【技术实现步骤摘要】
基于EEG与迁移学习的疲劳状态实时检测系统
[0001]本专利技术涉及一种疲劳状态实时检测系统，尤其是一种基于脑电信号(EEG)与迁移学习的疲劳状态实时检测系统。
技术介绍
[0002]近年来，随着交通事故数量的迅速增加，人们的生命和财产遭受了巨大的损失，全球每年约有130万人在交通事故中丧生，其中疲劳状态下的驾驶(疲劳驾驶)是交通事故的主要原因之一。因此，设计并实现一套能够对疲劳驾驶准确地做出预警的系统，对减少因疲劳驾驶导致的生命和财产损失有重大意义。
[0003]基于EEG的心理状态分析方法是一种有效且客观的疲劳检测方法，但是传统的EEG分析方法主要还是停留在被试之间的学习训练，而跨被试的研究还比较少。在EEG分析的真实场景中，由于不同被试间的脑电信号存在差异,甚至同一被试的EEG信号随着时间的变化也会存在差异，这使得传统的分析方法容易产生不准确的分析和错误的决策。因此，应考虑基于迁移学习的分析方法。迁移学习被广泛用于预测想象力和语音识别领域的模型上，因为它可以有效地将某个领域上学习到的知识应用到不同但相关的领域...
【技术保护点】
【技术特征摘要】
1.基于EEG与迁移学习的疲劳状态实时检测系统，其特征在于包括信号采集模块、WPF可视化模块以及远程计算模块；所述信号采集模块通过开源软件Openvibe连接脑电帽采集设备获得原始脑电信号，并通过VRPN通信协议与WPF可视化模块相连；所述WPF可视化模块与远程计算模块通过WebSocket通信协议相连；信号采集模块负责将采集到的被试的实时原始脑电信号进行通道筛选然后发送给WPF可视化模块，WPF可视化模块作为中间媒介将获得的脑电数据分段后传送给远程计算模块；远程计算模块获得对应被试的脑电数据后会训练生成相匹配的判别网络模型，该判别网络模型能对被试的实时精神状态进行判断，从而回馈给WPF可视化模块进行数据可视化以及疲劳状态预警。2.根据权利要求1所述的基于EEG与迁移学习的疲劳状态实时检测系统，其特征在于所述信号采集模块包括脑电帽采集设备、Openvibe信号采集单元以及VRPN通信单元；所述脑电帽采集设备为通用的非侵入式脑电帽装置；所述Openvibe信号采集单元为开源EEG处理软件，支持匹配多型号的脑电脑采集设备，并能够进行EEG信号处理；所述VRPN通信单元为Openvibe信号采集单元的外延功能，用来接收开始采集的信号以及将采集到的脑电信号转发给自研软件做后续处理。3.根据权利要求1所述的基于EEG与迁移学习的疲劳状态实时检测系统，其特征在于所述WPF可视化模块包含VRPN通信单元、范式可视化单元以及WebSocket通信单元；所述VRPN通信单元用来发送开始以及结束采集的信号给信号采集模块，同时接收来自信号采集模块的实时脑电信号，对其进行分段操作；通过WebSocket通信单元与远程计算模块相连；所述范式可视化单元包括范式选择可视化界面、静息态数据获取可视化界面、精神状态良好可视化界面以及精神状态欠佳可视化界面。4.根据权利要求1所述的基于EEG与迁移学习的疲劳状态实时检测系统，其特征在于所述远程计算模块包括WebSocket通信单元、数据预处理单元以及模型计算单元；所述WebSocket通信单元用来接收来自WPF可视化模块的分段脑电信号，并将模型计算单元计算出的精神状态判断结果回传；所述数据预处理单元对获得的分段脑电信号进行统一在线预处理操作，包括空间滤波器、时间滤波器以及PSD频谱特征提取；所述模型计算单元对经过数据预处理单元处理后的脑电信号进行GDANN迁移学习模型训练以及E
ff
频谱计算量化指标，两者结合后得到一个百分制的分数反馈给WPF可视化模块进行数据可视化以及疲劳状态预警。5.根据权利...
【专利技术属性】
技术研发人员：曾虹，李秀峰，郑浩浩，李明明，徐非凡，潘登，张振炎，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。