Dissertação

{en_GB=Driver Drowsiness Detection with Peripheral Cardiac Signals} {} EVALUATED

{pt=Anualmente, cerca de 1.35 milhões de pessoas morrem fruto de acidentes rodoviários. Dessas, 90% ocorrem devido a erro humano. Estas falhas têm sido continuamente reduzidas pelo desenvolvimento de estradas mais seguras e legislação que pretende garantir as condições ideais para condução. No entanto, erros de condutores sonolentos resultam num número constante de pessoas envolvidas em acidentes rodoviários, levantando a necessidade de um sistema de deteção desse estado. Um sinal fisiológico capaz de identificar sonolência é a variabilidade cardíaca (HRV), que pode ser obtida pela análise dos intervalos de tempo entre batimentos cardíacos consecutivos (IBI). Ao usar sinais cardíacos periféricos, que contêm informação sobre o ritmo cardíaco e são obtidos de forma não intrusiva, é possível integrar tal sistema num veículo sem afetar a tarefa de condução. Este trabalho constrói o processo para usar qualquer um de três dispositivos: pulseira com sensor PPG, banda de peito e volante capazes de medir o ECG, para obter os IBIs, calcular variáveis de HRV, e detetar a sonolência de condutores. Foi desenvolvido um filtro especializado para remover artefactos do PPG. Os intervalos recolhidos de todos os dispositivos foram corrigidos por um algoritmo criado para compensar percas de contacto com os sensores. Modelos SVM com kernel linear e C=0.3 e um grupo selecionado de variáveis de HRV mostraram boas performances, atingindo uma média de 0.62 de coeficiente de correlação de Matthews em 12 indivíduos. Experiências em simulador deram bons indícios de que sinais cardíacos periféricos podem ser usados para deteção de sonolência., en=Annually around 1.35 million people die worldwide as a result of road accidents. Of these, 90% occur because of human fault. Such faults have been continuously reduced by the development of safer road architectures and legislation that intends to guarantee the ideal conditions for driving. However, errors made by human drivers when driving while feeling drowsy result in a constancy of people involved in road accidents, raising the need for a drowsiness detection system. A physiological signal capable of early identifying such state is the heart rate variability, which can be obtained by analysis of the consecutive time intervals between heart beats. Using peripheral cardiac signals, signals containing cardiac rhythm information and obtained through non-intrusive ways, it is possible to integrate such detection on a vehicle without affecting the driving task. This work builds the pipeline to use any of three wearable devices: wrist worn PPG band, ECG chest strap and off-the-person ECG collection through a steering wheel, to collect the inter beat intervals, calculate HRV features and detect the drowsiness state of a driver. A filter was developed to compensate ambient light sensitivity of PPG based devices and the intervals detected from all signals were corrected by an algorithm created to possible wearable contact losses. SVM models with linear kernel and C=0.3 and a selected group of HRV features had good performances , reaching an average 0.62 Matthews correlation coefficient across 12 individuals. Simulator experiments showed good indication that peripheral cardiac signals can be used for drowsiness detection.}
{pt=Variabilidade Cardíaca, Wearable, Sonolência, Sinais Cardíacos Periféricos, Machine Learning, en=Heart Rate Variability, Wearable, Drowsiness, Peripheral Cardiac Signals, Machine Learning}

Janeiro 15, 2021, 10:0

Orientação

ORIENTADOR

André Ribeiro Lourenço

CardioID Technologies, ISEL

Doutor

ORIENTADOR

Ana Luísa Nobre Fred

Departamento de Bioengenharia (DBE)

Associate Professor