基于单模态生理信号无监督特征学习的驾驶压力识别

摘要

针对基于多模态生理信号分析的驾驶压力识别会影响驾驶员的行车舒适性,且传统的生理特征的提取需要依赖先验知识的问题,构建了基于单模态生理信号无监督特征学习的驾驶压力识别模型。首先采用单模态生理信号,通过构造卷积自编码器进行无监督的特征学习来提取抽象特征;然后将特征依次送入支持向量机、随机森林、K最近邻、梯度提升决策树4种不同的基分类器进行建模;最后引入集成学习的思想对不同基分类器的输出进行投票集成来提高驾驶压力识别的稳定性与准确性。实验结果表明,该模型在MIT-drivedb数据集的驾驶压力三分类任务中的准确率可达92.8%。