来源：期刊VIP网 时间：
作者：赵国亮;辛聪;刘强;陈泽平;叶青;
单位：中山大学智能工程学院;广州汽车集团股份有限公司汽车工程研究院;广东玛西尔电动科技有限公司;招商局重庆交通科研设计院有限公司;
摘要：为了提升驾驶疲劳检测准确性，以驾驶员的生理信号脉搏波为数据源，在提取心率变异性特征的基础上，引入基于血液动力学的脉搏波波形特征进行多维特征融合，构建可以有效表征驾驶疲劳的特征数据集，并基于集成学习构建驾驶员疲劳状态三分类模型，在数据预处理阶段引入重采样方法，并对比不同采样方式对模型检测性能的影响。试验结果表明：脉搏信号多维特征融合可以显著提高对驾驶疲劳的检测精度，相对于仅采用心率变异性特征的方法，在各场景下检测精度能够平均提高24.68百分点；重采样可进一步提高集成学习模型的检测性能，在采样窗口宽度为2 min、采样窗口重叠为80%、心率变异性特征与脉搏波波形特征融合的场景下，模型的检测性能达到最佳。
基金资助：重庆市科技创新重大研发项目（CSTB2023TIADSTX0030）;; 广东省重点领域研发计划项目（2022B0701180001）;; 深圳市科技计划项目（KCXFZ20240903093911016,KJZD20240903103806009）
