Schatting van de mate van oogsluiting met behulp van EEG-sensoren en de toepassing ervan bij de detectie van slaperigheid bij bestuurders

Nuri Djavit

Bijgewerkt op

12 sep 2014

Schatting van de mate van oogsluiting met behulp van EEG-sensoren en de toepassing ervan bij de detectie van slaperigheid bij bestuurders

Nuri Djavit

Bijgewerkt op

12 sep 2014

Schatting van de mate van oogsluiting met behulp van EEG-sensoren en de toepassing ervan bij de detectie van slaperigheid bij bestuurders

Nuri Djavit

Bijgewerkt op

12 sep 2014

Gang Li en Wan-Young Chung, Department of Electronic Engineering, Pukyong National University, Korea. 2014

Samenvatting

Momenteel worden systemen die vermoeidheid bij de bestuurder detecteren met behulp van videotechnologie op grote schaal bestudeerd. Eyelid closure degree (ECD, mate van ooglidsluiting) is de belangrijkste maatstaf bij op video gebaseerde methoden. Nadelen zoals beperkingen in de lichtsterkte en praktische obstakels zoals afleiding van de bestuurders beperken echter het succes ervan. Deze studie presenteert een manier om de ECD te berekenen met behulp van EEG-sensoren in plaats van op video gebaseerde methoden. Het uitgangspunt is dat de ECD een lineaire relatie vertoont met veranderingen in het occipitale EEG. In totaal namen 30 proefpersonen deel aan deze studie: tien van hen namen deel aan een eenvoudig proof-of-concept experiment om de lineaire relatie tussen ECD en EEG te verifiëren, en vervolgens namen er twintig deel aan een eentonig snelweg-rijexperiment in een rijsimulatoromgeving om de robuustheid van de lineaire relatie in real-life toepassingen te testen. Met de op video gebaseerde methode als referentie, bleek het percentage Alpha-power van het O2-kanaal de beste invoerfunctie te zijn voor lineaire regressieschatting van de ECD. De beste algemene gekwadrateerde correlatiecoëfficiënt (SCC, aangeduid met r2) en de gemiddelde kwadratische fout (MSE) gevalideerd door het lineaire support vector regressiemodel en de 'leave-one-subject-out'-methode is r2 = 0,930 en MSE = 0,013. Het voorgestelde lineaire EEG-ECD-model kan een nauwkeurigheid van respectievelijk 87,5% en 70,0% behalen voor mannelijke en vrouwelijke proefpersonen, voor een toepassing voor vermoeidheid bij de bestuurder, namelijk percentage eyelid closure over the pupil over time (PERCLOS). Deze nieuwe methode voor het schatten van de ECD pakt niet alleen de nadelen van de op video gebaseerde methode aan, maar maakt de ECD-schatting ook computationeel efficiënter en gemakkelijker in real-time te implementeren in EEG-sensoren.Klik hier om het volledige rapport te lezen

Gang Li en Wan-Young Chung, Department of Electronic Engineering, Pukyong National University, Korea. 2014

Samenvatting

Momenteel worden systemen die vermoeidheid bij de bestuurder detecteren met behulp van videotechnologie op grote schaal bestudeerd. Eyelid closure degree (ECD, mate van ooglidsluiting) is de belangrijkste maatstaf bij op video gebaseerde methoden. Nadelen zoals beperkingen in de lichtsterkte en praktische obstakels zoals afleiding van de bestuurders beperken echter het succes ervan. Deze studie presenteert een manier om de ECD te berekenen met behulp van EEG-sensoren in plaats van op video gebaseerde methoden. Het uitgangspunt is dat de ECD een lineaire relatie vertoont met veranderingen in het occipitale EEG. In totaal namen 30 proefpersonen deel aan deze studie: tien van hen namen deel aan een eenvoudig proof-of-concept experiment om de lineaire relatie tussen ECD en EEG te verifiëren, en vervolgens namen er twintig deel aan een eentonig snelweg-rijexperiment in een rijsimulatoromgeving om de robuustheid van de lineaire relatie in real-life toepassingen te testen. Met de op video gebaseerde methode als referentie, bleek het percentage Alpha-power van het O2-kanaal de beste invoerfunctie te zijn voor lineaire regressieschatting van de ECD. De beste algemene gekwadrateerde correlatiecoëfficiënt (SCC, aangeduid met r2) en de gemiddelde kwadratische fout (MSE) gevalideerd door het lineaire support vector regressiemodel en de 'leave-one-subject-out'-methode is r2 = 0,930 en MSE = 0,013. Het voorgestelde lineaire EEG-ECD-model kan een nauwkeurigheid van respectievelijk 87,5% en 70,0% behalen voor mannelijke en vrouwelijke proefpersonen, voor een toepassing voor vermoeidheid bij de bestuurder, namelijk percentage eyelid closure over the pupil over time (PERCLOS). Deze nieuwe methode voor het schatten van de ECD pakt niet alleen de nadelen van de op video gebaseerde methode aan, maar maakt de ECD-schatting ook computationeel efficiënter en gemakkelijker in real-time te implementeren in EEG-sensoren.Klik hier om het volledige rapport te lezen

Gang Li en Wan-Young Chung, Department of Electronic Engineering, Pukyong National University, Korea. 2014

Samenvatting

Momenteel worden systemen die vermoeidheid bij de bestuurder detecteren met behulp van videotechnologie op grote schaal bestudeerd. Eyelid closure degree (ECD, mate van ooglidsluiting) is de belangrijkste maatstaf bij op video gebaseerde methoden. Nadelen zoals beperkingen in de lichtsterkte en praktische obstakels zoals afleiding van de bestuurders beperken echter het succes ervan. Deze studie presenteert een manier om de ECD te berekenen met behulp van EEG-sensoren in plaats van op video gebaseerde methoden. Het uitgangspunt is dat de ECD een lineaire relatie vertoont met veranderingen in het occipitale EEG. In totaal namen 30 proefpersonen deel aan deze studie: tien van hen namen deel aan een eenvoudig proof-of-concept experiment om de lineaire relatie tussen ECD en EEG te verifiëren, en vervolgens namen er twintig deel aan een eentonig snelweg-rijexperiment in een rijsimulatoromgeving om de robuustheid van de lineaire relatie in real-life toepassingen te testen. Met de op video gebaseerde methode als referentie, bleek het percentage Alpha-power van het O2-kanaal de beste invoerfunctie te zijn voor lineaire regressieschatting van de ECD. De beste algemene gekwadrateerde correlatiecoëfficiënt (SCC, aangeduid met r2) en de gemiddelde kwadratische fout (MSE) gevalideerd door het lineaire support vector regressiemodel en de 'leave-one-subject-out'-methode is r2 = 0,930 en MSE = 0,013. Het voorgestelde lineaire EEG-ECD-model kan een nauwkeurigheid van respectievelijk 87,5% en 70,0% behalen voor mannelijke en vrouwelijke proefpersonen, voor een toepassing voor vermoeidheid bij de bestuurder, namelijk percentage eyelid closure over the pupil over time (PERCLOS). Deze nieuwe methode voor het schatten van de ECD pakt niet alleen de nadelen van de op video gebaseerde methode aan, maar maakt de ECD-schatting ook computationeel efficiënter en gemakkelijker in real-time te implementeren in EEG-sensoren.Klik hier om het volledige rapport te lezen