基于EEG的駕駛疲勞監測與音樂播放控制系統

尹晶海 陳鈺華 陳瑜

摘要：為了解決長時間駕駛導致的疲勞問題，提高駕駛員的警覺度和注意力，降低疲勞程度。該文基于腦電信號采用信號分析與模式識別的方法來監測駕駛員的疲勞程度，在車載環境下，通過不斷調整車載音樂的播放曲目以及播放音量，達到自動適應不同疲勞程度的駕駛場景對外部音樂的需要。實驗結果表明，使用該音樂播放控制系統后駕駛員到達重度疲勞的時間得到有效的延長，相同駕駛時長中駕駛員的注意力和警覺度也得到了提升。實驗同時還表明，不同的駕駛疲勞狀態需要采用不同的音樂類型與聲音大小進行刺激反饋，從而降低駕駛疲勞對行車安全的威脅。

關鍵詞：腦電信號;駕駛疲勞;車栽設備;音樂刺激;自動控制

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2019）29-0077-03

1背景

隨著經濟的不斷發展汽車已經深人到每個人的家庭生活中，在這個狹小的空間里人們“居住”的時間越來越長。相關研究表明，隨著駕駛時間的延長，人的各項生理機能和心理機能都會下降，所產生的駕駛疲勞已經成為威脅行車安全的主要原因。因此怎樣監測和減緩駕駛疲勞逐漸成為如今車載系統研究的熱點。

當前的研究顯示收聽音樂能夠有效減緩疲勞駕駛，但與此同時人的認知效率受頻率、音域、編曲、音量、節奏等多個要素影響。例如輕柔的音樂能夠降低駕駛員的認知負荷，從而使駕駛員保持充足的注意資源，適合復雜路況下收聽;而搖滾樂的屬性會吸引駕駛員注意，增加駕駛員的認知負荷。快節奏音樂能使被試產生緊張感，提高了其生理喚醒程度。高響度音樂會增加駕駛員信息加工的負荷，導致警覺下降，但同時能防止大腦進入睡眠狀態。在通常環境下，將車內音樂的響度設置為中等音量最有利于安全駕駛。

研究還發現，在不同的疲勞程度下，對同一種音樂所產生的作用將不盡相同。實驗顯示，在輕度疲勞期，普通音量的輕音樂能提高注意力，而中度疲勞期則更適合有一定節奏和旋律優美且歌詞朗朗上口的歌曲，駕駛員可以通過小聲地跟唱降低疲勞程度。一旦到了重度疲勞期，則需要音量較大的重金屬搖滾樂來刺激駕駛員防止打瞌睡。因此如果需要通過播放音樂來緩和駕駛員的疲勞程度以及提高注意力水平，需要實時的獲取其當前的疲勞狀態。

對于駕駛疲勞的檢測，目前已經有很多種方法。例如通過閉眼時間和眼球運動狀態，或者是心跳和呼吸頻率。在所有對于自身疲勞狀態的生理反應中，最為直接的就是大腦了。在1929年Hans Berger第一次記錄到了標到了大腦活動的證據一腦電信號（EEG），腦電波的發現極大地鼓舞了各個領域的研究學者展開利用大腦思維控制外界環境的研究。日本的Neu-Fowear公司推出了一款可以通過腦電波來控制音樂播放，例如暫停、上一首、下一首等等功能。研究表明，利用腦電波控制音頻播放、視頻播放、空調等車載設備，對其實現簡單的操作是可能的。我們將腦電波作為車載智能設備的信號輸人，對車載音響的播放過程進行自適應控制。當駕駛員處于不同程度的疲勞狀態時，系統通過分析腦電信號的差異來調整車載音響的播放曲目和音量。隨著使用時間的延長，判別次數的不斷積累，系統還能不斷地提高其自適應性。

2需求分析

基于系統要實現的最終目標，我們挖掘出以下的一些基本需求：

1）離線播放——在不連接腦電采集設備的時候通過讀取已有的腦電數據文件來控制音頻播放，同時展現腦電原始數據以及中間數據

2）在線播放——實時從采集設備讀取腦電信號并顯示，然后根據不同的模式識別結果來控制播放過程和音量

3）參數設置——包括藍牙連接設置、采樣參數設置、分析模式設置、存儲模式設置、顯示模式設置等等

4）識別結果——繪制疲勞度和關注度等指標隨時間變化的曲線，并可以將多次實驗采集的不同結果進行比對

5）統計分析——采用圖表的方式展示系統數據，包含數據表、柱狀圖、餅狀圖、折線圖等等

6）系統管理——軟件的基本信息、用戶教程、設備連接管理

然后采用用例分析的方法來整理各項核心需求之間的關聯關系。

從圖1（a）可以看出，系統的三個主用例分別是離線播放、在線播放和系統管理。其中圖1（d）離線播放主要包含音樂播放和離線數據讀取兩個子用例，該用例是在系統沒有實時采集腦電信號的時候進行常規音樂播放或者是通過讀取離線采集的腦電信號數據來測試基于駕駛員疲勞程度的音樂播放控制功能。而圖l（b）在線播放則包含了音樂播放、數據存儲、在線數據讀取和數據分析與特征識別等子用例，在線播放是整個系統的最核心用例，通過在線讀取腦電采集設備發送過來的數據，保存后進行數據分析與特征識別，然后將識別結果發送給播放模塊從而控制音樂播放的行為與策略。圖1（c）系統管理包含了系統的基本信息管理，系統的運行參數設置以及相關數據的統計分析等功能。

3系統設計

由于系統的模塊數量較多，本文重點介紹與核心功能緊密相關的幾個模塊。首先是在線數據讀取，由于車載環境下和實驗室環境下的腦電信號采集模式不同，實驗室環境下外部環境相對穩定，受試者是在放松心態下坐在穩定不動的座椅上采集腦電信號，同時還屏蔽了很多外部噪音。而車載環境下外部環境是不停變化的，使用者精神緊張而且外部干擾較多;這使得車載環境下的腦電信號采集必須要達到較好的實時性和抗干擾性，而且數據量受一定的限制，我們選用的是電極數量比較少的干電極腦電設備。模塊工作的具體流程如圖2所示。

在線數據讀取的流程如圖2所示，腦電采集設備開機后藍牙設備要進行初始化和配對，然后再將數據發送給車載系統，系統對數據進行校驗如果不符合要求則重新讀取，如果符合則將數據封裝成為識別模塊需要的數據包發送過去。

圖3顯示，識別模塊讀取收到的原始腦電信號，然后進行濾波和去干擾等數據預處理，經過預處理的數據再通過分析算法進行信號分析和模式識別，最后經過特征提取和識別將結果輸出到音樂播放控制模塊。

圖4中音樂播放模塊除了依照模式識別的結果來控制音頻文件播放流程以外，還同步的在播放界面中顯示原始腦電信號以及分析結果。

4系統實現

本系統基于Android8.0采用Android studio作為開發工具。腦電采集采用八導聯干電極采集設備，使用藍牙與車載設備連接與數據交換。離線數據分析過程使用駕駛模擬平臺采集信號，通過MATLAB 2016對腦電數據進行模式識別，獲得較高識別效率后對算法進行速度優化，然后轉為Java源碼嵌人到An-droid應用程序中。

最終的軟件音樂播放界面如圖5fa）所示，右上角的圖形顯示當前腦電信號的總體強度，左上角的柱形圖和中央的環形雷達圖顯示的是不同頻率段的腦電信號強度，隨著腦電信號的不斷變化，這兩個圖形也在不斷變化，看上去有點像音響的聲音頻段顯示，但實際關聯的是腦電信號的變化。左邊的兩個彩色橫條分別表示當前駕駛員的注意力警覺度和疲勞程度。這兩個數值將對播放的曲目和音量產生影響，以實現提高警覺度和降低疲勞程度的目的，同時反饋的結果也將被保存到數據中用來不斷的優化系統性能。圖5（b）是車載腦電信號采集設備，通過藍牙與車載系統連接并傳送腦電數據。

6結束語

本文基于腦電信號采用信號分析與模式識別的方法來監測駕駛員的疲勞程度，在車載環境下，通過不斷調整車載音樂的播放曲目以及播放音量，達到自動適應不同疲勞程度的駕駛場景對外部音樂的需要。實驗結果表明，使用該音樂播放控制系統后駕駛員到達重度疲勞的時間得到有效的延長，相同駕駛時長中駕駛員的注意力和警覺度也得到了提升。實驗同時還表明，不同的駕駛疲勞狀態需要采用不同的音樂類型與聲音大小進行刺激反饋，從而降低駕駛疲勞對行車安全的威脅。