(EEG-based Driver Fatigue Detection using Hybrid Deep Generic Model)
駕駛員的疲勞駕駛是發(fā)生交通事故的重要因素之一,駕駛員疲勞通常被定義為駕駛時(shí)感覺疲倦并且警覺性降低,這會(huì)損害駕駛員在駕駛汽車時(shí)對(duì)汽車的控制能力,增加交通事故發(fā)生的可能性。駕駛員疲勞的癥狀主要包括疲勞感增加、反應(yīng)時(shí)間延長(zhǎng)和駕駛期間注意力不集中。生理測(cè)量被認(rèn)為是對(duì)駕駛員疲勞的有效測(cè)量手段之一。駕駛疲勞檢測(cè)的方法主要分為以下三種:腦電圖(EEG)、眼電圖(EOG)和心電圖(ECG)。對(duì)這三種檢測(cè)方法的對(duì)比分析結(jié)果表明,腦電圖是檢測(cè)駕駛疲勞的最重要而且是最可靠的方法,因?yàn)樗苯訙y(cè)量人類大腦中的神經(jīng)元活動(dòng)。因此,本文利用先進(jìn)的智能計(jì)算方法來改進(jìn)基于EEG系統(tǒng)的疲勞分析策略。提出了一種基于混合深度通用模型(DGM)的駕駛員疲勞監(jiān)測(cè)系統(tǒng),用于對(duì)駕駛員疲勞的精確檢測(cè)。
在本文中,通過使用32個(gè)EEG通道,開發(fā)了基于混合深度通用模型(DGM)的駕駛員疲勞檢測(cè)系統(tǒng)。為了評(píng)估所提出的方法的有效性,進(jìn)行了幾個(gè)實(shí)驗(yàn)并進(jìn)行了分析。實(shí)驗(yàn)結(jié)果表明,所提出駕駛員疲勞監(jiān)測(cè)系統(tǒng)的檢測(cè)準(zhǔn)確率達(dá)到73.29%,靈敏度為91.10%。這意味著混合深度通用模型(DGM)對(duì)于提高駕駛員疲勞檢測(cè)系統(tǒng)的性能是有效的。簡(jiǎn)而言之,駕駛員疲勞檢測(cè)系統(tǒng)通過分析駕駛員腦電信號(hào)的變化,可以有效地檢測(cè)駕駛員疲勞狀態(tài)。