一、项目名称
基于脑电信号的驾驶疲劳模型及智能监测算法研究
二、提名者及提名意见、提名等级
提名者：南昌高新技术产业开发区管理委员会
提名意见(限300字）：本项目是基于脑电信号分析的人工智能技术在行车安全领域的创新发展，通过对驾驶员的疲劳状态进行实时监控来提高行车安全性。通过研究模拟驾驶环境的脑电信号分析方法，为实验室研究走向应用提供基础，在进入应用阶段以后，可以带动汽车安全产业和汽车电子产业的发展。通过建立拥有自主知识产权的驾驶疲劳模型和智能检测算法，可以在驾驶疲劳监测技术上处于领先，使得汽车安全技术中增加原本没有的驾驶疲劳监测技术；促进汽车电子产业的变革和发展，同时减少由于汽车疲劳驾驶带来的汽车安全事故。
提名等级：一等奖
三、项目简介（限1页）
本项目是基于脑电信号分析的人工智能技术在行车安全领域的创新发展，通过对驾驶员的疲劳状态进行实时监控来提高行车安全性，主要应用领域为以大货车和大客车为运输工具，需要长期夜间行车和疲劳驾驶的运输企业。
本项目采用 ERP（事件诱发电位）、ERS（事件相关同步）/ERD（事件相关去同步）探索驾驶疲劳形成的神经机理。基于疲劳相关功能团，采用五种关联算法，构建功能性脑网络（FBN），应用最大生成树、最优化模型、溯源、脑网络演化模型等方法，对FBN 网络拓扑络特性、动力学变化和相关网络指标进行分析。运用多特征融合算法，建立检测模型，采用三种融合策略将局部特征和全局特征相融合进行检测，研究表明：
（1）利用局部特征和全局特征均可以实现驾驶疲劳检测，融合使用具有较高的鲁棒性和稳定性。采用多种熵特征进行局部特征融合，实现了大概96%的识别率；采用功能脑网络特征如密度、聚类系数和全局效率等多种全局特征，进行全局特征融合，发现特征之间的差异性较为集中在左耳区域，最高识别率达到了91.3%左右。
（2）对男女性别在疲劳检测中的影响进行了研究，发现女性受试者相对男性受试者更容易发生疲劳，女性驾驶员是驾驶疲劳事故的高危人群。
（3）不同分类器对疲劳检测结果有影响，使用了AdaBoost 等十多种分类器研究分类准确率，获取了不同特征提取方法下的最佳识别率， 比如得出了 FE（模糊熵）特征和RF（随机森林）的识别率较好，其中最高识别率可达93%左右。而应用集成学习算法比如梯度迭代和四种熵特征进行单根电极的分类，最终结果显示分类准确率最高达到92%左右，获得了很好的稳定性。
本项目研究使得我国在驾驶疲劳监测应用技术方面取得原始创新成果。利用脑电信号进行驾驶员的驾驶疲劳监测，当疲劳发生时候进行警告和提醒，减少交通事故的发生概率。通过研究模拟驾驶环境的脑电信号分析方法，为实验室研究走向应用提供基础，在进入应用阶段以后，可以带动汽车安全产业和汽车电子产业的发展。
以本课题为研究基础申报的国家自然科学基金课题《基于功能性脑网络和多特征融合的疲劳驾驶状态识别方法研究》于2017 年获批立项。项目研究紧密相关SCI和EI论文有36篇。5篇代表作被高水平期刊论文它引74次。在基于脑电信号的驾驶疲劳模型及智能监测算法研究方面我们的研究已经达到了国内领先的程度。
四、代表性论文专著目录
（
限5篇）
序号 |
论文（专著）名称/刊名 |
作者（按发表顺序） |
年卷页码（××年××卷××页） |
发表时间（年月日） |
通讯作者 |
第一作者 |
1 |
An approach to EEG-based gender recognition using entropy-measurement methods/NOWLEDGE-BASED SYSTEMS 基于熵测量方法的脑电性别识别方法/基于知识的系统 |
胡剑锋 |
2018年140卷134-141页 |
2018年1月15日 |
胡剑锋 |
胡剑锋 |
2 |
Driving Fatigue Detecting Based on EEG Signals of Forehead Area/ INTERNATIONAL JOURNAL OF PATTERN RECOGNITION AND ARTIFICIAL INTELLIGENCE 基于前额脑电信号的驾驶疲劳检测/国际模式识别与人工智能杂志 |
穆振东 胡剑锋 尹晶海 |
2017年5期31卷431-440页 |
2017年3月15日 |
胡剑锋 |
穆振东 |
3 |
Driver Fatigue Detection System Using Electroencephalography Signals Based on Combined Entropy Features/applied sciences 基于组合熵特征的脑电信号驾驶员疲劳检测系统/应用科学 |
穆振东 胡剑锋 闵建亮 |
2017年2期7卷150号 |
2017年2月6日 |
胡剑锋 |
穆振东 |
4 |
Automated Detection of Driver Fatigue Based on AdaBoost Classifier with EEG Signals/FRONTIERS IN COMPUTATIONAL NEUROSCIENCE 基于AdaBoost分类器和脑电信号的驾驶员疲劳自动检测/计算神经科学前沿 |
胡剑锋 |
2017年11卷72号 |
2017年8月3日 |
胡剑锋 |
胡剑锋 |
5 |
定性推理生成器在驾驶疲劳检测中的应用/汽车安全与节能学报 |
徐军莉 闵建亮 胡剑锋 王平 |
2018年1期9卷32-40页 |
2018年3月 |
胡剑锋 |
徐军莉 |
五、主要完成人（完成单位）情况
排名 |
姓名 |
性别 |
出生年月 |
技术职称 |
文化程度 |
工作单位 |
行政职务 |
完成单位 |
对本项目主要学术贡献 |
1 |
穆振东 |
男 |
1975.11 |
教授 |
研究生 |
江西科技学院 |
无 |
江西科技学院 |
在本项目研究中，穆振东教授利用脑电信号的不同熵值特征和功能性脑网络特征对驾驶疲劳进行研究，与现有疲劳检测研究不同的是，穆振东教授的研究以提升驾驶疲劳识别模型的效率为目的，主要理论集中在利用前额区两导联进行疲劳检测和性别差异对疲劳检测的影响。 |
2 |
尹晶海 |
男 |
1977.1 |
教授 |
研究生 |
江西科技学院 |
无 |
江西科技学院 |
尹晶海教授对男女性别在疲劳检测中的影响进行了研究，发现女性受试者相对男性受试者更容易发生疲劳，女性驾驶员是驾驶疲劳事故的高危人群。在基于SSVEP的脑电信号分析，基于深度学习的特征识别与检测方面也做了深入的研究。在此基础上，尹晶海教授还研发了基于脑电信号分析的中间件，基于脑电信号的手机应用平台等，为基于脑电的商业应用开发降低了难度。 |
3 |
王平 |
男 |
1981.7 |
副教授 |
研究生 |
江西科技学院 |
无 |
江西科技学院 |
在本项目研究中，王平老师负责完成脑电实验，脑电数据采集，数据预处理以及数据分析等工作。 |
4 |
徐军莉 |
女 |
1977.5 |
教授 |
研究生 |
江西科技学院 |
无 |
江西科技学院 |
徐军莉教授在项目”基于眼动特征的驾驶疲劳预警系统的研发”中鉴于人眼动行为的随机性和模糊性特点,提出了采用云模型的概念,建立二维多规则定性推理生成器对眼动数据进行疲劳检测,实验结果发现:同组数据的情况下,生成器的检测率要高于采用K最近邻及支持向量机分类算法.且随着训练样本人数增多,生成器的识别率还可进一步提高。 |
5 |
胡剑锋 |
男 |
1976.7 |
教授 |
研究生 |
江西科技学院 |
无 |
江西科技学院 |
胡剑锋博士提出了基于疲劳相关功能团构建功能性脑网络（FBN），应用最大生成树、最优化模型、溯源、脑网络演化模型等方法，对FBN网络拓扑络特性、动力学变化和相关网络指标进行分析。运用多特征融合算法，建立检测模型，采用三种融合策略将局部特征和全局特征相融合进行检测，对现有的基于脑电的疲劳驾驶检测方法形成了有益补充。 |
以上项目拟申报2024年度江西省科学技术奖，特予公示。
公示期：2024年12月9日至2024年12月15日，共7天，公示期间，任何单位或者个人对公示项目有异议，请向科研处（学科办）提出，我们将按照有关规定进行处理。以个人名义反映情况的，请提供真实姓名、联系方式、反映事项以及证明材料等，并在书面材料上署名；以单位名义反映情况的，请提供单位名称、联系人、联系方式、反映事项以及证明材料等，并在书面材料上盖单位公章。凡匿名异议、超出期限异议的不予受理。
联系人及联系电话：孙老师 0791-88136047
科研处（学科办）
2024年12月9日
