Neues EEG-System erkennt Müdigkeit im Fahrbetrieb ohne Kalibrierung

Die zunehmende Gefahr von Müdigkeit am Steuer hat die Forschung zu EEG-basierten Erkennungssystemen vorangetrieben. Trotz des vielversprechenden Ansatzes bleibt die hohe Variabilität der Gehirnströme – bedingt durch psychologische und physische Unterschiede – ein großes Hindernis. Traditionell erfordert ein solches System ein aufwändiges Kalibrierungsverfahren, um die individuellen EEG-Muster eines Fahrers zu erfassen.

In der aktuellen Studie wird ein völlig neues Verfahren vorgestellt, das diese Kalibrierung überflüssig macht. Durch Online-Testzeit-Adaptation werden die lernbaren Parameter in den Batch‑Normalization‑Schichten dynamisch angepasst, während die vortrainierten Normalisierungsstatistiken erhalten bleiben. Ergänzt wird das System durch einen Memory‑Bank‑Mechanismus, der kontinuierlich EEG‑Segmente sammelt und anhand von Energie‑Scores sowie Persistenzzeit die zuverlässigsten Daten auswählt. Zusätzlich sorgt ein prototypisches Lernverfahren dafür, dass die Vorhersagen auch bei zeitlichen Verteilungsverschiebungen stabil bleiben.

Die Wirksamkeit des Ansatzes wurde auf dem „Sustained‑Attention Driving“-Datensatz getestet, der in einer simulierten Umgebung erfasst wurde. Hier wurde die Müdigkeit anhand verzögerter Reaktionszeiten bei monotonen Spurhalteaufgaben gemessen. Das neue System erzielte einen durchschnittlichen F1‑Score von 81,73 % – ein Plus von 11,73 % gegenüber dem besten bestehenden Baseline‑Modell.

Durch die Kombination aus kalibrierungsfreier Anpassung, Echtzeit‑Datenmanagement und robustem Prototyp‑Learning bietet die Methode einen vielversprechenden Weg, EEG‑basierte Müdigkeitsdetektion in realen Fahrsituationen einzusetzen. Die Ergebnisse deuten darauf hin, dass solche Systeme künftig ohne aufwändige Vorab‑Kalibrierung zuverlässig funktionieren können, was die Akzeptanz und Sicherheit im Straßenverkehr deutlich erhöhen dürfte.