基于腦電實驗的眨眼次數(shù)與疲勞相關(guān)性研究

曾友雯，馮珍，祝亞兵，李奇

（長春理工大學計算機科學技術(shù)學院，長春 130022）

基于腦電實驗的眨眼次數(shù)與疲勞相關(guān)性研究

曾友雯，馮珍，祝亞兵，李奇

（長春理工大學計算機科學技術(shù)學院，長春 130022）

眨眼次數(shù)可以反映一個人的疲勞程度，但目前對于這一結(jié)論的客觀驗證研究較少。腦電信號是已被證實的疲勞檢測的可信標準。利用腦電信號與眨眼次數(shù)的相關(guān)性，為基于眨眼次數(shù)的疲勞檢測方法提供了理論依據(jù)。設(shè)計實現(xiàn)基于腦電的疲勞檢測實驗，采集被試腦電信號的同時記錄被試的眼部圖像數(shù)據(jù)。利用小波變換對腦電信號進行特征提取，分析被試在實驗過程中疲勞程度變化情況。同時，處理被試眼部圖像數(shù)據(jù)，統(tǒng)計被試眨眼次數(shù)，分析變化趨勢。對腦電數(shù)據(jù)和眨眼次數(shù)進行相關(guān)性分析，客觀驗證了眨眼次數(shù)隨疲勞程度增大而增加的結(jié)論。

疲勞；眨眼次數(shù)；腦電；疲勞判定

疲勞是指因連續(xù)、高強度的體力或腦力勞動使人體的生理機能和心理機能產(chǎn)生失調(diào)的一種復雜的生理現(xiàn)象。人體疲勞以后，意志力減弱，注意力分散，信息處理緩慢且輸出形式混亂，動作缺乏準確性，易出現(xiàn)失誤。在疲勞狀態(tài)下工作效率低下，并且容易發(fā)生危險［1］。

人們對人體疲勞檢測的研究從未止步，目前已經(jīng)掌握了通過記錄分析腦電、心電信號、人體步態(tài)、面部表情等進行疲勞檢測的多種方法。面部表情檢測因具有較高的準確性、較強的直觀性和非接觸的檢測方式而被廣泛應用［2］。其中，眨眼次數(shù)是疲勞檢測中最易觀察的面部特征。盡管利用眨眼次數(shù)判斷人體疲勞的方法常被應用，但目前這一方法還缺乏嚴謹?shù)目陀^依據(jù)。

本文設(shè)計并實施基于腦電的疲勞檢測實驗，采集腦電數(shù)據(jù)的同時記錄被試的眼部圖像數(shù)據(jù)。分析了腦電數(shù)據(jù)和被試眨眼次數(shù)與疲勞程度的變化情況，通過腦電數(shù)據(jù)，驗證了眨眼次數(shù)與疲勞程度的相關(guān)性。

1 實驗設(shè)計與實現(xiàn)

實驗過程為被試在實驗室內(nèi)觀看一段60分鐘的行車視頻，經(jīng)歷一個逐漸疲勞的過程，在此過程中利用澳大利亞Neuroscan公司生產(chǎn)的64導SynAmps2腦電放大器記錄被試的腦電信號，同時用Sony HDR-FX1攝像機記錄被試眼部圖像數(shù)據(jù)。

實驗選取2名長春理工大學在校大學生作為被試（1男1女，平均年齡22歲），被試均為自愿參加實驗，配合度良好，沒有眼部疾病。實驗在長春理工大學腦信息學研究室的專業(yè)的隔音屏蔽腦電實驗室內(nèi)完成，有效地避免了外界環(huán)境干擾對被試及采集數(shù)據(jù)的影響。實驗中的腦電采集電極分布按照國際標準導聯(lián)10-20系統(tǒng)（10-20 electrode system）配置，獲取了64個電極通道的腦電數(shù)據(jù)。被試坐在顯示器正前方150cm處，攝像機放置在被試右前方110cm，行車視頻通過筆記本電腦控制，分屏顯示于顯示屏上，在操作室內(nèi)進行控制。實驗平臺如圖1所示。

圖1 實驗平臺示意圖

實驗前，告知被試實驗流程以及實驗注意事項。進行充分的實驗準備后進行實驗。

2 數(shù)據(jù)統(tǒng)計與分析

2.1 腦電信號數(shù)據(jù)處理

采用專用腦電信號分析處理軟件Neuroscan 4.3（Neuroscan公司提供）和MATLAB 2012數(shù)學軟件對腦電數(shù)據(jù)進行離線分析。為避免高頻信號和眼動等因素的影響，對采集到的腦電數(shù)據(jù)進行濾波、去眼電預處理操作［3］。通過觀察被試的眨眼情況，發(fā)現(xiàn)被試在實驗開始20分鐘后，開始出現(xiàn)閉眼甚至瞌睡的情況。故預處理后，將前20分鐘的腦電數(shù)據(jù)等分成5段（每段4分鐘），分別記為時間段1（時間段1為實驗剛開始）、時間段2、時間段3、時間段4、時間段5，取每個時間段的前5秒作為腦電分析處理的數(shù)據(jù)。

采用沈民奮小波變換［4］的方法，對已分段好的腦電數(shù)據(jù)進行腦電特征提取，將腦電數(shù)據(jù)分解為δ波、θ波、α波、β波四種腦電節(jié)律［5］。圖2顯示了被試一四種節(jié)律的腦電地形圖。由此發(fā)現(xiàn)，在時間段1～5內(nèi)，δ和θ波地形圖中紅色和黃色區(qū)域逐漸增大，說明δ和θ波能量不斷增多；而α和β波地形圖中紅色和黃色區(qū)域逐漸減小，說明α和β波能量不斷減少。由于δ和θ慢波是大腦皮層處于抑制狀態(tài)的表現(xiàn)，而α和β快波是大腦皮層處于興奮狀態(tài)的表現(xiàn)［6］，因此在時間段1～5內(nèi)，駕駛員的大腦皮層受抑制程度逐漸增強，疲勞程度在逐漸加深［7-8］。

圖2 四種節(jié)律腦電地形圖

從上述腦電地形圖分析可知，人在疲勞過程中腦電的節(jié)律能量會出現(xiàn)不同趨勢的變化。當α波、β波占主導優(yōu)勢時，被試的意識是清醒的；而當δ波、θ波占主導時，人的意識模糊甚至出現(xiàn)睡眠。不同被試的數(shù)據(jù)在Cz電極能量增大趨勢一致，并且該處的腦電能量變化最明顯。因此，選擇Cz電極獲取的腦電數(shù)據(jù)作為分析數(shù)據(jù)。采用如下方法，求各被試的不同通道的腦電節(jié)律波能量［9］：

（1）對α波腦電節(jié)律fα(t)進行傅里葉變換，得到fα(t)。

（2）將fα(t)平方，得到腦電特征的能量Eα。

（3）按照上述方式，求出β波、δ波、θ波能量，分別為Eβ、Eδ、Eθ。

由于計算出的α波、β波能量逐漸減小，然而隨著疲勞程度的增加，δ波、θ波的能量逐漸增大，能夠反映疲勞程度，因此選取這兩種節(jié)律的腦電數(shù)據(jù)作為實驗分析數(shù)據(jù)。表1為Cz通道δ、θ波在實驗過程中的腦電節(jié)律能量值，將數(shù)據(jù)繪制成曲線圖，如圖3所示。

表1 Cz通道δ，θ波能量值

圖3 被試能量變化趨勢圖

由表1和圖3可知，隨著實驗時間的增加，表示大腦皮層處于抑制狀態(tài)的θ波、δ波能量增高，被試的疲勞程度也在升高。

2.2 眨眼數(shù)據(jù)處理

實驗中，采用攝像機實時記錄了被試的眼部圖像數(shù)據(jù)，以4分鐘為單位統(tǒng)計每個被試在實驗過程前20分鐘的眨眼次數(shù)，統(tǒng)計每個被試在出現(xiàn)閉眼瞌睡前的眨眼次數(shù)變化規(guī)律。實驗數(shù)據(jù)如圖4所示。

圖4 被試眨眼次數(shù)變化趨勢圖

（圖中T1，T2，T3，T4，T5分別表示時間段1，時間段2，時間段3，時間段4，時間段5）

由上圖可知，兩名被試在實驗的前20分鐘眨眼次數(shù)總體變化呈現(xiàn)出隨時間逐漸上升的趨勢，這說明被試在進入疲勞狀態(tài)之前，其眨眼頻率較低，而疲勞程度增加，眨眼頻率變大。在有些時間段會出現(xiàn)下降的趨勢，這是因為隨著疲勞程度的加深，被試每次眨眼的時間也逐漸增加［10］，人在疲勞時眨眼時間變長，會對眨眼次數(shù)有所影響，但從眨眼次數(shù)的總體變化看來，被試的眨眼次數(shù)隨著疲勞程度的增大而增加。

我們將被試的眨眼次數(shù)數(shù)據(jù)與其同一時刻的腦電數(shù)據(jù)一同分析，采用spss19.0對兩個被試的θ波、δ波的能量值與眨眼次數(shù)分別進行相關(guān)性分析，得到如圖5相關(guān)分析散點圖。

圖5 相關(guān)分析散點圖

如圖5所示，兩個被試的θ波、δ波的能量變化趨勢與眨眼次數(shù)變化趨勢關(guān)聯(lián)結(jié)果顯示明顯的相關(guān)性（被試一：p＜0.01，r=0.973；p＜0.01，r=0.609；被試二：p＜0.01，r=0.980；p＜0.01，r=0.618）。隨著疲勞程度的增加，眨眼次數(shù)成正相關(guān)變化?？梢哉f明將眨眼次數(shù)作為疲勞判斷標準的可靠性。

3 結(jié)論

通過分析實驗數(shù)據(jù)可以發(fā)現(xiàn)，隨著時間的推移腦電數(shù)據(jù)表現(xiàn)出疲勞程度逐漸增大的趨勢，客觀地證實了被試經(jīng)歷了疲勞程度增大的過程；與此同時，對被試眨眼次數(shù)的統(tǒng)計結(jié)果顯示，被試眨眼次數(shù)也呈現(xiàn)出上升的趨勢。通過相關(guān)性分析發(fā)現(xiàn)腦電數(shù)據(jù)與眨眼數(shù)據(jù)有較強的相關(guān)性。由此我們可以得到結(jié)論：眨眼次數(shù)隨被試疲勞程度的增大而增加。

眨眼次數(shù)作為人體疲勞判定的特征之一，是最易觀察，數(shù)據(jù)處理最簡便的，而且觀測眨眼次數(shù)無需與人體直接的接觸，不會對人體正常的行為活動產(chǎn)生任何影響。將此特征的重大現(xiàn)實意義應用于疲勞檢測，如：駕駛疲勞檢測、礦工等高危工作者疲勞檢測，將會對保障人的生命財產(chǎn)安全作出貢獻，創(chuàng)造巨大的社會效益。

［1］王維鏞.對人體疲勞的認識［J］.林業(yè)勞動安全，2000，13（3）：39-41.

［2］馬添翼，成波.基于面部表情特征的駕駛員疲勞狀態(tài)識別［J］.汽車安全與節(jié)能學報，2010，1（3）：200-204.

［3］房瑞雪，趙曉華，榮建，等.基于腦電信號的駕駛疲勞研究［J］.公路交通科技，2009，12（26）：125-127.

［4］沈民奮，孫麗莎，沈鳳麟.基于小波變換的動態(tài)腦電節(jié)律提取［J］.數(shù)據(jù)采集于處理.1999，14（2）：183-186.

［5］李愛明，張誠，楊金福，一種基于腦電信號的疲勞駕駛狀態(tài)判斷方法［J］.北京生物醫(yī)學工程.2011：58-59.

［6］T.P.Jung，S.Makeig，M.Stensmo，and T.J.Sejnowski.EstimatingalertnessfromtheEEGpower spectrum［J］.IEEE Trans Biomed Eng，1997（44）：60-69.

［7］吳紹斌，高利，王劉安.基于腦電信號的駕駛疲勞檢測研究［J］.北京理工大學學報.2009，9（12）：1074.

［8］張寧寧，王宏，付榮榮.基于小波熵的駕駛疲勞腦電信號特征提?。跩］.汽車工程.2013，2（12）：1139-1140.

［9］祝亞兵，曾友雯，馮珍等.基于腦電信號特征的駕駛疲勞檢測方法研究［J］.長春理工大學學報：自然科學版，2016（5）.

［10］Q.Ji.Real-Time Eye，Gaze，and Face Pose Tracking for Monitoring Driver Vigilance［J］.Real-Time Imaging，2002（8）：357-377.

Study on the Correlation of Blink Frequency and Fatigue Based on EEG

ZENG Youwen，F(xiàn)ENG Zhen，ZHU Yabing，LI Qi
（School of Computer Science and Technology，Changchun University of Science and Technology，Changchun 130022）

The number of blinks can reflect the degree of a person’s fatigue，but there is little validation studies for this conclusion.EEG is a credible standard for fatigue detection that has been proved.Using a correlation analysis was conducted to investigate the relationship between EEG data and eye blink number.The present study provides a theoretical support for detecting the fatigue degree via eye blinks.In this study，an EEG experiment for fatigue detection was conducted.Subjects’EEG signals and eye image data were simultaneously recorded.The feature vector of EEG signals related to fatigue was extracted by using a wavelet transform method.We got the changes of fatigue condition in subjects during the experiment through analyzing the change of feature vectors.Then we processed the subjects’eye image data，counted the times of blinks and analyzed the trends of change.The results showed a significantly positive correlation between EEG data and eye blinks.

fatigue；blink frequency；electroencephalograph（EEG）；fatigue determination

TP391

A

1672-9870（2017）01-0123-04

2016-08-25

國家級大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目（2015S025）；吉林省科技發(fā)展計劃大學生創(chuàng)業(yè)資金項目（20160521016HJ）

曾友雯（1995-），女，本科，E-mail：2991949629@qq.com

李奇（1977-），男，教授，E-mail：liqi@cust.edu.cn