基于脑电信号模糊熵的驾驶疲劳检测分析

来源：中国安全科学学报杂志2018年第4期北京时间：

作者：胡剑锋, 王涛涛

单位：江西科技学院 协同创新中心,江西 南昌 330098

摘要：为减少因驾驶疲劳导致的交通安全事故,提出基于脑电(EEG)信号模糊熵(FE)的驾驶疲劳检测方法。开展在驾驶仿真模拟试验,采集28名被试模拟正常驾驶和疲劳驾驶的EEG信号;基于2种驾驶状态的EEG信号计算出FE值;运用随机森林(RF)、支持向量机(SVM)、决策树(DT)和K近邻(KNN)等4种分类器检测驾驶疲劳状态;利用多种性能指标及被试工作特征曲线(ROC)对驾驶疲劳检测结果进行分析比较。结果表明:基于疲劳驾驶状态下的EEG信号的FE值明显高于较正常驾驶状态下的值;4种分类器均可有效检测驾驶疲劳,其中K近邻的平均准确率达97.4%;基于EEG信号模糊熵的驾驶疲劳检测方法具有较好的鲁棒性和稳定性。

关键词：脑电(EEG)信号,模糊熵(FE),疲劳驾驶,被试工作特征(ROC)曲线,分类器

基金资助：国家自然科学基金资助(61762045);江西省自然科学基金资助(20171BAB202031);江西省教育厅科技项目重点课题(GJJ151146);江西省博士后科研项目资助(2017KY33)。