基于大脑源活动和ARMA模型的驾驶疲劳检测

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 运输安全运输安全

背景情况:

• 驾驶员疲劳是道路交通事故的主要原因之一.
• 电脑电图 (EEG) 为客观检测疲劳提供了一个有前途的途径.

研究的目的:

• 开发和验证一种基于EEG的新方法,用于准确识别驾驶员疲劳.
• 通过减少与疲劳有关的事故来提高驾驶员的安全.

主要方法:

• 预处理EEG信号,包括过和文物排斥.
• 应用源定位和配合多变量自回归 (MVAR) 和自回归移动平均 (ARMA) 模型.
• 从模型参数,源关系和波形变换中提取特征.
• 采用特征选择方法 (RelifF,NCA) 和集体分类器 (KNN,SVM,NB) 与投票策略.

主要成果:

• 拟议的方法准确地识别和分类疲劳的司机.
• 与单个分类器相比,整体分类显著提高了疲劳检测性能.
• 在源活动和EEG信号之间使用ARMA建模的新方法被证明是有效的.

结论:

• 开发的基于EEG的方法为驾驶员疲劳检测提供了强大而准确的解决方案.
• 这种方法有可能在现实世界中用于提高道路安全.
• 进一步的研究可以探索先进的特征提取和分类技术.