Gang Li và Wan-Young Chung, Khoa Kỹ thuật Điện tử, Đại học Quốc gia Pukyong, Hàn Quốc. 2014

Tóm tắt

Hiện nay, các thiết bị phát hiện buồn ngủ của tài xế sử dụng công nghệ dựa trên video đang được nghiên cứu rộng rãi. Mức độ nhắm mắt (ECD) là thước đo chính của các phương pháp dựa trên video, tuy nhiên, các nhược điểm như hạn chế về độ sáng và các rào cản thực tế như sự mất tập trung của tài xế đã hạn chế sự thành công của nó. Nghiên cứu này trình bày một phương pháp để tính toán ECD bằng cách sử dụng các cảm biến EEG thay vì các phương pháp dựa trên video. Tiền đề là ECD thể hiện mối quan hệ tuyến tính với những thay đổi của EEG vùng chẩm. Tổng cộng có 30 đối tượng tham gia vào nghiên cứu này: mười người trong số họ đã tham gia vào một thí nghiệm chứng minh khái niệm đơn giản để xác minh mối quan hệ tuyến tính giữa ECD và EEG, và sau đó hai mươi người đã tham gia vào một thí nghiệm lái xe trên đường cao tốc đơn điệu trong môi trường giả lập lái xe để kiểm tra tính mạnh mẽ của mối quan hệ tuyến tính trong các ứng dụng thực tế. Lấy phương pháp dựa trên video làm tham chiếu, tỷ lệ phần trăm năng lượng Alpha từ kênh O2 được tìm thấy là đặc tính đầu vào tốt nhất cho ước lượng hồi quy tuyến tính của ECD. Hệ số tương quan bình phương tổng thể tốt nhất (SCC, được ký hiệu là r2) và sai số bình phương trung bình (MSE) được xác thực bởi mô hình hồi quy vectơ hỗ trợ tuyến tính và phương pháp loại bỏ một đối tượng là r2 = 0.930 và MSE = 0.013. Mô hình EEG-ECD tuyến tính được đề xuất có thể đạt được độ chính xác lần lượt là 87.5% và 70.0% đối với các đối tượng nam và nữ, đối với ứng dụng phát hiện buồn ngủ của tài xế, tỷ lệ phần trăm nhắm mắt che con ngươi theo thời gian (PERCLOS). Phương pháp ước lượng ECD mới này không chỉ giải quyết các nhược điểm của phương pháp dựa trên video, mà còn giúp việc ước lượng ECD hiệu quả hơn về mặt tính toán và dễ dàng triển khai hơn trong các cảm biến EEG theo thời gian thực.Nhấp vào đây để đọc báo cáo đầy đủ