Gang Li i Wan-Young Chung, Katedra Inżynierii Elektronicznej, Narodowy Uniwersytet Pukyong, Korea. 2014

Streszczenie

Obecnie szeroko badane są detektory senności kierowców wykorzystujące technologię wideo. Stopień zamknięcia powiek (ECD) jest główną miarą metod opartych na wideo, jednak wady takie jak ograniczenia jasności i przeszkody praktyczne, takie jak rozpraszanie uwagi kierowców, ograniczają ich sukces. Niniejsze badanie przedstawia sposób obliczania ECD przy użyciu czujników EEG zamiast metod opartych na wideo. Założenie jest takie, że ECD wykazuje liniową zależność ze zmianami w potylicznym EEG. W badaniu wzięło udział łącznie 30 osób: dziesięć z nich uczestniczyło w prostym eksperymencie weryfikującym słuszność koncepcji w celu potwierdzenia liniowej zależności między ECD a EEG, a następnie dwadzieścia wzięło udział w eksperymencie z monotonną jazdą po autostradzie w środowisku symulatora jazdy, aby przetestować stabilność tej liniowej zależności w zastosowaniach w świecie rzeczywistym. Przyjmując metodę opartą na wideo jako punkt odniesienia, ustalono, że procentowa moc fal Alpha z kanału O2 jest najlepszą cechą wejściową do estymacji regresji liniowej ECD. Najlepszy ogólny współczynnik korelacji kwadratowej (SCC, oznaczony jako r2) i błąd średniokwadratowy (MSE) zweryfikowane przez model liniowej regresji wektorów nośnych oraz metodę walidacji krzyżowej (z wyłączeniem jednego obiektu badania) wynoszą odpowiednio r2 = 0.930 i MSE = 0.013. Proponowany liniowy model EEG-ECD może osiągnąć dokładność 87.5% dla mężczyzn i 70.0% dla kobiet w zastosowaniu do wykrywania senności kierowcy, tj. procentowego czasu zamknięcia powiek nad źrenicą (PERCLOS). Ta nowa metoda estymacji ECD nie tylko rozwiązuje wady metody opartej na wideo, ale także sprawia, że estymacja ECD jest bardziej wydajna obliczeniowo i łatwiejsza do wdrożenia w czujnikach EEG w czasie rzeczywistym.Kliknij tutaj, aby przeczytać pełny raport