困倦起始檢測實現基于心率信息來預測人何時從清醒狀態過渡到困倦狀態。接著采取合適的行動來將人刺激至清醒狀態或通知其他人其狀態(關于困倦/警覺)。這一般涉及使用一個或多個心率(HR)傳感器隨時間捕獲人的心率信息，并且接著根據所捕獲的心率信息來計算心率變異性(HRV)信號。使用離散傅里葉變換和離散小波變換，分析HRV信號以提取指示個體從清醒狀態到困倦狀態的過渡的特征。將所提取的特征輸入到已經被訓練為使用相同的特征來識別個體何時進行前述過渡到困倦的人工神經網絡(ANN)中。每當檢測到困倦起始時，發起警告。

背景技術

腦電圖(EEG)是一種隨時間來監視如使用放置在頭皮上的多個電極所捕獲的大腦的電活動的方法。關于人的精神和身體狀況的信息可以從對EEG信號中觀察到的所謂的腦波的分析中得出。一種這樣的情況是清醒狀態與困倦狀態之間的轉換。

在人類睡眠中，存在兩種主要類型的睡眠——即，快速眼動(REM)睡眠和非快速眼動(NREM)睡眠。REM睡眠在EEG信號中可通過其特有的低振幅高頻率波被識別。NREM睡眠分為三個不同的階段：N1、N2和N3；并呈現出與REM睡眠非常不同的EEG波形。例如，N3NREM睡眠在EEG信號中展現出由高振幅低頻率波表征的腦波。一般而言，隨著人從N1階段轉換到N3階段的睡眠，腦波變得更慢并且更加同步。

當人入睡時，他們身體的活動減慢，并且他們的腦波變得更慢且更大。Nl NREM睡眠經常被稱為困倦睡眠或困倦，通常發生在睡眠與清醒之間。該階段在EEG信號中表征為具有8-13Hz頻率(其在清醒狀態中常見)的所謂的alpha波與具有4-7Hz頻率的所謂的theta波之間的轉換。因此，可以在EEG信號中容易地看到從清醒狀態到困倦狀態的轉換。

發明內容

在本文中所描述的困倦起始檢測實現通常檢測個體中困倦的起始。在一個一般實現中，這涉及使用捕獲個體的HR信息的一個或多個心率(HR)傳感器、一個或多個計算設備、以及具有能夠由一個或多個計算設備執行的多個子程序的困倦起始檢測器計算機程序。所述一個或多個計算設備由困倦起始檢測器計算機程序的子程序引導，以首先從所述一個或多個心率傳感器接收HR信息。接著從HR信息中提取一組特征。能夠從HR信息中提取的許多特征中的所述特征已經被確定為具體地指示從個體的清醒狀態到個體的困倦狀態的轉換。接下來，組合所提取的特征以產生困倦檢測輸入。接著將困倦檢測輸入饋送到人工神經網絡(ANN)分類器中，其已經被訓練為基于所提取的特征來對個體的清醒狀態與個體的困倦狀態進行區分。在一個實現中，還使用在EEG信號中展現出的清醒與困倦(即，N1NREM睡眠)之間的轉換的指示符來部分地訓練ANN分類器。接下來，從ANN分類器的輸出中識別困倦檢測輸入是否指示個體展現出困倦的起始。如果是，則發起困倦起始警告。

應當注意的是，提供了前述發明內容以用簡化形式引入在以下具體實施方式中進一步地被描述的概念的選擇。本發明內容不旨在標識所要求保護的主題的關鍵特征或必要特征，也不旨在用于幫助確定所要求保護的主題的范圍。其唯一目的在于以簡化形式呈現所要求保護的主題的一些概念，以作為在下文中呈現的更加詳細的描述的序言。

附圖說明

關于以下描述、所附權利要求、和附圖，本公開的具體特征、方面和優點將變得更好理解，其中：

圖1是以簡化形式示出用于實現在本文中所描述的困倦起始檢測實現的系統框架的一個實現的圖。

圖2是以簡化形式示出用于檢測個體中困倦的起始的過程的示例性實現的流程圖。

圖3是以簡化形式示出涉及遠程服務器或云服務的用于實現在本文中所描述的困倦起始檢測實現的系統框架的另一實現的圖。

圖4是以簡化形式示出涉及遠程服務器或云服務的用于檢測個體中困倦的起始的過程的示例性實現的流程圖。

圖5是以簡化形式示出用于訓練困倦起始檢測分類器的系統框架的示例性實現的圖，該困倦起始檢測分類器進而可以用于檢測個體中困倦的起始。