融合眼动和脑电特征的疲劳驾驶检测研究

疲劳驾驶是导致交通事故的主要因素,采用脑电或眼动特征来检测疲劳驾驶是常用的方法。相对眼动特征,采用脑电特征检测率高但稳定性不如眼动特征。为了获得高且稳定的检测率,首先利用小波熵函数从脑电电极CP4、TP8、T5、P3、Pz、P4、T6、O1、Oz、O2中提取脑电特征,然后将脑电特征和眼睛的扫视长度进行融合,利用KNN算法建立基于融合特征的疲劳检测模型。最后将基于融合特征的检测模型与基于脑电特征的检测模型进行比较。结果发现:两个检测模型的检测均值相差不多,但就检测稳定性来比较,基于融合特征的模型比基于脑电特征的模型更加稳定。