Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Daag je geheugen uit! Speel de nieuwe N-Back-game in de Emotiv App
Schatting van de mate van oogsluiting met behulp van EEG-sensoren en de toepassing ervan bij de detectie van slaperigheid bij bestuurders
Delen:
Gang Li en Wan-Young Chung, Afdeling Elektronische Techniek, Pukyong National University, Korea. 2014
Samenvatting
Momenteel wordt er veel onderzoek gedaan naar detectoren voor slaperigheid bij bestuurders die gebruikmaken van videotechnologie. De mate van ooglidssluiting (ECD) is de belangrijkste maatstaf van de videogebaseerde methoden, maar nadelen zoals beperkingen door lichtomstandigheden en praktische hindernissen zoals afleiding van de bestuurders beperken het succes ervan. Deze studie presenteert een manier om de ECD te berekenen met behulp van EEG-sensoren in plaats van videogebaseerde methoden. Het uitgangspunt is dat de ECD een lineaire relatie vertoont met veranderingen in het occipitale EEG. In totaal zijn 30 proefpersonen opgenomen in 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 twintig deel aan een eentonig snelwegrij-experiment in een rijsimulatoromgeving om de robuustheid van de lineaire relatie in praktijktoepassingen te testen. Met de videogebaseerde methode als referentie bleek het percentage alfavermogen van het O2-kanaal de beste invoerkenmerk te zijn voor lineaire regressieschatting van de ECD. De beste algemene gekwadrateerde correlatiecoëfficiënt (SCC, aangeduid met r2) en de gemiddelde gekwadrateerde fout (MSE), gevalideerd met een lineair support vector regression-model en de leave-one-subject-out-methode, is r2 = 0.930 en MSE = 0.013. Het voorgestelde lineaire EEG-ECD-model kan voor een toepassing voor slaperigheid bij bestuurders, percentage ooglidssluiting over de pupil in de tijd (PERCLOS), respectievelijk 87,5% en 70,0% nauwkeurigheid behalen voor mannelijke en vrouwelijke proefpersonen. Deze nieuwe methode voor ECD-schatting pakt niet alleen de nadelen van de videogebaseerde methode aan, maar maakt ECD-schatting ook rekenkundig efficiënter en gemakkelijker om in EEG-sensoren in realtime te implementeren.Klik hier om het volledige rapport te lezen
Gang Li en Wan-Young Chung, Afdeling Elektronische Techniek, Pukyong National University, Korea. 2014
Samenvatting
Momenteel wordt er veel onderzoek gedaan naar detectoren voor slaperigheid bij bestuurders die gebruikmaken van videotechnologie. De mate van ooglidssluiting (ECD) is de belangrijkste maatstaf van de videogebaseerde methoden, maar nadelen zoals beperkingen door lichtomstandigheden en praktische hindernissen zoals afleiding van de bestuurders beperken het succes ervan. Deze studie presenteert een manier om de ECD te berekenen met behulp van EEG-sensoren in plaats van videogebaseerde methoden. Het uitgangspunt is dat de ECD een lineaire relatie vertoont met veranderingen in het occipitale EEG. In totaal zijn 30 proefpersonen opgenomen in 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 twintig deel aan een eentonig snelwegrij-experiment in een rijsimulatoromgeving om de robuustheid van de lineaire relatie in praktijktoepassingen te testen. Met de videogebaseerde methode als referentie bleek het percentage alfavermogen van het O2-kanaal de beste invoerkenmerk te zijn voor lineaire regressieschatting van de ECD. De beste algemene gekwadrateerde correlatiecoëfficiënt (SCC, aangeduid met r2) en de gemiddelde gekwadrateerde fout (MSE), gevalideerd met een lineair support vector regression-model en de leave-one-subject-out-methode, is r2 = 0.930 en MSE = 0.013. Het voorgestelde lineaire EEG-ECD-model kan voor een toepassing voor slaperigheid bij bestuurders, percentage ooglidssluiting over de pupil in de tijd (PERCLOS), respectievelijk 87,5% en 70,0% nauwkeurigheid behalen voor mannelijke en vrouwelijke proefpersonen. Deze nieuwe methode voor ECD-schatting pakt niet alleen de nadelen van de videogebaseerde methode aan, maar maakt ECD-schatting ook rekenkundig efficiënter en gemakkelijker om in EEG-sensoren in realtime te implementeren.Klik hier om het volledige rapport te lezen
Gang Li en Wan-Young Chung, Afdeling Elektronische Techniek, Pukyong National University, Korea. 2014
Samenvatting
Momenteel wordt er veel onderzoek gedaan naar detectoren voor slaperigheid bij bestuurders die gebruikmaken van videotechnologie. De mate van ooglidssluiting (ECD) is de belangrijkste maatstaf van de videogebaseerde methoden, maar nadelen zoals beperkingen door lichtomstandigheden en praktische hindernissen zoals afleiding van de bestuurders beperken het succes ervan. Deze studie presenteert een manier om de ECD te berekenen met behulp van EEG-sensoren in plaats van videogebaseerde methoden. Het uitgangspunt is dat de ECD een lineaire relatie vertoont met veranderingen in het occipitale EEG. In totaal zijn 30 proefpersonen opgenomen in 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 twintig deel aan een eentonig snelwegrij-experiment in een rijsimulatoromgeving om de robuustheid van de lineaire relatie in praktijktoepassingen te testen. Met de videogebaseerde methode als referentie bleek het percentage alfavermogen van het O2-kanaal de beste invoerkenmerk te zijn voor lineaire regressieschatting van de ECD. De beste algemene gekwadrateerde correlatiecoëfficiënt (SCC, aangeduid met r2) en de gemiddelde gekwadrateerde fout (MSE), gevalideerd met een lineair support vector regression-model en de leave-one-subject-out-methode, is r2 = 0.930 en MSE = 0.013. Het voorgestelde lineaire EEG-ECD-model kan voor een toepassing voor slaperigheid bij bestuurders, percentage ooglidssluiting over de pupil in de tijd (PERCLOS), respectievelijk 87,5% en 70,0% nauwkeurigheid behalen voor mannelijke en vrouwelijke proefpersonen. Deze nieuwe methode voor ECD-schatting pakt niet alleen de nadelen van de videogebaseerde methode aan, maar maakt ECD-schatting ook rekenkundig efficiënter en gemakkelijker om in EEG-sensoren in realtime te implementeren.Klik hier om het volledige rapport te lezen