基于脑电图识别结合操纵特征的驾驶疲劳检测

被引：97

作者：

王斐 ^{[1
]}

王少楠 ^{[1
]}

王惜慧 ^{[2
]}

彭莹 ^{[1
]}

杨乙丁 ^{[1
]}

机构：

[1] 东北大学信息科学与工程学院

[2] 华南理工大学汽车工程重点实验室

来源：

仪器仪表学报 | 2014年 / 35卷 / 02期

关键词：

驾驶疲劳; 脑电图; 操纵特性; 共空间模式; 小波包变换; 支持向量机;

D O I：

10.19650/j.cnki.cjsi.2014.02.022

中图分类号：

U491.254 [];

学科分类号：

摘要：

精神疲劳影响驾驶员的警觉性和安全驾驶能力,引发的交通安全问题不容忽视。将脑电图识别与车辆操纵特性相结合来检测驾驶员的疲劳状态,预期为搭建疲劳驾驶检测系统提供理论及实验依据。设计了模拟驾驶实验,采集被试者的脑电图(EEG)信号和对应的方向盘操纵数据;针对疲劳程度三分类问题,利用小波包变换和共空间模式算法对EEG信号进行特征提取;依据车辆操纵特性评估驾驶员疲劳程度来确定EEG信号的分类标准;并选择支持向量机对EEG信号进行分类以完成对驾驶员精神疲劳状态的定性分析,分类准确率可达94.259%。

引用

页码：398 / 404

页数：7

共 10 条

[1]

EEG-based mental fatigue measurement using multi-class support vector machines with confidence estimate [J].

Shen, Kai-Quan ;

Li, Xiao-Ping ;

Ong, Chong-Jin ;

Shao, Shi-Yun ;

Wilder-Smith, Einar P. V. .

CLINICAL NEUROPHYSIOLOGY, 2008, 119 (07) :1524-1533

[2]

EEG feature extraction based on wavelet packet decomposition for brain computer interface.[J].Wu Ting;Yan Guo-zheng;Yang Bang-hua;Sun Hong.Measurement.2007, 6

[3]

A critical review of the psychophysiology of driver fatigue [J].