本發(fā)明所述的一種基于遷移學習的多特征融合疲勞檢測方法,改進了已有的基于單一生理特征的疲勞檢測方法,采集了最接近疲勞狀態(tài)本質(zhì)的腦電、心電、眼電信號,并融合了面部圖像特征,進一步提高了模型識別率,并將這4個傳感器數(shù)據(jù)分別訓練模型,使用加權(quán)平均法進行決策級融入,保證模型在傳感器失效的情況下有一定的魯棒性。同時本發(fā)明引入了遷移學習策略,減少了不同駕駛員的個體差異對疲勞檢測模型穩(wěn)定性的影響。
聲明:
“基于遷移學習的多特征融合疲勞檢測方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)