基于脑电功率的疲劳驾驶检测研究

基于脑电功率的疲劳驾驶检测研究
摘  要
在道路交通安全领域，疲劳驾驶是一种常见的交通安全隐患。现有数据统计，全球每年有大约２１％的重大交通事故与疲劳驾驶有关，疲劳驾驶成为了诱发交通事故的主要原因之一，造成了重大的经济损失和人员伤亡[1]。因此，对驾驶员的疲劳程度进行定量分析并实时检测驾驶员的疲劳程度尤为重要。为了应对这一问题，研究人员提出了采用基于脑电功率的疲劳驾驶检测研究来检测驾驶员疲劳状态的方法。本文中采用的数据集是上海交通大学吕宝粮教授等人成立的仿脑计算与机器智能研究中心所测量的SEED-VIG数据集[2]。此数据集是在一个模拟驾驶系统内来收集EEG和EOG数据，通过LCD屏幕实现笔直、单调的驾驶道路，而此种场景更容易是受试者进入疲劳驾驶的状态。通过对数据集进行预处理分析和特征提取分析得到多通道脑电信号的频谱特征，并计算出信号在不同频（Delta、Theta、Alpha和Beta）上的功率谱密度，并使用auc函数计算每个频带上的面积最后基于采集到的脑电信号，建立了基于支持向量机（Support Vector Machine,SVM）的机器学习模型进行疲劳检测。实验结果表明，当大脑从清醒状态进入疲劳状态，枕叶区和颞叶区的Beta波和Delta波的功率谱密度有明显下降,Theta波和Alpha波的功率谱密度明显增强。
关键词：脑电功率、特征值、驾驶、疲劳检测

 
Research on fatigue driving detection based on EEG power
Abstract
Fatigue driving is a common traffic safety hazard in the field of road traffic safety. According to the existing statistics, about 21 % of m