多模态融合脑网络识别框架

三网络融合精度95.1%

融合线性和非线性同步指标的大脑网络特征配合XGBoost，实现了对正常、认知分心、视觉分心三种驾驶状态的增强识别。

奇格奇 · 关伟 · 黄爱玲

Cyborg and bionic systems (Washington, D.C.) 2024

参数信息

二分类准确率

95.1 %

三分类准确率

88.3 %

技术优势

识别精度高

最优特征集达到95.1%的二分类和88.3%的三分类准确率。

XGBoost适应性强

在所有选定的网络特征上，XGBoost均优于其他分类器。

特征区分度高

同步似然特征在区分认知和视觉分心方面取得最高准确率。

应用场景

• 脑机接口在驾驶中的应用：将本方法作为驾驶脑机接口的识别模块，实时解码驾驶员分心状态。
• 高级驾驶辅助系统：为ADAS提供分心状态输入，触发对应的控制策略。
• 驾驶员状态监控：基于EEG分析增强监测准确性，区分认知与视觉分心。
• 具身智能安全交互：用于自动驾驶中人机接管场景，识别驾驶员注意力状态以保障交互安全。