
Abschätzung des Augenschlussgrades mithilfe von EEG-Sensoren und deren Anwendung bei der Erkennung von Fahrermüdigkeit
Nuri Djavit
Aktualisiert am
12.09.2014

Abschätzung des Augenschlussgrades mithilfe von EEG-Sensoren und deren Anwendung bei der Erkennung von Fahrermüdigkeit
Nuri Djavit
Aktualisiert am
12.09.2014

Abschätzung des Augenschlussgrades mithilfe von EEG-Sensoren und deren Anwendung bei der Erkennung von Fahrermüdigkeit
Nuri Djavit
Aktualisiert am
12.09.2014
Gang Li and Wan-Young Chung, Department of Electronic Engineering, Pukyong National University, Korea. 2014
Zusammenfassung
Derzeit werden Systeme zur Erkennung von Fahrermüdigkeit, die auf Videotechnologie basieren, intensiv erforscht. Der Lidschlussgrad (Eyelid closure degree – ECD) ist das Hauptmaß für videobasierte Methoden. Nachteile wie Helligkeitsbeschränkungen und praktische Hürden wie die Ablenkung des Fahrers schränken jedoch deren Erfolg ein. Diese Studie stellt eine Methode vor, um den ECD mithilfe von EEG-Sensoren anstelle von videobasierten Methoden zu berechnen. Die Prämisse ist, dass der ECD eine lineare Beziehung zu Veränderungen des okzipitalen EEG aufweist. Insgesamt nahmen 30 Probanden an dieser Studie teil: Zehn von ihnen wirkten an einem einfachen Proof-of-Concept-Experiment mit, um die lineare Beziehung zwischen ECD und EEG zu verifizieren. Anschließend nahmen zwanzig Probanden an einem Experiment mit monotoner Autobahnfahrt in einem Fahrsimulator teil, um die Robustheit der linearen Beziehung in realen Anwendungen zu testen. Unter Bezugnahme auf die videobasierte Methode erwies sich der prozentuale Anteil der Alpha-Wellen-Leistung des O2-Kanals als das beste Eingangsmerkmal für die lineare Regressionsschätzung des ECD. Der beste quadratische Korrelationskoeffizient insgesamt (SCC, bezeichnet mit r2) und der mittlere quadratische Fehler (MSE), validiert durch ein Modell der linearen Support-Vektor-Regression und ein Leave-One-Subject-Out-Verfahren, betragen r2 = 0,930 und MSE = 0,013. Das vorgeschlagene lineare EEG-ECD-Modell kann eine Genauigkeit von 87,5 % für männliche und 70,0 % für weibliche Probanden bei der Anwendung zur Erkennung von Fahrermüdigkeit, dem Prozentsatz des Lidschlusses über der Pupille im Zeitverlauf (PERCLOS), erreichen. Diese neue Methode zur ECD-Schätzung behebt nicht nur die Nachteile der videobasierten Methode, sondern macht die ECD-Schätzung auch recheneffizienter und in EEG-Sensoren in Echtzeit einfacher zu implementieren.Klicken Sie hier, um den vollständigen Bericht zu lesen
Gang Li and Wan-Young Chung, Department of Electronic Engineering, Pukyong National University, Korea. 2014
Zusammenfassung
Derzeit werden Systeme zur Erkennung von Fahrermüdigkeit, die auf Videotechnologie basieren, intensiv erforscht. Der Lidschlussgrad (Eyelid closure degree – ECD) ist das Hauptmaß für videobasierte Methoden. Nachteile wie Helligkeitsbeschränkungen und praktische Hürden wie die Ablenkung des Fahrers schränken jedoch deren Erfolg ein. Diese Studie stellt eine Methode vor, um den ECD mithilfe von EEG-Sensoren anstelle von videobasierten Methoden zu berechnen. Die Prämisse ist, dass der ECD eine lineare Beziehung zu Veränderungen des okzipitalen EEG aufweist. Insgesamt nahmen 30 Probanden an dieser Studie teil: Zehn von ihnen wirkten an einem einfachen Proof-of-Concept-Experiment mit, um die lineare Beziehung zwischen ECD und EEG zu verifizieren. Anschließend nahmen zwanzig Probanden an einem Experiment mit monotoner Autobahnfahrt in einem Fahrsimulator teil, um die Robustheit der linearen Beziehung in realen Anwendungen zu testen. Unter Bezugnahme auf die videobasierte Methode erwies sich der prozentuale Anteil der Alpha-Wellen-Leistung des O2-Kanals als das beste Eingangsmerkmal für die lineare Regressionsschätzung des ECD. Der beste quadratische Korrelationskoeffizient insgesamt (SCC, bezeichnet mit r2) und der mittlere quadratische Fehler (MSE), validiert durch ein Modell der linearen Support-Vektor-Regression und ein Leave-One-Subject-Out-Verfahren, betragen r2 = 0,930 und MSE = 0,013. Das vorgeschlagene lineare EEG-ECD-Modell kann eine Genauigkeit von 87,5 % für männliche und 70,0 % für weibliche Probanden bei der Anwendung zur Erkennung von Fahrermüdigkeit, dem Prozentsatz des Lidschlusses über der Pupille im Zeitverlauf (PERCLOS), erreichen. Diese neue Methode zur ECD-Schätzung behebt nicht nur die Nachteile der videobasierten Methode, sondern macht die ECD-Schätzung auch recheneffizienter und in EEG-Sensoren in Echtzeit einfacher zu implementieren.Klicken Sie hier, um den vollständigen Bericht zu lesen
Gang Li and Wan-Young Chung, Department of Electronic Engineering, Pukyong National University, Korea. 2014
Zusammenfassung
Derzeit werden Systeme zur Erkennung von Fahrermüdigkeit, die auf Videotechnologie basieren, intensiv erforscht. Der Lidschlussgrad (Eyelid closure degree – ECD) ist das Hauptmaß für videobasierte Methoden. Nachteile wie Helligkeitsbeschränkungen und praktische Hürden wie die Ablenkung des Fahrers schränken jedoch deren Erfolg ein. Diese Studie stellt eine Methode vor, um den ECD mithilfe von EEG-Sensoren anstelle von videobasierten Methoden zu berechnen. Die Prämisse ist, dass der ECD eine lineare Beziehung zu Veränderungen des okzipitalen EEG aufweist. Insgesamt nahmen 30 Probanden an dieser Studie teil: Zehn von ihnen wirkten an einem einfachen Proof-of-Concept-Experiment mit, um die lineare Beziehung zwischen ECD und EEG zu verifizieren. Anschließend nahmen zwanzig Probanden an einem Experiment mit monotoner Autobahnfahrt in einem Fahrsimulator teil, um die Robustheit der linearen Beziehung in realen Anwendungen zu testen. Unter Bezugnahme auf die videobasierte Methode erwies sich der prozentuale Anteil der Alpha-Wellen-Leistung des O2-Kanals als das beste Eingangsmerkmal für die lineare Regressionsschätzung des ECD. Der beste quadratische Korrelationskoeffizient insgesamt (SCC, bezeichnet mit r2) und der mittlere quadratische Fehler (MSE), validiert durch ein Modell der linearen Support-Vektor-Regression und ein Leave-One-Subject-Out-Verfahren, betragen r2 = 0,930 und MSE = 0,013. Das vorgeschlagene lineare EEG-ECD-Modell kann eine Genauigkeit von 87,5 % für männliche und 70,0 % für weibliche Probanden bei der Anwendung zur Erkennung von Fahrermüdigkeit, dem Prozentsatz des Lidschlusses über der Pupille im Zeitverlauf (PERCLOS), erreichen. Diese neue Methode zur ECD-Schätzung behebt nicht nur die Nachteile der videobasierten Methode, sondern macht die ECD-Schätzung auch recheneffizienter und in EEG-Sensoren in Echtzeit einfacher zu implementieren.Klicken Sie hier, um den vollständigen Bericht zu lesen

Weiterlesen