Is Posturography a Candidate for a Vigilance Test?

The aim of this paper is to improve the information gained by the most commonly applied fit-for-duty sleepiness test (Pupillographic Sleepiness test, PST) by using pattern recognition approaches. The pupil diameter based sleepiness detection is enriched by several new features and machine learning methods. Using all newly computed pupil diameter features we achieved on the two-class detection problem (moderate sleepiness vs. high sleepiness) an accuracy of 83.03% on participant-dependent data with a RandomForest classifier. This result suggested that the PST-standard feature set should be enriched by the here proposed enlarged feature set.

show abstract

“…for sleepiness classification using speech, steering behavior, EEG, posturographic information, cf. [11][12][13][14].…”

Section: Discussionmentioning

confidence: 99%

Pattern recognition methods

Krajewski

Schnupp

Schnieder

et al. 2010

Proceedings of the 7th International Conference on Methods and Techniques in Behavioral Research

View full text Add to dashboard Cite

show abstract

“…Die zur Vorhersage genutzten multivariaten Verfahren des "machine learning" und der "artificial intelligence" zählen zu den in der Sprachemotionserkennung gebräuchlichen Standardmethoden [1,2,3,4,24,25,26,27]. Hierunter fallen die Support-Vector-Regression und künstliche neuronale Netze -Verfahren, die nichtlineare Modellierungen ermöglichen.…”

Section: Machine-learning-verfahrenunclassified

“…Die auf ein Schläfrigkeitsmoni-toring abzielenden Systeme beinhalten hauptsächlich Messkanäle wie die Instabilität der Pupillengröße [30], Lidschlüs-se [12], posturographisches Gleichgewichtsverhalten [24], motorisches Verhalten [16] sowie kardiovaskuläre [11] und elektroenzephalographische Aktivität [6,26]. Bisher ungenutzt blieben die schläfrigkeitsbezogenen Informationen aus dem stimmlichen Ausdruck.…”

unclassified

Phonetisch-akustische Schläfrigkeitsdetektion

et al. 2010

Self Cite

View full text Add to dashboard Cite

Originalien Musterkennungsbasierte VerfahrensentwicklungIn der Vergangenheit wurden vielfältige Anstrengungen unternommen, Verfahren zu entwickeln, die Schläfrigkeitszustände objektiv und automatisiert quantifizieren können. Die auf ein Schläfrigkeitsmoni-toring abzielenden Systeme beinhalten hauptsächlich Messkanäle wie die Instabilität der Pupillengröße [30], Lidschlüs-se [12], posturographisches Gleichgewichtsverhalten [24], motorisches Verhalten [16] sowie kardiovaskuläre [11] und elektroenzephalographische Aktivität [6, 26]. Bisher ungenutzt blieben die schläfrigkeitsbezogenen Informationen aus dem stimmlichen Ausdruck. Anders als die stimmakustische Schläfrigkeitsde-tektion weckte die Emotionsdetektion in den letzten Jahren ein reges Forschungsinteresse. Gründe für die wachsende Beschäftigung mit phonetisch-akustischen Stimmanalysen ist die zunehmende Prä-senz von sprachlicher Mensch-MaschineInteraktion (MMI) sowie die Entwicklung der notwendigen Prozessorleistungen und Speicherkapazitäten.

show abstract

“…In contrast to these electrode-based instruments, using steering wheel movement as an indicator for fatigue is more robust under these same operating conditions. Collecting this data is favourable for fatigue detection since it is non-obtrusive and uses cheap, durable, and maintenance free sensors that are already integrated into the steering wheel system [2][3]. However, little empirical research has been done to examine thoroughly the benefits of more recently feature extraction methods as e.g.…”

Section: Introductionmentioning

confidence: 98%

Detecting fatigue from steering behaviour applying continuous wavelet transform

Krajewski

Gölz

Schnieder

et al. 2010

Proceedings of the 7th International Conference on Methods and Techniques in Behavioral Research

View full text Add to dashboard Cite

The aim of this paper is to develop signal processing based method to measure fatigue from motor behaviour. The advantages of this steering wheelmovement approach are that obtaining steering data within driving is robust, non obtrusive, free from sensor application and calibration efforts. Applying methods of continuous wavelet transform (CWT) provides additional information regarding the dynamics and structure of steering behavior comparing to the commonly applied spectral Fourier transform features.

show abstract

Is Posturography a Candidate for a Vigilance Test?

Cited by 4 publications

References 7 publications

Pattern recognition methods

Pattern recognition methods

Phonetisch-akustische Schläfrigkeitsdetektion

Detecting fatigue from steering behaviour applying continuous wavelet transform

Contact Info

Product

Resources

About