使用长时递归卷积网络检测驾驶员分心
信号处理
2020-04-27 v1 机器学习
机器学习
摘要
在本研究中，我们展示了一种新颖的脑机接口(BCI)方法来检测驾驶员分心事件以改善道路安全。我们使用商用无线头戴设备从大脑生成EEG信号。我们收集了参与40分钟驾驶模拟并在驾驶时执行不同任务的受试者的真实EEG信号。这些信号被分割成短窗口，并使用时间序列分类(TSC)模型进行标记。我们研究了不同的TSC方法，并为此任务设计了一种长时递归卷积网络(LCRN)模型。我们的结果表明，我们的LCRN模型在检测驾驶员分心事件方面优于最先进的TSC模型。
引用
@article{arxiv.2004.11839,
title = {Detecting Driver's Distraction using Long-term Recurrent Convolutional Network},
author = {Chang Wei Tan and Mahsa Salehi and Geoffrey Mackellar},
journal= {arXiv preprint arXiv:2004.11839},
year = {2020}
}
备注
3 pages 2 figures