[發明專利]基于集成學習的疲勞駕駛腦電信號回歸分析方法

有效

• 申請號: 202010925130.1
• 申請日: 2020-09-06
• 公開（公告）號: CN112016504B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 董娜;張文锜;李英杰;高忠科
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;A61B5/369;A61B5/374;G06K9/62
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李麗萍

本發明公開了一種基于集成學習的疲勞駕駛腦電信號回歸分析方法，采用功率譜密度特征提取器對受試者的30個通道的腦電圖信號進行特征提??；用主成分分析法將特征數據進行降維，將降維后的特征數據作為集成學習模型的輸入，將集成學習模型的輸出進行擬合，最終得到該受試者的疲勞回歸曲線；集成學習模型中，對腦電圖信號的疲勞指數進行最小二乘擬合，并將擬合后的數據作為集成學習的數據標簽；將支持向量回歸算法作為基學習器，并采用貝葉斯模型組合方法對支持向量回歸算法的輸出進行組合。本發明中引入支持向量回歸算法作為基學習器，通過增加基學習器的多樣性和差異性，以及引入貝葉斯模型組合方法，提高回歸分析方法在駕駛員疲勞回歸分析中的性能。

技術領域

本發明涉及一種腦電信號處理方法，尤其涉及一種基于集成學習的疲勞駕駛腦電信號回歸分析方法。

背景技術

隨著社會的不斷發展，我國的汽車數量急劇增加。截至2017年底，全國汽車數量達到2.17億輛，駕駛員人數達到3.42億人。如此龐大的數量，給我國的交通安全帶來了巨大的壓力。據有關報道，中國已成為世界上交通事故頻發的國家之一。疲勞駕駛是造成交通事故的主要原因之一。眾所周知，在駕駛過程中需要駕駛員注意力保持高度的集中，而在疲勞狀態下，駕駛員容易分心，思維不活躍，反應較慢，這些增加了交通事故發生的可能性。

為了減少事故，疲勞駕駛檢測技術已經成為研究的重點。疲勞駕駛檢測技術需要多個傳感器進行檢測，大致可分為三類：基于車輛參數(例如速度，加速度，車道偏移等)的疲勞駕駛檢測，基于駕駛員的生理反應(如閉眼的頻率，駕駛員的打哈欠狀態等)的疲勞駕駛檢測，以及基于駕駛員的生理信號(如EEG，ECG，脈搏等)的疲勞駕駛檢測。

基于車輛參數的疲勞檢測方法的優點在于，所使用的傳感器裝置不需要與駕駛員直接物理接觸，并且可以避免一些干擾。但是，它受環境或道路條件的嚴重影響?；隈{駛員生理反應的疲勞駕駛檢測方法可以避免這種情況，但是其準確性和適用性不高。研究表明，使用諸如體溫，血壓，心電圖，腦電圖(EEG)和肌電圖等電生理信息可以有效地檢測和評估人的疲勞狀態[1]。其中，將EEG信號用于疲勞駕駛監測是一個新的方向。

目前將機器學習用于基于EEG信號的疲勞駕駛分類的研究有很多。如Gao等人提出了一種基于EEG的時空卷積神經網絡來檢測駕駛員疲勞[2]；Harvy等人提出了一種基于功率譜和連通度的特征層和決策層融合的疲勞駕駛識別性能改進方法[3]；Wang等人提出了一種基于小波熵的疲勞特征EEG信號分析方法[4]；Min等人提出了一種基于多熵融合的EEG系統檢測駕駛員疲勞的方法[5]。而將集成學習用于基于EEG信號的疲勞駕駛回歸分析問題上的研究并不多。

[參考文獻]

[1]葉建芳,劉強,李雪瑩.基于隨機森林的疲勞駕駛檢測識別模型的優化研究[J].汽車實用技術,2018,268(13):46-50.

[2]Gao Z,Wang X,Yang Y,et al.EEG-Based Spatio-Temporal ConvolutionalNeural Network for Driver Fatigue Evaluation[J].IEEE Transactions on NeuralNetworks and Learning Systems,2019:1-9,doi:10.1109/TNNLS.2018.2886414.