গাং লি এবং ওয়ান-ইয়ং চুং, ইলেক্ট্রনিক ইঞ্জিনিয়ারিং বিভাগ, পukyong জাতীয় বিশ্ববিদ্যালয়, কোরিয়া। ২০১৪

সারাংশ

বর্তমানে, ভিডিও-ভিত্তিক প্রযুক্তির সাহায্যে চালকের তন্দ্রাচ্ছন্নতা সনাক্তকারী যন্ত্র নিয়ে ব্যাপকভাবে গবেষণা করা হচ্ছে। চোখের পাতার বন্ধের মাত্রা (ECD) হলো ভিডিও-ভিত্তিক পদ্ধতিগুলোর প্রধান মাপকাঠি, তবে উজ্জ্বলতার সীমাবদ্ধতার মতো ত্রুটি এবং চালকদের বিভ্রান্তির মতো বাস্তব বাধাগুলো এর সাফল্যকে সীমিত করে দেয়। এই গবেষণায় ভিডিও-ভিত্তিক পদ্ধতির পরিবর্তে EEG সেন্সর ব্যবহার করে ECD গণনা করার একটি উপায় উপস্থাপন করা হয়েছে। এর মূল ভিত্তি হলো এই যে, অকসিপিটাল (occipital) EEG-এর পরিবর্তনের সাথে ECD-এর একটি রৈখিক (linear) সম্পর্ক থাকে। এই গবেষণায় মোট ৩০ জন বিষয়কে অন্তর্ভুক্ত করা হয়েছে: তাদের মধ্যে দশজন ECD এবং EEG-এর মধ্যে রৈখিক সম্পর্ক যাচাই করার জন্য একটি সাধারণ প্রুফ-অফ-কনসেপ্ট পরীক্ষায় অংশ নিয়েছিলেন এবং পরবর্তীতে বাকি বিশজন বাস্তব জীবনের প্রয়োগে এই রৈখিক সম্পর্কের স্থায়িত্ব পরীক্ষা করার জন্য একটি ড্রাইভিং সিমুলেটর পরিবেশে একঘেয়ে মহাসড়কে গাড়ি চালানোর পরীক্ষায় অংশ নিয়েছিলেন। ভিডিও-ভিত্তিক পদ্ধতিটিকে রেফারেন্স হিসেবে ধরে, O2 চ্যানেল থেকে প্রাপ্ত আলফা শক্তি শতকরা অনুপাতকে ECD-এর লিনিয়ার রিগ্রেশন অনুমানের জন্য সবচেয়ে সেরা ইনপুট বৈশিষ্ট্য হিসেবে পাওয়া গেছে। লিনিয়ার সাপোর্ট ভেক্টর রিগ্রেশন মডেল এবং লিভ-ওয়ান-সাবজেক্ট-আউট পদ্ধতি দ্বারা যাচাইকৃত সেরা সামগ্রিক স্কয়ারড কোরিলেশন সহগ (SCC, যা r2 দ্বারা চিহ্নিত করা হয়েছে) এবং মিন স্কয়ারড এরর (MSE) হলো r2 = 0.930 এবং MSE = 0.013। প্রস্তাবিত লিনিয়ার EEG-ECD মডেলটি চালকের তন্দ্রাচ্ছন্নতা পরিমাপের অ্যাপ্লিকেশন, পার্সেন্টেজ আইলিড ক্লোজার ওভার দ্য পিউপিল ওভার টাইম (PERCLOS)-এর জন্য পুরুষ এবং নারী চালকদের ক্ষেত্রে যথাক্রমে ৮৭.৫% এবং ৭০.০% নির্ভুলতা অর্জন করতে পারে। এই নতুন ECD অনুমান পদ্ধতিটি শুধুমাত্র ভিডিও-ভিত্তিক পদ্ধতির ত্রুটিগুলোকেই সমাধান করে না, বরং এটি ECD অনুমানকে গণনার দিক থেকে আরও দক্ষ করে তোলে এবং রিয়েল-টাইমে EEG সেন্সরগুলোতে প্রয়োগ করা সহজ করে তোলে।সম্পূর্ণ প্রতিবেদনটি পড়তে এখানে ক্লিক করুন