基于短时心电信号的疲劳驾驶检测算法

摘要：

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30 s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91％.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.

关键词：心电信号、疲劳驾驶、随机森林、迁移学习、神经网络

所属期刊栏目：40

分类号：N945.14(系统科学)

资助基金：国家自然科学基金资助项目61773110,61374015;沈阳东软智能医疗科技研究院有限公司开放课题基金资助项目NRIHTOP1801;中央高校基本科研业务费专项资金资助项目N161904002

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：937-941