Gang Li 和 Wan-Young Chung，韩国釜庆大学电子工程系。2014年

摘要

目前，使用视频技术的驾驶员疲劳检测器正在被广泛研究。睁闭眼程度（ECD）是基于视频的方法的主要测量指标，然而，亮度限制等缺点以及驾驶员分心等实际障碍限制了其成功率。本研究提出了一种利用脑电图（EEG）传感器代替基于视频的方法来计算 ECD 的方法。其前提是 ECD 与枕部脑电图的变化呈现线性关系。这项研究共包括 30 名受试者：其中 10 名参与了一个简单的概念验证实验，以验证 ECD 与 EEG 之间的线性关系，然后 20 名参与了模拟驾驶环境中的单调高速公路驾驶实验，以测试该线性关系在实际应用中的鲁棒性。以基于视频的方法为参考，发现来自 O2 通道的 Alpha 功率百分比是用于 ECD 线性回归估计的最佳输入特征。通过线性支持向量回归模型和留一法验证，最佳的总体平方相关系数（SCC，记为 r2）为 r2 = 0.930，均方误差（MSE）为 MSE = 0.013。在驾驶员疲劳应用“随时间推移瞳孔上的眼睑闭合百分比（PERCLOS）”中，所提出的线性 EEG-ECD 模型检测男性和女性受试者的准确率可以分别达到 87.5% 和 70.0%。这种新的 ECD 估计方法不仅解决了基于视频的方法的缺点，而且使 ECD 估计在计算上更高效，并且更容易在脑电图传感器中以实时方式实现。点击此处阅读完整报告