基于PPG的地铁司机驾驶疲劳识别研究

目的本文旨在验证利用光电容积描记术PPG信号代替心电图ECG信号对地铁司机进行疲劳识别的有效性。方法通过设备获取司机PPG信号,并进行心率变异性分析,提取时域、频域及非线性领域等驾驶疲劳相关特征,将瞳孔面积作为疲劳分类的标准,并采用均值漂移聚类划分疲劳等级,最后代入支持向量机SVM模型进行训练。结果地铁司机在驾驶状态下的PPG信号与ECG信号也具有高度一致性;同时疲劳识别的准确率达到85%~90%。结论可以利用PPG信号构建驾驶疲劳实时监测系统,实现地铁司机疲劳状态的实时监测与警示。