基于纹理特征的脑机接口脑电图信号处理用于监测驾驶员状态
计算机视觉与模式识别
2020-10-20 v2
摘要
在本研究中，我们探讨了一种将脑电图（EEG）信号进行纹理处理的方法，作为在假设的脑机接口（BCI）系统中估计驾驶员警觉性的指标。所提出方案的新颖性在于采用一维局部二值模式（1D-LBP）算法从预处理后的EEG数据中提取特征。根据所得特征向量，分类按三个警觉性类别进行：清醒、疲劳和困倦。其主张是，通过描述微模式沿EEG信号出现的变化可以检测类别转换。1D-LBP能够通过将暂时“接近”的信号相互变化检测为短位码来描述它们。我们的分析可以得出结论，采用1D-LBP带来了显著的性能提升。此外，从EEG信号中捕获类别转换是有效的，尽管整体性能尚不足以开发用于真实环境中评估驾驶员警觉性的BCI。
引用
@article{arxiv.2010.06412,
title = {Electroencephalography signal processing based on textural features for monitoring the driver's state by a Brain-Computer Interface},
author = {Giulia Orrù and Marco Micheletto and Fabio Terranova and Gian Luca Marcialis},
journal= {arXiv preprint arXiv:2010.06412},
year = {2020}
}
备注
Accepted for the 25th International Conference on Pattern Recognition (ICPR 2020)