基于脑电信号特征变化,来判断司机是否处于疲劳状态,已经被证明是一种有效的方法。但单一用传统的机器学习的方法对脑电信号进行疲劳检测的准确率还较低。因此,提出一种基于脑电信号和前额眼电信号多模态融合的神经网络方法,并利用上海交通大学公开数据集SEED-VIG进行训练,实验结果表明,与单一的模态相比,多模态融合对于疲劳度检测有更好的识别效果,其准确率达到98.3%,有助于推动司机驾驶过程基于脑电信号疲劳度检测系统的应用。
科研之友
微信
新浪微博
Facebook
分享链接
