使用腦電圖的基于混合深層通用模型駕駛員疲勞檢測系統(tǒng)

（EEG-based Driver Fatigue Detection using Hybrid Deep Generic Model）

駕駛員的疲勞駕駛是發(fā)生交通事故的重要因素之一，駕駛員疲勞通常被定義為駕駛時感覺疲倦并且警覺性降低，這會損害駕駛員在駕駛汽車時對汽車的控制能力，增加交通事故發(fā)生的可能性。駕駛員疲勞的癥狀主要包括疲勞感增加、反應時間延長和駕駛期間注意力不集中。生理測量被認為是對駕駛員疲勞的有效測量手段之一。駕駛疲勞檢測的方法主要分為以下三種：腦電圖（EEG）、眼電圖（EOG）和心電圖（ECG）。對這三種檢測方法的對比分析結果表明，腦電圖是檢測駕駛疲勞的最重要而且是最可靠的方法，因為它直接測量人類大腦中的神經(jīng)元活動。因此，本文利用先進的智能計算方法來改進基于EEG系統(tǒng)的疲勞分析策略。提出了一種基于混合深度通用模型（DGM）的駕駛員疲勞監(jiān)測系統(tǒng)，用于對駕駛員疲勞的精確檢測。

在本文中，通過使用32個EEG通道，開發(fā)了基于混合深度通用模型（DGM）的駕駛員疲勞檢測系統(tǒng)。為了評估所提出的方法的有效性，進行了幾個實驗并進行了分析。實驗結果表明，所提出駕駛員疲勞監(jiān)測系統(tǒng)的檢測準確率達到73.29%，靈敏度為91.10%。這意味著混合深度通用模型（DGM）對于提高駕駛員疲勞檢測系統(tǒng)的性能是有效的。簡而言之，駕駛員疲勞檢測系統(tǒng)通過分析駕駛員腦電信號的變化，可以有效地檢測駕駛員疲勞狀態(tài)。