文献

J-GLOBAL ID：201402274509050320   整理番号：14A0253437

心拍変動のウェーブレット解析とサポートベクターマシーン分類器を使用して運転者の眠気の検出

Detection of Driver Drowsiness Using Wavelet Analysis of Heart Rate Variability and a Support Vector Machine Classifier

著者 (2件)： LI Gang (Pukyong National Univ., Busan, KOR) ,  CHUNG Wan-Young (Pukyong National Univ., Busan, KOR)
資料名： Sensors (Web)  (Sensors (Web))
巻： 13  号： 12  ページ： 16494-16511 (WEB ONLY)  発行年： 2013年12月 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 疲労中の運転は酒気運転と同様に危険であり,自動車事故を起こすかもしれない。心拍変動(HRV)分析が運転者の眠気の検出のために最近になり研究されてきた。しかしながら,検出の信頼性は期待していたより低かった,それは運転手のHRVはいつも定常信号とみなされていたからである。ウェーブレット変換方法は非定常信号を分析する方法である。本研究の目的は,短時間でHRV信号のウェーブレット変換を使用することによっていつも注意している運転と眠気運転を分類すること,そしてこの方法の分類実績を高速フーリエ変換(FFT)-に基づく特徴を使用する従来の方法のそれと比較することである。FFT-に基づく短時間HRV評価のための標準の最も短時間に基づき,ウェーブレット分解は,リファレンスサンプルとして1分と3分のサンプルと同様に2分のHRVサンプルについて行う。受信者動作曲線(ROC)解析とサポートベクターマシーン(SVM)はそれぞれ特性選別と分類のために使用する。ROC分析の結果,使用したHRVサンプルの時間にかかわらず,ウェーブレットに基づく方法はFFTに基づく方法より良い結果が得られた。最後に,運転者の眠気検出のためのリアルタイムの条件に基づき,4人から1分のHRV信号から抽出した80のFFTとウェーブレットに基づく特徴を使用してSVM分類器のトレーニングを行った。ウェーブレットに基づく特徴を使用した平均除け者にする(LOO)分類成績は95%正確で,95%感受性で,そして95%特異的であった。FFTに基づく結果は,68.8%正確で,62.5%感受性で,そして75%特異的であり,これの方がより良かった。さらに提案したハードウエアプラットフォームは安価で使いやすい。(翻訳著者抄録)

シソーラス用語： *変動 ,  *解析 ,  *サポートベクトルマシン ,  *コンピュータ ,  特性曲線 ,  Fourier変換 ,  高速Fourier変換 ,  運転者 ,  生体疲労 ,  自動車事故 ,  信頼性 ,  信号 ,  ハードウェア ,  機械要素 ,  参考文献
準シソーラス用語： *ウェーブレット解析 ,  受信者動作特性解析 ,  受信者動作特性曲線 ,  *心拍変動 ,  *分類機 ,  *眠気 ,  疲労【生体】 ,  非定常信号 ,  定常信号 ,  プラットフォーム【機械】 ,  レファレンス

分類 (3件)： 医用情報処理  (JE15030Q) ,  生体計測  (EL03020C) ,  生体遠隔測定  (EL03030N)

タイトルに関連する用語 (5件)： 心拍変動 ,  ウェーブレット解析 ,  サポートベクターマシーン ,  分類器 ,  眠気