Estimativa do Grau de Fechamento dos Olhos Usando Sensores de EEG e Sua Aplicação na Detecção de Sonolência do Motorista

Compartilhar:

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 calcular o ECD usando sensores EEG em vez de métodos baseados em vídeo. A premissa é que o ECD exibe uma relação linear com as mudanças do EEG occipital. Um total de 30 sujeitos 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 então vinte participaram de um experimento de direção em estrada monótona 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 Alpha do canal O2 é encontrada como a melhor característica de entrada para a estimativa de regressão linear do ECD. O melhor coeficiente de correlação quadrática (SCC, denotado por r2) e o erro quadrático médio (MSE) validados pelo modelo de regressão de vetores de suporte linear e o método de deixar um sujeito de fora é r2 = 0.930 e MSE = 0.013. O modelo linear EEG-ECD proposto pode alcançar 87,5% e 70,0% de precisão para sujeitos masculinos e femininos, respectivamente, para uma aplicação de sonolência do motorista, porcentagem de fechamento de pálpebra sobre a pupila ao longo do tempo (PERCLOS). Este novo método de estimativa de ECD não só aborda as desvantagens do método baseado em vídeo, mas também torna a estimativa de ECD mais eficiente em termos computacionais e mais fácil de implementar em sensores EEG de forma em tempo real.Clique aqui para ler o relatório completo

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 calcular o ECD usando sensores EEG em vez de métodos baseados em vídeo. A premissa é que o ECD exibe uma relação linear com as mudanças do EEG occipital. Um total de 30 sujeitos 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 então vinte participaram de um experimento de direção em estrada monótona 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 Alpha do canal O2 é encontrada como a melhor característica de entrada para a estimativa de regressão linear do ECD. O melhor coeficiente de correlação quadrática (SCC, denotado por r2) e o erro quadrático médio (MSE) validados pelo modelo de regressão de vetores de suporte linear e o método de deixar um sujeito de fora é r2 = 0.930 e MSE = 0.013. O modelo linear EEG-ECD proposto pode alcançar 87,5% e 70,0% de precisão para sujeitos masculinos e femininos, respectivamente, para uma aplicação de sonolência do motorista, porcentagem de fechamento de pálpebra sobre a pupila ao longo do tempo (PERCLOS). Este novo método de estimativa de ECD não só aborda as desvantagens do método baseado em vídeo, mas também torna a estimativa de ECD mais eficiente em termos computacionais e mais fácil de implementar em sensores EEG de forma em tempo real.Clique aqui para ler o relatório completo

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 calcular o ECD usando sensores EEG em vez de métodos baseados em vídeo. A premissa é que o ECD exibe uma relação linear com as mudanças do EEG occipital. Um total de 30 sujeitos 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 então vinte participaram de um experimento de direção em estrada monótona 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 Alpha do canal O2 é encontrada como a melhor característica de entrada para a estimativa de regressão linear do ECD. O melhor coeficiente de correlação quadrática (SCC, denotado por r2) e o erro quadrático médio (MSE) validados pelo modelo de regressão de vetores de suporte linear e o método de deixar um sujeito de fora é r2 = 0.930 e MSE = 0.013. O modelo linear EEG-ECD proposto pode alcançar 87,5% e 70,0% de precisão para sujeitos masculinos e femininos, respectivamente, para uma aplicação de sonolência do motorista, porcentagem de fechamento de pálpebra sobre a pupila ao longo do tempo (PERCLOS). Este novo método de estimativa de ECD não só aborda as desvantagens do método baseado em vídeo, mas também torna a estimativa de ECD mais eficiente em termos computacionais e mais fácil de implementar em sensores EEG de forma em tempo real.Clique aqui para ler o relatório completo

© 2025 EMOTIV, Todos os direitos reservados.

Consent

Suas Opções de Privacidade (Configurações de Cookies)

*Isenção de responsabilidade – Os produtos EMOTIV são destinados apenas para aplicações de pesquisa e uso pessoal. Nossos produtos não são vendidos como Dispositivos Médicos conforme definido na diretiva da UE 93/42/EEC. Nossos produtos não são projetados ou destinados a serem usados para diagnóstico ou tratamento de doenças.

Nota sobre as Traduções: Versões não inglesas deste site foram traduzidas para sua conveniência usando inteligência artificial. Embora nos esforcemos pela precisão, as traduções automatizadas podem conter erros ou nuances que diferem do texto original. Para as informações mais precisas, consulte a versão em inglês deste site.

© 2025 EMOTIV, Todos os direitos reservados.

Consent

Suas Opções de Privacidade (Configurações de Cookies)

*Isenção de responsabilidade – Os produtos EMOTIV são destinados apenas para aplicações de pesquisa e uso pessoal. Nossos produtos não são vendidos como Dispositivos Médicos conforme definido na diretiva da UE 93/42/EEC. Nossos produtos não são projetados ou destinados a serem usados para diagnóstico ou tratamento de doenças.

Nota sobre as Traduções: Versões não inglesas deste site foram traduzidas para sua conveniência usando inteligência artificial. Embora nos esforcemos pela precisão, as traduções automatizadas podem conter erros ou nuances que diferem do texto original. Para as informações mais precisas, consulte a versão em inglês deste site.

© 2025 EMOTIV, Todos os direitos reservados.

Consent

Suas Opções de Privacidade (Configurações de Cookies)

*Isenção de responsabilidade – Os produtos EMOTIV são destinados apenas para aplicações de pesquisa e uso pessoal. Nossos produtos não são vendidos como Dispositivos Médicos conforme definido na diretiva da UE 93/42/EEC. Nossos produtos não são projetados ou destinados a serem usados para diagnóstico ou tratamento de doenças.

Nota sobre as Traduções: Versões não inglesas deste site foram traduzidas para sua conveniência usando inteligência artificial. Embora nos esforcemos pela precisão, as traduções automatizadas podem conter erros ou nuances que diferem do texto original. Para as informações mais precisas, consulte a versão em inglês deste site.