基于跨尺度EEG特征融合的疲劳驾驶检测.pdf
《基于跨尺度EEG特征融合的疲劳驾驶检测.pdf》由会员分享,可在线阅读,更多相关《基于跨尺度EEG特征融合的疲劳驾驶检测.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 卷第 期 年 月兰州交通大学学报 ,收稿日期:?学报网址:基金项目:国家自然科学基金();陇原青年创新创业人才(个人)项目;兰州交通大学“天佑青年托举人才计划”;甘肃省高等学校创新基金项目(?)第一作者:祁振民(),男,甘肃武威人,理学硕士,主要研究方向为人工智能、计算机辅助驾驶。?:通信作者:张冰涛(),男,陕西周至人,副教授,主要研究方向为人工智能、数据挖掘。?:文章编号:():基于跨尺度 特征融合的疲劳驾驶检测祁振民,张冰涛,宋宇博(兰州交通大学 电子与信息工程学院,兰州 ;兰州交通大学 机电技术研究所,兰州 )摘要:疲劳驾驶是交通事故及其所导致死亡的主要原因之一。传统基于生理信号的
2、疲劳驾驶检测方法往往使用单一尺度,使得部分有价值信息丢失。为此,提出了一种基于跨时空尺度脑电(,)特征融合的疲劳驾驶检测方法。基于可视图理论映射时序 信号到空间网络,以实现时空 转化;分别提取时域和空域 特征,发掘不同时空 特征对疲劳驾驶检测的潜力,设计基于特征权重系数的时空 特征融合方法,进而实现疲劳驾驶检测。实验结果表明:该方法可以有效地实现疲劳驾驶检测,最高检测准确率能够达到 。关键词:疲劳驾驶检测;脑电;跨尺度特征融合;权重系数中图分类号:文献标志码:?,(,;,):,()?,?,:;?;疲劳驾驶是指驾驶人员长时间驾驶车辆产生的困倦、瞌睡、注意力下降,甚至瞬间记忆消失等现象 。疲劳驾驶
3、易导致驾驶操作失误、反映不当等不安全因素,是交通事故的主要成因之一。我国每年由疲劳驾驶引起的交通事故占特大交通事故的 以上,约 人丧生于疲劳驾驶造成的车祸 ,因此,有效检测疲劳驾驶是减少交通事故的有效途径之一。疲劳驾驶检测方法主要分为基于车辆状态信息的检测和基于司机状态信息的检测 。前者利用第 期祁振民等:基于跨尺度 特征融合的疲劳驾驶检测车道偏移量、车速、方向盘转角、车身横摆等指标进行检测,容易受到司机驾驶水平和路况的影响,检测准确率和鲁棒性有待进一步提高 ;后者利用司机的脑电、语言、眼动、面部表情等生理特征进行检测?。由于生理特征具有不可伪造性特点,近年来,基于司机状态信息的疲劳驾驶检测方
4、法受到研究人员的广泛关注。文献 基于瞳孔测量实现了疲劳驾驶检测,其研究表明疲劳驾驶时瞳孔呈现缩小状态。文献 基于眼睛、鼻子和嘴巴等面部位置信息实现了疲劳驾驶检测。文献 在分析 信号不同频段功率谱基础上,利用 神经网络构建了一个疲劳驾驶检测系统。文献 利用 中 波和 波的变化规律实现了疲劳驾驶的检测。文献 利用卷积神经网络的自学习特性进行脑电信号分类,进而实现疲劳驾驶检测。上述研究从不同视角解决了疲劳驾驶检测问题,且各有优势,但均未考虑不同生理特征之间的信息互补对疲劳驾驶检测的影响。仅从单一尺度的生理信号进行疲劳驾驶检测,会丢失生理信号中部分有价值信息,而不同特征之间的融合是提高检测准确率的有效
5、手段 。基于此启发,本文提出了一种基于跨时空尺度 特征融合的疲劳驾驶检测方法。图 为检测方法模型示意图,主要包含 个部分:)数据预处理;)设计基于可视图的时空映射算法以及基于特征权重系数的时空 特征融合方法;)使用跨时空尺度 融合特征作为分类器输入,实现疲劳驾驶检测。本文后续章节将依次对上述研究内容进行介绍。电极位置驾驶过程时域特征?提取时域?特征构建空间?网络提取空域?特征空域特征?添加权重系数特征特征权重系数添加权重系数特征分类器正常驾驶疲劳驾驶?数据及预处理基于权重系数的时空?融合图 跨时空尺度 特征融合的疲劳驾驶检测框架?数据预处理 眼电噪声剔除 数据采集过程中不可避免地掺杂噪声,数据
6、预处理是获取相对纯净 信号的有效途径。下采样 信号,以减少高频噪声。使用低截止频率为 、高截止频率为 的带通滤波器进行滤波,以截取 的 信号。眼电(,)是 采集过程中的主要噪声,本文使用离散小波变换和自适应噪声消除相结合的方法 剔除 噪声。数据标签如图 所示,每个受试者在夜间驾驶场景中以 的恒定速度独自驾驶。个完整实验数据采集过程从偏差开始前 开始至接下来的 ,其包含偏差开始、响应开始。图 展示了 个疲劳驾驶过程中汽车的 个向左车道偏移和 个向右车道偏移。根据文献 定义,从车道偏差开始至响应开始为局部响应时间(,),是度量驾驶过程中司机的警惕程度,即度量驾驶员是否疲劳的主要指标项。为了更加准确
7、地度量疲劳驾驶,文献 还定义了全局响应时间(,),其计算过程如式()所示。?()兰州交通大学学报第 卷式中:?为第 个全局响应时间;?为第 个局部响应时间;为时间窗跨度,本文中设置 。根据文献 的研究结论,疲劳驾驶定义如式()所示,即受试者 和 均大于 。?,警觉驾驶?,疲劳驾驶 和 的其它组合情形,正常驾驶()从 名受试者模拟驾驶实验中提取 个时长为 的数据片段,其中:警觉驾驶片段为 个,疲劳驾驶片段为 个,普通正常驾驶片段为 个。本研究关注疲劳驾驶检测,因此将警觉驾驶片段和普通正常驾驶片段不进行区分,均作为非疲劳驾驶片段。跨时空尺度 融合模型跨时空尺度 融合模型由三部分组成:)映射时序 信
8、号到空间 网络;)从时序 信号和空间 网络中提取时空 特征;)跨时空尺度 特征融合。偏差开始响应开始响应结束响应时间左偏移右偏移偏差开始响应开始响应结束响应时间图 驾驶过程示意图 空间 网络构建设计基于可视图的时空映射算法,映射时序 信号到空间 网络。设 (,)是空间 网络,是节点集,是边集。对于任意时序 信号 ,空间 网络构建过程如下:将时序 信号中数据点 作为网络的节点,若时序 信号中存在数据点(,)满足式(),则这 个数据点对应的节点间存在连接。()图()展示了 个数据采样点的时序 信号,个采样点对应的节点依次为(,)、(,)、(,)、(,)、(,)、(,)、(,)。图()为 个采样点构
9、建的空间网络,根据式()生成的边依次为、。时空 特征提取 外在表现形式是任意电极之间的电压差 ,即 是一种时序信号。时域尺度特征能够直观反映时序 信号中蕴含的信息。基于此分析,本文提取了 参数、复杂度、功率谱熵、香农熵、近似熵等典型时序 特征。?数据点的功率?信号的采样点?时序?信号?空间?网络?图 时序 及生成空间网络 参数包含活动性、移动性和复杂性,计算过程如式()()所示。()()()(槡)()第 期祁振民等:基于跨尺度 特征融合的疲劳驾驶检测()(槡)()其中:、分别表示活动性、移动性和复杂性,为求信号方差的运算符,()为 时刻的 信号,()为 ()的一阶导数。复杂度计算过程如式()所
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 尺度 EEG 特征 融合 疲劳 驾驶 检测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。