WANG, Hongtao,王洪涛,LIU, Xucheng,刘旭程,WU, Cong,吴聪,TANG, Cong,唐聪,PEI, Zi An,裴子安,YUE, Hongwei,岳洪伟,CHEN, Peng,陈鹏,LI, Ting,李霆
申请号：
CNCN2019/079258
公开号：
WO2020/151075A1
申请日:
2019.03.22
申请国别(地区):
CN
年份:
2020
代理人:
摘要：
A CNN-LSTM deep learning model-based driver fatigue identification method comprising the following steps: acquiring EEG signals from a subject under test during a driving simulation； issuing an operation instruction randomly during the driving simulation, and dividing, according to a response time of the test subject for completing the operation instruction, the EEG signals into fatigue data and non-fatigue data； performing band-pass filtering and mean removal preprocessing on the EEG signals, and extracting N minutes of the required fatigue EEG signal data and non-fatigue EEG signal data ； performing independent component analysis on the EEG signal data so as to remove interference signals therefrom； establishing a CNN-LSTM model, and configuring a network parameter of the CNN-LSTM model； inputting the interference-free EEG signal data into a CNN network and performing feature extraction； and reconstructing feature extraction data, and inputting the same into an LSTM network and performing classification. Experiment results indicate an improved accuracy of 96.3 ± 3.1% (grand mean ± population standard deviation).L'invention concerne un procédé d'identification de fatigue d'un conducteur basé sur un modèle d'apprentissage profond CNN-LSTM, comprenant les étapes suivantes consistant à : acquérir des signaux EEG provenant d'un sujet soumis à un test pendant une simulation de conduite ； émettre une instruction d'opération de manière aléatoire pendant la simulation de conduite, et diviser, en fonction d'un temps de réponse du sujet de test pour compléter l'instruction d'opération, les signaux EEG en données de fatigue et données de non-fatigue ； effectuer un filtrage passe-bande et un prétraitement d'élimination moyen sur les signaux EEG, et extraire N minutes des données requises de signal d'EEG de fatigue et des données de signal D'EEG de non-fatigue ； effectuer une analyse de composant indépendante sur les données de signal EEG de façon à éliminer les signaux d'inter
