Estimasi Tingkat Penutupan Mata Menggunakan Sensor EEG dan Aplikasinya dalam Deteksi Mengantuk Pengemudi

Gang Li dan Wan-Young Chung, Departemen Teknik Elektronik, Universitas Pukyong Nasional, Korea. 2014

Abstrak

Saat ini, detektor kantuk pengemudi menggunakan teknologi berbasis video sedang banyak diteliti. Derajat penutupan kelopak mata (ECD) adalah ukuran utama dari metode berbasis video, namun, kelemahan seperti batasan kecerahan dan hambatan praktis seperti gangguan bagi pengemudi membatasi kesuksesannya. Penelitian ini menyajikan cara untuk menghitung ECD menggunakan sensor EEG alih-alih metode berbasis video. Premisnya adalah bahwa ECD menunjukkan hubungan linier dengan perubahan EEG oksipital. Sebanyak 30 subjek termasuk dalam penelitian ini: sepuluh di antaranya berpartisipasi dalam percobaan bukti-konsep sederhana untuk memverifikasi hubungan linier antara ECD dan EEG, dan kemudian dua puluh berpartisipasi dalam eksperimen berkendara di jalan raya monoton dalam lingkungan simulator berkendara untuk menguji ketahanan hubungan linier dalam aplikasi kehidupan nyata. Mengambil metode berbasis video sebagai referensi, persentase daya Alpha dari saluran O2 ditemukan sebagai fitur input terbaik untuk estimasi regresi linier dari ECD. Koefisien korelasi kuadrat (SCC, dilambangkan dengan r2) dan kesalahan kuadrat rata-rata (MSE) terbaik yang divalidasi oleh model regresi vektor dukungan linier dan metode tinggalkan satu subjek adalah r2 = 0,930 dan MSE = 0,013. Model linier EEG-ECD yang diusulkan dapat mencapai akurasi 87,5% dan 70,0% untuk subjek pria dan wanita, masing-masing, untuk aplikasi kantuk pengemudi, persentase penutupan kelopak mata di atas pupil dari waktu ke waktu (PERCLOS). Metode estimasi ECD baru ini tidak hanya mengatasi kelemahan metode berbasis video, tetapi juga membuat estimasi ECD lebih efisien secara komputasional dan lebih mudah diimplementasikan dalam sensor EEG dengan cara waktu nyata.Klik di sini untuk membaca laporan lengkap