MATLAB 2016对脑电数据进行模式识别，获得较高识别效率后对算法进行速度优化，然后转为Java源码嵌人到An-droid应用程序中。

最终的软件音乐播放界面如图5fa）所示，右上角的图形显示当前脑电信号的总体强度，左上角的柱形图和中央的环形雷达图显示的是不同频率段的脑电信号强度，随着脑电信号的不断变化，这两个图形也在不断变化，看上去有点像音响的声音频段显示，但实际关联的是脑电信号的变化。左边的两个彩色横条分别表示当前驾驶员的注意力警觉度和疲劳程度。这两个数值将对播放的曲目和音量产生影响，以实现提高警觉度和降低疲劳程度的目的，同时反馈的结果也将被保存到数据中用来不断的优化系统性能。图5（b）是车载脑电信号采集设备，通过蓝牙与车载系统连接并传送脑电数据。

6结束语

本文基于脑电信号采用信号分析与模式识别的方法来监测驾驶员的疲劳程度，在车载环境下，通过不断调整车载音乐的播放曲目以及播放音量，达到自动适应不同疲劳程度的驾驶场景对外部音乐的需要。实验结果表明，使用该音乐播放控制系统后驾驶员到达重度疲劳的时间得到有效的延长，相同驾驶时长中驾驶员的注意力和警觉度也得到了提升。实验同时还表明，不同的驾驶疲劳状态需要采用不同的音乐类型与声音大小进行刺激反馈，从而降低驾驶疲劳对行车安全的威胁。