基于EEG的船舶驾驶员疲劳程度识别

作者：李程浩; 付玉慧^*

来源：上海船舶运输科学研究所学报, 2023, 46(03): 22-28.

• 船舶驾驶员
• 脑电图
• 疲劳程度
• 特征提取
• 卡罗林斯卡嗜睡量
• 分类算法

大约80%的水上交通事故涉及人为因素，驾驶员疲劳是船舶交通事故发生的关键原因之一。近年来，基于脑电图(Electroencephalogram, EEG)的驾驶员疲劳检测技术的发展，有助于快速准确地识别驾驶员的疲劳程度。然而，由于EEG信号的敏感性和个体差异，影响驾驶员疲劳检测的准确性。该试验在船舶模拟器中进行，收集多个受试者的脑电信号。选取与疲劳相关的脑前额叶的3个通道脑电信号进行预处理，并提取基于EEG的多种特征，例如平均绝对值(Mean Absolute Value, MAV)、标准差(Standard Deviation, SD)、均方根(Root Mean Square, RMS)和香农熵(Shannon Entropy, SE)。基于卡罗林斯卡嗜睡量(Karolinska Sleepiness Scale, KSS)表将驾驶员的疲劳分为清醒、中等和疲劳等3个程度。将多种分类算法的分类准确率进行比较，双向长短期记忆网络(Bi-Long Short Term Memory, Bi-LSTM)分类器效果最佳，分类准确率达到88.63%。结果表明：该方法在研究船舶驾驶员跨个体的三分类问题中能获得显著的效果。

• 单位
  大连海事大学