基于卷积神经网络的眼电信号疲劳检测-计算机科学与技术专业论文.docx

万方数据 万方数据 Submitted in total ful?lment of the requirements for the degree of Master in Computer Science Drowsiness Detection from EOG Using Convolutional Neural Networks X????? Z?? Supervisor Prof. B??-L???? L? D????? ?? C??????? S?????? ??? E??????????, S????? ?? E????????? I?????????? ??? E????????? E?????????? S??????? J??? T??? U????????? S???????, P.R.C???? Jan. 21, 2015 上海交通大学 学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他 个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人 和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本 人承担。 学位论文作者签名： 日 期： 年 月 日 上海交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和 借阅。本人授权上海交通大学可以将本学位论文的全部或部分内容编入有关数 据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保 密 □，在 年解密后适用本授权书。 本学位论文属于 不保密 □。 （请在以上方框内打“?”） 学位论文作者签名： 指导教师签名： 日 期： 年 月 日 日 期： 年 月 日 上海交通大学硕士学位论文 摘要 基于卷积神经网络的眼电信号疲劳检测 摘 要 疲劳使得人的反应能力和操控能力大大下降，特别是对于外界瞬时的环境 变化、出现紧急情况的状态下，如果不能及时地作出反应和应对措施，发生事 故的可能性大大提高。特别是在驾驶等常见场景中，疲劳是交通事故的主要诱 因之一，给社会带了重大的财产损失和人员伤亡。 本研究从这一严峻的问题出发，探索一种基于卷积神经网络的疲劳检测算 法，使用眼电信号作为输入信号，从眼电中抽取出与疲劳相关的特征，用于疲 劳检测，从而能够在人体出现疲劳时，给相应的人员发出警告，减少事故发生 的风险。 本研究中提出的基于卷积神经网络的疲劳检测算法不同于以往的使用眼电 信号的疲劳检测算法在于使用了神经网络自动地抽取与疲劳相关的特征，而非 人工地设计相应地特征。人工设计的特征的抽取过程，往往比较繁琐。且由于 人体差异的存在，其可靠性和有效性较差。卷积神经网络模型依赖于反向传播 算法，能够自动地对眼睛运动的模式进行识别，抽取出相应地特征，并且组合 成更高级的特征，以用于疲劳的预测，其抽取的特征往往具有较高的可靠性和 有效性。本研究也对眼电的预处理提出了处理方案，在预处理阶段尽可能少地 对眼电信号做深度处理。本研究对神经网络的输出做了进一步平滑处理，减少 与疲劳无关的特征对结果产生的影响。 本研究对实验中收集的 22 组数据进行了处理，为了验证本研究中所提出 的算法，我们与传统的眼电特征提取算法进行了对比。实验结果表明，一半以 上的样本中，本研究中提出的基于卷积神经网络的疲劳检测模型表现强于传统 的眼电特征抽取算法，证明其具有同等的甚至较强的与疲劳相关特征的抽取能 力。 关键词： 眼电 疲劳检测 卷积网络 i — 上海交通大学硕士学位论文 ABSTRACT Drowsiness Detection from EOG Using Convolutional Neural Networks ABSTRACT Fatigue reduces human’s ability to react to and handle the sudden changes. If not react in time and response properly, serious acident would happen. Consider the situations like driving, fatigue is known for one of the major causes for acidents and leads to signi?cant property losses and casualties. To solve this serious problem, we proposed a new drowsine