GRU-EEGNet注意力检测模型

驾驶分心实时识别

结合θ、α、β频带功率特征与GRU改进EEGNet，显著提升驾驶注意力状态检测精度。

Xiaoli, Wu · Shi, Changcheng · 颜莉蓉 · 史长城

Sensors 2024

参数信息

注意力检测准确率提升（对比PSD_SVM）
12.8 %
注意力检测准确率提升（对比EEGNet）
6.3 %

技术优势

多分心类型可测

覆盖视觉、听觉、认知三类分心任务，而非仅检测单一分心类型。

特征更有效

提取θ、α、β频带功率谱特征比提取全脑电信号功率谱特征更能有效检测驾驶注意力状态。

在线可部署

模型经过在线实验验证，可集成到实时脑电采集系统中使用。

应用场景