論文の概要: A Survey and Tutorial of EEG-Based Brain Monitoring for Driver State Analysis

• arxiv url: http://arxiv.org/abs/2008.11226v1
• Date: Tue, 25 Aug 2020 18:21:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 04:41:23.697041
• Title: A Survey and Tutorial of EEG-Based Brain Monitoring for Driver State Analysis
• Title（参考訳）: 運転状態分析のための脳波脳モニタリングのサーベイとチュートリアル
• Authors: Ce Zhang, Azim Eskandarian
• Abstract要約: EEGは運転状態のモニタリングとヒューマンエラー検出において最も効果的な方法の1つであることが証明されている。 本稿では,過去30年間の脳波に基づく運転状態検出システムとその解析アルゴリズムについて論じる。 現在のEEGベースの運転状態監視アルゴリズムは、安全アプリケーションに有望である、と結論付けている。
• 参考スコア（独自算出の注目度）: 164.93739293097605
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Drivers cognitive and physiological states affect their ability to control their vehicles. Thus, these driver states are important to the safety of automobiles. The design of advanced driver assistance systems (ADAS) or autonomous vehicles will depend on their ability to interact effectively with the driver. A deeper understanding of the driver state is, therefore, paramount. EEG is proven to be one of the most effective methods for driver state monitoring and human error detection. This paper discusses EEG-based driver state detection systems and their corresponding analysis algorithms over the last three decades. First, the commonly used EEG system setup for driver state studies is introduced. Then, the EEG signal preprocessing, feature extraction, and classification algorithms for driver state detection are reviewed. Finally, EEG-based driver state monitoring research is reviewed in-depth, and its future development is discussed. It is concluded that the current EEG-based driver state monitoring algorithms are promising for safety applications. However, many improvements are still required in EEG artifact reduction, real-time processing, and between-subject classification accuracy.
• Abstract（参考訳）: 認知的および生理的状態は、車両を制御する能力に影響を与える。 したがって、これらの運転状態は自動車の安全性にとって重要である。 先進的な運転支援システム(adas)や自動運転車の設計は、ドライバーと効果的に相互作用する能力に依存する。 したがって、運転状態のより深い理解が最重要である。 EEGは運転状態のモニタリングとヒューマンエラー検出において最も効果的な方法の1つであることが証明されている。 本稿では,過去30年間の脳波に基づく運転状態検出システムとその解析アルゴリズムについて論じる。 まず,運転状態研究に広く用いられている脳波システムについて紹介する。 次に、ドライバ状態検出のためのEEG信号前処理、特徴抽出、分類アルゴリズムをレビューする。 最後に,脳波を用いた運転状態モニタリング研究を詳細に検討し,今後の展開について考察する。 現在のEEGベースの運転状態監視アルゴリズムは、安全アプリケーションに期待できると結論付けている。 しかし、EEGアーチファクトの削減、リアルタイム処理、オブジェクト間の分類精度にはまだ多くの改善が必要である。

関連論文リスト

• Efficient Mixture-of-Expert for Video-based Driver State and Physiological Multi-task Estimation in Conditional Autonomous Driving [12.765198683804094]
  道路の安全は世界中で重要な課題であり、交通事故による死者は約135万人である。 VDMoEと呼ばれる新しいマルチタスクDMSを提案し、RGBビデオ入力を利用して運転状態を非侵襲的に監視する。
  論文  参考訳（メタデータ） (2024-10-28T14:49:18Z)
• DME-Driver: Integrating Human Decision Logic and 3D Scene Perception in Autonomous Driving [65.04871316921327]
  本稿では,自律運転システムの性能と信頼性を高める新しい自律運転システムを提案する。 DME-Driverは、意思決定者として強力な視覚言語モデル、制御信号生成者として計画指向認識モデルを利用する。 このデータセットを利用することで、論理的思考プロセスを通じて高精度な計画精度を実現する。
  論文  参考訳（メタデータ） (2024-01-08T03:06:02Z)
• G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
  我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。 次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。 その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• Visual Saliency Detection in Advanced Driver Assistance Systems [7.455416595124159]
  本稿では,ドライバの眠気検知システムと,サリエンシに基づく情景理解パイプラインを組み合わせたインテリジェントシステムを提案する。 我々は、運転者を監視するために、ハンドルに埋め込まれた革新的なバイオセンサーを使用している。 収集したPSG時系列を分類するために、専用の1D時間深部畳み込みネットワークが考案された。
  論文  参考訳（メタデータ） (2023-07-26T15:41:54Z)
• When Authentication Is Not Enough: On the Security of Behavioral-Based Driver Authentication Systems [53.2306792009435]
  我々はランダムフォレストとリカレントニューラルネットワークアーキテクチャに基づく2つの軽量ドライバ認証システムを開発した。 我々は,SMARTCANとGANCANという2つの新しいエスケープアタックを開発することで,これらのシステムに対する攻撃を最初に提案する。 コントリビューションを通じて、これらのシステムを安全に採用する実践者を支援し、車の盗難を軽減し、ドライバーのセキュリティを高める。
  論文  参考訳（メタデータ） (2023-06-09T14:33:26Z)
• FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
  非客観的運転経験はモデル化が難しい。 本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。 インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
  論文  参考訳（メタデータ） (2022-12-05T08:25:09Z)
• Driving Anomaly Detection Using Conditional Generative Adversarial Network [26.45460503638333]
  本研究では,条件付き生成逆数ネットワーク(GAN)を用いた運転異常の定量化手法を提案する。 この手法は、事前に観測された信号にモデルを条件付けすることで、今後の運転シナリオを予測する。 結果は知覚的評価によって検証され、アノテータは高い異常スコアで検出されたビデオのリスクと親しみやすさを評価するよう依頼される。
  論文  参考訳（メタデータ） (2022-03-15T22:10:01Z)
• A Software Architecture for Autonomous Vehicles: Team LRM-B Entry in the First CARLA Autonomous Driving Challenge [49.976633450740145]
  本稿では,シミュレーション都市環境における自律走行車両のナビゲーション設計について述べる。 我々のアーキテクチャは、CARLA Autonomous Driving Challengeの要件を満たすために作られました。
  論文  参考訳（メタデータ） (2020-10-23T18:07:48Z)
• Driver Drowsiness Classification Based on Eye Blink and Head Movement Features Using the k-NN Algorithm [8.356765961526955]
  この研究は、ドライバー監視カメラの信号を用いて、車両内の運転者の眠気検知を拡張することを目的としている。 この目的のために、運転シミュレータ実験において、運転者の点眼行動と頭部運動に関連する35の特徴を抽出する。 最高の特徴セットの分析は、運転者の瞬き行動と頭部の動きに対する眠気の影響についての貴重な洞察を与える。
  論文  参考訳（メタデータ） (2020-09-28T12:37:38Z)
• Improved YOLOv3 Object Classification in Intelligent Transportation System [29.002873450422083]
  高速道路における車両・運転者・人の検出・分類を実現するために, YOLOv3に基づくアルゴリズムを提案する。 モデルは優れた性能を持ち、道路遮断、異なる姿勢、極端な照明に頑丈である。
  論文  参考訳（メタデータ） (2020-04-08T11:45:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。