Estimación del Grado de Cierre de Ojos Usando Sensores EEG y Su Aplicación en la Detección de Somnolencia del Conductor

Gang Li y Wan-Young Chung, Departamento de Ingeniería Electrónica, Universidad Nacional de Pukyong, Corea. 2014

Resumen

Actualmente, los detectores de somnolencia del conductor que utilizan tecnología basada en video están siendo ampliamente estudiados. El grado de cierre del párpado (ECD) es la principal medida de los métodos basados en video; sin embargo, inconvenientes como las limitaciones de brillo y los obstáculos prácticos, como la distracción de los conductores, limitan su éxito. Este estudio presenta una forma de calcular el ECD utilizando sensores EEG en lugar de métodos basados en video. La premisa es que el ECD exhibe una relación lineal con los cambios en el EEG occipital. Un total de 30 sujetos están incluidos en este estudio: diez de ellos participaron en un simple experimento de prueba de concepto para verificar la relación lineal entre el ECD y el EEG, y luego veinte participaron en un experimento de conducción monótona en un entorno de simulador de conducción para probar la robustez de la relación lineal en aplicaciones de la vida real. Tomando el método basado en video como referencia, se encontró que el porcentaje de potencia Alfa del canal O2 es la mejor característica de entrada para la estimación de regresión lineal del ECD. El mejor coeficiente de correlación cuadrática general (SCC, denotado por r2) y el error cuadrático medio (MSE) validados por el modelo de regresión de vectores de soporte lineales y el método de dejar un sujeto fuera es r2 = 0.930 y MSE = 0.013. El modelo propuesto de EEG-ECD lineal puede alcanzar una precisión del 87.5% y del 70.0% para sujetos masculinos y femeninos, respectivamente, para una aplicación de somnolencia del conductor, el porcentaje de cierre del párpado sobre la pupila a lo largo del tiempo (PERCLOS). Este nuevo método de estimación del ECD no solo aborda las desventajas del método basado en video, sino que también hace que la estimación del ECD sea más eficiente computacionalmente y más fácil de implementar en sensores EEG de manera en tiempo real.Haga clic aquí para leer el informe completo