Gang Li และ Wan-Young Chung, ภาควิชาวิศวกรรมอิเล็กทรอนิกส์, มหาวิทยาลัยแห่งชาติปูคยอง, เกาหลี. 2014

บทคัดย่อ

ในปัจจุบัน เครื่องตรวจจับอาการง่วงนอนของผู้ขับขี่โดยใช้เทคโนโลยีที่อิงตามวิดีโอกำลังได้รับการศึกษากันอย่างแพร่หลาย ระดับการปิดของเปลือกตา (ECD) เป็นมาตรวัดหลักของวิธีการที่อิงตามวิดีโอ อย่างไรก็ตาม ข้อบกพร่องต่างๆ เช่น ข้อจำกัดด้านความสว่าง และอุปสรรคในทางปฏิบัติ เช่น การเสียสมาธิของผู้ขับขี่ ทำให้ความสำเร็จของวิธีนี้มีจำกัด การศึกษานี้นำเสนอวิธีในการคำนวณ ECD โดยใช้เซ็นเซอร์ EEG แทนวิธีการที่อิงตามวิดีโอ สมมติฐานคือ ECD แสดงความสัมพันธ์เชิงเส้นกับการเปลี่ยนแปลงของ EEG บริเวณท้ายทอย มีผู้เข้าร่วมทั้งหมด 30 คนในการศึกษานี้: สิบคนเข้าร่วมการทดลองพิสูจน์แนวคิดแบบง่ายเพื่อยืนยันความสัมพันธ์เชิงเส้นระหว่าง ECD และ EEG จากนั้นอีกยี่สิบคนเข้าร่วมการทดลองขับรถบนทางหลวงที่จำเจในสภาพแวดล้อมจำลองการขับขี่เพื่อทดสอบความทนทานของความสัมพันธ์เชิงเส้นในการใช้งานจริง เมื่อใช้วิธีการที่อิงตามวิดีโอเป็นข้อมูลอ้างอิง พบว่าเปอร์เซ็นต์พลังงานอัลฟาจากช่องสัญญาณ O2 เป็นคุณลักษณะนำเข้าที่ดีที่สุดสำหรับการประมาณค่าการถดถอยเชิงเส้นของ ECD ค่าสัมประสิทธิ์สหสัมพันธ์กำลังสองโดยรวมที่ดีที่สุด (SCC แทนด้วย r2) และค่าความคลาดเคลื่อนกำลังสองเฉลี่ย (MSE) ที่ได้รับการตรวจสอบโดยแบบจำลองการถดถอยเวกเตอร์สนับสนุนเชิงเส้นและวิธีเอาผู้เข้าร่วมออกทีละคนคือ r2 = 0.930 และ MSE = 0.013 แบบจำลอง EEG-ECD เชิงเส้นที่นำเสนอสามารถบรรลุความแม่นยำ 87.5% และ 70.0% สำหรับผู้เข้าร่วมเพศชายและเพศหญิงตามลำดับ สำหรับการประยุกต์ใช้กับอาการง่วงนอนของผู้ขับขี่ เปอร์เซ็นต์การปิดเปลือกตาเหนือรูม่านตาเมื่อเวลาผ่านไป (PERCLOS) วิธีการประมาณค่า ECD ใหม่นี้ไม่เพียงแต่ช่วยแก้ข้อบกพร่องของวิธีการที่อิงตามวิดีโอเท่านั้น แต่ยังทำให้การประมาณค่า ECD มีประสิทธิภาพในการคำนวณมากขึ้นและง่ายต่อการใช้งานในเซ็นเซอร์ EEG ในแบบเรียลไทม์คลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม