基于图卷积神经网络的疲劳驾驶检测方法

© 2026 by the Author(s). Licensee Art and Technology, USA. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution -Noncommercial 4.0 International License (CC BY-NC 4.0) ( https://creativecommons.org/licenses/by-nc/4.0/ )

Download PDF

Cite

XML

HTML

Abstract

道路交通事故多由驾驶疲劳引起，传统检测手段多依赖视觉特征及单一生理信号，存在抗干扰能力不足、特征提取不充分、易受环境干扰等问题，本文探讨了运用图卷积神经网络实现的疲劳驾驶检测技术，以大脑电活动为焦点，非欧几里得结构建模与图卷积神经网络的融合，剖析脑区间的空间联系结构，依托注意力机制对权重进行优化配置。实施脑电信号的前期处理、动态图形结构的建立及模型设计的改进，依托SEED-VIG 数据集及十折交叉验证实验，平均检测精度高达91.2%，与常规CNN 及基础GCN 对比，分别高出8.7% 及4.3%，实现了疲劳驾驶检测的高效精确新飞跃。

Keywords

图卷积神经网络

疲劳驾驶检测

脑电信号

特征提取

空间关联

References

[1] 刘恺玢, 张震, 宋婷婷, 刘玮. 基于图卷积神经网络的疲劳驾驶检测方法[J]. 自动化与仪表, 2025, 40 (11): 86-92.
[2] 陆全平, 曾帅, 李芃锐, 郜东瑞, 陈俊. 一个用于疲劳驾驶检测的多尺度卷积神经网络[J]. 软件导刊, 2025, 24 (03): 127-136.
[3] 王孝宇. 基于图神经网络的疲劳驾驶检测方法研究[D]. 青岛大学, 2024.
[4] 刘鹏宇, 杨潞霞, 戴斌. 基于轻量化卷积神经网络的疲劳驾驶检测方法研究[J]. 现代计算机, 2024, 30 (09): 24-29.
[5] 吴天昊, 张震, 王家曜. 一种基于卷积神经网络的疲劳驾驶检测方法[J]. 控制工程, 1-7.

Previous article in this issue

Next article in this issue