SEED-VIG脑电数据集：驾驶疲劳与警觉性研究

SEED-VIG脑电数据集：驾驶疲劳与警觉性研究

引用

CSDN

1.

https://blog.csdn.net/Gigavision/article/details/145689374

SEED-VIG数据集是一个用于研究驾驶疲劳和警觉性的多模态数据集，包含脑电图（EEG）、眼电图（EOG）和眼动追踪数据。该数据集通过模拟驾驶实验收集，旨在研究驾驶员在单调驾驶环境下的疲劳状态和警觉性变化。

数据集背景与目的

SEED-VIG数据集主要用于研究驾驶过程中的疲劳和警觉性问题。数据集通过模拟驾驶实验收集，参与者在一个真实的车辆内部操作，车辆前方放置了一个大型LCD屏幕，显示四车道的高速公路场景。实验通常在午餐后的下午进行，每次持续约2小时，以更容易诱发参与者的疲劳感。

实验设置

1. 模拟驾驶系统：

• 实验使用了一个模拟驾驶系统，参与者在一个真实的车辆内部操作，车辆的前方放置了一个大型LCD屏幕，显示四车道的高速公路场景。
• 车辆的移动通过方向盘和油门踏板控制，场景根据参与者的操作实时更新。
• 道路设计以直线和单调为主，目的是更容易诱发参与者的疲劳感。

2. 实验时间：

• 实验通常在午餐后的下午进行，因为此时人体的昼夜节律达到困倦的高峰，更容易诱发疲劳。
• 每次实验持续约2小时。

3. 数据采集设备：

• 使用Neuroscan系统记录EEG和EOG信号。
• 参与者佩戴SMI眼动追踪眼镜，用于记录眼动数据。
• 通过眼动数据计算PERCLOS指标（Percentage of Eyelid Closure Over the Pupil Time，眼睑闭合时间百分比），作为警觉性标签。

数据特征

1. EEG特征：

• EEG_Feature_2Hz：从全频段（1~50 Hz）提取功率谱密度（PSD）和差分熵（DE）特征，频率分辨率为2 Hz。数据格式为通道数样本数频段数（1788525）。前1-5通道对应颞叶脑区，后7-17通道对应枕叶脑区。包含psd_movingAve、psd_LDS、de_movingAve和de_LDS等字段。
• EEG_Feature_5Bands：从五个频段提取PSD和DE特征：delta（14 Hz）、theta（48 Hz）、alpha（814 Hz）、beta（1431 Hz）和gamma（31~50 Hz）。数据格式为通道数样本数频段数（178855）。

2. 前额EEG特征：与EEG特征类似，但仅包含4个通道，数据格式为488525和48855。

3. EOG特征：使用ICA（独立成分分析）和减法方法分离垂直眼电（VEO）和水平眼电（HEO）信号。包含features_table_ica、features_table_minus和features_table_icav_minh等字段。数据格式为样本数特征维度（88536）。

4. PERCLOS标签：通过眼动追踪数据计算连续的警觉性标签，范围为0到1。PERCLOS值越高，表示参与者的疲劳程度越高。

数据集组成

SEED-VIG数据集由四部分组成：

1. EEG特征：EEG_Feature_2Hz和EEG_Feature_5Bands
2. 前额EEG特征
3. EOG特征
4. PERCLOS标签

应用场景

SEED-VIG数据集可用于以下研究：

• 驾驶疲劳检测
• 警觉性状态分类
• 多模态信号（EEG、EOG、眼动）融合分析
• 脑机接口（BCI）相关研究

数据格式说明

• EEG数据：以多维数组形式存储，维度为通道数样本数频段数。
• EOG数据：以表格形式存储，维度为样本数*特征维度。
• PERCLOS标签：以一维数组形式存储，表示每个样本的警觉性评分。

数据预览

官方完整数据，共2.9GB。数据集下载链接：CodeStoreHub/EEG-datasets