基于疲劳度检测的安全生产监控方法、装置及电子设备与流程

1.本公开涉及脑电信号处理技术领域，尤其涉及基于疲劳度检测的安全生产监控技术领域。


背景技术：

2.施工人员长时从事高强度劳动活动或睡眠不足容易产生脑力疲劳，目前施工人员的疲劳成为诱发生产安全事故的主因。如何实现施工场景下施工人员的疲劳度检测与预警成为了一个问题。


技术实现要素：

3.本公开提供了一种基于疲劳度检测的安全生产监控方法、装置及电子设备。
4.根据本公开的第一方面，提供了一种基于疲劳度检测的安全生产监控方法，包括：
5.获取目标施工人员的脑电信号数据；
6.基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，所述疲劳度状态包括无疲劳态、轻微疲劳态、中度疲劳态、疲劳预警态；
7.当所述目标施工人员的疲劳度状态满足预定的第一预警条件，确定所述目标施工人员的身体健康指标信息、当前施工作业信息，所述第一预警条件为所述疲劳度状态为轻微疲劳态或中度疲劳态；
8.基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理。
9.可选地，其中，所述身体健康指标信息包括目标施工人员的血压信息、心率信息、既往病史信息，所述当前施工作业信息包括安全工作的疲劳度要求等级信息，所述基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理，包括：
10.当满足如下任一项时，确定满足第二预警条件，并进行安全预警处理：
11.所述目标施工人员的血压异常；
12.所述目标施工人员的心率异常
13.所述目标施工人员存在既往病史；
14.当前疲劳度状态不满足安全工作疲劳度要求等级。
15.可选地，其中，判断所述目标施工人员的疲劳度状态是否满足预定的第一预警条件，之前包括：
16.判断目标施工人员的疲劳度状态是否满足第三预警条件，所述第三预警条件为所述疲劳度状态为疲劳预警态；
17.如果满足第三预警条件，则直接进行安全预警处理，所述预警处理包括以下至少一项：通过目标施工人员佩戴的可穿戴设备发出预警提醒信息，或直接向安全管理平台发送该目标施工人员的预警提示信息；
18.如果不满足第三预警条件，则判断是否满足第一预警条件。
19.可选地，其中，所述脑电信号数据为通过目标施工人员佩戴的脑机接口设备采集的前额页的fp1、fp2、fz导联的脑电信号。
20.可选地，其中，基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，包括：
21.基于获取的所述目标施工人员的脑电信号数据提取时域特征、频域特征、能量特征、动力学特征；
22.其中，所述频域特征包括基于5阶近似系数反映的脑电低频特征、基于5阶细节系数反映的脑电主频带特征、基于3阶和4阶近似系数反映的脑电高频特征中的至少一项；
23.其中，所述能量特征包括θ波的基于5阶近似系数确定的能量与α波的基于5阶细节系数确定的能量的能量之和与β波的基于3阶细节系数确定的能量之间的比值特征，θ波、α波、β波的基于3阶近似系数和4阶近似系数确定的能量之和这一绝对能量特征，以及θ波、α波、β波的基于3阶近似系数和4阶近似系数确定的能量之和与全部信号的能量的比值确定的相对能量特征中的至少一项；
24.基于提取的所述时域特征、频域特征、能量特征、动力学特征确定目标施工人员的疲劳度状态信息。
25.可选地，其中，所述时域特征、频域特征、动力学特征分别通过一长时间窗的脑电信号的特征确定；所述能量特征基于一长时间窗内的多个短时间窗的脑电信号的能量确定的能量中值确定。
26.可选地，其中，所述长时间窗的时间窗为6～10s，所述短时间窗口的时间窗为2s。
27.根据本公开的第二方面，提供了一种基于疲劳度检测的安全生产监控装置，包括：
28.获取模块，用于获取目标施工人员的脑电信号数据；
29.第一确定模块，用于基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，所述疲劳度状态包括无疲劳态、轻微疲劳态、中度疲劳态、疲劳预警态；
30.第二确定模块，用于若所述目标施工人员的疲劳度状态满足预定的第一预警条件，确定所述目标施工人员的身体健康指标信息、当前施工作业信息，所述第一预警条件为所述疲劳度状态为轻微疲劳态或中度疲劳态；
31.预警处理模块，用于基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理。
32.可选地，其中，所述身体健康指标信息包括目标施工人员的血压信息、心率信息、既往病史信息，所述当前施工作业信息包括安全工作的疲劳度要求等级信息；
33.所述预警处理模块，用于当满足如下任一项时，确定满足第二预警条件，并进行安全预警处理：
34.所述目标施工人员的血压异常；
35.所述目标施工人员的心率异常
36.所述目标施工人员存在既往病史；
37.当前疲劳度状态不满足安全工作疲劳度要求等级。
38.可选地，其中，该装置包括：
39.判断模块，用于判断目标施工人员的疲劳度状态是否满足第三预警条件，所述第三预警条件为所述疲劳度状态为疲劳预警态；并用于如果满足第三预警条件，则直接进行安全预警处理，所述预警处理包括以下至少一项：通过目标施工人员佩戴的可穿戴设备发出预警提醒信息，或直接向安全管理平台发送该目标施工人员的预警提示信息；以及用于如果不满足第三预警条件，则判断是否满足第一预警条件。
40.可选地，其中，所述脑电信号数据为通过目标施工人员佩戴的脑机接口设备采集的前额页的fp1、fp2、fz导联的脑电信号。
41.可选地，其中，
42.第一确定模块，用于基于获取的所述目标施工人员的脑电信号数据提取时域特征、频域特征、能量特征、动力学特征；其中，所述频域特征包括基于5阶近似系数反映的脑电低频特征、基于5阶细节系数反映的脑电主频带特征、基于3阶和4阶近似系数反映的脑电高频特征中的至少一项；其中，所述能量特征包括θ波的基于5阶近似系数确定的能量与α波的基于5阶细节系数确定的能量的能量之和与β波的基于3阶细节系数确定的能量之间的比值特征，θ波、α波、β波的基于3阶近似系数和4阶近似系数确定的能量之和这一绝对能量特征，以及θ波、α波、β波的基于3阶近似系数和4阶近似系数确定的能量之和与全部信号的能量的比值确定的相对能量特征中的至少一项；
43.以及用于基于提取的所述时域特征、频域特征、能量特征、动力学特征确定目标施工人员的疲劳度状态信息。
44.可选地，其中，所述时域特征、频域特征、动力学特征分别通过一长时间窗的脑电信号的特征确定；所述能量特征基于一长时间窗内的多个短时间窗的脑电信号的能量确定的能量中值确定。
45.可选地，其中，所述长时间窗的时间窗为6～10s，所述短时间窗口的时间窗为2s。
46.根据本公开的第三方面，提供了一种电子设备，该电子设备包括：
47.至少一个处理器；以及
48.与上述至少一个处理器通信连接的存储器；其中，
49.存储器存储有可被上述至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述方法。
50.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使计算机执行上述方法。
51.本公开提供的技术方案带来的有益效果是：
52.本公开实施例提供的方案，与现有技术检测出疲劳状态即进行预警，预警准确性较差相比。本公开通过获取目标施工人员的脑电信号数据；基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，所述疲劳度状态包括无疲劳态、轻微疲劳态、中度疲劳态、疲劳预警态；当所述目标施工人员的疲劳度状态满足预定的第一预警条件，确定所述目标施工人员的身体健康指标信息、当前施工作业信息，所述第一预警条件为所述疲劳度状态为轻微疲劳态或中度疲劳态；基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理。即基于采集的施工人员的脑电信号进行疲劳度检测，实现了施工场景下施工人员的疲劳度检测；此外，对疲劳度状态进行分级，当疲劳度状态为轻微疲劳态或中度疲劳态，进一
步根据身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，进而确定是否进行预警，避免检测出疲劳度状即进行预警处理所带来的预警准确性较低的问题，通过两级预警判断提升预警处理的准确性。
53.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
54.附图用于更好地理解本方案，不构成对本公开的限定。其中：
55.图1是根据本公开提供的基于疲劳度检测的安全生产监控方法流程示意图；
56.图2是根据本公开提供的疲劳度检测人机交互示例图；
57.图3本公开提供的基于疲劳度检测的安全生产监控装置的结构示意图；
58.图4是用来实现本公开实施例的电子设备的框图。
具体实施方式
59.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
60.实施例一
61.图1示出了本公开实施例提供的一种基于疲劳度检测的安全生产监控方法，如图1所示，该方法包括：
62.步骤s101，获取目标施工人员的脑电信号数据；
63.其中，脑电波是一种人体客观生理信号，可用以定量评估大脑的疲劳程度。脑节律波通常有4个频段，分别为δ(0.5-4hz)、θ(4-8hz)、α(8-13hz)和β(13-30hz)。研究表明：δ波是大脑进入意识昏迷或深度睡眠状态的标志物，人在清醒状态下无法检测到δ波；θ波在人脑力疲劳、情绪压抑或受药物抑制时出现；α属于快节律波，在人受到外界刺激时会瞬间消失；β是最快的基本节律波、人在兴奋状态时会出现β波，它可表征脑的清醒程度。
64.具体地，可以通过目标施工人员佩戴的脑机接口设备采集目标施工人员的脑电信号数据。
65.步骤s102，基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，所述疲劳度状态包括无疲劳态、轻微疲劳态、中度疲劳态、疲劳预警态；
66.具体地，可以通过相应的疲劳度检测分析方法，如深度学习的方法，根据获取的目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，其中，疲劳度状态包括无疲劳态、轻微疲劳态、中度疲劳态、疲劳预警态。
67.步骤s103，当所述目标施工人员的疲劳度状态满足预定的第一预警条件，确定所述目标施工人员的身体健康指标信息、当前施工作业信息，所述第一预警条件为所述疲劳度状态为轻微疲劳态或中度疲劳态；
68.具体地，当目标施工人员的疲劳度状态满足预定的第一预警条件，确定所述目标施工人员的身体健康指标信息、当前施工作业信息，其中，当前施工作业信息可以包括预先
根据目标施工人员分配的工作信息确定的(如工作地点、工作地点的海拔高度、危险等级信息)，也可以包括实时确定的信息(如工作地点环境温度信息)；其中，健康指标信息包括实时获取的目标施工人员的心率信息、血压信息，以及预先获取的病史信息。
69.步骤s104，基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理。
70.具体地，根据身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理。其中，预警可以是直接通过目标施工人员佩戴的可穿戴设备对施工人员进行预警，要求停止工作等，也可以是通过向相关管理人员发送预警信息，由管理人员对目标施工人员进行预警处理，如要求停止工作等。
71.本公开实施例提供的方案，与现有技术检测出疲劳状态即进行预警，预警准确性较差相比。本公开通过获取目标施工人员的脑电信号数据；基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，所述疲劳度状态包括无疲劳态、轻微疲劳态、中度疲劳态、疲劳预警态；当所述目标施工人员的疲劳度状态满足预定的第一预警条件，确定所述目标施工人员的身体健康指标信息、当前施工作业信息，所述第一预警条件为所述疲劳度状态为轻微疲劳态或中度疲劳态；基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理。即基于采集的施工人员的脑电信号进行疲劳度检测，实现了施工场景下施工人员的疲劳度检测；此外，对疲劳度状态进行分级，当疲劳度状态为轻微疲劳态或中度疲劳态，进一步根据身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，进而确定是否进行预警，避免检测出疲劳度状即进行预警处理所带来的预警准确性较低的问题，通过两级预警判断提升预警处理的准确性。
72.本技术实施例提供了一种可能的实现方式，预先以第一频率获取目标施工人员的脑电信号数据，当所述目标施工人员的疲劳度状态满足预定的第一预警条件，以第二频率获取目标施工人员的脑电信号数据，并当满足相应预警条件时，进行预警处理，如目标施工人员持续处于满足第一预警条件状态，或者目标施工人员的疲劳状态为疲劳预警态，则直接进行预警处理，或者当满足本技术的其他预警条件是，进行预警处理。其中，第一频率低于第二频率(如第一频率为每五分钟获取一次，第二频率为每一分钟获取一次)，从而能够减小数据处理量的同时，兼顾施工的安全预测。
73.本技术实施例提供了一种可能的实现方式，其中，所述身体健康指标信息包括目标施工人员的血压信息、心率信息、既往病史信息，所述当前施工作业信息包括安全工作的疲劳度要求等级信息，所述基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理，包括：
74.当满足如下任一项时，确定满足第二预警条件，并进行安全预警处理：
75.所述目标施工人员的血压异常；
76.所述目标施工人员的心率异常
77.所述目标施工人员存在既往病史；
78.当前疲劳度状态不满足安全工作疲劳度要求等级，如当前的工作为极度危险的工作，需要具有高度的注意力，即使是轻微的疲劳状态，也可能存在安全隐患，从而不满足安全工作疲劳度要求等级。
79.对于本技术实施例，当满足第一预警条件下，若根据身体健康指标信息或者当前施工作业信息中任一信息确定不符合安全工作条件，即进行安全预警，提升了施工的安全性。
80.本技术实施例提供了一种可能的实现方式，其中，判断所述目标施工人员的疲劳度状态是否满足预定的第一预警条件，之前包括：
81.判断目标施工人员的疲劳度状态是否满足第三预警条件，所述第三预警条件为所述疲劳度状态为疲劳预警态；
82.如果满足第三预警条件，则直接进行安全预警处理，所述预警处理包括以下至少一项：通过目标施工人员佩戴的可穿戴设备发出预警提醒信息，或直接向安全管理平台发送该目标施工人员的预警提示信息；
83.如果不满足第三预警条件，则判断是否满足第一预警条件。
84.本技术实施例，在检测是否满足第一预警条件前，先检测疲劳状态是否为疲劳预警态，从而能够保证安全隐患检测的及时性。
85.本技术实施例提供了一种可能的实现方式，其中，所述脑电信号数据为通过目标施工人员佩戴的脑机接口设备采集的前额页的fp1、fp2、fz导联的脑电信号。
86.本技术实施例，采集前额叶fp1、fp2、fz通道脑电，能够最大限度反应疲劳态、稳健态脑电的基本特性，能在减少数据处理量、提升检测效率的同时，满足施工安全领域对安全检测准确性的要求。
87.本技术实施例提供了一种可能的实现方式，其中，基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，包括：
88.基于获取的所述目标施工人员的脑电信号数据提取时域特征、频域特征、能量特征、动力学特征；
89.其中，时域特征中，可以提取信号峰峰值、自回归系数、算数平均值特征，也可以提取能实现本技术功能的其他特征；
90.其中，所述频域特征包括基于5阶近似系数反映的脑电低频特征、基于5阶细节系数反映的脑电主频带特征、基于3阶和4阶近似系数反映的脑电高频特征中的至少一项；
91.其中，所述能量特征包括θ波的基于5阶近似系数确定的能量与α波的基于5阶细节系数确定的能量的能量之和与β波的基于3阶细节系数确定的能量之间的比值特征，θ波、α波、β波的基于3阶近似系数和4阶近似系数确定的能量之和这一绝对能量特征，以及θ波、α波、β波的基于3阶近似系数和4阶近似系数确定的能量之和与全部信号的能量的比值确定的相对能量特征中的至少一项；
92.基于提取的所述时域特征、频域特征、能量特征、动力学特征确定目标施工人员的疲劳度状态信息。
93.本技术示例，解决了如何根据脑电信号确定疲劳度状态的问题，以及解决了提取何种特征的问题，从而能够提升疲劳度检测的准确性。
94.本技术实施例提供了一种可能的实现方式，其中，所述时域特征、频域特征、动力学特征分别通过一长时间窗的脑电信号的特征确定，即选取步长为一长时间窗的脑电信号作为整体，进行时域特征、频域特征、动力学特征的提取；所述能量特征基于一长时间窗内的多个短时间窗的脑电信号的能量确定的能量中值确定，即分别选取多个短时间窗口脑电
信号进行能量特征的提取，并选取其中的能量中值表征步长为长时间窗口的脑电信号的能量特征。其中，本技术的长时间窗与短时间窗是相对而言的。可选地，所述长时间窗的时间窗为6～10s，所述短时间窗口的时间窗为2s。
95.具体地，由于能量特征易受噪声干扰，通过在短时间窗上的能量特征，并将提取的短时间窗的能量中值作为长时间窗的能量特征进行识别，能够降低噪声带来的干扰，提升后续疲劳度状态检测的准确性。
96.示例性地，为更好理解本技术，如图2所示，示出了本技术的一种可能实现方式，具体为：
97.1.bci设备(脑机接口设备)包含信号采集部分、信号处理装置、震动刺激装置，可以通过eeg信号采集设备，采集用户的脑电信号；其中，电极对称分布于前额叶，电极点位左右对称分布，单通道电极具有较高的采样率，能够满足对脑电信号的精确刻画；此外，由于疲劳态闹天特征主要由前额叶反应，可以采集fp1、fp2、fz导联的脑电信号；
98.2.将采集到的脑电信号传输至信号处理装置，完成信号的预处理等操作之后进行数据传输。
99.3、对脑电信号进行预处理操作之后，通过无线连接的方式传输到数据分析系统进行分析和识别分类。其中，数据传输的方式可以是任何一种无线连接方式，不限于蓝牙、数据流量和wifi。
100.4、识别系统对预处理完成的脑电信号进行特征提取，随后使用机器学习算法模型对结果进行预测，具体地，可以包括：
101.(1)主要提取的特征包含时域特征、频域特征、能量特征、动力学特征。
102.其中，时域特征：可以提取信号峰峰值、自回归系数、算数平均值三个特征；
103.其中，频域特征：可以使用5阶db6小波对脑电信号进行分解，其中，小波变换具有多分辨率分析的特点，表征信号在时域和频域的局部特征。进而可以得到：5阶近似系数(a5)：0-6.25hz，反映脑电低频特征；5阶细节系数(d5)：6.25-12.5hz，反映脑电主频带特征；3阶和4阶近似系数(d3、d4)：12.5-25、25-50hz，反映脑电的高频特征。
104.其中，能量特征中：由于脑严重疲劳时α波的含量相对增加、而β波的含量相对减少，(θ α)/β的含量明显增加，可以将计算(θ波的a5 α波的d5)/β的d3的能量比值作为特征之一，通过低频脑电与高频脑电的关系反应大脑的活跃程度；同时，还可以通过计算θ波、α波、β波的d3 d4的绝对能量，以及θ波、α波、β波的d3 d4在全部信号(θ、α、β、γ、δ波)当中的相对能量来反应大脑高频信号在脑电信号中的占比。
105.其中，动力学特征中：eeg信号通常具有复杂的波动性和高水平的非线性，包含大量的非线性动力学信息，因此可以采用基于熵这一指标表征eeg信号动态复杂性。在脑电信号中，高频波段往往具备较为显著的熵值，可以选择d3和d4作为目标，提取renyi熵、shannon熵、tsallis熵三个特征。当疲劳态提升时时，高频脑电活动随之减弱，通过动力学特征可以反应脑电信号的复杂程度。
106.(2)特征描述：针对上述四类特征，进行组合形成一维特征向量。描述此时的脑电信号；在10s的时间窗维度下，时域特征、频域特征、动力学特征受噪声影响较小，在此直接使用10s时间窗维度下提取的三者的特征；此外，由于能量特征易受噪声干扰，可以对长时间窗进行细化，在10s的基础上按照2s的步长分为5个短时间窗，分别计算每个段时间窗的
上述能量特征，具体地，可以提取短时间窗的能量中值作为长时间窗的能量特征进行识别。
107.5.将脑电数据的疲劳态特征送入算法模型中进行模型识别分类，检测用户此时的疲劳度状态。具体地，可以采用几种经典模型如随机森林、lightgbm、xgboost，也开采用深度学习模型，确定用户的疲劳水平，具体可分为：无疲劳态、轻微疲劳、中度疲劳、疲劳预警；
108.6.根据确定的疲劳度检测结果进行相应处理，如符合预警条件，则可以进行相应预警，如发送预警信息至脑机接口识别进行震动提醒，或发送至相应的pc或手机设备。
109.实施例二
110.本公开实施例提供了一种基于疲劳度检测的安全生产监控装置，如图3所示，包括：
111.获取模块301，用于获取目标施工人员的脑电信号数据；
112.第一确定模块302，用于基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，所述疲劳度状态包括无疲劳态、轻微疲劳态、中度疲劳态、疲劳预警态；
113.第二确定模块303，用于若所述目标施工人员的疲劳度状态满足预定的第一预警条件，确定所述目标施工人员的身体健康指标信息、当前施工作业信息，所述第一预警条件为所述疲劳度状态为轻微疲劳态或中度疲劳态；
114.预警处理模块304，用于基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理。
115.本技术实施例提供了一种可能的实现方式，其中，所述身体健康指标信息包括目标施工人员的血压信息、心率信息、既往病史信息，所述当前施工作业信息包括安全工作的疲劳度要求等级信息；
116.所述预警处理模块，用于当满足如下任一项时，确定满足第二预警条件，并进行安全预警处理：
117.所述目标施工人员的血压异常；
118.所述目标施工人员的心率异常
119.所述目标施工人员存在既往病史；
120.当前疲劳度状态不满足安全工作疲劳度要求等级。
121.本技术实施例提供了一种可能的实现方式，其中，该装置包括：
122.判断模块，用于判断目标施工人员的疲劳度状态是否满足第三预警条件，所述第三预警条件为所述疲劳度状态为疲劳预警态；并用于如果满足第三预警条件，则直接进行安全预警处理，所述预警处理包括以下至少一项：通过目标施工人员佩戴的可穿戴设备发出预警提醒信息，或直接向安全管理平台发送该目标施工人员的预警提示信息；以及用于如果不满足第三预警条件，则判断是否满足第一预警条件。
123.本技术实施例提供了一种可能的实现方式，其中，所述脑电信号数据为通过目标施工人员佩戴的脑机接口设备采集的前额页的fp1、fp2、fz导联的脑电信号。
124.本技术实施例提供了一种可能的实现方式，其中，
125.第一确定模块，用于基于获取的所述目标施工人员的脑电信号数据提取时域特征、频域特征、能量特征、动力学特征；其中，所述频域特征包括基于5阶近似系数反映的脑电低频特征、基于5阶细节系数反映的脑电主频带特征、基于3阶和4阶近似系数反映的脑电
高频特征中的至少一项；其中，所述能量特征包括θ波的基于5阶近似系数确定的能量与α波的基于5阶细节系数确定的能量的能量之和与β波的基于3阶细节系数确定的能量之间的比值特征，θ波、α波、β波的基于3阶近似系数和4阶近似系数确定的能量之和这一绝对能量特征，以及θ波、α波、β波的基于3阶近似系数和4阶近似系数确定的能量之和与全部信号的能量的比值确定的相对能量特征中的至少一项；
126.以及用于基于提取的所述时域特征、频域特征、能量特征、动力学特征确定目标施工人员的疲劳度状态信息。
127.本技术实施例提供了一种可能的实现方式，其中，所述时域特征、频域特征、动力学特征分别通过一长时间窗的脑电信号的特征确定；所述能量特征基于一长时间窗内的多个短时间窗的脑电信号的能量确定的能量中值确定。
128.本技术实施例提供了一种可能的实现方式，其中，所述长时间窗的时间窗为6～10s，所述短时间窗口的时间窗为2s。
129.对于本技术实施例，其实现的有益效果同上述方法实施例，此处不再赘述。
130.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
131.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
132.该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开实施例提供的方法。
133.该电子设备与现有技术检测出疲劳状态即进行预警，预警准确性较差相比。本公开通过获取目标施工人员的脑电信号数据；基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，所述疲劳度状态包括无疲劳态、轻微疲劳态、中度疲劳态、疲劳预警态；当所述目标施工人员的疲劳度状态满足预定的第一预警条件，确定所述目标施工人员的身体健康指标信息、当前施工作业信息，所述第一预警条件为所述疲劳度状态为轻微疲劳态或中度疲劳态；基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理。即基于采集的施工人员的脑电信号进行疲劳度检测，实现了施工场景下施工人员的疲劳度检测；此外，对疲劳度状态进行分级，当疲劳度状态为轻微疲劳态或中度疲劳态，进一步根据身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，进而确定是否进行预警，避免检测出疲劳度状即进行预警处理所带来的预警准确性较低的问题，通过两级预警判断提升预警处理的准确性。
134.该可读存储介质为存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如本公开实施例提供的方法。
135.该可读存储介质与现有技术检测出疲劳状态即进行预警，预警准确性较差相比。本公开通过获取目标施工人员的脑电信号数据；基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，所述疲劳度状态包括无疲劳态、轻微疲劳态、中度疲劳态、疲劳预警态；当所述目标施工人员的疲劳度状态满足预定的第一预警条件，确定所述目标施工人员的身体健康指标信息、当前施工作业信息，所述第一预警条件为
所述疲劳度状态为轻微疲劳态或中度疲劳态；基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理。即基于采集的施工人员的脑电信号进行疲劳度检测，实现了施工场景下施工人员的疲劳度检测；此外，对疲劳度状态进行分级，当疲劳度状态为轻微疲劳态或中度疲劳态，进一步根据身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，进而确定是否进行预警，避免检测出疲劳度状即进行预警处理所带来的预警准确性较低的问题，通过两级预警判断提升预警处理的准确性。
136.该计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开的第一方面中所示的方法。
137.该计算机程序产品与现有技术检测出疲劳状态即进行预警，预警准确性较差相比。本公开通过获取目标施工人员的脑电信号数据；基于获取的所述目标施工人员的脑电信号数据确定所述目标施工人员的疲劳度状态信息，所述疲劳度状态包括无疲劳态、轻微疲劳态、中度疲劳态、疲劳预警态；当所述目标施工人员的疲劳度状态满足预定的第一预警条件，确定所述目标施工人员的身体健康指标信息、当前施工作业信息，所述第一预警条件为所述疲劳度状态为轻微疲劳态或中度疲劳态；基于所述身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，并当满足第二预警条件时进行安全预警处理。即基于采集的施工人员的脑电信号进行疲劳度检测，实现了施工场景下施工人员的疲劳度检测；此外，对疲劳度状态进行分级，当疲劳度状态为轻微疲劳态或中度疲劳态，进一步根据身体健康指标信息、当前施工作业信息确定是否满足第二预警条件，进而确定是否进行预警，避免检测出疲劳度状即进行预警处理所带来的预警准确性较低的问题，通过两级预警判断提升预警处理的准确性。
138.图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
139.如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(rom)402中的计算机程序或者从存储单元408加载到随机访问存储器(ram)403中的计算机程序，来执行各种适当的动作和处理。在ram 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、rom402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
140.设备400中的多个部件连接至i/o接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
141.计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及
任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如方法图像识别训练方法或图像识别方法。例如，在一些实施例中，方法图像识别训练方法或图像识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由rom 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到ram 403并由计算单元401执行时，可以执行上文描述的方法图像识别训练方法或图像识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法图像识别训练方法或图像识别方法。
142.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
143.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
144.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
145.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
146.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部
件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
147.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
148.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
149.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。