机构名称：
¥ 1.0
摘要 —驾驶是一项需要高度警觉的活动。注意力不足、感知不完善、信息处理不充分和唤醒程度不佳都是导致人类表现不佳的可能原因。了解这些原因并实施有效的补救措施对于提高交通安全和改善驾驶员健康至关重要。为此，我们使用深度学习算法在模拟环境中检测专业卡车司机的唤醒水平，即唤醒不足、正常和过度唤醒。通过腕戴设备收集 11 名参与者的生理信号。我们根据主观的嗜睡测量和压力刺激分数，提出了一种经济有效的唤醒真实值生成方案。在这个数据集上，我们评估了一系列深度神经网络模型，用于表示学习作为手工特征提取的替代方案。我们的结果表明，在原始生理信号（如心率、皮肤电导率和皮肤温度）上训练的 7 层卷积神经网络优于基线神经网络和去噪自动编码器模型，加权 F 值分别为 0.82 vs. 0.75，Kappa 分别为 0.64 vs. 0.53。提出的卷积模型不仅改善了整体结果，而且还提高了数据集中每个驾驶员的检测率，这是通过留一交叉验证确定的。索引术语 — 唤醒检测、深度学习
驾驶模拟器中的深度生理唤醒检测...
主要关键词
相关文件推荐
