摘要：心率變異性分析是最常用的一種基于心電信號的疲勞駕駛檢測方法.然而,該方法需要被檢測信號時(shí)間足夠長,且準(zhǔn)確率較低.因此提出一種基于短時(shí)心電信號的疲勞駕駛檢測算法.首先,按照30 s的時(shí)長截取短時(shí)心電信號序列,利用差分閾值法確定R波位置,根據(jù)R-R間期差值大小剔除不合格的噪聲樣本;然后,計(jì)算R-R間期序列的時(shí)域/頻域特征并與利用ImageNet數(shù)據(jù)集預(yù)訓(xùn)練的深度卷積神經(jīng)網(wǎng)絡(luò)模型提取的特征相結(jié)合;最后,設(shè)計(jì)了一種隨機(jī)森林分類器并基于這些特征進(jìn)行分類.結(jié)果表明,該算法在疲勞駕駛檢測上具有良好的分類效果,平均準(zhǔn)確率達(dá)到91%.因此,相較于心率變異性分析方法,本算法檢測所需心電信號更短,且在準(zhǔn)確率上具備顯著優(yōu)勢.