本發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本質的腦電、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個傳感器數據分別訓練模型,使用加權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” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)