Metody przetwarzania sygnału EOG na użytek pomiaru stopnia zmęczenia osób

• Autorzy: Kołodziej M. , Majkowski A. , Rak R. J. , Tarnowski P. , Sawicki D.

Identyfikatory

DOI

10.15199/48.2017.12.54

Warianty tytułu

EN

Investigations of the possibility of using a simplified EOG recorder for the detection and parameterization of blinks

• Języki publikacji: PL

Abstrakty

PL

Celem prac raportowanych w artykule było zbadanie możliwości wykorzystania uproszczonego rejestratora EOG do detekcji i parametryzacji mrugnięć. Wykryte i opisane współczynnikami mrugnięcia mają posłużyć w późniejszych badaniach, jako cechy umożliwiające określenie stopnia zmęczenia osoby. Opracowane metody detekcji oraz algorytmy wyznaczania parametrów mrugnięć przetestowano dla 26 osób. Skuteczność detekcji mrugnięć wynosi 91%. Zaproponowany algorytm umożliwia automatyczne opisanie pojedynczego mrugnięcia z wykorzystaniem 6 wiarygodnych współczynników.

EN

The purpose of the work reported in this article was to investigate the possibility of using a simplified EOG recorder for the detection and parameterization of blinks. The detected and reported batting coefficients are to be used in later studies as features to determine the degree of fatigue of a person. Developed detection methods and algorithms for determination blinking parameters, have been tested for 26 people. Blink detection is 91% effective. The proposed algorithm enables automatic single blink analysis using 6 reliable coefficients.

Słowa kluczowe

PL

wykrywanie zmęczenia; identyfikacja mrugnięć; EOG; selekcja cech

EN

fatigue detection; blink detection; EOG; feature selection

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2017
• Tom: R. 93, nr 12
• Strony: 215--220
• Opis fizyczny: Bibliogr. 22 poz., tab., wykr.

Twórcy

autor

Kołodziej M.

• Politechnika Warszawska, Instytut Elektrotechniki Teoretycznej i Systemów Informacyjno-Pomiarowych, ul. Koszykowa 75, 00-661 Warszawa

autor

Majkowski A.

• Politechnika Warszawska, Instytut Elektrotechniki Teoretycznej i Systemów Informacyjno-Pomiarowych, ul. Koszykowa 75, 00-661 Warszawa

autor

Rak R. J.

• Politechnika Warszawska, Instytut Elektrotechniki Teoretycznej i Systemów Informacyjno-Pomiarowych, ul. Koszykowa 75, 00-661 Warszawa

autor

Tarnowski P.

• Politechnika Warszawska, Instytut Elektrotechniki Teoretycznej i Systemów Informacyjno-Pomiarowych, ul. Koszykowa 75, 00-661 Warszawa

autor

Sawicki D.

• Politechnika Warszawska, Instytut Elektrotechniki Teoretycznej i Systemów Informacyjno-Pomiarowych, ul. Koszykowa 75, 00-661 Warszawa

Bibliografia

• [1] Anund A., Fors C., Ahlstrom C., The severity of driver fatigue in terms of line crossing: a pilot study comparing day- and night time driving in simulator, Eur. Transp. Res. Rev., 9 (2017), nr 2, 31.
• [2] Jamroz K., Smolarek L., Driver Fatigue and Road Safety on Poland’s National Roads, Int. J. Occup. Saf. Ergon., 19 (2013), nr 2, 297–309.
• [3] Duffy J. F., Zitting K.-M., Czeisler C. A., The Case for Addressing Operator Fatigue, Rev. Hum. Factors Ergon., 10 (2015), nr 1, 29–78.
• [4] Philip P., Sagaspe P., Taillard J., Valtat C., Moore N., Åkerstedt T., Charles A., Bioulac B., Fatigue, Sleepiness, and Performance in Simulated Versus Real Driving Conditions, Sleep, 28 (2005), nr 12, 1511–1516.
• [5] Kalleberg A. L., Nonstandard Employment Relations: Part-time, Temporary and Contract Work, Annu. Rev. Sociol., 26 (2000), nr 1, 341–365.
• [6] Lal S. K. L., Craig A., A critical review of the psychophysiology of driver fatigue, Biol. Psychol., 55 (2001), nr 3, 173–194.
• [7] Liu W., Sun H., Shen W., Driver fatigue detection through pupil detection and yawing analysis, 2010 Int. Conf. Bioinforma. Biomed. Technol., 2010, 404–407.
• [8] Lal S. K. L., Craig A., Boord P., Kirkup L., Nguyen H., Development of an algorithm for an EEG-based driver fatigue countermeasure, J. Safety Res., 34 (2003), nr 3, 321–328.
• [9] Hu S., Zheng G., Driver drowsiness detection with eyelid related parameters by Support Vector Machine, Expert Syst. Appl., 36 (2009), nr 4, 7651–7658.
• [10] Looney D., Kidmose P., Park C., Ungstrup M., Rank M. L., Rosenkranz K., Mandic D. P., The In-the-Ear Recording Concept: User-Centered and Wearable Brain Monitoring, IEEE Pulse, 3 (2012), nr 6, 32–42.
• [11] Brandt T., Stemmer R., Rakotonirainy A., Affordable visual driver monitoring system for fatigue and monotony, 2004 IEEE Int. Conf. Syst. Man Cybern. IEEE Cat No04CH37583, 2004, 6451–6456 vol.7.
• [12] Giovanni, Suprihadi T., Karyono K., DROWTION: Driver drowsiness detection software using MINDWAVE, 2014 Int. Conf. Ind. Autom. Inf. Commun. Technol., 2014, 141–144.
• [13] Kołodziej M., Majkowski A., Rak R.J., Zastosowanie klasteryzacji do automatycznej detekcji artefaktów mrugania oczami w sygnale EEG, Przegląd Elektrotechniczny, 90 (2014), nr 8, 175
• [14] Fessler J. A., Hero A. O., Space-alternating generalized expectation-maximization algorithm, IEEE Trans. Signal Process., 42 (1994), nr 10, 2664–2677.
• [15] Haq Z. A., Hasan Z., Eye-blink rate detection for fatigue determination, 2016 1st India Int. Conf. Inf. Process. IICIP, 2016, 1–5.
• [16] Khunpisuth O., Chotchinasri T., Koschakosai V., Hnoohom N., Driver Drowsiness Detection Using Eye-Closeness Detection, 2016 12th Int. Conf. Signal-Image Technol. Internet-Based Syst. SITIS, 2016, 661–668.
• [17] Zhang F., Su J., Geng L., Xiao Z., Driver Fatigue Detection Based on Eye State Recognition, 2017 Int. Conf. Mach. Vis. Inf. Technol. CMVIT, 2017, 105–110.
• [18] Anjali K. U., Thampi A. K., Vijayaraman A., Francis M. F., James N. J., Rajan B. K., Real-time nonintrusive monitoring and detection of eye blinking in view of accident prevention due to drowsiness, 2016 Int. Conf. Circuit Power Comput. Technol. ICCPCT, 2016, 1–6.
• [19] Bristow D., Haynes J.-D., Sylvester R., Frith C. D., Rees G., Blinking Suppresses the Neural Response to Unchanging Retinal Stimulation, Curr. Biol., 15 (2005), nr 14, 1296–1300.
• [20] Noureddin B., Lawrence P. D., Birch G. E., Time-frequency Analysis of Eye Blinks and Saccades in EOG for EEG Artifact Removal, 2007 3rd Int. IEEEEMBS Conf. Neural Eng., 2007, 564–567.
• [21] Rezaee K., Alavi S. R., Madanian M., Ghezelbash M. R., Khavari H., Haddadnia J., Real-time intelligent alarm system of driver fatigue based on video sequences, 2013 First RSIISM Int. Conf. Robot. Mechatron. ICRoM, 2013, 378–383.
• [22] Picot A., Caplier A., Charbonnier S., Comparison between EOG and high frame rate camera for drowsiness detection, 2009 Workshop Appl. Comput. Vis. WACV, 2009, 1–6.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).