10.3969/j.issn.1000-386x.2022.02.015
基于头动与眼电信号的疲劳检测研究
针对疲劳识别率有待提高和现行疲劳检测设备不便携带的问题,提出一种以便携式眼镜为载体结合处理头动与眼电信号的疲劳检测方法.利用便携式眼镜采集头动与眼电信号并通过蓝牙将数据传输到手机终端.采用融合卡尔曼滤波算法处理头动信号并提取点头频率特征,采用Perclos算法P80原理和分段平均功率比值法处理眼电信号得到眨眼频率和低高频功率比值特征.根据主成分分析法(PCA)进行特征融合,得到疲劳特征值,从而判定疲劳程度,并结合Pearson法分析与通过脑电信号检测疲劳程度结果的相关性.实验结果表明,该方法的疲劳检测识别率达到了90.6％且与脑电检测疲劳结果相关性达到了0.82,具有很好的准确性、有效性且检测设备便于携带,具有很好的实用价值.
疲劳检测;头动信号;眼电信号;特征融合
39
TP391(计算技术、计算机技术)
国家军事脑科学基金项目;江苏省社会发展基金项目
2022-02-25（万方平台首次上网日期，不代表论文的发表时间）
共7页
81-87
