गैंग ली और वान-यंग चुंग, इलेक्ट्रॉनिक इंजीनियरिंग विभाग, पुकयोंग नेशनल यूनिवर्सिटी, कोरिया। 2014

सार

वर्तमान में, वीडियो आधारित तकनीक का उपयोग करने वाले ड्राइवर उनींदापन डिटेक्टरों का व्यापक रूप से अध्ययन किया जा रहा है। पलक झपकने की सीमा (ECD) वीडियो-आधारित तरीकों का मुख्य उपाय है, हालांकि, चमक की सीमा जैसी कमियां और ड्राइवरों का ध्यान भटकने जैसी व्यावहारिक बाधाएं इसकी सफलता को सीमित करती हैं। यह अध्ययन वीडियो-आधारित तरीकों के बजाय EEG सेंसर का उपयोग करके ECD की गणना करने का एक तरीका प्रस्तुत करता है। आधार यह है कि ECD ओसीसीपिटल EEG के परिवर्तनों के साथ एक रैखिक संबंध प्रदर्शित करता है। इस अध्ययन में कुल 30 विषयों को शामिल किया गया है: उनमें से दस ने ECD और EEG के बीच रैखिक संबंध को सत्यापित करने के लिए एक सरल प्रूफ़-ऑफ़-कॉन्सेप्ट प्रयोग में भाग लिया, और फिर बीस ने वास्तविक जीवन के अनुप्रयोगों में रैखिक संबंध की मजबूती का परीक्षण करने के लिए एक ड्राइविंग सिम्युलेटर वातावरण में एक नीरस राजमार्ग ड्राइविंग प्रयोग में भाग लिया। वीडियो-आधारित पद्धति को संदर्भ के रूप में लेते हुए, O2 चैनल से अल्फा पावर प्रतिशत को ECD के रैखिक प्रतिगमन अनुमान के लिए सबसे अच्छा इनपुट फीचर पाया गया है। रैखिक समर्थन वेक्टर प्रतिगमन मॉडल और लीव-वन-सब्जेक्ट-आउट पद्धति द्वारा मान्य सर्वश्रेष्ठ समग्र वर्ग सहसंबंध गुणांक (SCC, जिसे r2 द्वारा दर्शाया गया है) और माध्य वर्ग त्रुटि (MSE) r2 = 0.930 और MSE = 0.013 है। प्रस्तावित रैखिक EEG-ECD मॉडल ड्राइवर उनींदापन अनुप्रयोग, समय के साथ पुतली पर प्रतिशत पलक बंद होने (PERCLOS) के लिए क्रमशः पुरुष और महिला विषयों के लिए 87.5% और 70.0% सटीकता प्राप्त कर सकता है। यह नई ECD अनुमान पद्धति न केवल वीडियो-आधारित पद्धति की कमियों को दूर करती है, बल्कि वास्तविक समय में EEG सेंसर में लागू करने के लिए ECD अनुमान को अधिक कम्प्यूटेशनल रूप से कुशल और आसान बनाती है।पूरी रिपोर्ट पढ़ने के लिए यहां क्लिक करें