1.一种高铁调度员疲劳状态测评方法，其特征在于，所述方法至少包括：获取所述高铁调度员的心率信号、心电信号、脑电信号、面部图像信号和眼动特征信号；

基于所述心率信号、所述心电信号、所述脑电信号、所述面部图像信号和所述眼动特征信号，提取疲劳警戒值以下的特征值；

基于所述疲劳警戒值以下的特征值，利用多通道数据融合算法，确定所述高铁调度员的疲劳状态。

2.根据权利要求1所述的方法，其特征在于，所述基于所述心率信号、所述心电信号、所述脑电信号、所述面部图像信号和所述眼动特征信号，提取疲劳警戒值以下的特征值，具体包括：基于所述心率信号，提取心率指标疲劳警戒值以下的特征值；

基于所述心电信号，提取心电指标疲劳警戒值以下的特征值；

基于所述脑电信号，提取脑电指标疲劳警戒值以下的特征值；

基于所述面部图像信号，提取面部特征指标疲劳警戒值以下的特征值；

基于所述眼动特征信号，提取眼动指标疲劳警戒值以下的特征值。

3.根据权利要求2所述的方法，其特征在于，所述基于所述心率信号，提取心率指标疲劳警戒值以下的特征值，具体包括：基于所述心率信号，得到心率值；

基于所述心率值，绘制心率变化曲线；

基于所述心率变化曲线，提取所述心率指标疲劳警戒值以下的特征值。

4.根据权利要求2所述的方法，其特征在于，所述基于所述心电信号，提取心电指标疲劳警戒值以下的特征值，具体包括：对所述心电信号进行滤波；

对滤波后的信号进行去伪迹处理；

对去伪迹后的信号进行时域至频域的变换；

基于变换结果，提取频域特征；

基于所述频域特征，提取所述心电指标疲劳警戒值以下的特征值。

5.根据权利要求2所述的方法，其特征在于，所述基于所述脑电信号，提取脑电指标疲劳警戒值以下的特征值，具体包括：对所述脑电信号进行滤波；

对滤波后的信号进行去伪迹处理；

对去伪迹后的信号进行时域至频域的变换；

基于变换后的信号，提取频域特征；

基于所述频域特征，提取所述脑电指标疲劳警戒值以下的特征值。

6.根据权利要求2所述的方法，其特征在于，所述基于所述面部图像信号，提取面部特征指标疲劳警戒值以下的特征值，具体包括：对所述面部图像信号进行数字图像处理；

基于处理后的结果，确定面部特征；

基于所述面部特征，确定面部疲劳表情特征；

基于所述面部疲劳表情特征，提取所述面部特征指标疲劳警戒值以下的特征值。

7.根据权利要求2所述的方法，其特征在于，所述基于所述眼动特征信号，提取眼动指标疲劳警戒值以下的特征值，具体包括：对所述眼动特征信号进行数字图像处理；

基于处理后的结果，提取眼动参数；

基于所述眼动参数，提取所述眼动指标疲劳警戒值以下的特征值。

8.根据权利要求2所述的方法，其特征在于，所述基于所述疲劳警戒值以下的特征值，利用多通道数据融合算法，确定所述高铁调度员的疲劳状态，具体包括：利用熵的方法，根据下式计算所述心率指标疲劳警戒值以下的特征值、所述心电指标疲劳警戒值以下的特征值、所述脑电指标疲劳警戒值以下的特征值、所述面部特征指标疲劳警戒值以下的特征值、所述眼动指标疲劳警戒值以下的特征值的概率：mi(Θ)＝-k[qiMF log2qiMF+(1-qiMF)log2(1-qiMF)]其中，所述 所述MF表示疲劳；所述 表示不疲劳；所述qiMF表示第i个通道判别高铁调度员处于疲劳状态的概率；所述1-qiMF表示第i个通道判别高铁调度员处于不疲劳状态的概率，所述i＝1,2,…5；所述各通道分别输入所述心率指标疲劳警戒值以下的特征值、所述心电指标疲劳警戒值以下的特征值、所述脑电指标疲劳警戒值以下的特征值、所述面部特征指标疲劳警戒值以下的特征值、所述眼动指标疲劳警戒值以下的特征值；

所述k表示调节因子，并且k∈(0,1)；

根据下式计算处于疲劳状态的基础分配概率和处于不疲劳状态的基础分配概率：mi(MF)＝qiMF(1-mi(Θ))mi(MF)＝(1-qiMF)(1-mi(Θ))其中，所述mi(MF)表示处于疲劳状态的基础分配概率；所述 表示处于不疲劳状态的基础分配概率；

根据下式进行基于D-S证据理论的多通道融合，计算高铁调度员处于疲劳状态的概率、高铁调度员处于不疲劳状态的概率以及所述各疲劳警戒值以下的特征值融合后的概率：其中，所述m(MF)表示所述高铁调度员处于疲劳状态的概率；所述 表示所述高铁调度员处于不疲劳状态的概率；所述m(Θ)表示所述疲劳警戒值以下的特征值融合后的概率；所述 或Θ，所述i＝1,2,......5,所述j＝1,2k；

根据下式计算疲劳的信任函数和似然函数，以及不疲劳的信任函数和似然函数：Bel(MF)＝m(MF)

其中，所述Bel(MF)表示所述疲劳的信任函数；所述Pl(MF)表示所述疲劳的似然函数；

所述 表示所述不疲劳的信任函数；所述 表示所述不疲劳的似然函数；

根据所述疲劳的信任函数和似然函数，以及所述不疲劳的信任函数和似然函数，判定所述高铁调度员是否处于疲劳状态。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所确定的所述疲劳状态与疲劳状态阈值进行比较；

若超过阈值，则进行预警干预。

10.一种高铁调度员疲劳状态测评系统，其特征在于，所述系统至少包括：获取模块，用于获取所述高铁调度员的心率信号、心电信号、脑电信号、面部图像信号和眼动特征信号；

提取模块，用于基于所述心率信号、所述心电信号、所述脑电信号、所述面部图像信号和所述眼动特征信号，提取疲劳警戒值以下的特征值；

确定模块，用于基于所述疲劳警戒值以下的特征值，利用多通道数据融合算法，确定所述高铁调度员的疲劳状态。

11.根据权利要求10所述的系统，其特征在于，所述提取模块具体包括：第一提取单元，用于基于所述心率信号，提取心率指标疲劳警戒值以下的特征值；

第二提取单元，用于基于所述心电信号，提取心电指标疲劳警戒值以下的特征值；

第三提取单元，用于基于所述脑电信号，提取脑电指标疲劳警戒值以下的特征值；

第四提取单元，用于基于所述面部图像信号，提取面部特征指标疲劳警戒值以下的特征值；

第五提取单元，用于基于所述眼动特征信号，提取眼动指标疲劳警戒值以下的特征值。

12.根据权利要求11所述的系统，其特征在于，所述第一提取单元具体包括：获取单元，用于基于所述心率信号，得到心率值；

绘制单元，用于基于所述心率值，绘制心率变化曲线；

第一提取子单元，用于基于所述心率变化曲线，提取所述心率指标疲劳警戒值以下的特征值。

13.根据权利要求11所述的系统，其特征在于，所述第二提取单元具体包括：第一滤波单元，用于对所述心电信号进行滤波；

第一去伪迹单元，用于对滤波后的信号进行去伪迹处理；

第一变换单元，用于对去伪迹后的信号进行时域至频域的变换；

第二提取子单元，用于基于变换结果，提取频域特征；

第三提取子单元，用于基于所述频域特征，提取所述心电指标疲劳警戒值以下的特征值。

14.根据权利要求11所述的系统，其特征在于，所述第三提取单元具体包括：第二滤波单元，用于对所述脑电信号进行滤波；

第二去伪迹单元，用于对滤波后的信号进行去伪迹处理；

第二变换单元，用于对去伪迹后的信号进行时域至频域的变换；

第四提取子单元，用于基于变换后的信号，提取频域特征；

第五提取子单元，用于基于所述频域特征，提取所述脑电指标疲劳警戒值以下的特征值。

15.根据权利要求11所述的系统，其特征在于，所述第四提取单元具体包括：第一处理单元，用于对所述面部图像信号进行数字图像处理；

第一确定单元，用于基于处理后的结果，确定面部特征；

第二确定单元，用于基于所述面部特征，确定面部疲劳表情特征；

第六提取子单元，用于基于所述面部疲劳表情特征，提取所述面部特征指标疲劳警戒值以下的特征值。

16.根据权利要求11所述的系统，其特征在于，所述第五提取单元具体包括：第二处理单元，用于对所述眼动特征信号进行数字图像处理；

第七提取子单元，用于基于处理后的结果，提取眼动参数；

第八提取子单元，用于基于所述眼动参数，提取所述眼动指标疲劳警戒值以下的特征值。

17.根据权利要求11所述的系统，其特征在于，所述确定模块具体包括：第一计算单元，用于利用熵的方法，根据下式计算所述心率指标疲劳警戒值以下的特征值、所述心电指标疲劳警戒值以下的特征值、所述脑电指标疲劳警戒值以下的特征值、所述面部特征指标疲劳警戒值以下的特征值、所述眼动指标疲劳警戒值以下的特征值的概率：mi(Θ)＝-k[qiMFlog2qiMF+(1-qiMF)log2(1-qiMF)]其中，所述 所述MF表示疲劳；所述 表示不疲劳；所述qiMF表示第i个通道判别高铁调度员处于疲劳状态的概率；所述1-qiMF表示第i个通道判别高铁调度员处于不疲劳状态的概率，所述i＝1,2,…5；所述各通道分别输入所述心率指标疲劳警戒值以下的特征值、所述心电指标疲劳警戒值以下的特征值、所述脑电指标疲劳警戒值以下的特征值、所述面部特征指标疲劳警戒值以下的特征值、所述眼动指标疲劳警戒值以下的特征值；

所述k表示调节因子，并且k∈(0,1)；

第二计算单元，用于根据下式计算处于疲劳状态的基础分配概率和处于不疲劳状态的基础分配概率：mi(MF)＝qiMF(1-mi(Θ))mi(MF)＝(1-qiMF)(1-mi(Θ))其中，所述mi(MF)表示处于疲劳状态的基础分配概率；所述 表示处于不疲劳状态的基础分配概率；

第三计算单元，用于根据下式进行基于D-S证据理论的多通道融合，计算高铁调度员处于疲劳状态的概率、高铁调度员处于不疲劳状态的概率以及所述各疲劳警戒值以下的特征值融合后的概率：其中，所述m(MF)表示所述高铁调度员处于疲劳状态的概率；所述 表示所述高铁调度员处于不疲劳状态的概率；所述m(Θ)表示所述疲劳警戒值以下的特征值融合后的概率；所述 或Θ，所述i＝1,2,......5,所述j＝1,2k；

第四计算单元，用于根据下式计算疲劳的信任函数和似然函数，以及不疲劳的信任函数和似然函数：Bel(MF)＝m(MF)

其中，所述Bel(MF)表示所述疲劳的信任函数；所述Pl(MF)表示所述疲劳的似然函数；

所述 表示所述不疲劳的信任函数；所述 表示所述不疲劳的似然函数；

判定单元，用于根据所述疲劳的信任函数和似然函数，以及所述不疲劳的信任函数和似然函数，判定所述高铁调度员是否处于疲劳状态。

18.根据权利要求10所述的系统，其特征在于，所述系统还包括：比较单元，用于将所确定的所述疲劳状态与疲劳状态阈值进行比较；

预警干预单元，用于在所述疲劳状态超过所述疲劳状态阈值的情况下，进行预警干预。