一种脑机接口疲劳驾驶检测分类器优化方法和设备技术

本申请公开了一种脑机接口疲劳驾驶检测分类器优化方法，以设定时间范围内同一样本的反应时、体素位置脑电磁信号数据作为一组特征数据，通过驾驶环境采集多组特征数据构成数据集；根据反应时确定疲劳程度真实值，疲劳程度通过反应时所属的反应时范围值域进行打标签标记，使用所述特征数据，通过深度学习算法对分类器进行训练；对实时采集的脑电磁信号数据经过溯源定位解算得到的体素位置脑电磁信号数据进行处理生成疲劳程度检测值；改变体素采样点位置，减少疲劳程度检测值与疲劳程度真实值之间的差异。本申请还包含用于实现所述方法的装置。本申请解决现有技术疲劳驾驶检测计算量大、处理效率低的问题。处理效率低的问题。处理效率低的问题。

【技术实现步骤摘要】
一种脑机接口疲劳驾驶检测分类器优化方法和设备


[0001]本申请涉及计算机
，尤其涉及一种基于脑电磁信号对疲劳驾驶检测分类器进行优化的方法和设备。

技术介绍

[0002]驾驶安全是一个重要的公共问题。据世界卫生组织统计，全世界每年有超过120万人死于车祸，其中，疲劳驾驶导致相当数量的道路交通死亡和非致命伤害。有必要监测驾驶员的疲劳程度，以控制和减少道路交通伤害。
[0003]先前的研究证明，脑电磁信号(例如EEG信号，本文中的脑电磁信号，指的是脑电波信号EEG或者脑磁波信号MEG)的频带反映心理或生理的状态，例如当参与者处于昏昏欲睡状态时，α波段的能量会增加。先前的研究展示了多种处理多维数据的方法来进行认知工作量评估：时间信息在EEG分析中必不可少的，相邻时间帧的连接代表大脑动态状态的趋势。空间信息则是近年来研究的热点。在有的研究中，将电极位置组合成EEG读数，EEG信号被转换成地形图。因此，使用脑电图可能是一种有前景的可行的疲劳监测方法。然而，理论上，大脑皮质不同部位的活动强度不同、且与从事的活动有关，例如认知负荷与额叶和顶叶等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑机接口疲劳驾驶检测分类器优化方法，其特征在于，包括以下步骤：以设定时间范围内同一样本的反应时、体素位置脑电磁信号数据作为一组特征数据，在驾驶环境下采集多组特征数据构成数据集；所述体素位置脑电磁信号数据，是通过脑电采集设备采集脑电磁信号后，经过溯源定位解算而得到的皮质层任一体素位置采样点产生的激励信号的数据；根据反应时确定疲劳程度真实值，疲劳程度通过反应时所属的反应时范围值域进行打标签标记，使用所述特征数据，通过深度学习算法对分类器进行训练；用所述分类器对实时采集的脑电磁信号数据再经过溯源定位解算得到的体素位置脑电磁信号数据进行处理，生成疲劳程度检测值；改变体素采样点位置，减少所述疲劳程度检测值与所述疲劳程度真实值之间的差异。2.如权利要求1所述脑机接口疲劳驾驶检测分类器优化方法，其特征在于，减少所述疲劳程度检测值与所述疲劳程度真实值之间的差异，优化目标包括以下至少一种方式：灵敏度大于第一设定阈值、特异度大于第二设定阈值、分类准确率大于第三设定阈值；所述灵敏度，是实际为疲劳的样本中，判断为疲劳的样本比例；所述特异度，是实际为非疲劳的样本中，判断为非疲劳的样本比例；所述分类准确率，是指在全部疲劳程度分类中，疲劳程度检测值和疲劳程度真实值相一致的样本的比例。3.如权利要求1所述脑机接口疲劳驾驶检测分类器优化方法，其特征在于，每一个疲劳程度值，表示一个疲劳程度，对应于分类器的一个类别；所述疲劳程度真实值，是根据所述反应时分段确定为离散的取值；所述疲劳程度检测值，是通过所述分类器识别的概率达到设定概率阈值的疲劳程度值。4.如权利要求1所述脑机接口疲劳驾驶检测分类器优化方法，其特征在于，通过脑电采集设备采集脑电磁信号后，在溯源定位之前去除干扰，包含以下任意步骤的组合：使用有限长单位冲激响应滤波器进行滤波，通带范围为[1
‑
80Hz]；使用陷波滤波器去除工频干扰；对脑电磁信号进行基线校正以...

【专利技术属性】
技术研发人员：刘彬，罗煜，
申请(专利权)人：北京烽火万家科技有限公司，
类型：发明
国别省市：