Estimation du degré de fermeture des yeux à l'aide de capteurs EEG et son application dans la détection de la somnolence des conducteurs

Gang Li et Wan-Young Chung, Département de génie électronique, Université nationale de Pukyong, Corée. 2014

Résumé

Actuellement, les détecteurs de somnolence des conducteurs utilisant une technologie basée sur la vidéo sont largement étudiés. Le degré de fermeture des paupières (ECD) est la principale mesure des méthodes basées sur la vidéo, cependant, des inconvénients tels que les limitations de luminosité et les obstacles pratiques tels que la distraction des conducteurs limitent son succès. Cette étude présente un moyen de calculer l'ECD en utilisant des capteurs EEG au lieu de méthodes basées sur la vidéo. Le postulat est que l'ECD présente une relation linéaire avec les changements de l'EEG occipital. Un total de 30 sujets sont inclus dans cette étude : dix d'entre eux ont participé à une expérience simple de preuve de concept pour vérifier la relation linéaire entre l'ECD et l'EEG, puis vingt ont participé à une expérience de conduite monotone sur autoroute dans un environnement de simulateur de conduite pour tester la robustesse de la relation linéaire dans des applications réelles. En prenant la méthode basée sur la vidéo comme référence, le pourcentage de puissance Alpha du canal O2 s'est révélé être la meilleure caractéristique d'entrée pour l'estimation de régression linéaire de l'ECD. Le meilleur coefficient de corrélation au carré global (SCC, noté par r2) et l'erreur quadratique moyenne (MSE) validés par le modèle de régression de vecteurs de support linéaire et la méthode de laisser un sujet de côté est r2 = 0,930 et MSE = 0,013. Le modèle linéaire EEG-ECD proposé peut atteindre 87,5 % et 70,0 % de précision pour les sujets masculins et féminins, respectivement, pour une application de somnolence du conducteur, pourcentage de fermeture de la paupière sur la pupille au fil du temps (PERCLOS). Cette nouvelle méthode d'estimation de l'ECD aborde non seulement les inconvénients des méthodes basées sur la vidéo, mais rend également l'estimation de l'ECD plus efficace sur le plan computationnel et plus facile à mettre en œuvre dans des capteurs EEG en temps réel.Cliquez ici pour lire le rapport complet