基于非接触式眼动信号的驾驶脑力负荷预测方法及系统

技术特征：

1.基于非接触式眼动信号的驾驶脑力负荷预测方法，其特征在于：包括：

2.如权利要求1所述的基于非接触式眼动信号的驾驶脑力负荷预测方法，其特征在于：眼动点处理过程包括：

3.如权利要求1所述的基于非接触式眼动信号的驾驶脑力负荷预测方法，其特征在于：注视点提取过程包括：

4.如权利要求1所述的基于非接触式眼动信号的驾驶脑力负荷预测方法，其特征在于：瞳孔处理过程包括：

5.如权利要求1所述的基于非接触式眼动信号的驾驶脑力负荷预测方法，其特征在于：眨眼处理的过程包括：

6.如权利要求1所述的基于非接触式眼动信号的驾驶脑力负荷预测方法，其特征在于：在步骤3中，在使用线性回归、神经网络和高斯过程回归的机器学习回归算法对驾驶员的脑力负荷进行预测时，分别通过比较线性回归模型、神经网络模型和高斯过程回归模型的决定系数r2、均方根误差rmse和平均绝对误差mae确定最优模型，其中：

7.如权利要求6所述的基于非接触式眼动信号的驾驶脑力负荷预测方法，其特征在于：在建立线性回归模型、神经网络模型和高斯过程回归模型前，需进行对步骤2提取的眼动输入特征进行特征转换，特征转换的方法具体为：

8.如权利要求6所述的基于非接触式眼动信号的驾驶脑力负荷预测方法，其特征在于：高斯过程回归模型的构建过程包括：

9.基于非接触式眼动信号的驾驶脑力负荷预测系统，其特征在于：包括：

技术总结
本发明公开了基于非接触式眼动信号的驾驶脑力负荷预测方法及系统，涉及辅助驾驶技术领域。包括：步骤1：采集驾驶员的眼动时序数据；步骤2：对采集的眼动数据进行预处理及时序信号特征提取，并考虑脑力负荷的时变特征，提取时序信息作为特征变量；步骤3：构建脑力负荷回归预测模型；本方法通过采用眼动信号这一单一模态进行长时驾驶脑力负荷动态预测，建立的脑力负荷回归预测模型能对脑力负荷进行精确预测，解决了现有脑力负荷预测方法中存在的数据获取困难、计算难度大、基于静态视角对驾驶人员的脑力负荷进行评估、未考虑长时驾驶过程中脑力负荷的时变特征以及测评精度不高等问题。

技术研发人员：陶达,欧阳韩,王铁雁,黄玉勇,吉玉辰
受保护的技术使用者：深圳大学
技术研发日：
技术公布日：2025/1/20