發(fā)布時(shí)間：2018-03-01 15:24

  本文關(guān)鍵詞： 可穿戴 疲勞駕駛檢測 腦電信號(hào) 眨眼頻率 分類算法 相關(guān)系數(shù)　出處：《計(jì)算機(jī)工程》2017年02期 　論文類型：期刊論文

【摘要】：在小型化、低功耗的可穿戴設(shè)備上,針對運(yùn)行基于腦電信號(hào)的駕駛疲勞檢測系統(tǒng)的準(zhǔn)確率不高的問題,在對被試者左前額腦電信號(hào)Attention和Meditation以及Blink的數(shù)據(jù)進(jìn)行關(guān)系分析的基礎(chǔ)上,分別篩選最佳窗口寬度和分類算法,設(shè)計(jì)適用于可穿戴設(shè)備的疲勞駕駛檢測算法,并在安卓智能設(shè)備上進(jìn)行系統(tǒng)實(shí)現(xiàn)。采用準(zhǔn)確率、正樣本識(shí)別正確率、負(fù)樣本識(shí)別正確率、敏感性與特異性指標(biāo),分別測試4種分類算法,即k臨近算法、決策樹算法、樸素貝葉斯算法、多層人工神經(jīng)網(wǎng)絡(luò)算法的性能,并最終選擇k NN分類算法進(jìn)行系統(tǒng)實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果證明,該系統(tǒng)的準(zhǔn)確率達(dá)到83.7%,敏感性與特異性分別達(dá)到73.8%和88.6%,系統(tǒng)具有無線、實(shí)時(shí)、準(zhǔn)確高效的特點(diǎn)。
[Abstract]:On the miniaturized, low-power wearable devices, aiming at the problem that the accuracy of driving fatigue detection system based on EEG is not high, the relationship between Attention, Meditation and Blink data of left frontal EEG is analyzed. Selecting the best window width and classifying algorithm, designing the fatigue driving detection algorithm suitable for wearable device, and implementing it on the Android intelligent device. The accuracy rate, positive sample recognition accuracy rate, negative sample recognition accuracy rate, and negative sample recognition accuracy rate are adopted. The sensitivity and specificity of four classification algorithms, namely, k-neighborhood algorithm, decision tree algorithm, naive Bayesian algorithm and multi-layer artificial neural network algorithm, are tested respectively. The experimental results show that the accuracy of the system reaches 83.7, the sensitivity and specificity of the system reach 73.8% and 88.6respectively. The system has the characteristics of wireless, real-time, accurate and efficient.
【作者單位】： 北京工業(yè)大學(xué)軟件學(xué)院;
【基金】：國家自然科學(xué)基金(61040039,61201361) 北京市自然科學(xué)基金(4102005,4122010)
【分類號(hào)】：TP18;TP274

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 程如中;趙勇;戴勇;陳偉;隋博;王浪;王新安;;基于Adaboost方法的車載嵌入式疲勞駕駛預(yù)警系統(tǒng)[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

2 葉檸;孫宇舸;;基于EEG小波包子帶能量比的疲勞駕駛檢測方法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年08期

3 何彪;周開班;;基于智能手機(jī)的遠(yuǎn)程實(shí)時(shí)心電監(jiān)護(hù)系統(tǒng)[J];計(jì)算機(jī)工程;2009年12期

4 呂俊;謝勝利;章晉龍;;腦-機(jī)接口中基于ERS/ERD的自適應(yīng)空間濾波算法[J];電子與信息學(xué)報(bào);2009年02期

5 彭軍強(qiáng);吳平東;殷罡;;疲勞駕駛的腦電特性探索[J];北京理工大學(xué)學(xué)報(bào);2007年07期

6 王榮本,郭克友,儲(chǔ)江偉,初秀民;適用駕駛員疲勞狀態(tài)監(jiān)測的人眼定位方法研究[J];公路交通科技;2003年05期

7 鄭培,宋正河,周一鳴;機(jī)動(dòng)車駕駛員駕駛疲勞測評(píng)方法的研究狀況及發(fā)展趨勢[J];中國農(nóng)業(yè)大學(xué)學(xué)報(bào);2001年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王天梅;胡伊;肖永慧;;關(guān)于我國車險(xiǎn)費(fèi)率厘定方法創(chuàng)新研究——基于駕駛行為的車險(xiǎn)費(fèi)率厘定實(shí)證分析[J];價(jià)格理論與實(shí)踐;2016年11期

2 李翔;;基于以用戶為中心理論的汽車用戶出錯(cuò)行為探究[J];設(shè)計(jì)藝術(shù)研究;2016年06期

3 黃春雨;蘇李;;基于圖像識(shí)別的疲勞駕駛監(jiān)測方法研究[J];長春理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年06期

4 劉志強(qiáng);宋雪松;汪彭;周桂良;;基于眼部特征的疲勞駕駛辨識(shí)方法研究[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2016年10期

5 陳強(qiáng);陳勛;余鳳瓊;;基于獨(dú)立向量分析的腦電信號(hào)中肌電偽跡的去除方法[J];電子與信息學(xué)報(bào);2016年11期

6 杜冠宏;李慶之;董正心;;基于TGAM模塊的疲勞駕駛監(jiān)測系統(tǒng)[J];新型工業(yè)化;2016年08期

7 康莎莎;周蚌艷;呂釗;吳小培;;基于CSP的多類運(yùn)動(dòng)想象腦電特征自動(dòng)選擇算法[J];北京生物醫(yī)學(xué)工程;2016年04期

8 李聰;;車輛駕駛狀態(tài)監(jiān)控預(yù)警系統(tǒng)設(shè)計(jì)[J];信息與電腦(理論版);2016年15期

9 廖建國;賀勇標(biāo);魯國峰;;基于人眼狀態(tài)的疲勞駕駛檢測系統(tǒng)的實(shí)現(xiàn)[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2016年20期

10 王宏鵬;艾力·斯木吐拉;;高原公路低氧路段駕駛疲勞腦電信號(hào)檢測分析[J];中國安全科學(xué)學(xué)報(bào);2016年07期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳紹斌;高利;王劉安;;基于腦電信號(hào)的駕駛疲勞檢測研究[J];北京理工大學(xué)學(xué)報(bào);2009年12期

2 葉檸;孫宇舸;王旭;;基于共空間模式和K近鄰分類器的腦-機(jī)接口信號(hào)分類方法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年08期

3 龔冠祥;梁杰申;梁輝宏;;基于DSP的疲勞駕駛預(yù)警系統(tǒng)的設(shè)計(jì)[J];微計(jì)算機(jī)信息;2009年05期

4 余波;何為;王平;李雪飛;;基于嵌入式系統(tǒng)的遠(yuǎn)程多參數(shù)監(jiān)護(hù)系統(tǒng)[J];計(jì)算機(jī)工程;2008年06期

5 譚國濤;王劍英;;基于GPRS的遠(yuǎn)程數(shù)據(jù)采集傳輸系統(tǒng)[J];計(jì)算機(jī)輔助工程;2007年02期

6 丁克良;歐吉坤;趙春梅;;正交最小二乘曲線擬合法[J];測繪科學(xué);2007年03期

7 吳超仲;張暉;毛U，

本文編號(hào)：1552525