您的位置：
首页
>
农业专利
>
详情页
一种基于CNN-LSTM深度学习模型的驾驶疲劳识别方法
- 专利权人:
- 五邑大学
- 发明人:
- 王洪涛,刘旭程,吴聪,唐聪,裴子安,岳洪伟,陈鹏,李霆
- 申请号：
- CN201910063299.8
- 公开号：
- CN109820525A
- 申请日:
- 2019.23.01
- 申请国别(地区):
- CN
- 年份:
- 2019
- 代理人:
- 摘要：
- 本发明公开了一种基于CNN‑LSTM深度学习模型的驾驶疲劳识别方法,包括以下步骤:采集受试者模拟驾驶时的脑电信号;在模拟驾驶时随机发布操作命令,根据受试者完成操作指令的反应时间将脑电信号划分为疲劳数据和非疲劳数据;对脑电信号进行带通滤波以及去均值预处理,提取需要检测的疲劳与非疲劳各N分钟的脑电信号数据;对脑电信号数据进行独立分量分析以去除干扰信号;建立CNN‑LSTM模型,并设置CNN‑LSTM模型的网络参数;将去除干扰信号后的脑电信号数据送入CNN网络进行特征提取;将特征提取的数据重塑,并送入LSTM网络进行分类。实验结果表明有较高的准确率,准确率为96.3±3.1%(总均值±总标准差)。
- 来源网站：
- 中国工程科技知识中心
- 来源网址：
- http://www.ckcest.cn/home/
