一种基于分层多尺度拓扑增强网络的驾驶员警戒估计方法

本发明公开了一种基于分层多尺度拓扑增强网络的驾驶员警戒估计方法，包括：获取EEG信号不同频带的微分熵特征和EOG信号的36维特征；构建驾驶员警戒神经网络模型；将EEG信号不同频带的微分熵特征依次输入至驾驶员警戒神经网络模型中的拓扑自感知注意力模块、分频带特融合模块、分级多尺度模块和残差网络模块中输出驾驶疲劳分类结果和警觉性回归预测结果。本发明方法不仅优化了特征信息的整合过程，还提高了模型对输入数据中潜在个体差异的敏感性，从而提升了整体性能。