基于混合脑电图和眼睛追踪的驾驶疲劳检测

科学领域:

• 神经科学是一个神经科学.
• 计算机科学 计算机科学
• 人与计算机的交互

背景情况:

• 基于脑电图 (EEG) 的方法在检测驾驶疲劳方面取得了成功.
• 由于信息不完整,单模式数据可能不足以进行最佳的疲劳检测.

研究的目的:

• 提出一种新的多式联网架构,将EEG和眼睛跟踪数据结合起来,以增强驾驶疲劳检测.
• 提高融合效率和特征表示,以便更准确地监测疲劳.

主要方法:

• 一个混合架构通过编码器单独处理EEG和眼睛跟踪数据.
• 使用跨模式预测对齐模块和1D注意模块来进行特征融合.
• 采用基于合特征的线性分类器来识别疲劳.

主要成果:

• 在会话内评估中实现了99.93%的准确性.
• 在跨会话评估中显示了88.67%的准确性,超过了仅使用EEG,仅使用眼睛追踪,DCCA和DGCCA的方法.
• 在跨学科评估中获得了78.19%的准确性,超过单模和基于CCA的多模方法.

结论:

• 与单模方法相比,建议的多模方法显著提高了驾驶疲劳的检测.
• 混合EEG和眼睛跟踪架构比现有的多式联络技术提供了更高的性能.
• 这种方法有望通过更强大的疲劳监测来改善驾驶员安全系统.