Gang Li e Wan-Young Chung, Departamento de Engenharia Eletrônica, Universidade Nacional de Pukyong, Coreia. 2014

Resumo

Atualmente, detectores de sonolência do motorista usando tecnologia baseada em vídeo estão sendo amplamente estudados. O grau de fechamento da pálpebra (ECD) é a principal medida dos métodos baseados em vídeo, no entanto, desvantagens como limitações de brilho e obstáculos práticos como a distração dos motoristas limitam seu sucesso. Este estudo apresenta uma maneira de computar o ECD usando sensores de EEG em vez de métodos baseados em vídeo. A premissa é que o ECD exibe uma relação linear com as alterações do EEG occipital. Um total de 30 indivíduos estão incluídos neste estudo: dez deles participaram de um experimento simples de prova de conceito para verificar a relação linear entre ECD e EEG, e depois vinte participaram de um experimento de direção monótona em rodovia em um ambiente de simulador de direção para testar a robustez da relação linear em aplicações da vida real. Tomando o método baseado em vídeo como referência, a porcentagem de potência Alfa do canal O2 se mostrou a melhor característica de entrada para a estimativa de regressão linear do ECD. O melhor coeficiente de correlação ao quadrado geral (SCC, denotado por r2) e o erro quadrático médio (MSE) validados pelo modelo de regressão de vetor de suporte linear e pelo método "leave-one-subject-out" são r2 = 0.930 e MSE = 0.013. O modelo linear EEG-ECD proposto pode atingir 87.5% e 70.0% de precisão para indivíduos do sexo masculino e feminino, respectivamente, para uma aplicação de sonolência do motorista, porcentagem de fechamento da pálpebra sobre a pupila ao longo do tempo (PERCLOS). Este novo método de estimativa de ECD não apenas aborda as desvantagens do método baseado em vídeo, mas também torna a estimativa de ECD computacionalmente mais eficiente e fácil de implementar em sensores de EEG em tempo real.Clique aqui para ler o relatório completo