一种基于人类生命参数融合的道路催眠识别方法
Bin Wang1, Jingheng Wang2, Xiaoyuan Wang1
1College of Electromechanical Engineering, Qingdao University of Science and Technology, Qingdao 266000, China.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
这项研究引入了一种新的方法,通过将眼球运动和脑电图 (EEG) 数据结合起来来识别道路催眠. 开发的模型有效地检测道路催眠,提高驾驶员的安全.
科学领域:
- 神经科学是一个神经科学.
- 人与计算机的交互
- 运输安全运输安全
背景情况:
- 道路催眠是一种危险的状态,在驾驶过程中意识下降.
- 识别道路催眠依赖于外部 (例如,眼睛的运动) 和内部 (例如,脑电图 - EEG) 的特征.
- 现有的方法可能无法完全捕捉道路催眠的复杂性质.
研究的目的:
- 通过融合人类生活参数,提出一种新的道路催眠识别方法.
- 开发一个强大的模型,整合眼睛运动和EEG数据,以提高检测准确度.
- 为了增强对道路催眠背后的机制的理解.
主要方法:
- 从驾驶实验中收集的眼动和EEG数据.
- 使用主要组件分析 (PCA) 和独立组件分析 (ICA) 预处理的数据.
- 用自我注意模型 (SAM) 训练眼动数据和用深度信念网络 (DBN) 进行EEG数据,然后使用堆叠进行融合.
主要成果:
- 合并模型有效地识别了道路催眠.
- 拟议的方法在识别这种驾驶状态方面表现出了很高的准确性.
- 重复随机子样本交叉验证 (RRSCV) 证实了模型的可靠性.
结论:
- 眼睛运动和EEG数据的融合为道路催眠识别提供了有效的方法.
- 开发的SAM-DBN堆叠模型显著提高了检测准确度.
- 这项研究有助于理解道路催眠和提高驾驶员安全系统.


