1.一种基于虚拟现实的驾驶员状态在线识别方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于虚拟现实的驾驶员状态在线识别方法,其特征在于,所述步骤1中,虚拟现实驾驶系统的搭建方法,包括以下步骤:
3.如权利要求1所述的基于虚拟现实的驾驶员状态在线识别方法,其特征在于,所述步骤2中,脑电采集设备采集p8、t7、t8及p7四个导联处的原始脑电信号,作为优选的,原始脑电信号的采样频率为500hz;所述驾驶行为数据包括实时时间、车辆左右偏移量和方向盘角度大小,作为优选的,驾驶行为数据采样率为30hz。
4.如权利要求1所述的基于虚拟现实的驾驶员状态在线识别方法,其特征在于,所述步骤3中,原始脑电信号的预处理方法为:在0.5hz~40hz范围进行带通滤波,将采样率从500hz降为256hz,选取固定时长的脑电数据进行后续分析,作为优选的,所述固定时长为60min,经过固定窗长和步长的数据滑动窗处理后,得到m个样本的脑电数据,作为优选的,m=1200。
5.如权利要求1所述的基于虚拟现实的驾驶员状态在线识别方法,其特征在于,所述步骤3中,驾驶行为数据的预处理方法为:选取固定时长的驾驶行为数据进行后续分析,驾驶行为数据与脑电数据的每个数据段一一对应,驾驶行为数据设置滑动窗的窗长和步长与脑电数据相同,分别计算驾驶行为每个窗内的车辆左右偏移量和方向盘角度大小的均值作为统计类指标,最终得到m个样本的驾驶行为变量作为优选的,m=1200。
6.如权利要求1所述的基于虚拟现实的驾驶员状态在线识别方法,其特征在于,所述步骤4中,k-means算法对驾驶行为数据进行聚类,将驾驶员状态警觉度划分为三类:高警觉度、半警觉度、低警觉度,聚类过程为:
7.如权利要求1所述的基于虚拟现实的驾驶员状态在线识别方法,其特征在于,所述步骤4中,脑电信号时频特征的提取选用d3子频带;变异系数特征提取时,其中σ表示样本的d3子频带的标准差;μ表示样本的d3子频带的平均值,cv为提取特征后的脑电数据。
8.如权利要求1所述的基于虚拟现实的驾驶员状态在线识别方法,其特征在于,所述步骤5中,利用支持向量机算法,采用提取特征后的脑电数据训练分类模型:
9.如权利要求1所述的基于虚拟现实的驾驶员状态在线识别方法,其特征在于,所述步骤6中,分析处理方法为:在0.5hz~40hz范围进行带通滤波,将采样率从500hz降为256hz,然后进行离散小波变换后选取d3子频带,再通过变异系数提取cv特征;
10.一种基于虚拟现实的驾驶员状态在线识别系统,其特征在于,包括脑电采集设备、分析模块和利用如权利要求1-9中任一项所述方法得到的分类模型,所述脑电采集设备采集到原始脑电信号,并通过局域网无线实时传输信号,分析模块接收原始脑电信号后进行预处理滤波降采样,提取警觉度相关的特征,由所述分类模型进行分析,得到驾驶员警觉度状态。