原文传递
基于脑电和生理电信息的驾驶疲劳检测技术研究
| 论文题名： | 基于脑电和生理电信息的驾驶疲劳检测技术研究 |
| 关键词： | 驾驶疲劳检测;脑机接口;生理电信息;神经网络;眼睑闭合比;微分熵 |
| 摘要： | 疲劳驾驶是造成交通事故的主要原因之一。大多数驾驶员在驾驶过程中都有警觉性降低的疲劳现象经历，严重危害了道路交通安全。因此，如何有效快速地检测出驾驶员疲劳的产生并采取一些列措施是有必要的。近年来，驾驶疲劳检测一直受到学者们的广泛关注，本研究的主要目的也是寻找能够表示驾驶员疲劳的生理指标并提出相应的检测算法，从而实现对疲劳开始状态的检测。由于脑电信号一直被公认为是检测疲劳的“金标准”信号，眼电信号有着较高的信噪比和易采集特点，PERCLOS更是理想实验条件下检测疲劳的精准指标之一。所以本文研究基于脑电、眼电和眼动信号的驾驶员疲劳检测算法。 自脑电信号被发现以来，基于脑电和眼电的疲劳检测研究取得了长足发展。在疲劳检测研究过程中，脑电信号中的Alpha波的出现-消失被认为是一种疲劳出现的可靠标志。因此，在本课题研究过程中，重点考察包含Alpha波在内的多种波在疲劳产生时的变化规律和特点，探讨它们是否可以作为驾驶员疲劳出现的可靠生理指标并提出相应的检测算法，以实现对这些生理指标的自动检测。 本文的主要贡献和创新点如下： （1）设计了模拟驾驶实验。利用模拟驾驶舱进行模拟疲劳驾驶，共采集15名受试者每人1.5小时的模拟驾驶实验数据。诱发疲劳信号产生的同时，使用可穿戴设备收集脑电和眼电信号，并使用眼动仪标记数据。 （2）探索深度神经网络依靠EEG数据建模的能力。为更好的分析疲劳在脑电信号方面的表达，不同于传统EEG分析的特征向量表达方法，本文将脑电信号转换为一种保留时间、空间和频率的图像信号，输入到递归卷积神经网络进行分类。 （3）在公共数据集SEED-VIG上验证设计的递归卷积神经网络检测疲劳系统的可行性。SEED-VIG数据集仅采集了少量脑电和眼电电极，为研究最优疲劳通道，在实验中尽可能的收集脑电和眼电信号，为开发实用的基于脑电和眼电信号的可穿戴疲劳驾驶检测设备打下基础。 （4）提出一个基于单通道脑电信号疲劳检测系统，提取疲劳和正常状态下的样本熵、模糊熵和微分熵的脑电特征，分类器上对比梯度提升决策树、K邻近和支持向量机进行比较，最终在基于微分熵的梯度提升决策树分类系统上取得了最佳分类效果。 |
| 作者： | 方兆国 |
| 专业： | 控制科学与工程 |
| 导师： | 佟吉钢 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津理工大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
