基于脑肌电多模态图结构的疲劳驾驶检测方法

AITNT
正文
推荐专利
基于脑肌电多模态图结构的疲劳驾驶检测方法
申请号:CN202510596440
申请日期:2025-05-09
公开号:CN120392097A
公开日期:2025-08-01
类型:发明专利
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
1
基于视觉语言模型的无监督图像分类训练方法、系统及介质
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
2
基于物联网的分布式电表远程监控系统及方法
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
3
用于评估绿地视疲劳干预效果的生理数据分析方法及系统
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
4
一种CXR图像的特征获取方法
特征获取方法 令牌 射线 池化特征 卷积特征
5
一种基于深度学习的能源安全优化方法
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
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号