Ocena stopnia zamknięcia oczu za pomocą sensorów EEG i jego zastosowanie w wykrywaniu senności kierowców

Gang Li i Wan-Young Chung, Wydział Inżynierii Elektronowej, Pukyong National University, Korea. 2014

Streszczenie

Obecnie szeroko badane są detektory senności kierowców wykorzystujące technologię opartą na wideo. Stopień zamknięcia powiek (ECD) jest główną miarą metod opartych na wideo, jednakże ograniczenia takie jak problemy z jasnością oraz przeszkody praktyczne, takie jak rozproszenie 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 liniowy związek ze zmianami aktywności EEG w okolicy potylicznej. W badaniu wzięło udział 30 osób: dziesięć z nich uczestniczyło w prostym eksperymencie dowodowym, aby zweryfikować liniowy związek między ECD a EEG, a następnie dwadzieścia uczestniczyło w monotonnej symulacji jazdy po autostradzie, aby przetestować odporność liniowego związku w rzeczywistych aplikacjach. Używając metody opartej na wideo jako odniesienia, stwierdzono, że procent mocy Alfa z kanału O2 jest najlepszym cechą wejściową do oszacowania ECD za pomocą regresji liniowej. Najlepszy ogólny współczynnik korelacji kwadratowej (SCC, oznaczany jako r2) i średni błąd kwadratowy (MSE), zweryfikowane przez model regresji wektorów wspierających, i metodę „leave one subject out”, wynosi r2 = 0.930 i MSE = 0.013. Proponowany liniowy model EEG-ECD może osiągnąć 87.5% i 70.0% dokładności dla mężczyzn i kobiet, odpowiednio, w kontekście aplikacji dotyczącej senności kierowcy, czyli procent zamknięcia powiek nad źrenicą w czasie (PERCLOS). Ta nowa metoda oszacowania ECD nie tylko adresuje wady metod opartych na wideo, ale także sprawia, że oszacowanie ECD jest bardziej obliczeniowo efektywne i łatwiejsze do wdrożenia w czujnikach EEG w czasie rzeczywistym.Kliknij tutaj, aby przeczytać pełny raport