OpenDriver：一个开放道路驾驶状态检测数据集
人工智能
2024-12-05 v3 计算机视觉与模式识别
人机交互
机器学习
摘要
在众多驾驶状态检测研究中，可穿戴生理测量提供了一种实用的实时监测方法。然而，开放道路场景下的驾驶生理数据集很少，且现有数据集存在信号质量差、样本量小、采集周期短等问题。因此，本文构建了一个用于驾驶状态检测的大规模多模态驾驶数据集 OpenDriver。OpenDriver 共包含 3,278 次驾驶行程，信号采集时长约 4,600 小时。OpenDriver 收录了两类驾驶信号：来自运动测量单元（IMU）的心电图（ECG）信号和方向盘六轴运动数据，这些数据由 81 名驾驶员及其车辆记录得到。此外，我们的工作涉及三项具有挑战性的任务，即 ECG 信号质量评估、基于 ECG 信号的个体生物特征识别，以及复杂驾驶环境下的生理信号分析。为促进这些任务的研究，我们还引入了相应的基准。首先，采用噪声增强策略生成更大规模的、具有真实噪声模拟的 ECG 信号数据集用于质量评估。其次，采用端到端对比学习框架进行个体生物特征识别。最后，对不同驾驶条件下驾驶员的 HRV 特征进行了综合分析。每个基准均提供了评估指标和参考结果。OpenDriver 数据集将在 https://github.com/bdne/OpenDriver 公开。
引用
@article{arxiv.2304.04203,
title = {OpenDriver: An Open-Road Driver State Detection Dataset},
author = {Delong Liu and Shichao Li and Tianyi Shi and Zhu Meng and Guanyu Chen and Yadong Huang and Jin Dong and Zhicheng Zhao},
journal= {arXiv preprint arXiv:2304.04203},
year = {2024}
}
备注
Considering that there are flaws in the statistical data of the dataset, all the authors agreed to withdraw the manuscript