[发明专利]基于GPDC图卷积神经网络的疲劳检测方法、装置及存储介质

权利要求书

1.一种基于GPDC图卷积神经网络的疲劳检测方法，其特征在于，包括：

采集初始脑电数据；

对所述初始脑电数据进行处理，得到第一脑电信号；

对所述第一脑电信号进行分割并通过广义偏定向相干计算出有向静态网络；

从所述有向静态网络中筛选出重要连接信息，并且根据重要连接信息得到脑功能矩阵；

通过所述脑功能矩阵建立有向脑功能网络；

通过所述有向脑功能网络将提取所得的脑电特征建模为图信号；

将训练的图信号输入到图卷积神经网络进行网络训练优化，得到驾驶疲劳检测模型；

将测试的图信号输入到所述驾驶疲劳检测模型进行识别检测，得到反馈结果。

2.根据权利要求1所述的一种基于GPDC图卷积神经网络的疲劳检测方法，其特征在于，所述对所述初始脑电数据进行处理，得到第一脑电信号，包括：

对所述初始脑电数据进行预处理，得到第二脑电信号；

对所述第二脑电信号进行分解与重构，得到第一脑电信号。

3.根据权利要求2所述的一种基于GPDC图卷积神经网络的疲劳检测方法，其特征在于，所述预处理包括以下至少之一：独立分量分析、移除脑电信号基线、平均参考和去趋势。

4.根据权利要求2所述的一种基于GPDC图卷积神经网络的疲劳检测方法，其特征在于，所述对所述第二脑电信号进行分解与重构，包括：

采用小波包变换对第二脑电信号进行分解与重构。

5.根据权利要求1所述的一种基于GPDC图卷积神经网络的疲劳检测方法，其特征在于，所述采集初始脑电数据，包括：

通过无线湿电极帽实时采集受试者根据驾驶规则模拟驾驶的初始脑电数据。

6.根据权利要求1所述的一种基于GPDC图卷积神经网络的疲劳检测方法，其特征在于，所述对所述第一脑电信号进行分割包括：

根据预先设定的时间窗口和步长对所述第一脑电信号进行分割。

7.根据权利要求1所述的一种基于GPDC图卷积神经网络的疲劳检测方法，其特征在于，所述将训练的所述图信号输入到图卷积神经网络进行网络训练优化，包括：

采用反向传播算法和交叉熵损失函数优化网络参数；

采用Relu激活函数减少参数间的相互依存关系。

8.一种基于GPDC图卷积神经网络的疲劳检测装置，其特征在于，包括：

采集单元，用于采集初始脑电数据；

处理单元，用于对所述初始脑电数据进行处理，得到第一脑电信号；

操作单元，用于对所述第一脑电信号进行分割并通过广义偏定向相干计算出有向静态网络；

筛选处理单元，用于从所述有向静态网络中筛选出重要连接信息，并且根据重要连接信息得到脑功能矩阵；

建立单元，用于通过所述脑功能矩阵建立有向脑功能网络；

建模单元，用于通过所述有向脑功能网络将提取所得的脑电特征建模为图信号；

训练单元，用于将训练的图信号输入到图卷积神经网络进行网络训练优化，得到驾驶疲劳检测模型；

识别单元，用于将测试的图信号输入到所述驾驶疲劳检测模型进行识别检测，得到反馈结果。

9.根据权利要求9所述的一种基于GPDC图卷积神经网络的疲劳检测装置，其特征在于，所述处理单元包括：

预处理单元，用于对所述初始脑电数据进行预处理，得到第二脑电信号；

分解重构单元，用于对所述第二脑电信号进行分解与重构，得到第一脑电信号。

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有基于GPDC图卷积神经网络的疲劳检测装置可执行指令，基于GPDC图卷积神经网络的疲劳检测装置可执行指令用于使基于GPDC图卷积神经网络的疲劳检测装置执行如权利要求1至7任一所述的基于GPDC图卷积神经网络的疲劳检测方法。