ท้าทายความจำของคุณ! เล่นเกม N-Back ใหม่ในแอป Emotiv
ท้าทายความจำของคุณ! เล่นเกม N-Back ใหม่ในแอป Emotiv
ท้าทายความจำของคุณ! เล่นเกม N-Back ใหม่ในแอป Emotiv
การประมาณระดับการปิดของตาด้วยเซ็นเซอร์ EEG และการประยุกต์ใช้ในการตรวจจับอาการง่วงนอนของผู้ขับขี่
แชร์:
กัง ลี่ และ วาน-ยอง ชุง, แผนกวิศวกรรมอิเล็กทรอนิกส์, มหาวิทยาลัยพุกยองแห่งชาติ, เกาหลี. 2014
บทคัดย่อ
ปัจจุบัน, การตรวจจับความง่วงของผู้ขับขี่โดยใช้เทคโนโลยีวิดีโอกำลังได้รับการศึกษาอย่างกว้างขวาง. องศาการปิดเปลือกตา (ECD) เป็นมาตรการหลักของวิธีที่ใช้วิดีโอ, อย่างไรก็ตาม, ข้อเสียเช่นข้อจำกัดด้านความสว่างและอุปสรรคทางปฏิบัติ เช่น การเบี่ยงเบนความสนใจของผู้ขับขี่จำกัดความสำเร็จ. การศึกษานี้นำเสนอวิธีการคำนวณ ECD โดยใช้เซนเซอร์ EEG แทนวิธีที่ใช้วิดีโอ. ข้อเสนอคือว่า ECD แสดงความสัมพันธ์เชิงเส้นกับการเปลี่ยนแปลงของ EEG ของส่วนท้ายทอย. มีทั้งหมด 30 คนเข้าร่วมในการศึกษานี้: สิบคนเข้าร่วมในการทดลองพิสูจน์แนวคิดง่าย ๆ เพื่อยืนยันความสัมพันธ์เชิงเส้นระหว่าง ECD และ EEG, และอีกยี่สิบคนเข้าร่วมในการทดลองขับบนทางหลวงที่ซ้ำซากในสภาพแวดล้อมของเครื่องจำลองการขับขี่เพื่อทดสอบความแข็งแกร่งของความสัมพันธ์เชิงเส้นในแอปพลิเคชันชีวิตจริง. การใช้วิธีวิดีโอเป็นข้อมูลอ้างอิง, พบว่าอัตราส่วนแรงดัน Alpha จากช่อง O2 เป็นลักษณะตัวแปรที่ดีที่สุดสำหรับประมาณค่าการถดถอยเชิงเส้นของ ECD. ค่าสัมประสิทธิ์การตกกระทบเชิงเส้นโดยรวมที่ดีที่สุด (SCC, แสดงโดย r2) และข้อผิดพลาดการตกกระทบเฉลี่ย (MSE) รับรองโดยโมเดลการถดถอยเวกเตอร์สนับสนุนเชิงเส้นและวิธีการเว้นผู้ศึกษาไว้หนึ่งคนเป็น r2 = 0.930 และ MSE = 0.013. โมเดลเชิงเส้น EEG-ECD ที่นำเสนอสามารถบรรลุความแม่นยำ 87.5% และ 70.0% สำหรับผู้ศึกษาเพศชายและเพศหญิงตามลำดับ สำหรับแอปพลิเคชันการตรวจจับความง่วงของผู้ขับขี่, อัตราการปิดเปลือกตาเกินรูม่านตาเมื่อเวลาผ่านไป (PERCLOS). วิธีการประมาณ ECD ใหม่นี้ไม่เพียงแต่แก้ไขข้อเสียของวิธีที่ใช้วิดีโอ, แต่ยังทำให้การประมาณ ECD มีประสิทธิภาพทางคอมพิวเตอร์มากขึ้นและง่ายต่อการดำเนินการในเซนเซอร์ EEG แบบเรียลไทม์. คลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม
กัง ลี่ และ วาน-ยอง ชุง, แผนกวิศวกรรมอิเล็กทรอนิกส์, มหาวิทยาลัยพุกยองแห่งชาติ, เกาหลี. 2014
บทคัดย่อ
ปัจจุบัน, การตรวจจับความง่วงของผู้ขับขี่โดยใช้เทคโนโลยีวิดีโอกำลังได้รับการศึกษาอย่างกว้างขวาง. องศาการปิดเปลือกตา (ECD) เป็นมาตรการหลักของวิธีที่ใช้วิดีโอ, อย่างไรก็ตาม, ข้อเสียเช่นข้อจำกัดด้านความสว่างและอุปสรรคทางปฏิบัติ เช่น การเบี่ยงเบนความสนใจของผู้ขับขี่จำกัดความสำเร็จ. การศึกษานี้นำเสนอวิธีการคำนวณ ECD โดยใช้เซนเซอร์ EEG แทนวิธีที่ใช้วิดีโอ. ข้อเสนอคือว่า ECD แสดงความสัมพันธ์เชิงเส้นกับการเปลี่ยนแปลงของ EEG ของส่วนท้ายทอย. มีทั้งหมด 30 คนเข้าร่วมในการศึกษานี้: สิบคนเข้าร่วมในการทดลองพิสูจน์แนวคิดง่าย ๆ เพื่อยืนยันความสัมพันธ์เชิงเส้นระหว่าง ECD และ EEG, และอีกยี่สิบคนเข้าร่วมในการทดลองขับบนทางหลวงที่ซ้ำซากในสภาพแวดล้อมของเครื่องจำลองการขับขี่เพื่อทดสอบความแข็งแกร่งของความสัมพันธ์เชิงเส้นในแอปพลิเคชันชีวิตจริง. การใช้วิธีวิดีโอเป็นข้อมูลอ้างอิง, พบว่าอัตราส่วนแรงดัน Alpha จากช่อง O2 เป็นลักษณะตัวแปรที่ดีที่สุดสำหรับประมาณค่าการถดถอยเชิงเส้นของ ECD. ค่าสัมประสิทธิ์การตกกระทบเชิงเส้นโดยรวมที่ดีที่สุด (SCC, แสดงโดย r2) และข้อผิดพลาดการตกกระทบเฉลี่ย (MSE) รับรองโดยโมเดลการถดถอยเวกเตอร์สนับสนุนเชิงเส้นและวิธีการเว้นผู้ศึกษาไว้หนึ่งคนเป็น r2 = 0.930 และ MSE = 0.013. โมเดลเชิงเส้น EEG-ECD ที่นำเสนอสามารถบรรลุความแม่นยำ 87.5% และ 70.0% สำหรับผู้ศึกษาเพศชายและเพศหญิงตามลำดับ สำหรับแอปพลิเคชันการตรวจจับความง่วงของผู้ขับขี่, อัตราการปิดเปลือกตาเกินรูม่านตาเมื่อเวลาผ่านไป (PERCLOS). วิธีการประมาณ ECD ใหม่นี้ไม่เพียงแต่แก้ไขข้อเสียของวิธีที่ใช้วิดีโอ, แต่ยังทำให้การประมาณ ECD มีประสิทธิภาพทางคอมพิวเตอร์มากขึ้นและง่ายต่อการดำเนินการในเซนเซอร์ EEG แบบเรียลไทม์. คลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม
กัง ลี่ และ วาน-ยอง ชุง, แผนกวิศวกรรมอิเล็กทรอนิกส์, มหาวิทยาลัยพุกยองแห่งชาติ, เกาหลี. 2014
บทคัดย่อ
ปัจจุบัน, การตรวจจับความง่วงของผู้ขับขี่โดยใช้เทคโนโลยีวิดีโอกำลังได้รับการศึกษาอย่างกว้างขวาง. องศาการปิดเปลือกตา (ECD) เป็นมาตรการหลักของวิธีที่ใช้วิดีโอ, อย่างไรก็ตาม, ข้อเสียเช่นข้อจำกัดด้านความสว่างและอุปสรรคทางปฏิบัติ เช่น การเบี่ยงเบนความสนใจของผู้ขับขี่จำกัดความสำเร็จ. การศึกษานี้นำเสนอวิธีการคำนวณ ECD โดยใช้เซนเซอร์ EEG แทนวิธีที่ใช้วิดีโอ. ข้อเสนอคือว่า ECD แสดงความสัมพันธ์เชิงเส้นกับการเปลี่ยนแปลงของ EEG ของส่วนท้ายทอย. มีทั้งหมด 30 คนเข้าร่วมในการศึกษานี้: สิบคนเข้าร่วมในการทดลองพิสูจน์แนวคิดง่าย ๆ เพื่อยืนยันความสัมพันธ์เชิงเส้นระหว่าง ECD และ EEG, และอีกยี่สิบคนเข้าร่วมในการทดลองขับบนทางหลวงที่ซ้ำซากในสภาพแวดล้อมของเครื่องจำลองการขับขี่เพื่อทดสอบความแข็งแกร่งของความสัมพันธ์เชิงเส้นในแอปพลิเคชันชีวิตจริง. การใช้วิธีวิดีโอเป็นข้อมูลอ้างอิง, พบว่าอัตราส่วนแรงดัน Alpha จากช่อง O2 เป็นลักษณะตัวแปรที่ดีที่สุดสำหรับประมาณค่าการถดถอยเชิงเส้นของ ECD. ค่าสัมประสิทธิ์การตกกระทบเชิงเส้นโดยรวมที่ดีที่สุด (SCC, แสดงโดย r2) และข้อผิดพลาดการตกกระทบเฉลี่ย (MSE) รับรองโดยโมเดลการถดถอยเวกเตอร์สนับสนุนเชิงเส้นและวิธีการเว้นผู้ศึกษาไว้หนึ่งคนเป็น r2 = 0.930 และ MSE = 0.013. โมเดลเชิงเส้น EEG-ECD ที่นำเสนอสามารถบรรลุความแม่นยำ 87.5% และ 70.0% สำหรับผู้ศึกษาเพศชายและเพศหญิงตามลำดับ สำหรับแอปพลิเคชันการตรวจจับความง่วงของผู้ขับขี่, อัตราการปิดเปลือกตาเกินรูม่านตาเมื่อเวลาผ่านไป (PERCLOS). วิธีการประมาณ ECD ใหม่นี้ไม่เพียงแต่แก้ไขข้อเสียของวิธีที่ใช้วิดีโอ, แต่ยังทำให้การประมาณ ECD มีประสิทธิภาพทางคอมพิวเตอร์มากขึ้นและง่ายต่อการดำเนินการในเซนเซอร์ EEG แบบเรียลไทม์. คลิกที่นี่เพื่ออ่านรายงานฉบับเต็ม