基于机器学习的脑警觉度检测方法研究

发布时间：2020-08-23 07:57

【摘要】：警觉度是指人努力集中注意力对刺激保持警惕的一种能力,通常定义为操作者在执行某项任务时,对外界的刺激能够长时间保持注意和警惕的灵敏程度。在日常驾车过程中,需要驾驶者时刻维持一定的警觉度,驾驶员在长时间进行驾驶之后,容易出现生理和心理等机能失调的情况,即出现警觉度下降的问题,严重时很容易造成车祸,给人们的生命财产安全带来很大的危害。因此对驾驶员警觉度状态的检测具有很重要的研究意义。本文中主要采用机器学习的部分方法对被试的脑警觉度进行检测。为了更好的模拟驾驶员的驾驶过程,采用Unity3D搭建模拟驾驶实验平台,设计模拟驾驶环境,通过C#的编程语言实现对实验任务、汽车行驶方式以及与脑电信号采集设备实时通信等程序的编程。本文从机器学习的回归分析和分类两方面对脑警觉度进行研究。首先是对被试脑电信号和行为数据搭建回归模型,对脑电信号进行降采样和滤波,计算脑电信号的滑动平均功率谱并对其进行主成分分析,提取主要特征与被试实验过程中车体的行为数据进行相关性分析,挑选出合适的导联信息,通过构造回归模型,通过脑电信号功率谱预测被试的行为数据,对预测的行为数据和真实的行为数据之间进行相关性分析,进而实现对被试警觉度状态的估计。本文的目的是实现对脑警觉度状态进行检测,且保证检测方法更加实用化,因此本文继续对警觉度状态进行了二分类和多分类的研究。首先通过离散小波变换对脑电信号进行处理,将脑电信号分为若干个子频带信号,选择标准方差、振幅对数、四分位数和变异系数作为特征进行特征提取。最后通过支持向量机和极限学习机的方法分别对原始脑电信号和各个子频带信号进行警觉度分类,从中挑选出分类效果最好的导联组合、子频带信号、特征向量组合以及分类器,实现对脑电信号警觉度的分类。实验结果表明,采用变异系数或由变异系数和其他特征组合得到的特征向量进行特征提取时,在单导联处即能得到较高的分类准确率,被试的不同子频带信号对分类效果也有一定的影响,在d_3(31.3～62.5Hz)、d_4(15.7～31.3Hz)和d_6(4.0～7.9Hz)频带处对警觉度进行三分类时得到的分类准确率较高。对导联信号进行组合时同样能在一定程度上提高分类准确率。本文初步探讨了机器学习中部分方法对脑警觉度的检测,验证了选择变异系数作为特征时的可行性和有效性,为之后采用其他机器学习的方法对警觉度进行多分类的研究奠定了理论和实验基础。
【学位授予单位】：天津职业技术师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP181;U463.6
【图文】：

图 2-1 模拟驾驶场景界面模拟驾驶软件中共包含判断对面来车、判断计算题对错以及矫正随机偏移三种任务断对面来车即车体在前进的过程中每间隔一段时间对面车道会从远处驶来一辆车，被看到车辆时，需要立刻按键进行反应；判断计算题对错即被试在行驶车辆时，对屏幕现的计算题进行对错的判断，并进行对应的按键响应；矫正随机偏移即被试在行驶车，若发现车体发生偏移后，控制方向盘将其车体调整到基线上的任务。三种任务中的间隔可调，驾驶过程的方式可调，驾驶速度和偏移速度可调，三种任务可随机进行选合。实验前期采用矫正随机偏移任务来进行实验，对驾驶过程进行模拟，进而判断被觉度状态。模拟驾驶软件可将被试在驾驶过程中，车辆前进时的位置、时间和事件发生的类型试的响应情况等均以 txt 格式同时保存在模拟驾驶平台软件的目标文件下，保存的数档如图 2-2 所示。文档中前三列表示汽车在前进时的位置信息，分别为车体的左右位置下位置和前后位置；第四列表示被试进行实验时的本地时间，以毫秒的形式进行保存五列为对任务事件类型的记录，对面来车显示 1，被试对对面来车进行判断显示 2，

图 2-2 txt 数据文档模拟驾驶实验结束后，保存到的车体位置信息的数据可以作为被试在模拟驾驶过程的行为数据，用于后续的实验数据处理，研究被试的警觉度状态。2.1.2 模拟驾驶平台操作步骤用于警觉度检测的模拟驾驶系统可以采用键盘控制和方向盘控制两种控制方式，为与真实驾驶情况保持一致，实验过程中采用方向盘的控制方式对车辆的运动进行控制。本系统使用罗技 G29 方向盘进行实验，该方向盘外形及键位控制情况如图 2-3 所示按钮 1 控制模拟驾驶界面观测角度，包括全景视角、驾驶员视角和车辆正前方视角；按2、3 分别为关闭和打开随机偏移任务的按钮，按钮 7-12 分别为系统中其他各个任务的制和判断的按钮，按钮 5 和按钮 6 可控制车辆的前进速度，按钮 5 加速，按钮 6 减速。

图 2-2 txt 数据文档驾驶实验结束后，保存到的车体位置信息的数据可以作为被试在模拟驾据，用于后续的实验数据处理，研究被试的警觉度状态。驾驶平台操作步骤警觉度检测的模拟驾驶系统可以采用键盘控制和方向盘控制两种控制方驶情况保持一致，实验过程中采用方向盘的控制方式对车辆的运动进行统使用罗技 G29 方向盘进行实验，该方向盘外形及键位控制情况如图制模拟驾驶界面观测角度，包括全景视角、驾驶员视角和车辆正前方视为关闭和打开随机偏移任务的按钮，按钮 7-12 分别为系统中其他各个的按钮，按钮 5 和按钮 6 可控制车辆的前进速度，按钮 5 加速，按钮

【相似文献】

相关期刊论文 前10条

1 李阳;;机器学习在网络空间安全研究中的应用分析[J];电脑知识与技术;2019年24期

2 高华川;;机器学习在经济学中的应用[J];纳税;2019年24期

3 李兵;林文钊;罗峥尹;;基于机器学习的智慧农业决策系统设计与实现[J];信息与电脑(理论版);2018年24期

4 舒娜;刘波;林伟伟;李鹏飞;;分布式机器学习平台与算法综述[J];计算机科学;2019年03期

5 刘传会;汪小亚;郭增辉;;机器学习在反洗钱领域的应用与发展[J];清华金融评论;2019年04期

6 孟雨;;机器学习让计算机更智能[J];计算机与网络;2019年14期

7 朱辉;;机器学习在企业级场景中的实践与探讨[J];中国建设信息化;2018年03期

8 彭传意;;机器学习——我们该如何与机器竞争[J];数字通信世界;2018年01期

9 陈轶翔;埃里克·布伦乔尔森;汤姆·米切尔;;机器学习的能力范围及其对劳动力的影响[J];世界科学;2018年04期

10 赵长林;;机器学习即服务[J];网络安全和信息化;2017年10期

相关会议论文 前10条

1 王珏;;归纳机器学习[A];2001年中国智能自动化会议论文集（上册）[C];2001年

2 王衍鲁;张利会;张淑洁;石洁茹;王鹏;;大学新生学校适应的个体与环境因素探究:基于机器学习的考察[A];第二十届全国心理学学术会议--心理学与国民心理健康摘要集[C];2017年

3 张长水;;大数据机器学习[A];2015年中国自动化大会摘要集[C];2015年

4 何琳;侯汉清;;基于标引经验和机器学习相结合的多层自动分类[A];2005年中国索引学会年会暨学术研讨会论文集[C];2005年

5 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

6 徐礼胜;李乃民;王宽全;张冬雨;耿斌;姜晓睿;陈超海;罗贵存;;机器学习在中医计算机诊断识别系统中的应用思考[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

7 吴沧浦;;智能系统与机器学习的新领域[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

8 蔡健平;林世平;;基于机器学习的词语和句子极性分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

9 吴娜;刁联旺;;基于机器学习的博弈对抗模型优化框架软件系统设计[A];第六届中国指挥控制大会论文集（上册）[C];2018年

10 蒋雍建;程楠;刘泽佳;周立成;汤立群;刘逸平;蒋震宇;;基于响应统计特征和机器学习的桥梁损伤识别方法研究[A];2018年全国固体力学学术会议摘要集（下）[C];2018年

相关重要报纸文章 前10条

1 赵广立;防特网将机器学习应用于高级威胁检测[N];中国科学报;2018年

2 编译 晋楠;机器学习是“炼金术”？[N];中国科学报;2018年

3 CIO.com资深作家 Clint Boulton 编译 Charles;领先一步:机器学习的10个成功案例[N];计算机世界;2018年

4 Bob Violino 编译 Charles;盲目冒进:机器学习的5个失败案例[N];计算机世界;2018年

5 本报驻波士顿记者 侯丽;深入挖掘机器学习潜力[N];中国社会科学报;2019年

6 王方 编译;菌自何方 机器学习早知道[N];中国科学报;2019年

7 Matt Asay 编译 Monkey King;为什么机器学习没有捷径可循？[N];计算机世界;2019年

8 本报记者 操秀英;当量子计算遇到机器学习会碰撞出什么火花？[N];科技日报;2019年

9 彭博企业数据业务全球负责人 Gerard Francis;金融数据质量决定机器学习时代的投资回报[N];计算机世界;2019年

10 Isaac Sacolick 编译 Charles;关于机器学习的5个要点[N];计算机世界;2019年

相关博士学位论文 前10条

1 王磊;基于机器学习的药物—靶标相互作用预测研究[D];中国矿业大学;2018年

2 张庆;钙钛矿型功能材料的基因组工程研究[D];上海大学;2018年

3 管月;医学肿瘤影像分类算法研究及其在肝癌上的应用[D];南京大学;2018年

4 郝小可;基于机器学习的影像遗传学分析及其应用研究[D];南京航空航天大学;2017年

5 施建明;基于机器学习的产品剩余寿命预测方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2018年

6 陈再毅;机器学习中的一阶优化算法收敛性研究[D];中国科学技术大学;2018年

7 陆海进;Zr合金热动力学研究及机器学习[D];上海大学;2018年

8 戴望州;一阶逻辑领域知识与机器学习的结合研究[D];南京大学;2019年

9 符丹卉;基于MRI结构成像与静息态功能成像影像特征的机器学习法在AIDS患者中的应用研究[D];广西医科大学;2019年

10 Kashif Sultan（克希夫）;5G移动通信网络中的呼叫记录分析[D];北京科技大学;2019年

相关硕士学位论文 前10条

1 安延鑫;中文短文本情感分析的研究与实现[D];上海交通大学;2017年

2 余耀;微博用户的用户画像研究与构建[D];上海交通大学;2017年

3 吴珍珍;基于机器学习的无线通信解调研究[D];中国矿业大学;2019年

4 闫铤铤;机器学习在中国A股市场的量化策略研究[D];吉林大学;2019年

5 张诗晨;基于机器学习的电商在线消费者购买行为预测研究[D];吉林大学;2019年

6 千跃奇;机器学习与自由电子激光的应用研究[D];中国科学院大学(中国科学院上海应用物理研究所);2019年

7 陆会;基于葵花8卫星遥感数据的大雾识别研究[D];安徽大学;2019年

8 王斌;应用机器学习算法对重症手足口病的危险因素筛选与预测[D];郑州大学;2019年

9 张家宁;基于结构磁共振和机器学习的品行障碍分类方法研究[D];深圳大学;2018年

10 何琪;传统机器学习到深度学习行人检测若干研究[D];安徽大学;2019年

本文编号：2801278