科研处
 首页 | 部门概况 | 项目管理 | 科研平台 | 成果专利 | 科研制度 | 下载中心 | 成果转化 | 评建专栏 
站内搜索:
 今天是:
当前位置: 首页>>科研动态>>正文
2021年度江西省科学技术奖提名项目公示
2021-05-11 10:48   审核人:   (点击: )

2021年度江西省科学技术奖提名项目公示

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

候选单位:江西科技学院

候 选 人:胡剑锋、尹晶海、穆振东、徐军莉、王平

项目简介(不超800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,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。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96%的识别率;采用功能脑网络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,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,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SCIEI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。

以上项目拟申报2021年度江西省科学技术奖,特予公示。

公示期:2021年5月11日至2021年5月17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:吴静   0791-88136556

科研处(学科办)

2021年5月11日

关闭窗口
 
设为首页  |  加入收藏

江西科技学院科研处(学科办)  地址:江西科技学院科研处(学科办)