專利名稱：檢測微入睡事件的方法和設備的制作方法
技術領域：
本發明涉及檢測微入睡事件的方法和設備。
背景技術：
量化與入睡相關的駕駛性能誤差的方法對于減少睡眠相關事故的數量是極其重 要的。在美國，駕駛員瞌睡是機動車輛事故的主要原因，并且造成每年約40000人受傷和 1500人死亡。在一項研究中，在1000名接受調查的駕駛員中，55%的駕駛員表示他們曾在 駕駛時昏昏欲睡，而23%的駕駛員表示他們曾在駕駛時睡著。這確定了其他研究在錯誤 地歸咎于其他原因的車輛事故中，瞌睡或入睡可能發揮作用。微入睡事件是入睡的有用標志。常常由于睡眠剝奪、或精神疲勞、睡眠呼吸暫停、 嗜眠、或睡眠過多而發生微入睡事件。存在監測微入睡的標準化方法，包括監測腦電圖(EEG)和眼電圖(EOG)、視頻、性 能測試等。所有這些方法中，EEG被認為是最可靠的測量瞌睡的方法。然而，EEG和EOG都 需要使用附接至對象的電極，從而使這些方法不適于日常地監測任意執行易疲勞工作的操 作員(例如，汽車駕駛員)。其他方法是不現實的，因為它們都很難安裝并且因為它們需要 由人進行深入的數據分析，由此使得數據處理很難自動化。存在各種能夠識別微入睡事件的方法。一些專家根據行為準則(眼瞼閉合)定義 微入睡，而另一些專家依靠腦電圖標記定義微入睡，如3至15秒片段(更短的持續時間將 難以視覺檢測且更長的時間將定義為入睡)，在這期間，4至7Ηζ(θ波)活動取代了清醒的 14至20Ηζ (α波)的背景節奏。主觀上與“打盹”感覺有關的微入睡是與完全覺醒狀態特征的眨眼典型結果的中 斷相關聯的。在微入睡事件期間，注意力的下降能夠削弱察覺和響應重要刺激和事件的能 力。例如，當在需要持續警覺性(例如駕駛機動車或者操作機器)的情況下發生微入睡(或 者微入睡事件)時，微入睡(或者微入睡片段)將變得極其危險。經歷微入睡的人常常沒 有察覺到微入睡，相反地，認為他們一直是清醒的，或者感到“間隔”的感覺。困倦的駕駛員 在微入睡片段期間，面臨非常高的遭受事故的風險。很多事故是由于微入睡事件而發生的。顯然地，檢測微入睡事件的能力用作向困倦的駕駛員警告或警告這種事件的方法 將會是有用的。一些研究已經使用了“定量的”EEG方法來識別駕駛員的瞌睡。在長時間駕駛期 間，θ功率(EEG波)和θ脈沖的頻率通常增加，并且與不良的駕駛性能相關聯。不利地， 這些技術通常在若干秒時間(直至1分鐘)內對EEG活動取平均值，因此不能夠用于檢測 3秒至15秒之間的短暫的微入睡事件。已經提出通過各種生理測量來向駕駛員警告困倦的發生。調研最多的一種是PERCL0S (或者百分比閉合(PERcent CLOSure))，其根據一段 時間內駕駛員眼睛閉合的時間百分比來測量困倦。當獲得足夠數量的張開/閉合模型時， PERCL0S將觸發警報。PERCL0S在百分比大于80%時產生效果，這通常意味著，在1分鐘內在觸發警報前人的眼睛必須閉合48秒。顯然，在工作中(例如駕駛車輛)這種延遲是不可 接受的，因為到PERCL0S激活警報的時候，駕駛員或者已經睡著，或者瀕臨睡著。因此，不利 地，PERCL0S是太慢的系統以致于不能允許在個人(例如駕駛員)經歷第一次入睡跡象前 采取預防動作。排除了 EEG記錄期間潛在的假象的EEG記錄還示出，在微入睡事件期間正常的眨 眼睛通常是連續的，這表示眼睛至少是部分張開的。根據眼睛閉合的測量并推測地向駕駛員警告困倦發生的另一生理測量是峰值眨 眼速度的測量，如美國專利7071831B2中所描述的。該專利所描述的系統包括一副眼鏡或 眼鏡架，個人必須佩戴該眼鏡或眼鏡架，以監測眨眼睛的發生。然而，這種設備必須由操作 員攜帶或佩戴(例如，便攜設備)。因此，存在著對將對象的微入睡事件檢測為睡眠開始的指示的檢測方法和檢測設 備的需要，該檢測方法和檢測設備能夠在不需要使用電極或其他便攜設備的情況下，在早 期階段檢測短暫的微入睡事件。
發明內容
我們意外地發現，通過在一段時間內使用微入睡檢測處理測量眼瞼的閉合和張開 模型、將從測量收集到的原始數據轉換為圖形并將圖形與存儲的標準微入睡模型的圖形相 比較，能夠容易地和迅速地檢測微入睡事件。因此，在一個方面，提供了檢測對象的微入睡事件的方法，所述方法包括_通過 在一段時間內測量至少一只眼睛的上眼瞼和下眼瞼之間的多個距離，確定多個眼睛張開因 子；-產生所述眼睛張開因子的圖形表示；以及_將所述一段時間內所述眼睛張開因子的變 化與指示所述微入睡事件的參考眼睛閉合模型相關聯。如上所述的方法進一步包括照射所述對象的面部；以及記錄面部圖像。具有紅 外光源的數碼相機用于照射面部并用于記錄所述面部圖像。如上所述的方法進一步包括通過使用面部特征識別算法，識別眼睛和眼瞼。如上所述的方法進一步包括根據所述眼睛的眨眼循環的時間測量所述眼睛張開 因子，驗證微入睡特征眼睛張開因子階段的存在。所述眼睛張開因子階段包括至少一個眼 睛張開階段。所述眼睛張開因子包括一個或多個眼睛張開階段以及五個或更少眼睛張開階 段。所述眼睛張開因子包括五個眼睛張開階段。所述眼睛張開階段與張開眼睛、所述眼瞼 的閉合、部分或閉合的眼睛、以及所述眼瞼的張開相關聯。如上所述的方法，其中，所述眼睛張開因子包括五個連續的眼睛張開階段，所述五 個階段的連續檢測指示微入睡特征。所述方法進一步包括如果檢測少于五個連續的眼睛 張開因子，那么確定另外的眼睛張開因子。如上所述的方法進一步包括計算眼睛張開和眼睛閉合代表曲線。使用負斜率和 二階多項式回歸計算所述眼睛閉合代表曲線，所述負斜率和二階多項式回歸適用于所述第 一和第二眼睛張開因子階段的眼睛張開因子。使用正斜率和二階多項式回歸計算所述眼睛 張開代表曲線，所述正斜率和二階多項式回歸適用于所述第四和第五眼睛張開因子階段的 眼睛張開因子。所述方法進一步包括通過計算對應于所述第一和第二眼睛張開因子階段 的所述眼睛閉合代表曲線和對應于所述第四和第五眼睛張開因子階段的所述眼睛張開代表曲線的皮爾森系數，驗證微入睡眼睛張開和閉合代表曲線的存在。當所述皮爾森系數大 于或等于預定閾值時，通知所述對象。如上所述的方法其中，以IOHz至60Hz之間的頻率對所述面部的圖像采樣。如上所述的方法進一步包括圖像采樣頻率為20Hz的、用于檢測微入睡特征眼睛 張開因子階段的子處理。所述子處理包括通過確定相對于張開眼睛的一系列六個或者更 多連續的眼睛張開因子的存在，驗證檢測到第一階段。如上所述的方法進一步包括通過確定一系列四個或者更多連續減小的眼睛張開 因子，驗證檢測到第二階段。如上所述的方法進一步包括通過確定一系列最小值為五且最 大值為120連續的眼睛張開因子的存在，驗證檢測到第三階段。如上所述的方法進一步包括通過確定一系列最小值為四的連續眼睛張開因子的 存在，驗證檢測到第四階段。如上所述的方法進一步包括通過確定相對于張開眼睛的一系列最小值為六的連 續眼睛張開因子的存在，驗證檢測到第五階段。如上所述的方法進一步包括向所述對象警告所述微入睡事件的存在。根據另一個方面，提供了微入睡事件檢測設備，所述設備包括-面部圖像采樣器，在一段時間內對對象的面部圖像進行采樣，所述采樣器具有照 射所述對象的一個或多個眼睛的紅外光源；_微處理器，具有電子存儲在其中的、可電子執行的微入睡檢測處理，所述微處理 器連接到所述采樣器以接收所述采樣的面部圖像，所述圖像被電子轉換成眼睛張開因子的 圖形表示；以及-與所述微處理器相關聯的存儲器，在所述存儲器中存儲了多個參考眼睛閉合模 型，用于將所述眼睛張開因子與所述參考眼睛閉合模型電子相關聯。如上所述的設備進一步包括連接至所述微處理器的警報，用于向所述對象警告所 述微入睡事件。因此，在另一個方面，提供了向車輛駕駛員警告微入睡事件的方法，所述方法包 括-通過在一段時間內測量至少一只眼睛的上眼瞼和下眼瞼之間的多個距離，確定 多個眼睛張開因子；_產生所述眼睛張開因子的圖形表示；-將所述一段時間內所述眼睛張開因子的變化與指示所述微入睡事件的參考眼睛 閉合模型相關聯；以及-觸發警報，以向所述駕駛員警告所述微入睡事件。因此，在又一個方面，提供了將眼睛閉合模型與EEG和EOG微入睡模型相關聯的方 法，所述方法包括-測量對象的EEG和EOG微入睡模型；-通過在一段時間內測量至少一只眼睛的上眼瞼和下眼瞼之間的多個距離，確定 多個眼睛張開因子；_產生所述眼睛張開因子的圖形表示；-將所述EEG和EOG微入睡模型與所述眼睛閉合因子的變化相關聯。
僅通過舉例并結合附圖描述本發明的實施方式，其中圖1是根據本發明的示例性實施方式的、用在對象上的微入睡檢測設備的框圖；圖2是可利用圖1的設備進行的微入睡時間檢測處理的流程圖；圖3A和3B是完全張開眼睛(圖3A)和完全閉合眼睛(圖3B)及它們相關聯的眼 睛張開因子的示意圖；圖4是一系列根據眨眼循環時間的眼睛張開因子的變化示例的示意圖；圖5是在微入睡時完全閉合眼睛(L4和L5階段)的示例性實施例；以及圖6是微入睡特征眼睛張開因子階段檢測的子處理的流程圖，該子處理可以以 20Hz的圖像采樣頻率與圖2的微入睡事件檢測處理一起使用。
具體實施例方式一般來說，本發明的非限制示例性實施方式提供了根據分析在微入睡事件期間發 生的至少一只眼睛(通常是兩只眼睛)的眼睛閉合模型、檢測人類對象中微入睡事件的方 法和設備。在通過EEG和EOG的測量的微入睡事件期間，我們觀察到隨著時間推移人類對象 的上眼瞼和下眼瞼之間距離的逐步變化。在下文中，我們描述了方法和設備，該方法和設備 提供了使用眼睛閉合模型在昏昏欲睡的操作員(如汽車司機，飛機駕駛員，空中交通管制 員等)即將發生的睡眠補充證據，當檢測到眼睛閉合模型時，在眼瞼閉合發生前向困倦的 操作員警告不安全的情況，從而將EEG和EOG微入睡模型與眼睛閉合模型相關聯。還描述了分析允許正常眼瞼閉合和由于困倦而發生的眼瞼閉合之間區別的眼睛 閉合模型的方法。參照圖1，示出了微入睡事件檢測設備100，該設備100通常包括面部圖像采樣器 (如具有關聯的紅外光源104的數碼相機102)，具有關聯的存儲器108的微處理器106，以 及警報/顯示110和輸入/輸出接口 112 二者之一或二者。因此，在一個實施例中，描述了使用設備100來檢測人類對象中微入睡事件的方 法。該方法包括通過在一段時間內測量至少一只眼睛(通常是兩只眼睛)的上眼瞼和下 眼瞼之間的多個距離，確定多個眼睛張開因子；產生眼睛張開因子的圖形表示；并將一段 時間內眼睛張開因子的變化與指示微入睡事件的參考眼睛閉合模型相關聯。在工作中，數碼相機102對準對象10的面部，并使用紅外光源104照射他或她的 眼睛12以便確定眼睛張開因子，即表示上眼瞼14a和下眼瞼14b之間距離的值。然后通過 處理器106處理由數碼相機102獲取的圖像，該處理器106執行存儲在與其關聯的存儲器 108的微入睡檢測處理。一旦檢測微入睡事件后，微入睡事件檢測設備100可通過觸發集 成的警報和/或顯示器110向用戶通知微入睡事件，或者經由輸入/輸出接口 112向進一 步處理或設備提供信息。可以理解的是，可以向微入睡事件檢測設備100增加其他部件，例 如，用戶接口和無線通信設備。現在參照圖2，示出了微入睡事件檢測處理200的流程圖，該處理可通過圖1的微 入睡事件檢測設備100的處理器106電子地執行。利用方框202至212表示處理200的步驟。處理200在方框202開始，使用數碼相機102對對象10的面部采樣。數碼相機102可 以以約10至60Hz之間的頻率(即，采樣頻率)對圖像采樣。在方框204，處理200在采樣 的數字圖像中識別對象10的眼睛12和眼瞼14a、14b。這可以使用通過處理器106執行的 面部特征識別算法來實現。然后，計算眼睛張開因子。現在參照圖3A和3B，眼睛張開因子可表示為具有1和0之間的值的δ，1表示完 全張開的眼睛12(見圖3Α)，0表示完全閉合的眼睛12(見圖3Β)。可以計算δ的值，例如， 將通過笛卡兒坐標(Χ，Υ)表示的上眼瞼14a和下眼瞼14b之間測量的距離除以完全張開眼 睛的參考測量D。于是δ =(上眼瞼位置(xu，yu)_下眼瞼位置(Xl，yi))/D,其中，D =上眼瞼位置(Xu，yu)_下眼瞼位置(x。A)，且(xu,yu)=瞬時的上眼瞼位 置，(X1, Y1)=瞬時的下眼瞼位置(X1, Y1), (%，Yu)=眼睛張開最大時上眼瞼位置，(xL, yL) =眼睛張開最大時下眼瞼位置。再次參照圖2，在方框206，處理驗證是否存在微入睡特征眼睛張開因子階段。參照圖4，示出了根據眨眼循環時間的眼睛張開因子的變化的示例性示例。眨眼 循環在時間、開始，具有完全張開的眼睛12 (眼睛張開因子δ = 1.00)，在、眼睛張開因 子保持S=L 00，然后減少，在時間、和ti+1經歷δ = 0. 80和δ =0. 50，直至在時間、 達到δ =0.00(完全閉合的眼睛12)，然后增力卩，在時間tk和tk+1經歷δ =0.50和δ = 0. 80，直至在時間&再次達到δ =1.00。可以理解的是，圖4中所示的眨眼循環只是示例 性目的，且實際循環將包括依賴采樣頻率的多個樣本時間。現在參照圖5，這些計算的眼睛張開因子(根據時間)能夠在圖表中表示，該圖表 總體特征在于五個連續階段Ll至L5。第一和最后階段Ll和L5與張開的眼睛(即δ = 1.00)相關聯，第二階段L2與眼瞼14a、14b的閉合(即0.00 > δ > 0. 00，δ減少)相關 聯，第三階段L3與部分的或閉合的眼睛(即0.00 < δ <0.5，例如)相關聯，第四階段L4 與眼瞼14a、14b的張開(即0. 00 < δ <1. 00，δ增加)相關聯。再次參照圖2，處理200檢測所有五個階段，即Ll至L5，然后處理200進行至方框 208。如果是否定的，那么處理200回退到方框202處理下一圖像樣本。在方框208，處理計 算眼睛閉合21或26和眼睛張開25或27的代表曲線。使用負斜率二階多項式回歸(拋物 線)計算眼睛閉合代表曲線21或26，即Y = ^+Cl1. X+d2. X2其中，Y是對于每個度數和Y軸截距dl，對具有回歸系數Cl1至d2的多項式模型的 預測結果值；負斜率二階多項式回歸適用于由第一和第二眼睛張開因子階段(即，Ll和L2)組 成的眼睛張開因子。對于眼睛張開代表曲線25或27，使用正斜率二階多項式回歸來計算， 該正斜率二階多項式回歸適用于由第四和第五眼睛張開因子階段(即，L4和L5)組成的眼 睛張開因子。然后，在方框210，處理220驗證是否存在微入睡眼睛張開和閉合代表曲線。 這通過計算皮爾森系數r來完成r ^ ι......................................1 8^sar
▽(!^-(^^χΣ”-〒)
8
其中，X和Y是笛卡兒坐標的位置；對應于由眼睛張開因子階段Ll和L2組成的眼睛張開因子，X和Y是眼睛閉合代 表曲線21或26的位置，對應于由眼睛張開因子階段L4和L5組成的眼睛張開因子，X和Y 是眼睛張開代表曲線25或27的位置。如果兩個皮爾森系數都大于或等于給定的閾值(例 如0. 9)，那么處理200進入到方框212。如果是否定的，那么處理200回到方框202開始下 一圖像采樣。最后，在方框212，微入睡事件檢測設備100可通過集成的警報和/或顯示器 110向用戶10通知微入睡事件，或者使用例如有線或無線通信連接(例如藍牙、WIFI等) 經由輸入/輸出接口 112(見圖1)向進一步處理或設備提供信息。可以理解的是，皮爾森系數閾值并不意味著被限制為0. 9，并可以被調整以滿足需 要的置信水平。它還可以根據數碼相機102 (見圖1)的分辨率而改變。眼睛閉合模型基于這些具體的觀察，閉合、在眼瞼完全的或部分的閉合和重新張 開的持續時間。更準確地，眼睛閉合模型表示在眼瞼完全閉合然后重新張開的基準周期之 后逐步減少。如果上述情況全部反生，那么檢測到微入睡。PI 20GHz白■象麵步幽·,棚目青■；長棚精■棚列。現在參照圖6，示出了微入睡特征眼睛張開因子水平檢測的子處理300的流程圖， 該子處理300可在處理200的方框206處執行以便對于20Hz的圖像采樣頻率檢測五個微 入睡特征眼睛張開因子階段(即Ll至L5)(見圖5)的存在。子處理300的步驟由方框301 至305表示。在方框301，子處理300驗證是否檢測到第一階段Li。為此，子處理300檢查是否 存在最小值為六(6)的一系列、具有值δ = 1.00的連續眼睛張開因子。如果存在，那么子 處理300進入方框302，如果不存在，那么子處理300會退到處理200的方框202 (見圖2)。在方框302，子處理300驗證是否檢測到第二階段L2。為此，子處理300檢查是否 存在最小值為四(4)的一系列、具有δ =0.01和δ = 0.99之間值的連續減小的眼睛張 開因子。如果存在，那么子處理300進入方框303，如果不存在，那么子處理300會退到處理 200的方框202 (見圖2)。然后在方框303，子處理300驗證是否檢測到第三階段L3。為此，子處理300檢查 是否存在最小值為五(5)且最大值為120的一系列、具有值δ =0.00的連續眼睛張開因 子。如果存在，那么子處理300進入方框304，如果不存在，那么子處理300會退到處理200 的方框202 (見圖2)。在方框304，子處理300驗證是否檢測到第四階段L4。為此，子處理300檢查是否 存在最小值為四(4)的一系列、具有δ =0.01和δ =0.99之間值的連續增加的眼睛張 開因子。如果存在，那么子處理300進入方框305，如果不存在，那么子處理300會退到處理 200的方框202 (見圖2)。最后在方框305，子處理300驗證是否檢測到第五階段L5。為此，子處理300檢查 是否存在最小值為六(6)的一系列、具有值δ = 1.00的連續眼睛張開因子。如果存在，那 么子處理300進入處理200的方框208 (見圖2)，所有五個(5)微入睡特征眼睛張開因子階 段是存在的。如果不存在，那么子處理300會退到處理200的方框202 (見圖2)。可以理解 的是，用于檢測每個微入睡特征眼睛張開因子階段存在的眼睛張開因子的數量是可以例如 根據圖像采用頻率而改變的，并且只是用作示例性的實施例。
可以理解的是，如上所述的與微處理器相關聯的存儲器包含存儲在其中的多個參 考眼睛閉合模型。如圖5中所示的圖表是與參考眼睛閉合模型的比較。一旦發現匹配，就 證實了微入睡事件并激活警報。雖然通過具體實施方式
及其實施例來描述本發明，但是應該理解，對于本領域技 術人員來說顯而易見的是，在不脫離本發明范圍的情況下，可以對本發明具體實施方式
進 行修改。
權利要求
1.一種檢測對象的微入睡事件的方法，所述方法包括-通過在一段時間內測量至少一只眼睛的上眼瞼和下眼瞼之間的多個距離，確定多個 眼睛張開因子；-產生所述眼睛張開因子的圖形表示；以及-將所述一段時間內所述眼睛張開因子的變化與指示所述微入睡事件的參考眼睛閉合 模型相關聯。
2.如權利要求1所述的方法，進一步包括照射所述對象的面部；以及記錄面部圖像。
3.如權利要求2所述的方法，其中，具有紅外光源的數碼相機用于照射所述面部并用 于記錄所述面部圖像。
4.如權利要求1所述的方法，進一步包括通過使用面部特征識別算法，識別眼睛和眼險。
5.如權利要求1所述的方法，進一步包括通過根據所述眼睛的眨眼循環的時間測量 所述眼睛張開因子，驗證微入睡特征眼睛張開因子階段的存在。
6.如權利要求5所述的方法，其中，所述眼睛張開因子階段包括至少一個眼睛張開階段。
7.如權利要求5所述的方法，其中，所述眼睛張開因子包括一個或多個眼睛張開階段 以及五個或更少眼睛張開階段。
8.如權利要求5所述的方法，其中，所述眼睛張開因子包括五個眼睛張開階段。
9.如權利要求5所述的方法，其中，所述眼睛張開階段與張開的眼睛、所述眼瞼的閉 合、部分或閉合的眼睛、以及所述眼瞼的張開相關聯。
10.如權利要求1所述的方法，其中，所述眼睛張開因子包括五個連續的眼睛張開階 段，所述五個階段的連續檢測指示微入睡特征。
11.如權利要求10所述的方法，進一步包括如果檢測少于五個連續的眼睛張開因子 階段，那么確定另外的眼睛張開因子。
12.如權利要求5所述的方法，進一步包括計算眼睛張開和眼睛閉合代表曲線。
13.如權利要求12所述的方法，其中，使用負斜率和二階多項式回歸計算所述眼睛閉 合代表曲線，所述負斜率和二階多項式回歸適用于第一和第二眼睛張開因子階段的眼睛張 開因子。
14.如權利要求12所述的方法，其中，使用正斜率和二階多項式回歸計算所述眼睛張 開代表曲線，所述正斜率和二階多項式回歸適用于第四和第五眼睛張開因子階段的眼睛張 開因子。
15.如權利要求12所述的方法，進一步包括通過計算對應于所述第一和第二眼睛張 開因子階段的眼睛閉合代表曲線和對應于所述第四和第五眼睛張開因子階段的眼睛張開 代表曲線的皮爾森系數，驗證微入睡眼睛張開和閉合代表曲線的存在。
16.如權利要求15所述的方法，其中，當所述皮爾森系數大于或等于預定閾值時，通知 所述對象。
17.如權利要求3所述的方法，其中，以IOHz至60Hz之間的頻率對所述面部的圖像采樣。
18.如權利要求5所述的方法，進一步包括圖像采樣頻率為20Hz的、用于檢測微入睡特征眼睛張開因子階段的子處理。
19.如權利要求18所述的方法，其中，所述子處理包括通過確定相對于張開眼睛的一 系列六個或者更多連續的眼睛張開因子的存在，驗證檢測到第一階段。
20.如權利要求19所述的方法，進一步包括通過確定一系列四個或者更多連續減小 的眼睛張開因子的存在，驗證檢測到第二階段。
21.如權利要求20所述的方法，進一步包括通過確定一系列最小值為五且最大值為 一百二十連續的眼睛張開因子的存在，驗證檢測到第三階段。
22.如權利要求21所述的方法，進一步包括通過確定一系列最小值為四的連續眼睛 張開因子的存在，驗證檢測到第四階段。
23.如權利要求22所述的方法，進一步包括通過確定相對于張開眼睛的一系列最小 值為六的連續眼睛張開因子的存在，驗證檢測到第五階段。
24.如權利要求1所述的方法，進一步包括向所述對象警告所述微入睡事件的存在。
25.—種微入睡事件檢測設備，所述設備包括-面部圖像采樣器，在一段時間內對對象的面部圖像進行采樣，所述采樣器具有用于照 射所述對象的一個或多個眼睛的紅外光源；-微處理器，具有電子存儲在其中的、可電子執行的微入睡檢測處理，所述微處理器連 接到所述采樣器以接收所采樣的面部圖像，所述圖像被電子轉換成眼睛張開因子的圖形表 示；以及-與所述微處理器相關聯的存儲器，在所述存儲器中存儲了多個參考眼睛閉合模型，用 于將所述眼睛張開因子與所述參考眼睛閉合模型電子相關。
26.如權利要求25所述的設備，進一步包括連接至所述微處理器的警報，用于向所述 對象警告所述微入睡事件。
27.一種向車輛駕駛員警告微入睡事件的方法，所述方法包括-通過在一段時間內測量至少一只眼睛的上眼瞼和下眼瞼之間的多個距離，確定多個 眼睛張開因子；-產生所述眼睛張開因子的圖形表示；-將所述一段時間內所述眼睛張開因子的變化與指示所述微入睡事件的參考眼睛閉合 模型相關聯；以及-觸發警報，以向所述駕駛員警告所述微入睡事件。
28.—種將EEG和EOG微入睡模型與眼睛閉合模型相關聯的方法，所述方法包括-測量對象的EEG和EOG微入睡模型；-通過在一段時間內測量至少一只眼睛的上眼瞼和下眼瞼之間的多個距離，確定多個 眼睛張開因子；-產生所述眼睛張開因子的圖形表示；-將所述EEG和EOG微入睡模型與所述眼睛閉合因子的變化相關聯。
全文摘要
本發明公開了檢測對象的微入睡事件的方法。所述方法包括通過在一段時間內測量至少一只眼睛的上眼瞼和下眼瞼之間的多個距離，確定多個眼睛張開因子。產生所述眼睛張開因子的圖形表示。將所述一段時間內所述眼睛張開因子的變化與指示所述微入睡事件的參考眼睛閉合模型相關聯。另外還公開了檢測微入睡事件設備。
文檔編號G08B21/06GK102098955SQ200980125759
公開日2011年6月15日 申請日期2009年5月27日 優先權日2008年5月28日
發明者布魯諾·法爾波斯 申請人:有效調控運輸公司