摘要
本发明公开一种基于脑肌电多模态图结构的疲劳驾驶检测方法。该方法通过同步采集驾驶员的脑电信号和肌电信号,分别表征心理疲劳和生理疲劳状态,从时域、频域和相位域多视角构建脑肌电多模态图结构,采用图卷积神经网络提取不同视角下的特征,同时引入跨视角注意力融合机制与共享子空间对齐学习策略,对驾驶员疲劳驾驶状态进行预测。本发明能够全面捕捉心理与生理层面的疲劳特征,显著提升对隐性疲劳和早期疲劳的识别精度,为复杂驾驶环境下的安全预警提供了更可靠的技术支撑。并通过有效建模心理与生理疲劳间的动态交互关系,显著提升了复杂驾驶环境下疲劳状态识别的准确性和可靠性。
技术关键词
疲劳驾驶检测方法
电信号
多视角
驾驶员疲劳驾驶状态
节点特征
融合特征
独立成分分析法
疲劳状态识别
相干性
卷积神经网络提取
统计特征提取
多头注意力机制
强度
心理
通道
频段
疲劳特征
系统为您推荐了相关专利信息
图像分类训练方法
图像分类网络
训练图像分类模型
标签
监督学习方法
电表远程监控方法
异常事件
电表远程监控系统
机器学习模型
电压
数据分析方法
时钟同步协议
多模态生理
绿地
卷积神经网络模型
模糊推理规则
能源设备
模糊推理系统
隶属度函数
节点特征