基于EEG的绩效驱动型安防监控自适应自动危险预警系统
人机交互
2023-12-11 v1
摘要
计算机视觉技术已兴起以辅助安防监控。然而，自动化预警/报警系统常采用低 beta 阈值以避免漏报，并产生过多误报。本研究提出了一种基于环境场景与操作员危险识别绩效、具有可调预警阈值等级的自适应危险诊断与报警系统。我们在危险识别任务中记录了脑电图（EEG）数据。采用线性弹道累加器模型将反应时分解为若干心理子成分，进而通过马尔可夫链蒙特卡洛算法进行估计，并在不同危险场景类型间进行比较。参与者对坠落危险最为谨慎，其次为用电危险，对结构危险的态度最不保守。基于任务准确率，利用潜剖面分析将参与者划分为三个绩效水平子组。我们应用迁移学习范式，依据其 EEG 数据的时频表征对子组进行分类。此外，研究了两种持续学习策略，以确保模型对不同危险场景中参与者绩效水平的预测具有鲁棒适应性。这些发现可用于现实中的脑机接口应用，将有助于建立人类对自动化的信任并促进报警技术的成功实施。
引用
@article{arxiv.2211.05931,
title = {EEG-based performance-driven adaptive automated hazard alerting system in security surveillance support},
author = {Xiaoshan Zhou and Pin-Chao Liao},
journal= {arXiv preprint arXiv:2211.05931},
year = {2023}
}