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

【摘要】：在小型化、低功耗的可穿戴設備上,針對運行基于腦電信號的駕駛疲勞檢測系統(tǒng)的準確率不高的問題,在對被試者左前額腦電信號Attention和Meditation以及Blink的數(shù)據(jù)進行關系分析的基礎上,分別篩選最佳窗口寬度和分類算法,設計適用于可穿戴設備的疲勞駕駛檢測算法,并在安卓智能設備上進行系統(tǒng)實現(xiàn)。采用準確率、正樣本識別正確率、負樣本識別正確率、敏感性與特異性指標,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)絡算法的性能,并最終選擇k NN分類算法進行系統(tǒng)實現(xiàn)。實驗結(jié)果證明,該系統(tǒng)的準確率達到83.7%,敏感性與特異性分別達到73.8%和88.6%,系統(tǒng)具有無線、實時、準確高效的特點。
[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)大學軟件學院;
【基金】：國家自然科學基金(61040039,61201361) 北京市自然科學基金(4102005,4122010)
【分類號】：TP18;TP274

【參考文獻】

相關期刊論文 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警系統(tǒng)[J];北京大學學報(自然科學版);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];東北大學學報(自然科學版);2012年08期

3 何彪;周開班;;基于智能手機的遠程實時心電監(jiān)護系統(tǒng)[J];計算機工程;2009年12期

4 呂俊;謝勝利;章晉龍;;腦-機接口中基于ERS/ERD的自適應空間濾波算法[J];電子與信息學報;2009年02期

5 彭軍強;吳平東;殷罡;;疲勞駕駛的腦電特性探索[J];北京理工大學學報;2007年07期

6 王榮本,郭克友,儲江偉,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;機動車駕駛員駕駛疲勞測評方法的研究狀況及發(fā)展趨勢[J];中國農(nóng)業(yè)大學學報;2001年06期

【共引文獻】

相關期刊論文 前10條

1 王天梅;胡伊;肖永慧;;關于我國車險費率厘定方法創(chuàng)新研究——基于駕駛行為的車險費率厘定實證分析[J];價格理論與實踐;2016年11期

2 李翔;;基于以用戶為中心理論的汽車用戶出錯行為探究[J];設計藝術研究;2016年06期

3 黃春雨;蘇李;;基于圖像識別的疲勞駕駛監(jiān)測方法研究[J];長春理工大學學報(自然科學版);2016年06期

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

5 陳強;陳勛;余鳳瓊;;基于獨立向量分析的腦電信號中肌電偽跡的去除方法[J];電子與信息學報;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的多類運動想象腦電特征自動選擇算法[J];北京生物醫(yī)學工程;2016年04期

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

9 廖建國;賀勇標;魯國峰;;基于人眼狀態(tài)的疲勞駕駛檢測系統(tǒng)的實現(xiàn)[J];現(xiàn)代計算機(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檢測分析[J];中國安全科學學報;2016年07期

【二級參考文獻】

相關期刊論文 前10條

1 吳紹斌;高利;王劉安;;基于腦電信號的駕駛疲勞檢測研究[J];北京理工大學學報;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-機接口信號分類方法[J];東北大學學報(自然科學版);2009年08期

3 龔冠祥;梁杰申;梁輝宏;;基于DSP的疲勞駕駛預警系統(tǒng)的設計[J];微計算機信息;2009年05期

4 余波;何為;王平;李雪飛;;基于嵌入式系統(tǒng)的遠程多參數(shù)監(jiān)護系統(tǒng)[J];計算機工程;2008年06期

5 譚國濤;王劍英;;基于GPRS的遠程數(shù)據(jù)采集傳輸系統(tǒng)[J];計算機輔助工程;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;2007年03期

7 吳超仲;張暉;毛U，

本文編號：1552525