基于多源信息融合的疲劳检测系统及其操作方法技术方案

本申请涉及疲劳驾驶智能检测的领域，其具体地公开了一种基于多源信息融合的疲劳检测系统及其操作方法，其通过卷积神经网络对所述多个时间点中的每个时间点的脑电信号图进行深层的特征提取，并利用基于上下文的编码器模型对所述每个时间点的车辆运动信息进行全局性的运动关联信息提取，进一步再以周期混沌映射来进行处理，以改进所述信号特征图中的高维特征的随机分布，使得改进后的特征分布能够扩展特征集合的覆盖范围，增强特征值位置的多样性，并改进全局优化能力。这样，就可以准确地对驾驶者是否在疲劳驾驶进行检测，进而避免事故的发生。的发生。的发生。

【技术实现步骤摘要】
基于多源信息融合的疲劳检测系统及其操作方法


[0001]本专利技术涉及疲劳驾驶智能检测的领域，且更为具体地，涉及一种基于多源信息融合的疲劳检测系统及其操作方法。

技术介绍

[0002]疲劳驾驶极易引起交通事故，是指驾驶人在长时间连续行车后，产生生理机能和心理机能的失调，而在客观上出现驾驶技能下降的现象。驾驶人睡眠质量差或不足，长时间驾驶车辆，容易缺乏内源氧出现疲劳。
[0003]疲劳驾驶检测技术在道路安全方面起着至关重要的作用。在现有技术中，存在多种疲劳检测方案，例如，基于驾驶员生理信号、基于面部特征、基于汽车运动信息等。但每种疲劳检测防范都有其自身的缺陷，例如，侵入性测试、误检测和漏检测等。因此，需要一种基于多源信息融合的疲劳检测系统以对驾驶员的是否存在疲劳驾驶进行准确地检测，从而避免事故的发生。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于多源信息融合的疲劳检测系统及其操作方法，其通过卷积神经网络对所述多个时间点中的每个时间点的脑电信号图进行深层的特征提取，并利用基于上下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源信息融合的疲劳检测系统，其特征在于，包括：监测数据获取单元，用于获取多个时间点的待监测驾驶者的脑电信号图和车辆运动信息，所述车辆运动信息包括车速、加速度和方向盘转角；第一脑电信号编码单元，用于将所述多个时间点中的各个时间点的脑电信号图输入第一卷积神经网络以获得与所述各个时间点的脑电信号图对应的信号特征向量；第二脑电信号编码单元，用于将所述各个时间点的脑电信号图对应的信号特征向量二维排列为信号特征矩阵后通过第二卷积神经网络以获得信号特征图；第一运动信息编码单元，用于将各个时间点的所述车辆运动信息输入包含嵌入层的基于上下文的编码器模型以获得多个特征向量，并将所述多个特征向量进行级联以获得与各个时间点的所述车辆运动信息对应的运动特征向量；第二运动信息编码单元，用于将各个时间点的所述车辆运动信息对应的运动特征向量二维排列为运动特征矩阵后通过第三卷积神经网络以获得运动特征图；特征图增强单元，用于对所述信号特征图进行周期混沌映射处理以获得修正特征图，其中，所述周期混沌映射处理表示将所述信号特征图中各个位置的特征值整合到周期函数中；融合单元，用于融合所述修正特征图和所述运动特征图以获得分类特征图；以及检测结果生成单元，用于将所述分类特征图通过分类器以获得分类结果，所述分类结果用于表示待监测驾驶者是否在疲劳驾驶。2.根据权利要求1所述的基于多源信息融合的疲劳检测系统，其中，所述第一卷积神经网络的各层在层的正向传递过程中对输入数据进行卷积处理、沿特征矩阵的池化处理和激活处理以由所述第一卷积神经网络的最后一层输出所述信号特征向量，其中，所述第一卷积神经网络的输入为所述各个时间点的脑电信号图。3.根据权利要求2所述的基于多源信息融合的疲劳检测系统，其中，所述第二卷积神经网络的各层在层的正向传递过程中对输入数据进行卷积处理、池化处理和激活处理以由所述第二卷积神经网络的最后一层输出所述信号特征图，其中，所述第一卷积神经网络的输入为所述信号特征矩阵。4.根据权利要求3所述的基于多源信息融合的疲劳检测系统，其中，所述第一运动信息编码单元，进一步用于使用所述编码器模型的嵌入层分别将所述车辆运行信息中的各项数据分别转化为嵌入向量以获得嵌入向量的序列；以及，使用所述编码器模型的转换器对所述嵌入向量的序列进行基于上下文的全局编码以生成所述多个特征向量。5.根据权利要求4所述的基于多源信息融合的疲劳检测系统，其中，所述特征图增强单元，进一步用于对所述信号特征图以如下公式进行周期混沌映射处理以获得所述修正特征图；其中，所述公式为：其中f为所述信号特征图中的各个位置的特征值映射到概率空间后获得的概率率特征值，...

【专利技术属性】
技术研发人员：江奇峰，
申请(专利权)人：上海济垚软件科技有限公司，
类型：发明
国别省市：