-
题名基于局部与全局特征集成网络的跨被试驾驶疲劳检测
- 1
-
-
作者
龚子安
顾正晖
陈迪
-
机构
华南理工大学自动化科学与工程学院
-
出处
《计算机科学》
北大核心
2025年第6期200-210,共11页
-
基金
国家自然科学基金(62276102)
广东省自然科学基金(2021A1515012630)。
-
文摘
驾驶员疲劳检测在减少交通事故中发挥着重要作用。脑电信号作为能够直接反映驾驶员精神状态的指标,被公认为驾驶疲劳检测的有效工具。然而,脑电信号本身的高噪声特性以及在不同个体间的明显差异性,给基于脑电信号的跨被试驾驶疲劳检测带来了诸多挑战。对此,提出了一种基于局部特征处理和全局特征处理的集成网络来提取脑电信号中的特征,用于解决跨被试驾驶疲劳检测中面临的问题。在SEED-VIG数据集上进行跨被试三分类检测任务时,该模型取得了61.34%的准确率,显著优于基线方法。为了增强模型的性能,使用并改良了迁移学习方法,在跨被试三分类检测任务中,模型准确率提高了13.35%。综上,所提模型在基于脑电信号的跨被试驾驶疲劳检测上取得了良好效果,有望为该方向的研究提供新的策略。
-
关键词
疲劳检测
脑电信号
跨被试
局部特征处理
全局特征处理
集成网络
迁移学习
-
Keywords
Fatigue detection
Electroencephalogram
Cross-subject
Local feature processing
Global feature processing
Integra-ted network
Transfer learning
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
