安全生产监控平台的制作方法

1.本公开涉及生产安全的技术领域，具体涉及一种安全生产监控平台。


背景技术：

2.生产作业过程会存在诸多安全隐患，保证施工人员的人身安全至关重要，一些安全事故通常是由于施工人员的身体状况异常诱发的，如何能够及时准确地监测到施工人员的身体状况异常的情况称为急需解决的问题。


技术实现要素：

3.本公开提供了一种安全生产监控平台，安全生产监控平台包括可穿戴的脑电设备、云服务器和第一终端。
4.可穿戴的脑电设备用于采集施工人员的脑电信号；
5.云服务器与脑电设备通信连接，云服务器用于获取脑电设备采集的脑电信号，基于脑电信号确定出施工人员的注意力水平和疲劳水平，并发送施工人员的注意力水平和疲劳水平；
6.第一终端与云服务器通信连接，第一终端用于接收云服务器发送的注意力水平和疲劳水平，在基于注意力水平和疲劳水平确定施工人员的身体状态异常时，向第二终端发送针对施工人员的预警信息。
7.在本公开实施例中，安全生产监控平台还包括可穿戴的生理信号采集设备，生理信号采集设备用于采集施工人员的生理信号；
8.云服务器还用于接收生理信号采集设备采集的生理信号，基于生理信号确定出施工人员的生理指标水平，并发送施工人员的生理指标水平；
9.第一终端还用于接收云服务器发送的生理指标水平，在基于注意力水平、疲劳水平和生理指标水平确定施工人员的身体状态异常时，向第二终端发送针对施工人员的预警信息。
10.在本公开实施例中，第一终端在基于注意力水平、疲劳水平和生理指标水平确定施工人员的身体状态异常时，向第二终端发送针对施工人员的预警信息时，具体用于：
11.基于注意力水平确定第一评分，基于疲劳水平确定第二评分，基于生理指标水平确定第三评分；
12.基于第一评分、第二评分和第三评分确定出综合评分，在确定综合评分超出预设评分阈值时，确定施工人员的身体状态异常，并向第二终端发送针对施工人员的预警信息。
13.在本公开实施例中，第一终端在基于第一评分、第二评分和第三评分确定出综合评分时，具体用于：
14.确定注意力维度对应的第一权重、疲劳维度对应的第二权重和生理指标维度对应的第三权重；
15.基于第一评分和第一权重计算第一权重分，基于第二评分和第二权重计算第二权
重分，基于第三评分和第三权重计算第三权重分；
16.将第一权重分、第二权重分和第三权重分的和值作为综合评分。
17.在本公开实施例中，云服务器基于脑电信号，通过如下方式确定出施工人员的注意力水平：
18.从脑电信号中提取出时域特征；
19.对脑电信号进行分频处理，得到不同频率段的信号波段；
20.基于不同频率段的信号波段生成动力学特征；
21.基于不同频率段的信号波段生成初始能量特征，并将初始能量特征按照预设的时间步长划分为n个子能量特征；
22.从n个子能量特征中剔除出至少一个能量值异常的子能量特征，将剩余的子能量特征作为目标能量特征；
23.基于施工人员的时域特征、动力学特征和目标能量特征，确定施工人员的注意力水平。
24.在本公开实施例中，云服务器在从脑电信号中提取出时域特征时，具体用于：从脑电信号的多个预设的时间节点分别提取子时域特征，将提取出的多个子时域特征融合成一个时域特征；
25.在本公开实施例中，云服务器对脑电信号进行分频处理，得到不同频率段的信号波段时，具体用于：将初始能量特征按照预设的频率步长划分为频率段为0.5hz-4hz的第一信号波段、频率段为4hz-8hz的第二信号波段、频率段为8hz-13hz的第三信号波段、频率段为13hz-35hz的第四信号波段、频率大于35hz的第五信号波段；
26.在本公开实施例中，云服务器基于不同频率段的信号波段生成动力学特征时，具体用于：计算第四信号波段和第五信号波段的近似熵、样本熵和模糊熵；基于计算得到的近似熵、样本熵和模糊熵生成动力学特征。
27.在本公开实施例中，基于不同频率段的信号波段生成初始能量特征，包括：确定第三信号波段的最大功率；计算第四信号波段与第二信号波段的第一能量比；计算第一信号波段与第二信号波段的第一和值，确定第四信号波段与第一和值的第二能量比；生成包括最大功率、第一能量比和第二能量比的初始能量特征。
28.在本公开实施例中，从n个子能量特征中剔除出至少一个能量值异常的子能量特征，将剩余的子能量特征作为目标能量特征，包括：从n个子能量特征中剔除出能量值最大的子能量特征和能量值最小的子能量特征，将剩余的(n-2)个子能量特征作为目标能量特征。
29.在本公开实施例中，云服务器在基于施工人员的时域特征、动力学特征和目标能量特征，确定施工人员的注意力水平时，具体用于：
30.基于时域特征、动力学特征和目标能量特征，生成施工人员的注意力值；
31.基于注意力值和预设的注意力评价信息确定施工人员的注意力水平，其中，注意力评价信息用于指示各个注意力水平分别对应的注意力值的区间范围。
32.在本公开实施例中，云服务器在基于注意力值和预设的注意力评价信息确定施工人员的注意力水平时，具体用于：
33.获取施工人员的位置信息；
34.基于位置信息，从至少一个区域类型中确定出施工人员的当前位置对应的目标区域类型，其中，至少一个区域类型包括休息区域、行政办公区域和项目现场区域；
35.确定目标区域类型对应的注意力评价信息，其中，不同的区域类型对应不同的注意力评价信息；
36.基于注意力值和目标区域类型对应的注意力评价信息，确定施工人员的注意力水平。
37.在本公开实施例中，云服务器在基于注意力值和预设的注意力评价信息确定施工人员的注意力水平时，具体用于：
38.获取施工人员所在环境的环境数据；
39.基于环境数据，从至少一个环境类型中确定出施工人员所在环境对应的目标环境类型；
40.确定目标环境类型对应的注意力评价信息，其中，不同的环境类型对应不同的注意力评价信息；
41.基于注意力值和目标环境类型对应的注意力评价信息，确定施工人员的注意力水平。
42.在本公开实施例中，云服务器基于脑电信号，通过如下方式确定出施工人员的疲劳水平：
43.从脑电信号中提取出时域特征；
44.对脑电信号进行分频处理，得到不同频率段的信号波段；
45.基于不同频率段的信号波段生成动力学特征；
46.基于不同频率段的信号波段生成初始能量特征，并将初始能量特征按照预设的时间步长划分为n个子能量特征；
47.从n个子能量特征中确定出能量值为中位数的子能量特征，将能量值为中位数的子能量特征作为目标能量特征；
48.基于施工人员的时域特征、动力学特征和目标能量特征，确定施工人员的疲劳水平。
49.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。
50.本公开提供的技术方案带来的有益效果是：
51.本公开提供的安全生产监控平台，提供了可穿戴的脑电设备，通过脑电设备实时采集施工人员的脑电信号，云服务器基于脑电信号准确地确定出能够反映施工人员的身体状态的注意力水平和疲劳水平，第一终端基于注意力水平和疲劳水平能够准确地分析出施工人员当前的身体状态，并在确定施工人员当前的身体状态异常时，及时地向第二终端发送针对施工人员的预警信息，以预警信息的方式将施工人员的身体状态异常的情况通知到相关人员，以便相关人员对施工人员采取相应的措施来确保施工人员的安全。
附图说明
52.附图用于更好地理解本方案，不构成对本公开的限定。其中：
53.图1示出了本公开实施例提供的一种安全生产监控平台的架构图；
54.图2示出了本公开实施例提供的另一种安全生产监控平台的架构图；
55.图3示出了本公开实施例提供的云服务器基于脑电信号确定注意力水平的流程示意图。
具体实施方式
56.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。
57.生产作业过程会存在诸多安全隐患，保证施工人员的人身安全至关重要，一些安全事故通常是由于施工人员的注意力不集诱发的，因此确保施工人员保持较高的主力能能够显著地降低发生安全事故的风险。现有的检测注意力的方式，通常采集施工人员的大量脑电信号，基于大量脑电信号来检测施工人员的注意力情况，这会增加数据处理的时间成本算力成本，并且注意力检测结果的时效性不强。
58.生产作业过程会存在诸多安全隐患，保证施工人员的人身安全至关重要，一些安全事故通常是由于施工人员的身体状况异常诱发的，如何能够及时准确地监测到施工人员的身体状况异常的情况称为急需解决的问题。
59.本公开实施例提供的安全生产监控平台，旨在解决现有技术的如上技术问题中的至少一个。
60.图1示出了本公开实施例提供的一种安全生产监控平台的架构图，如图1所示，安全生产监控平台包括可穿戴的脑电设备、云服务器和第一终端，云服务器可以分别与脑电设备和第一终端进行通信。
61.可穿戴的脑电设备用于采集施工人员的脑电信号，云服务器与脑电设备通信连接，可以获取脑电设备采集的脑电信号。这里，脑电设备为脑机接口(brain computer interface，bci)设备，施工人员可以佩戴脑机接口设备，脑机接口设备配置有脑电图(electroencephalogram，eeg)电极，通过脑电图点击采集施工人员的脑电信号，并将脑电信号发送至云服务器，使得云服务器获取到施工人员的脑电信号。
62.在本公开实施例中，施工人员可以佩戴脑机接口设备，脑机接口设备配置有脑电图电极，通过脑电图点击采集施工人员的脑电信号。具体地，脑电图电极为干电极，不需要导电膏和复杂的清洗，佩戴较为舒适。这里，脑电图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，可以理解，脑电信号为施工人员的大脑的前额叶的产生的信号。由于注意力活动主要激活前额叶，可以只采集fp1与fp2导联的脑电信号。本公开实施例的脑电图电极可以长时间佩戴，可以连续采集脑电信号，脑机接口设备可以周期性地将预设时长的脑电信号发送至云服务器，使得云服务器获取到施工人员的脑电信号。例如，脑机接口设备可以周期性地将10秒的脑电信号发送至云服务器。这里，脑电信号的传输方式可以是蓝牙传输和网络传输等。
63.云服务器在获取施工人员的脑电信号之后，可以对脑电信号进行预处理，例如，可以对脑电信号进行编码、放大、滤波和去眼电等操作，处理后的脑电信号的频率范围为0.4hz到45hz，幅值为0.5uv到100uv，采样率200hz。
64.云服务器用于基于脑电信号确定出施工人员的注意力水平和疲劳水平，并发送施工人员的注意力水平和疲劳水平，之后可以将注意力水平和疲劳水平的信息发送至第一终端。本公开实施例可以预先设置多种注意力水平，注意力水平可以包括高水平、正常水平、欠佳水平和预警水平。本公开实施例可以预先设置多种疲劳水平，疲劳水平可以包括无疲劳水平、轻微疲劳水平、中度疲劳水平和疲劳预警水平。云服务器可以基于脑电信号确定出施工人员的具体处于哪一种注意力水平和疲劳水平。
65.第一终端用于接收云服务器发送的注意力水平和疲劳水平，在基于注意力水平和疲劳水平确定施工人员的身体状态异常时，向第二终端发送针对施工人员的预警信息。可以理解，注意力水平和疲劳水平可以反映施工人员的身体状态，基于注意力水平和疲劳水平可以确定施工人员的身体状态是否异常，在确定施工人员的身体状态异常时，向第二终端发送针对施工人员的预警信息。这里，第二终端可以是施工人员的相关责任人的终端，预警信息可以是使用短信的方式进行发送，也可以使用系统消息的方式进行发送。
66.本公开提供的安全生产监控平台，提供了可穿戴的脑电设备，通过脑电设备实时采集施工人员的脑电信号，云服务器基于脑电信号准确地确定出能够反映施工人员的身体状态的注意力水平和疲劳水平，第一终端基于注意力水平和疲劳水平能够准确地分析出施工人员当前的身体状态，并在确定施工人员当前的身体状态异常时，及时地向第二终端发送针对施工人员的预警信息，以预警信息的方式将施工人员的身体状态异常的情况通知到相关人员，以便相关人员对施工人员采取相应的措施来确保施工人员的安全。
67.在本公开实施例中，安全生产监控平台还包括可穿戴的生理信号采集设备，云服务器可以与生理信号采集设备进行通信，获取生理信号采集设备用于采集施工人员的生理信号。这里，生理信号可以包括用于检测血压的信号和用于检测心率信号等。
68.云服务器还用于接收生理信号采集设备采集的生理信号，基于生理信号确定出施工人员的生理指标水平，并发送施工人员的生理指标水平。本公开实施例可以预先设置多种生理指标水平，生理指标水平可以包括健康水平、亚健康水平、健康欠佳水平和健康预警水平。云服务器可以基于生理信号确定出施工人员的具体处于哪一种生理指标水平。
69.第一终端还用于接收云服务器发送的生理指标水平，在基于注意力水平、疲劳水平和生理指标水平确定施工人员的身体状态异常时，向第二终端发送针对施工人员的预警信息。可以理解，注意力水平、疲劳水平和生理指标水平可以反映施工人员的身体状态，基于注意力水平、疲劳水平和生理指标水平可以确定施工人员的身体状态是否异常，在确定施工人员的身体状态异常时，向第二终端发送针对施工人员的预警信息。这里，第二终端可以是施工人员的相关责任人的终端，预警信息可以是使用短信的方式进行发送，也可以使用系统消息的方式进行发送。
70.在本公开实施例中，第一终端在基于注意力水平、疲劳水平和生理指标水平确定施工人员的身体状态异常时，向第二终端发送针对施工人员的预警信息时，具体用于：基于注意力水平确定第一评分，基于疲劳水平确定第二评分，基于生理指标水平确定第三评分；基于第一评分、第二评分和第三评分确定出综合评分，在确定综合评分超出预设评分阈值时，确定施工人员的身体状态异常，并向第二终端发送针对施工人员的预警信息。
71.可以理解，不同的注意力水平所对应的第一评分是不同的，如前文所述，注意力水平可以包括高水平、正常水平、欠佳水平和预警水平，这里，注意力水平的越接近预警水平，
注意力水平所对应的第一评分的值越高。不同的疲劳水平所对应的第二评分是不同的，如前文所述，疲劳水平可以包括无疲劳水平、轻微疲劳水平、中度疲劳水平和疲劳预警水平，这里，疲劳水平的越接近疲劳预警，疲劳水平所对应的第二评分的值越高。不同的生理指标水平所对应的第三评分是不同的，如前文所述，生理指标水平可以包括健康水平、亚健康水平、健康欠佳水平和健康预警水平，这里，生理指标水平的越接近健康预警水平，生理指标水平所对应的第三评分的值越高。
72.在本公开实施例中，可以预先设置一个评分阈值，云服务器可以对第一评分、第二评分和第三评分进行求和，将和值作为综合评分，在确定综合评分超出预设评分阈值时，确定施工人员的身体状态异常，并向第二终端发送针对施工人员的预警信息。
73.可以理解，本公开实施例是通过施工人员在注意力维度、疲劳维度和生理指标维度的数据来确定其身体状态是否异常，这里，不同维度对施工人员的身体状态的影响程度是不同的，因此本公开实施例可以为每个维度配置对应的权重，从而体现不同维度对施工人员的身体状态的影响程度的差异，得到更加符合实际场景的综合评分。具体地，第一终端在基于第一评分、第二评分和第三评分确定出综合评分时，可以确定注意力维度对应的第一权重、疲劳维度对应的第二权重和生理指标维度对应的第三权重，基于第一评分和第一权重计算第一权重分，基于第二评分和第二权重计算第二权重分，基于第三评分和第三权重计算第三权重分，将第一权重分、第二权重分和第三权重分的和值作为综合评分。可以理解，第一权重、第二权重和第三权重的具体值，可以根据注意力维度、疲劳维度和生理指标维度的数据施工人员的身体状态的影响程度而定。
74.图2示出了本公开实施例提供的另一种安全生产监控平台的架构图，如图2所示，安全生产监控平台包括可穿戴的脑电设备、移动端、解析服务器和第一终端，可选地，安全生产监控平台还可以包括生理信号采集设备(图2中未示出)。
75.这里，解析服务器为图1中的云服务器的一种形式，本公开实施例可以配置多台解析服务器，组成解析服务器集群。脑电设备和移动端均由施工人员佩戴，脑电设备用于采集施工人员的脑电信号，通过蓝牙传输的方式将脑电信号发送给移动端，移动端与云服务器通信连接，将脑电信号以消息队列的方式传输至解析服务器，解析服务器的作用与上述云服务器的作用相同，此处不再赘述。解析服务器在确定出注意力水平、疲劳水平和生理指标水平中的至少一个时，可以将包含注意力水平、疲劳水平和生理指标水平中的至少一个的信息发送到预设的高可用数据库集群中对应的数据库中，第一终端可以从对应的数据库中获取到解析服务器发送的信息。
76.图3示出了本公开实施例提供的云服务器基于脑电信号确定注意力水平的流程示意图，如图3所示，该流程主要可以包括以下步骤：
77.s310：从脑电信号中提取出时域特征。
78.这里，时域是描述数学函数或物理信号对时间的关系。本公开实施例还可以从时域特征提取信号峰峰值、方差和均值用作生成施工人员的注意力值。可选地，本公开实施例在从脑电信号中提取出时域特征时，可以从脑电信号的多个预设的时间节点分别提取子时域特征，将提取出的多个子时域特征融合成一个时域特征。
79.s320：对脑电信号进行分频处理，得到不同频率段的信号波段。
80.本公开实施例可以预先设置多个频率段，按照多个频率段对脑电信号进行分频处
理，从而得到不同频率段的信号波段。可选地，在s320中，云服务器可以将初始能量特征按照预设的频率步长划分为频率段为0.5hz-4hz的第一信号波段、频率段为4hz-8hz的第二信号波段、频率段为8hz-13hz的第三信号波段、频率段为13hz-35hz的第四信号波段、频率大于35hz的第五信号波段，这样便获得了频率从高到低的5个信号波段。这里，第一信号波段可以定义为delat波段、第二信号波段可以定义为theta波段、第三信号波段可以定义为alpha波段、第四信号波段可以定义为beta波段、第五信号波段可以定义为gamma波段。
81.s330：基于不同频率段的信号波段生成动力学特征。
82.当大脑的注意力水平降低时，脑电信号中高频率的信号波段会出现较显著的减弱，因此可以选择频率较高的信号波段来生成动力学特征，用以表征大脑的注意力水平降低时的情况。这里，可以选择频率较高的第四信号波段和第五信号波段来生成动力学特征，具体地，云服务器可以计算第四信号波段和第五信号波段的近似熵、样本熵和模糊熵，基于计算得到的近似熵、样本熵和模糊熵生成动力学特征。通过上述方式获得的动力学特征可以更加精准地反映脑电信号的复杂程度，能够比较准确地描述大脑的注意力水平降低的情况。
83.s340：基于不同频率段的信号波段生成初始能量特征，并将初始能量特征按照预设的时间步长划分为n个子能量特征。
84.在大脑的清醒阶段，上述的第三信号波段(alpha波段)的变化情况可以反映出大脑的活动状态，因此可以选择第三信号波段用作生成初始能量特征，使得初始能量特征可以反映大脑的活动的强度，这有助于对大脑的注意力状态进行判断。此外，在大脑的注意力不同状态下，高低频的脑部活动会出现变化，具体地，当大脑的精神高度集中时，上述的第四信号波段(beta波段)会更加活跃；当大脑的精神状态不佳的时候，上述的第一信号波段(delat波段)delat波段和第二信号波段(theta波段)会更加活跃。因此可以将第四信号波段与第一信号波段和第二信号波段中的至少一个的比值，用作生成初始能量特征。
85.具体地，可以将第四信号波段与第二信号波段的比值定义为第一能量比，将第一信号波段与第二信号波段的和值定义为第一和值，将第四信号波段与第一和值的比值定义为第二能量比。云服务器在基于不同频率段的信号波段生成初始能量特征时，可以确定第三信号波段的最大功率，计算第四信号波段与第二信号波段的第一能量比，以及计算第一信号波段与第二信号波段的第一和值，确定第四信号波段与第一和值的第二能量比，之后生成包括最大功率、第一能量比和第二能量比的初始能量特征。
86.在本公开实施例中，n为不小于3的正整数。可以理解，n的具体数值可以根据脑电信号的总时长和预设的时间步长而定，例如，脑电信号的总时长为10秒，预设的时间步长为2秒，则n为5，因此将初始能量特征按照预设的时间步长划分为5个子能量特征。
87.s350：从n个子能量特征中剔除出至少一个能量值异常的子能量特征，将剩余的子能量特征作为目标能量特征。
88.可以理解，能量特征易受噪声干扰，本公开实施例将初始能量特征细化为n个子能量特征，从多个子能量特征剔除掉能量值异常的子能量特征，保留剩余的子能量特征作为目标能量特征，确保能量特征的真实性和准确性。这里，可以将能量值最大的子能量特征和能量值最小的子能量特征作为能量值异常的子能量特征，因此在步骤s350中，云服务器可以从n个子能量特征中剔除出能量值最大的子能量特征和能量值最小的子能量特征，将剩
余的(n-2)个子能量特征作为目标能量特征。以将初始能量特征按照预设的时间步长划分为5个子能量特征为例，在剔除出能量值最大的子能量特征和能量值最小的子能量特征之后，将剩余的3个子能量特征作为目标能量特征。
89.s360：基于施工人员的时域特征、动力学特征和目标能量特征，确定施工人员的注意力水平。
90.本公开实施例可以预先设置多各类型的注意力水平，可选地，可以将注意力水平可以包括高水平、正常水平、欠佳水平和预警水平。基于施工人员的时域特征、动力学特征和目标能量特征可以确定施工人员的注意力水平所属的类型，在定施工人员的注意力水平为预警水平时向目标终端发送预警指令，预警指令用于指示目标终端执行预设的预警策略。
91.具体地，本公开实施例可以基于时域特征、动力学特征和目标能量特征，生成施工人员的注意力值，基于注意力值和预设的注意力评价信息，确定施工人员的注意力水平。
92.在本公开实施例中，可以预先训练基于时域特征、动力学特征和能量特征预测注意力的注意力预测模型，这里，可以将前述步骤获取到的时域特征、动力学特征和目标能量特征输入到注意力预测模型，基于注意力预测模型输出施工人员的注意力值。在此需要说明的是，注意力预测模型的具体模型类型可以根据实际的设计需要而定，例如，注意力预测模型可以是支持向量机、k-最近邻分类模型、决策树、随机森林模型、朴素贝叶斯分类模型、基于最小二乘法的模型、逻辑回归模型等。
93.这里，注意力评价信息用于指示各个注意力水平分别对应的注意力值的区间范围，因此可以通过确定施工人员的注意力值所在的区间范围，确定施工人员的注意力水平。可选地，可以将注意力水平可以包括高水平、正常水平、欠佳水平和预警水平，不同的注意力水平具有不同区间范围的注意力值，例如，当确定施工人员的注意力值在预警水平的区间范围内时，可以确定施工人员的注意力水平为预警水平。
94.在本公开实施例中，注意力评价信息可以根据施工人员的当前位置对应的目标区域类型而定，即不同的区域类型对应不同的注意力评价信息，这里，区域类型可以包括休息区域、行政办公区域和项目现场区域。具体地，在步骤s360中，云服务器可以获取施工人员的位置信息，基于位置信息从至少一个区域类型中确定出施工人员的当前位置对应的目标区域类型，确定目标区域类型对应的注意力评价信息，基于注意力值和目标区域类型对应的注意力评价信息确定施工人员的注意力水平。
95.对于不同的区域类型的同一个注意力水平，其对应的注意力值的区间范围是不同的。针对不同的区域类型配置不同的注意力评价信息，可以较准确地匹配不同的工作场景对施工人员的注意力的要求。以预警水平为例，休息区域的预警水平所对应的注意力值的区间范围为0至30，行政办公区域的预警水平所对应的注意力值的区间范围为0至40，项目现场区域的预警水平所对应的注意力值的区间范围为0至50。可以理解，休息区域、行政办公区域和项目现场区域的危险程度依次增加，危险程度越大的区域，其预警水平所对应的注意力值的区间范围越大，施工人员的注意力水平也就更容易被确定为预警水平，使得处于危险区域的施工人员保持较高的注意力水平，确保施工人员的安全。
96.在本公开实施例中，注意力评价信息可以根据施工人员所在环境的环境类型而定，即不同的环境类型对应不同的注意力评价信息。这里，环境类型可以包括良好环境、正
常环境和恶劣环境。具体地，在步骤s360中，云服务器可以获取施工人员所在环境的环境数据，基于环境数据从至少一个环境类型中确定出施工人员所在环境对应的目标环境类型，确定目标环境类型对应的注意力评价信息，基于注意力值和目标环境类型对应的注意力评价信息确定施工人员的注意力水平，其中，环境数据可以包括海拔高度、温度、湿度、光照强度等，基于这些数据来确定施工人员所在环境对应的目标环境类型。对于不同的环境类型的同一个注意力水平，其对应的注意力值的区间范围是不同的。针对不同的区域类型配置不同的注意力评价信息，可以较准确地匹配不同的环境场景对施工人员的注意力的要求。以预警水平为例，良好环境的预警水平所对应的注意力值的区间范围为0至30，正常环境的预警水平所对应的注意力值的区间范围为0至40，恶劣环境的预警水平所对应的注意力值的区间范围为0至50。可以理解，良好环境、正常环境和恶劣环境的环境恶劣程度依次增加，恶劣程度越大的环境，其预警水平所对应的注意力值的区间范围越大，施工人员的注意力水平也就更容易被确定为预警水平，使得处于恶劣环境的施工人员保持较高的注意力水平，确保施工人员的安全。
97.在本公开实施例中，注意力评价信息还可以根据施工人员的当前位置对应的目标区域类型和施工人员所在环境的环境类型共同确定，每一组区域类型和环境类型对应有一个注意力评价信息，这里，区域类型可以包括上述的休息区域、行政办公区域和项目现场区域，环境类型可以包括上述的良好环境、正常环境和恶劣环境。具体地，在步骤s360中，云服务器可以获取施工人员的位置信息和施工人员所在环境的环境数据，基于位置信息从至少一个区域类型中确定出施工人员的当前位置对应的目标区域类型，基于环境数据从至少一个环境类型中确定出施工人员所在环境对应的目标环境类型，目标区域类型和目标环境类型对应的注意力评价信息，基于注意力值、目标区域类型和目标环境类型对应的注意力评价信息，确定施工人员的注意力水平。
98.本公开实施例可以从脑电信号中提取出时域特征、动力学特征和动力学特征，基于这三种特征来检测注意力水平，这种注意力水平的检测方式可以高效地利用脑电信号中的有效信息，从而简化需要处理的数据量，降低时间成本和算力成本；此外，本公开的方法可以预先将首次提取到的初始能量特征按照时间步长精细地划分为多个子能量特征，通过判断子能量的特征能量值是否异常来剔除易受噪声干扰的子能量特征，避免因能量特征受噪声干扰而影响注意力水平的检测效率，进一步降低时间成本和算力成本，同时可以提升注意力水平的检测速度，使得注意力检测结果的具有较高的时效性。
99.在本公开实施例中，云服务器基于脑电信号，通过如下方式确定出施工人员的疲劳水平：从脑电信号中提取出时域特征；对脑电信号进行分频处理，得到不同频率段的信号波段；基于不同频率段的信号波段生成动力学特征；基于不同频率段的信号波段生成初始能量特征，并将初始能量特征按照预设的时间步长划分为n个子能量特征；从n个子能量特征中确定出能量值为中位数的子能量特征，将能量值为中位数的子能量特征作为目标能量特征；基于施工人员的时域特征、动力学特征和目标能量特征，确定施工人员的疲劳水平。
100.作为一种可能的实施方式，疲劳度水平可以是根据如下方式实现的，能提升疲劳度检测的准确性：
101.基于获取的施工人员的脑电信号数据提取时域特征、频域特征、初始能量特征、动力学特征。其中，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，初始能量特征包括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；基于提取的时域特征、频域特征、初始能量特征、动力学特征确定施工人员的疲劳度状态信息。需要说明的是，这里需要将初始能量特征按照预设的时间步长划分为n个子能量特征，从n个子能量特征中确定出能量值为中位数的子能量特征，将能量值为中位数的子能量特征作为目标能量特征，之后基于时域特征、频域特征、目标能量特征和动力学特征确定施工人员的疲劳度状态信息。
102.具体地，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。
103.具体地，初始能量特征中：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。
104.具体地，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。
105.本公开实施例还可以实现数据可视化，以图2中的显示设备来展示反映施工人员申请状态的各项数据，如注意力水平、疲劳水平和生理指标水平。具体地，可以搭建基于不限于jquery、vue、ajax等前端技术框架实现平台界面和局部刷新。平台集群式部署mysql数据仓库，提供数据的持久存储；搭建基于web技术的微服务接口服务，不限于go-zero、springcloud等微服务架构技术；实时响应算法服务的请求、存储经过算法处理后的状态数据至数据库、更新平台用户的当前数据状态。
106.本公开的技术方案中，所涉及的客户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
107.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。
108.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。