基于GA-GRNN的疲劳驾驶检测.pdf
《基于GA-GRNN的疲劳驾驶检测.pdf》由会员分享,可在线阅读,更多相关《基于GA-GRNN的疲劳驾驶检测.pdf(6页珍藏版)》请在咨信网上搜索。
1、2023年10月西安交通工程学院学术研究Oct.2023第 8 卷第 3 期Academic Research of Xian Traffic Engineering InstituteVol.8No.3作者简介:作者简介:王侃(1993-),男,硕士,疲劳驾驶检测。基基于于 GA-GRNN 的的疲疲劳劳驾驾驶驶检检测测王侃1,2(1.西安交通工程学院 陕西西安 710300;2.东北电力大学 吉林吉林 132000)摘摘要要:近些年来,人们为追求快捷舒适的生活环境促使了汽车行业的快速发展。汽车数量的增加导致了交通事故的频发,给人们造成了巨大的生命伤亡和财产损失。经调查发现在众多导致交通事故的
2、因素中,疲劳驾驶是主要的原因之一。探索一种疲劳驾驶检测方法对于保护生命安全和减少财产损失是非常有意义的。这篇文章主要通过眼电信号进行疲劳驾驶检测。首先利用离散小波变换对眼电信号进行滤波,其次提取眼电信号的近似熵、排列熵和模糊熵的特征;最后使用遗传优化的广义回归神经网络进行疲劳驾驶状态检测。遗传优化的广义回归神经网络平均分类准确率为72.5%。实验结果表明可以通过提取眼电信号的近似熵、排列熵和模糊熵特征,然后在使用遗传优化的广义回归神经网络进行疲劳驾驶检测。关关键键词词:疲劳驾驶检测;眼电信号;遗传优化的广义回归神经网络中中图图分分类类号号:O121.8;G558 文文献献标标识识码码:AFat
3、igue Driving Detection Based on GA-GRNNWANG Kan1,2(1.Xian Traffic Engineering Institute,Xian Shaanxi 710300 2.Northeast Electronic Power University)Abstract:In recent years,peoples pursuit of a fast and comfortable living environment has led to the rapid development of theautomobile industry.The inc
4、rease in the number of cars has led to frequent traffic accidents,which have caused huge casualties andproperty losses to people.The survey found that fatigue driving is one of the main reasons among many factors leading to trafficaccidents.It is very meaningful to explore a fatigue driving detectio
5、n method for protecting life safety and reducing property damage.This article focuses on fatigue driving detection through electrooculogram signals.Firstly,the discrete wavelet transform is used tofilter the electrooculogram signals;secondly,the features of approximate entropy,permutation entropy an
6、d fuzzy entropy of theelectrooculogram signals are extracted;finally,the generalized regression neural network based on genetic optimization is used forfatigue driving state detection.The average classification accuracy of the generalized regression neural network based on geneticoptimization is 72.
7、5%.The experimental results show that it is possible to extract the approximate entropy,permutation entropy andfuzzy entropy features of the electrooculogram signals,and then use a generalized regression neural network based on geneticoptimization for fatigue driving detection.Keywords:fatigue drivi
8、ng detection;electrooculogram;generalized regression neural network based on genetic optimization引引言言驾驶员长时间驾驶会产生疲劳。疲劳驾驶会导致司机反应迟钝和注意力不集中,从而引发交通事故1。由疲劳驾驶所造成的交通事故给人们造成巨大的伤亡和财产损失2。世界上每年大约有 20%的交通事故与疲劳驾驶有关3。根据美国国家公路交通安全管理局的统计,每年大约有 10 万起由疲劳驾驶引起的交通事故4。因此,疲劳驾驶检测对于保护生命安全和减少财产损失具有重要意义。眼电信号(Electrooculogram,E
9、OG)是一种客观检测方法,它是眼角膜和视网膜之间的电位差。EOG 可以反映眼部的运动状态,当人进入疲劳驾驶状态时眼部的运动状态就会发生改变,因此本课题通过采集驾驶员的 EOG 信号进行疲劳驾驶状态检测。EOG 信号具有鲁棒性好、信噪比高、直观易处理等优点5。到目前为止,许多研究人员已经证明EOG 信号可以用来检测疲劳驾驶,并取得了一定的成果。Doniec 等人提出了一种基于 EOG 信号的一维卷积神经网络的疲劳驾驶检测方法6。Jammes 等人研究了眼电信号中自动眨眼的检测7。Zhang 等人提出了一种基于前额 EOG 的疲劳驾驶检测方法8。Zhu 等人提出了卷积神经网络在基于 EOG 信号的
10、困倦检测中的新应用9。1 实验设计和数据采集1.1 实实验验对对象象33基于 GA-GRNN 的疲劳驾驶检测在模拟驾驶环境下可以保证受试者的安全,实验的成本低,数据采集方便,因此本实验在实验室模拟驾驶环境中进行。为了让模拟驾驶环境尽可能的接近真实的驾驶环境,实验在一个温度、光线和湿度适中的实验室进行。如图 1 所示,实验平台是由模拟驾驶器、Emotiv 信号采集设备和笔记本电脑组成从东北电力大学招募 6 名大学生进行模拟驾驶实验,所有的受试者的年龄在 19-25 之间,均为男性。所有的受试者均对实验内容提前进行了了解,并自愿参加。所有的受试者都满足以下条件:1)所有的受试者都取得了驾驶证,没有
11、不良的驾驶记录;2)所有的受试者身体健康,没有与睡眠相关的疾病;3)实验要求所有的受试者在实验前 48h 内禁止饮酒、喝咖啡、吃药物等,在实验前的晚上有正常的睡眠。为了让所有的受试者熟悉模拟驾驶器和实验流程,在实验正式开始之前所有的受试者都进行了模拟驾驶练习。1.21.2 实验平台实验平台。图图 1 实实验验平平台台模拟驾驶器用于模拟真实的驾驶环境。模拟驾驶器硬件设备包括方向盘、离合器、油门、刹车、手刹、挡位和虚拟驾驶视景显示器。模拟驾驶器上有四种模拟驾驶场景:1)山区道路;2)城市道路;3)高速公路;4)恶略天气。为了使受试者快速进入疲劳状态,选用高速公路模拟驾驶场景作为实验环境。图 2 为
12、高速公路模拟驾驶场景。虚拟驾驶道路为双向四车道或双向车道,路面平整良好。实验天气为晴天,并在场景中融入了车辆,河流,山丘,树木、车辆等模型为实验驾驶人员模拟出更为逼真的实验视觉景象。图 3 为 Emotiv 信号采集设备,它被用来采集信号。Emotiv 有 14 个电极,这 14 个电极分别是AF3、AF4、F3、F4、FC5、FC6、F7、F8、T7、T8、P7、P8、O1 和 O2,这 14 个电极的位置如图 4所示。AF3 和 AF4 电极的位置离眼睛较近,所以AF3 和 AF4 中包含了较多的 EOG 信号。本课题选用 AF3 和 AF4 电极的信号用于疲劳驾驶检测。Emotiv 信号
13、采集设备的采样频率为 128Hz。笔记本电脑被用储存采集到的信号。图图 2 高高速速公公路路模模拟拟驾驾驶驶场场景景和和路路线线图图 3 Emotiv 信信号号采采集集设设备备图图 4 Emotiv 电电极极的的位位置置1.3 实实验验方方案案研究表明,午餐后一小时是司机最容易疲劳的时间10。因此,我们的实验是在下午 13:00 进行的。6 名健康受试者进行了 90 分钟(13:00-14:30)的连续模拟驾驶任务。每个受试者被收集 6 组实验数据。每个受试者的实验数据每 15 分钟收集一次,持续 3分钟。从每个受试者的实验数据中共选取了 180 个数据样本,其中包含 90 个非疲劳样本和 9
14、0 个疲劳样本。120 个样本用作训练集,其余 60 个样本用作测试集。研究表明,驾驶员在模拟驾驶环境中更容易疲劳11。因此,我们将 EOG 信号数据的前 45 分钟标记为非疲劳,将 EOG 数据的最后 45 分钟标记为疲劳。2 方法与原理2.1 EOG 的的预预处处理理34基于 GA-GRNN 的疲劳驾驶检测在模拟驾驶环境下所采集的 EOG 中混杂着不相 关 的 伪 迹,如 脑 电 图(Electroencephalogram,EEG)、肌电图(Electromyogram,EMG)等。不相关的伪迹会影响疲劳驾驶检测的结果。因此,在进一步处理和分析之前,对收集到的 EOG 数据进行滤波。在本
15、课题组使用离散小波变换(Discrete WaveletTransform,DWT)进行滤波。EOG 信号的频率范围为 0-38Hz,主频在 10Hz 以下12。Emotiv 信号采集设备的采样频率是 128Hz,因此我们使用 DWT 对信号进行三层的分解,分解后的频率范围为D1(64-128Hz)、D2(32-64Hz)、D3(16-32Hz)、A1(0-16Hz),图 5 是小波分解的结构图。图 6 是原始信号和小波分解后重构的信号,A1重构后的信号的频率在 0-16Hz 之间,含有大量的 EOG 信号。在本文中,我们使用了 Daubechies-1(db1)的母小波。图图 5 小小波波分
16、分解解结结构构图图原始信号D1重构后的信号D2重构后的信号D3 重构后的信号A3 重构后的信号图图 6 原原始始信信号号和和小小波波分分解解后后重重构构的的信信号号2.2 EOG 的的特特征征提提取取2.2.1 近似熵近似熵是由 Pincus 等人在 1991 年提出的被用度量时间序列无序性或不稳定性的方法。近似熵需要的数据量少,抗干扰能力强。除此之外,近似熵对于随机信号有比较好的效果。目前为止,近似熵已经被广泛的应用在很多领域,并且也取得了一定的成果。近似熵的具体计算过程如下13:1)给定长度为 N 的时间序列 x(1),x(2),x(N),定义m 维的向量:()(),(1),(1),11m
17、Xix i x ix imiNm(1)2)定义两个 m 维向量 Xm(i)和 Xm(j)之间的距离为:(),()max|()()|,01mmd XiXjx ikx jkkm(2)3)给定阈值 r,对于每一个 i 值,计算 dXm(i),Xm(j)小于 r 的数目 k 与 N-m 的比值,记作 Bim(r),则:(),11mikBriNmNm 4)先对 Bmi(r)求对数,再求其对所有 i 的平均值,记作 Bm(r),则(3):111()ln()1N mmmiiBrBrNm 5)维数加 1,即 m+1 维时,按以上步骤,可得到 B(4)m+1i(r)和 Bm+1(r);6)时间序列的近似熵的计算
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 GA GRNN 疲劳 驾驶 检测
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。