基于多生理信号融合的疲劳驾驶检测研究

为减少交通事故，保障道路交通安全，提出一种能更加有效地检测驾驶人驾驶状态的方法。通过对疲劳状态进行等级划分，利用脉搏波信号(Photoplethysmographic signal, PPG)以及皮肤电反应信号(Galvanic Skin Response, GSR),实现多种生理信号融合，进而构建驾驶人的驾驶疲劳状态数据库。根据采集数据结合主观评测分析驾驶人状态变化规律，选取有效指标进行分析比较，以探究各个指标与疲劳程度的变化趋势。依据状态变化规律和特征，结合主观评测，分析驾驶人的疲劳状态。同时，设定疲劳状态等级，分为清醒、轻度疲劳和重度疲劳状态，构建隐马尔可夫(Hidden Markov Model, HMM)驾驶疲劳水平分级的疲劳评估模型。测试结果显示：训练后的HMM疲劳检测模型准确率为90%。     

COVID-19病区医护人员的人工环境及生理指标变化规律

为了保护COVID-19病区医护人员身心健康并分类制定合理的工作标准，对医用防护套装下的人工热湿环境及影响生理指标变化规律进行了研究。首先，通过试验测定了防护服内外的热湿环境，然后测试了心率、体温、呼吸频率、血氧饱和度、收缩压、舒张压和血糖等生理指标的变化情况，探明了人体在二级医用防护套装下工作时长和劳动强度对人体生理状态的影响规律。结果表明，夏季穿戴医用防护服的人体长期处于温度高于33℃、相对湿度大于80%的高温高湿环境中，生理指标如体温、心率、呼吸频率和血糖与常规环境下有极大区别，且受劳动强度影响显著，生理指标容易达到极限值。因此，在制定医用防护服下的工作标准时，需同时考虑劳动强度和引发潜在疾病等风险，这些结论可为在COVID-19等传染隔离病区工作的医护人员的职业安全和安全预警提供依据。