اپنی یادداشت کو چیلنج کریں! نیا این-بیک گیم Emotiv App میں کھیلیں
اپنی یادداشت کو چیلنج کریں! نیا این-بیک گیم Emotiv App میں کھیلیں
اپنی یادداشت کو چیلنج کریں! نیا این-بیک گیم Emotiv App میں کھیلیں
ای ای جی سینسرز کا استعمال کرتے ہوئے آنکھیں بند ہونے کی ڈگری کا اندازہ اور اس کا اطلاق ڈرائیور کی اونگھ کی تشخیص میں
شئیر کریں:
گینگ لی اور وان ینگ چونگ، ڈیپارٹمنٹ آف الیکٹرانک انجینئرنگ، پوکیونگ نیشنل یونیورسٹی، کوریا۔ 2014
خلاصہ
فی الحال، ویڈیو پر مبنی ٹیکنالوجی کا استعمال کرنے والے ڈرائیور کی نیند کے سراغ لگانے والے بڑے پیمانے پر مطالعہ کیے جا رہے ہیں۔ پپوٹے کے بند ہونے کی ڈگری (ECD) ویڈیو پر مبنی طریقوں کا بنیادی پیمانہ ہے، تاہم روشنی کے مسائل اور عملی رکاوٹیں جیسے کہ ڈرائیوروں کی توجہ ہٹانے جیسے مسائل اس کی کامیابی کو محدود کرتے ہیں۔ یہ مطالعہ ECD کا حساب لگانے کے لیے ای ای جی سینسرز کا استعمال کرنے کا ایک طریقہ پیش کرتا ہے بجائے ویڈیو پر مبنی طریقوں کے۔ مفروضہ یہ ہے کہ ECD کی تبدیلیاں اوکیپیٹل EEG کے ساتھ ایک خطی تعلق ظاہر کرتی ہیں۔ کل 30 مضامین اس مطالعہ میں شامل ہیں: ان میں سے دس نے ECD اور EEG کے درمیان خطی تعلق کی تصدیق کے لیے ایک سادہ اثباتی تجربے میں حصہ لیا، اور پھر بیس نے ایک یکساں ہائی وے ڈرائیونگ تجربے میں ڈرائیونگ سمیلیٹر ماحول میں حصہ لیا تاکہ حقیقی زندگی کے ایپلیکیشنز میں خطی تعلق کی مضبوطی کو جانچا جا سکے۔ ویڈیو پر مبنی طریقہ کو ایک حوالہ کے طور پر لیتے ہوئے، O2 چینل سے الفا پاور کی فیصد کو ECD کی خطی رجعت تخمینہ کے لئے بہترین ان پٹ فیچر کے طور پر پایا گیا ہے۔ بہترین عمومی مربع خطی رابطہ عامل (SCC، جو کہ r2 سے ظاہر کیا جاتا ہے) اور عمومی مربع خامی (MSE) کو خطی سپورٹ ویکٹر ریگریشن ماڈل اور ایک مضمون کو چھوڑنے کے طریقے کے ذریعہ درست قرار دیا گیا ہے، جو کہ r2 = 0.930 اور MSE = 0.013 ہے۔ مشتبہ ڈرائیور کی نیند کی درخواست کے لئے تجاویز کردہ خطی EEG-ECD ماڈل مردانہ اور خواتین کے مضامین کے لئے بالترتیب 87.5% اور 70.0% درستگی حاصل کر سکتا ہے، وقت کے ساتھ ساتھ پپوٹے کے سیدھے بند ہونے کی فیصد (PERCLOS)۔ یہ نیا ECD تخمینہ کرنے کا طریقہ نہ صرف ویڈیو پر مبنی طریقوں کے مسائل کو حل کرتا ہے، بلکہ حقیقی وقت میں EEG سینسرز میں ECD تخمینہ کو مزید کمپیوٹیشنی طور پر مؤثر اور آسان بناتا ہے۔پوری رپورٹ پڑھنے کے لیے یہاں کلک کریں
گینگ لی اور وان ینگ چونگ، ڈیپارٹمنٹ آف الیکٹرانک انجینئرنگ، پوکیونگ نیشنل یونیورسٹی، کوریا۔ 2014
خلاصہ
فی الحال، ویڈیو پر مبنی ٹیکنالوجی کا استعمال کرنے والے ڈرائیور کی نیند کے سراغ لگانے والے بڑے پیمانے پر مطالعہ کیے جا رہے ہیں۔ پپوٹے کے بند ہونے کی ڈگری (ECD) ویڈیو پر مبنی طریقوں کا بنیادی پیمانہ ہے، تاہم روشنی کے مسائل اور عملی رکاوٹیں جیسے کہ ڈرائیوروں کی توجہ ہٹانے جیسے مسائل اس کی کامیابی کو محدود کرتے ہیں۔ یہ مطالعہ ECD کا حساب لگانے کے لیے ای ای جی سینسرز کا استعمال کرنے کا ایک طریقہ پیش کرتا ہے بجائے ویڈیو پر مبنی طریقوں کے۔ مفروضہ یہ ہے کہ ECD کی تبدیلیاں اوکیپیٹل EEG کے ساتھ ایک خطی تعلق ظاہر کرتی ہیں۔ کل 30 مضامین اس مطالعہ میں شامل ہیں: ان میں سے دس نے ECD اور EEG کے درمیان خطی تعلق کی تصدیق کے لیے ایک سادہ اثباتی تجربے میں حصہ لیا، اور پھر بیس نے ایک یکساں ہائی وے ڈرائیونگ تجربے میں ڈرائیونگ سمیلیٹر ماحول میں حصہ لیا تاکہ حقیقی زندگی کے ایپلیکیشنز میں خطی تعلق کی مضبوطی کو جانچا جا سکے۔ ویڈیو پر مبنی طریقہ کو ایک حوالہ کے طور پر لیتے ہوئے، O2 چینل سے الفا پاور کی فیصد کو ECD کی خطی رجعت تخمینہ کے لئے بہترین ان پٹ فیچر کے طور پر پایا گیا ہے۔ بہترین عمومی مربع خطی رابطہ عامل (SCC، جو کہ r2 سے ظاہر کیا جاتا ہے) اور عمومی مربع خامی (MSE) کو خطی سپورٹ ویکٹر ریگریشن ماڈل اور ایک مضمون کو چھوڑنے کے طریقے کے ذریعہ درست قرار دیا گیا ہے، جو کہ r2 = 0.930 اور MSE = 0.013 ہے۔ مشتبہ ڈرائیور کی نیند کی درخواست کے لئے تجاویز کردہ خطی EEG-ECD ماڈل مردانہ اور خواتین کے مضامین کے لئے بالترتیب 87.5% اور 70.0% درستگی حاصل کر سکتا ہے، وقت کے ساتھ ساتھ پپوٹے کے سیدھے بند ہونے کی فیصد (PERCLOS)۔ یہ نیا ECD تخمینہ کرنے کا طریقہ نہ صرف ویڈیو پر مبنی طریقوں کے مسائل کو حل کرتا ہے، بلکہ حقیقی وقت میں EEG سینسرز میں ECD تخمینہ کو مزید کمپیوٹیشنی طور پر مؤثر اور آسان بناتا ہے۔پوری رپورٹ پڑھنے کے لیے یہاں کلک کریں
گینگ لی اور وان ینگ چونگ، ڈیپارٹمنٹ آف الیکٹرانک انجینئرنگ، پوکیونگ نیشنل یونیورسٹی، کوریا۔ 2014
خلاصہ
فی الحال، ویڈیو پر مبنی ٹیکنالوجی کا استعمال کرنے والے ڈرائیور کی نیند کے سراغ لگانے والے بڑے پیمانے پر مطالعہ کیے جا رہے ہیں۔ پپوٹے کے بند ہونے کی ڈگری (ECD) ویڈیو پر مبنی طریقوں کا بنیادی پیمانہ ہے، تاہم روشنی کے مسائل اور عملی رکاوٹیں جیسے کہ ڈرائیوروں کی توجہ ہٹانے جیسے مسائل اس کی کامیابی کو محدود کرتے ہیں۔ یہ مطالعہ ECD کا حساب لگانے کے لیے ای ای جی سینسرز کا استعمال کرنے کا ایک طریقہ پیش کرتا ہے بجائے ویڈیو پر مبنی طریقوں کے۔ مفروضہ یہ ہے کہ ECD کی تبدیلیاں اوکیپیٹل EEG کے ساتھ ایک خطی تعلق ظاہر کرتی ہیں۔ کل 30 مضامین اس مطالعہ میں شامل ہیں: ان میں سے دس نے ECD اور EEG کے درمیان خطی تعلق کی تصدیق کے لیے ایک سادہ اثباتی تجربے میں حصہ لیا، اور پھر بیس نے ایک یکساں ہائی وے ڈرائیونگ تجربے میں ڈرائیونگ سمیلیٹر ماحول میں حصہ لیا تاکہ حقیقی زندگی کے ایپلیکیشنز میں خطی تعلق کی مضبوطی کو جانچا جا سکے۔ ویڈیو پر مبنی طریقہ کو ایک حوالہ کے طور پر لیتے ہوئے، O2 چینل سے الفا پاور کی فیصد کو ECD کی خطی رجعت تخمینہ کے لئے بہترین ان پٹ فیچر کے طور پر پایا گیا ہے۔ بہترین عمومی مربع خطی رابطہ عامل (SCC، جو کہ r2 سے ظاہر کیا جاتا ہے) اور عمومی مربع خامی (MSE) کو خطی سپورٹ ویکٹر ریگریشن ماڈل اور ایک مضمون کو چھوڑنے کے طریقے کے ذریعہ درست قرار دیا گیا ہے، جو کہ r2 = 0.930 اور MSE = 0.013 ہے۔ مشتبہ ڈرائیور کی نیند کی درخواست کے لئے تجاویز کردہ خطی EEG-ECD ماڈل مردانہ اور خواتین کے مضامین کے لئے بالترتیب 87.5% اور 70.0% درستگی حاصل کر سکتا ہے، وقت کے ساتھ ساتھ پپوٹے کے سیدھے بند ہونے کی فیصد (PERCLOS)۔ یہ نیا ECD تخمینہ کرنے کا طریقہ نہ صرف ویڈیو پر مبنی طریقوں کے مسائل کو حل کرتا ہے، بلکہ حقیقی وقت میں EEG سینسرز میں ECD تخمینہ کو مزید کمپیوٹیشنی طور پر مؤثر اور آسان بناتا ہے۔پوری رپورٹ پڑھنے کے لیے یہاں کلک کریں