申请/专利权人：西安邮电大学

申请日：2020-11-17

公开（公告）日：2024-06-11

公开（公告）号：CN113456078B

主分类号：A61B5/18

分类号：A61B5/18;A61B5/374;A61B5/369

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2021.10.26#实质审查的生效;2021.10.01#公开

摘要：本发明提出一种基于PDC密集图传播的疲劳驾驶识别方法，通过获取当前时间驾驶员的第一脑电数据，然后PDC方法构建各通道第一脑电信号之间的第一因效连接矩阵，之后获取特征矩阵，以此提取脑电数据的时空特征和有效连接之间所隐含的信息，以此构建因效连接图获得图信号，使用训练好的密集图传播对图信号进行识别，以此确定驾驶员是否处于疲劳驾驶状态。因此本发明可以提高疲劳驾驶的识别准确率，在驾驶员的工作环境中及时提醒，有效预防交通事故的发生。

主权项：1.一种基于PDC密集图传播的疲劳驾驶识别方法，其特征在于，包括：获取当前时间驾驶员的第一脑电数据；对所述第一脑电数据进行预处理；将预处理后的脑电数据使用带通滤波，获得各个波段的第一脑电信号；其中，每个波段包括多个通道；基于每个波段下的各个通道的第一脑电信号，使用部分定向相干PDC方法构建各通道第一脑电信号之间的第一因效连接矩阵；提取每个波段下各个通道的第一脑电信号的特征，组成第一特征矩阵；其中，所述特征包括：功率谱密度，微分熵，差分不对称和有理不对称特征；针对每个波段，基于该波段的第一因效连接矩阵对应的因效连接图，将所述第一特征矩阵中的特征确定为所述因效连接图的参数，获得第一图信号；使用训练好的密集图传播模型对所述第一图信号识别，确定驾驶员是否是疲劳驾驶；所述密集图传播模型是图卷积神经网络中对于有向图的一种改进，包括5层，两个卷积层，两个池化层以及一个全连接层；在卷积层进行输入时，引入了两个独立的连接模式，一种是节点到其所有祖先的连接模式，一种是节点连接到所有后代的连接模式；所述提取每个波段下各个通道的脑电数据的特征，组成特征矩阵的步骤包括：提取每个波段下各个通道的脑电数据的功率谱密度，微分熵，差分不对称和有理不对称特征；将每个通道的脑电数据的功率谱密度，微分熵，差分不对称和有理不对称特征按照前后顺序确定为矩阵的行元素；将行元素按照通道的次序组成特征矩阵；所述针对每个波段，基于该波段的因效连接矩阵对应的因效连接图，将所述特征矩阵中的特征确定为所述因效连接图的参数，获得第一图信号的步骤包括：针对每个波段，构建该波段的因效连接矩阵对应的因效连接图；其中，因效连接矩阵中的行以及列表示因效连接图的节点，因效连接矩阵中的元素为因效连接矩阵中两个相邻节点之间边的权值，所述因效连接图中包括多个节点以及边；基于特征矩阵行与所述因效连接矩阵行的对应关系，将特征矩阵中的行特征确定为节点的特征，获得所述因效连接图的第一图信号。

全文数据：

权利要求：

百度查询： 西安邮电大学 一种基于PDC密集图传播的疲劳驾驶识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD