[基于前额前脑电图的疲劳驾驶检测非对称的等级融合网络]
Jiazheng Sun1,2, Weimin Li2, Ningling Zhang2
1School of Railway Traffic, Shandong Jiaotong University, Jinan 250000, P. R. China.
概括
这项研究引入了一种新的疲劳驾驶检测方法,仅使用四个前脑电图 (EEG) 信号. 该模型达到89.80%的准确性,为道路安全提供了切实可行的解决方案.
科学领域:
- 神经科学和人工智能 人工智能
- 大脑-计算机接口用于驾驶员监控.
背景情况:
- 驾驶疲劳是交通事故的主要原因之一,危及驾驶员和公共安全.
- 目前使用多通道脑电图 (EEG) 信号的方法复杂,需要繁的设备.
- 需要更实用,更有效的疲劳检测系统.
研究的目的:
- 提出一种使用有限的前脑电图 (EEG) 信号来检测疲劳的方法.
- 开发一个疲劳驾驶检测模型,增强功能学习能力.
- 提高疲劳监测系统的实用性和准确性.
主要方法:
- 利用前脑电图 (EEG) 信号,特别关注四个通道.
- 开发了一个包含注意力机制的非对称的等级融合网络.
- 集成的交叉注意力和自我注意力机制以融合功率光谱密度 (PSD) 和微分 (DE) 特性.
主要成果:
- 拟议的模型在SEED-VIG数据集上实现了89.80%的准确性.
- 与现有方法相比,在疲劳检测方面表现出优越的性能.
- 使用较少的EEG通道提高了该模型的实用性.
结论:
- 基于正面EEG的疲劳检测模型提供了高准确性和实用性.
- 这种方法为预防与疲劳相关的交通事故提供了宝贵的技术支持.
- 层次融合网络有效地捕捉了功能依赖性,以进行强大的疲劳监测.
