疲劳驾驶是由于驾驶者长期的专注驾驶导致其在体力和脑力上的快速消耗，会影响驾驶者感知周围环境和做出快速判断的能力，很大程度上增加了驾驶事故的发生概率。因此，驾驶员疲劳状态监测已成为一个急需解决的社会问题。基于该问题，高忠科教授团队设计了模拟驾驶环境，采集模拟驾驶环境下驾驶员的 EEG 信号。然后基于脑电信号的时空维度提出了一个时空卷积神经网络（EEG-based spatio-temporal convolutional neural network，ESTCNN），进而给出该模型在所采集疲劳数据集上的总体性能，模型框架如图1所示。该方法通过核心模块来处理脑电中时间维度上的信息并利用密集层来融合电极间空间特征，使得驾驶员疲劳状态监测平均准确率高达97.37%。
图2 ESTCNN 网络结构示意图
