Gang Li ve Wan-Young Chung, Elektronik Mühendisliği Bölümü, Pukyong Ulusal Üniversitesi, Kore. 2014

Özet

Günümüzde, video tabanlı teknoloji kullanan sürücü uyuşukluğu dedektörleri yaygın olarak incelenmektedir. Göz kapağı kapanma derecesi (ECD), video tabanlı yöntemlerin ana ölçüsüdür; ancak parlaklık sınırlamaları gibi dezavantajlar ve sürücülerin dikkatinin dağılması gibi pratik engeller başarısını sınırlamaktadır. Bu çalışma, video tabanlı yöntemler yerine EEG sensörleri kullanarak ECD'yi hesaplamanın bir yolunu sunmaktadır. Buradaki önerme, ECD'nin oksipital EEG'deki değişikliklerle doğrusal bir ilişki gösterdiğidir. Bu çalışmaya toplam 30 denek dahil edilmiştir: Bunlardan onu, ECD ile EEG arasındaki doğrusal ilişkiyi doğrulamak için basit bir kavram kanıtlama deneyine katılmış, ardından yirmisi ise gerçek hayattaki uygulamalarda doğrusal ilişkinin sağlamlığını test etmek amacıyla bir sürüş simülatörü ortamında monoton bir otoyol sürüşü deneyine katılmıştır. Video tabanlı yöntem referans alındığında, O2 kanalından elde edilen Alfa gücü yüzdesinin, ECD'nin doğrusal regresyon tahmini için en iyi girdi özelliği olduğu bulunmuştur. Doğrusal destek vektör regresyon modeli ve bir denek dışarıda bırakma yöntemi ile doğrulanan en iyi genel kare korelasyon katsayısı (SCC, r2 ile gösterilir) ve ortalama kare hatası (MSE) r2 = 0.930 ve MSE = 0.013 olarak bulunmuştur. Önerilen doğrusal EEG-ECD modeli, bir sürücü uyuşukluğu uygulaması olan zaman içinde göz bebeği üzerindeki göz kapağı kapanma yüzdesi (PERCLOS) için erkek ve kadın deneklerde sırasıyla %87.5 ve %70.0 doğruluk elde edebilmektedir. Bu yeni ECD tahmin yöntemi, yalnızca video tabanlı yöntemin dezavantajlarını gidermekle kalmaz, aynı zamanda ECD tahminini hesaplama açısından daha verimli hale getirir ve EEG sensörlerinde gerçek zamanlı bir şekilde uygulanmasını kolaylaştırır.Raporun tamamını okumak için buraya tıklayın