Gang Li、Wan-Young Chung、釜慶大学校電子工学科（韓国）、2014年

要約

現在、ビデオベースの技術を用いた運転居眠り検知器が広く研究されています。眼瞼閉鎖度（ECD）はビデオベースの手法の主な測定基準ですが、輝度の制限といった欠点や、運転手の注意散漫といった実用上の障害が、その成功を制限しています。本研究では、ビデオベースの手法の代わりにEEG（脳波）センサーを使用してECDを計算する方法を提案します。その前提は、ECDが後頭部EEGの変化と線形関係を示すという点にあります。本研究には計30人の被験者が参加しました。そのうち10人は、ECDとEEGの間の線形関係を検証するための単純な概念実証実験に参加し、残りの20人は、実生活のアプリケーションにおける線形関係の堅牢性をテストするために、ドライビングシミュレーター環境での単調な高速道路運転実験に参加しました。ビデオベースの手法を基準とすると、O2チャネルからのアルファ波パワー比率が、ECDの線形回帰推定に最適な入力特徴であることがわかりました。線形サポートベクター回帰モデルおよび1人残し（leave-one-subject-out）法によって検証された、最適な全体決定係数（SCC、r2で表される）および平均二乗誤差（MSE）は、r2 = 0.930、MSE = 0.013でした。提案された線形EEG-ECDモデルは、運転中の居眠りアプリケーションである時間経過に伴う瞳孔に対する眼瞼閉鎖率（PERCLOS）において、男性被験者で87.5%、女性被験者で70.0%の精度を達成できます。この新しいECD推定手法は、ビデオベースの手法の欠点に対処するだけでなく、ECD推定の計算効率を高め、EEGセンサーにおいてリアルタイムで実装することをより容易にします。レポートの全文を読むには、ここをクリックしてください。