-
公开(公告)号：CN111209815A
公开(公告)日：2020-05-29
申请号：CN201911382375.8
申请日：2019-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，包括以下步骤：S10，通过多普勒雷达模块采集驾驶员的生理信号；S20，对生理信号分类；S30，对生理信号进行滤波及CEEMD算法分解，得到心跳和呼吸两段包含完整时频域特征的信号；S40，设计动量优化的BP神经网络模型对数据集进行训练，从而得到驾驶员疲劳状态检测的算法模型；S50，通过驾驶员疲劳状态检测的算法模型对疲劳状态进行检测。本发明能够避免影响驾驶员正常驾驶的同时，高效且准确的检测驾驶员的疲劳状态。
-
公开(公告)号：CN111209816B
公开(公告)日：2023-10-24
申请号：CN201911382493.9
申请日：2019-12-28
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/213
Abstract: 本发明公开了一种基于正则极限学习机的非接触式疲劳驾驶检测方法，包括以下步骤：S10，通过多普勒雷达模块采集驾驶员的生理信号；S20，对生理信号分类；S30，对生理信号做离散傅里叶变换得到频谱特性；S40，对频谱特性进行特征变换；S50，设计正则极限学习机模型对数据集进行训练，从而得到驾驶员疲劳状态检测的算法模型，通过该模型对疲劳状态进行检测。本发明能够避免影响驾驶员正常驾驶的同时能够高效且准确的检测驾驶员的疲劳状态。
-
公开(公告)号：CN111209815B
公开(公告)日：2023-08-22
申请号：CN201911382375.8
申请日：2019-12-28
Applicant: 杭州电子科技大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/241 , G06N3/0464 , G06N3/084 , G01S7/41 , G01S13/88 , A61B5/024 , A61B5/08
Abstract: 本发明公开了一种基于动量优化的BP神经网络的非接触式疲劳驾驶检测方法，包括以下步骤：S10，通过多普勒雷达模块采集驾驶员的生理信号；S20，对生理信号分类；S30，对生理信号进行滤波及CEEMD算法分解，得到心跳和呼吸两段包含完整时频域特征的信号；S40，设计动量优化的BP神经网络模型对数据集进行训练，从而得到驾驶员疲劳状态检测的算法模型；S50，通过驾驶员疲劳状态检测的算法模型对疲劳状态进行检测。本发明能够避免影响驾驶员正常驾驶的同时，高效且准确的检测驾驶员的疲劳状态。
-
公开(公告)号：CN111209816A
公开(公告)日：2020-05-29
申请号：CN201911382493.9
申请日：2019-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于正则极限学习机的非接触式疲劳驾驶检测方法，包括以下步骤：S10，通过多普勒雷达模块采集驾驶员的生理信号；S20，对生理信号分类；S30，对生理信号做离散傅里叶变换得到频谱特性；S40，对频谱特性进行特征变换；S50，设计正则极限学习机模型对数据集进行训练，从而得到驾驶员疲劳状态检测的算法模型，通过该模型对疲劳状态进行检测。本发明能够避免影响驾驶员正常驾驶的同时能够高效且准确的检测驾驶员的疲劳状态。
-
-
-
Search Results
4
records
(took 0.025 seconds)
