基于卷积神经网络的眼电信号疲劳检测

发布时间：2017-04-17 09:00

  本文关键词：基于卷积神经网络的眼电信号疲劳检测，由笔耕文化传播整理发布。

【摘要】：疲劳使得人的反应能力和操控能力大大下降,特别是对于外界瞬时的环境变化、出现紧急情况的状态下,如果不能及时地作出反应和应对措施,发生事故的可能性大大提高。特别是在驾驶等常见场景中,疲劳是交通事故的主要诱因之一,给社会带了重大的财产损失和人员伤亡。本研究从这一严峻的问题出发,探索一种基于卷积神经网络的疲劳检测算法,使用眼电信号作为输入信号,从眼电中抽取出与疲劳相关的特征,用于疲劳检测,从而能够在人体出现疲劳时,给相应的人员发出警告,减少事故发生的风险。本研究中提出的基于卷积神经网络的疲劳检测算法不同于以往的使用眼电信号的疲劳检测算法在于使用了神经网络自动地抽取与疲劳相关的特征,而非人工地设计相应地特征。人工设计的特征的抽取过程,往往比较繁琐。且由于人体差异的存在,其可靠性和有效性较差。卷积神经网络模型依赖于反向传播算法,能够自动地对眼睛运动的模式进行识别,抽取出相应地特征,并且组合成更高级的特征,以用于疲劳的预测,其抽取的特征往往具有较高的可靠性和有效性。本研究也对眼电的预处理提出了处理方案,在预处理阶段尽可能少地对眼电信号做深度处理。本研究对神经网络的输出做了进一步平滑处理,减少与疲劳无关的特征对结果产生的影响。本研究对实验中收集的22组数据进行了处理,为了验证本研究中所提出的算法,我们与传统的眼电特征提取算法进行了对比。实验结果表明,一半以上的样本中,本研究中提出的基于卷积神经网络的疲劳检测模型表现强于传统的眼电特征抽取算法,证明其具有同等的甚至较强的与疲劳相关特征的抽取能力。
【关键词】：眼电 疲劳检测 卷积网络
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R318;TP183
【目录】：

• 摘要3-4
• ABSTRACT4-11
• 第一章 绪论11-21
• 1.1 疲劳检测11-12
• 1.2 国内外疲劳检测研究现状12-13
• 1.3 基于卷积网络的眼电信号疲劳检测简介13-16
• 1.3.1 卷积网络简介13-15
• 1.3.2 基于卷积网络的眼电疲劳检测15-16
• 1.4 研究意义16-18
• 1.4.1 研究创新性16-17
• 1.4.2 研究的应用价值17-18
• 1.5 主要研究内容18
• 1.6 毕业论文结构18
• 1.7 本章小结18-21
• 第二章 传统的眼电疲劳检测21-35
• 2.1 眼电与疲劳检测21-23
• 2.2 预处理23
• 2.3 特征提取23-26
• 2.3.1 眨眼特征提取23-25
• 2.3.2 慢速眼动特征提取25-26
• 2.3.3 快速眼动特征提取26
• 2.3.4 能量特征提取26
• 2.4 特征选择26-29
• 2.4.1 手动挑选28
• 2.4.2 主成分分析法28-29
• 2.4.3 启发式搜索29
• 2.5 特征平滑29-30
• 2.6 分类与回归30-33
• 2.6.1 支持向量机30-33
• 2.7 本章小结33-35
• 第三章 算法35-45
• 3.1 信号预处理35-36
• 3.2 卷积神经网络36-38
• 3.3 卷积自动编码机38-42
• 3.3.1 自动编码器38-40
• 3.3.2 去噪自动编码器40-41
• 3.3.3 栈式自动编码器41
• 3.3.4 卷积自动编码器41-42
• 3.3.5 最大池化42
• 3.4 线性回归42-43
• 3.5 线性动力系统43-44
• 3.6 本章小结44-45
• 第四章 疲劳实验设计45-51
• 4.1 实验设计描述45-46
• 4.2 信号的获取46-48
• 4.3 疲劳度估计48
• 4.4 算法对比标准48-49
• 4.5 本章小结49-51
• 第五章 结果分析51-57
• 5.1 信号处理分析51-52
• 5.2 特征提取52-53
• 5.3 LDA平滑分析53-55
• 5.4 回归结果分析55
• 5.5 本章小结55-57
• 全文总结57-59
• 参考文献59-63
• 致谢63-65
• 攻读学位期间发表的学术论文目录65-67

【相似文献】

中国期刊全文数据库 前2条

1 李月香;李美俊;范小芹;;基于步态加速度特征的人体疲劳检测[J];计算机工程;2012年11期

2 ;[J];;年期

中国重要会议论文全文数据库 前2条

1 张笑非;邬正义;谈正;;基于视觉的疲劳驾驶检测[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

2 胡庆新;张淑凤;方跃;;弱光环境下驾驶员的人脸检测和眼睛追踪[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

中国重要报纸全文数据库 前1条

1 记者 廖翊;目视判断裂痕是金属疲劳[N];新华每日电讯;2002年

中国博士学位论文全文数据库 前1条

1 邸巍;基于视觉的全天候驾驶员疲劳与精神分散状态监测方法研究[D];吉林大学;2010年

中国硕士学位论文全文数据库 前10条

1 王豪荣;基于人脸特征融合的疲劳检测方法研究[D];长安大学;2015年

2 王兆伟;基于眼态识别的疲劳驾驶检测技术研究[D];长安大学;2015年

3 蒋文博;基于计算机视觉的疲劳驾驶检测技术研究[D];北京化工大学;2015年

4 张译心;基于面部特征的驾驶员疲劳算法应用研究[D];吉林农业大学;2015年

5 韩吉祥;基于SOPC的驾驶员疲劳检测系统设计[D];黑龙江大学;2015年

6 王雷;基于人脸检测的疲劳驾驶分析[D];合肥工业大学;2014年

7 朱学敏;基于卷积神经网络的眼电信号疲劳检测[D];上海交通大学;2015年

8 王丰;基于视觉的汽车驾驶员疲劳检测装置[D];沈阳工业大学;2008年

9 赵钟;驾驶员疲劳检测方法研究及嵌入式实现[D];大连海事大学;2010年

10 徐杰;多特征疲劳检测系统的设计与实现[D];华中科技大学;2013年

  本文关键词：基于卷积神经网络的眼电信号疲劳检测，，由笔耕文化传播整理发布。

本文编号：312847