Schätzung des Augenverschlussgrades mittels EEG-Sensoren und dessen Anwendung zur Erkennung von Fahrere müdigkeit

Gang Li und Wan-Young Chung, Department of Electronic Engineering, Pukyong National University, Korea. 2014

Zusammenfassung

Derzeit werden Fahrererschöpfungsdetektoren, die auf videobasierter Technologie basieren, intensiv untersucht. Der Grad des Augenlidverschlusses (ECD) ist das Hauptmaß der videobasierten Methoden, jedoch begrenzen Nachteile wie Helligkeitsbeschränkungen und praktische Hürden wie Ablenkungen der Fahrer ihren Erfolg. Diese Studie präsentiert eine Methode zur Berechnung des ECD unter Verwendung von EEG-Sensoren anstelle von videobasierten Methoden. Die Annahme ist, dass der ECD eine lineare Beziehung zu Veränderungen des okzipitalen EEG zeigt. Insgesamt sind 30 Probanden an dieser Studie beteiligt: Zehn von ihnen nahmen an einem einfachen Proof-of-Concept-Experiment teil, um die lineare Beziehung zwischen ECD und EEG zu überprüfen, und dann nahmen zwanzig an einem monotonen Autobahnfahrexperiment in einer Fahr-Simulator-Umgebung teil, um die Robustheit der linearen Beziehung in realen Anwendungen zu testen. Unter Bezugnahme auf die videobasierte Methode wird festgestellt, dass der Alpha-Leistungsprozentsatz vom O2-Kanal das beste Eingangsmerkmal für die lineare Regressionsschätzung des ECD darstellt. Der beste insgesamt quadratische Korrelationskoeffizient (SCC, bezeichnet durch r2) und der mittlere quadratische Fehler (MSE), validiert durch das lineare Support-Vektor-Regressionsmodell und die Leave-One-Subject-Out-Methode, sind r2 = 0,930 und MSE = 0,013. Das vorgeschlagene lineare EEG-ECD-Modell kann 87,5 % und 70,0 % Genauigkeit für männliche und weibliche Probanden, respektive für eine Anwendung zur Fahrererschöpfung, Prozentsatz des Augenlidverschlusses über der Pupille im Zeitverlauf (PERCLOS), erreichen. Diese neue ECD-Schätzmethode behandelt nicht nur die Nachteile der videobasierten Methode, sondern macht auch die ECD-Schätzung rechnerisch effizienter und einfacher umsetzbar in EEG-Sensoren in einer Echtzeitanwendung.Hier klicken, um den vollständigen Bericht zu lesen