相关实验视频
Updated: Jun 8, 2025
08:06
Eye Movement Monitoring of Memory
Published on: August 15, 2010
14.6K
智能人类操作员精神疲劳评估方法基于凝视运动监测
Alexey Kashevnik1, Svetlana Kovalenko2, Anton Mamonov3,4
1St. Petersburg Federal Research Center of the Russian Academy of Sciences (SPC RAS), St. Petersburg 199178, Russia.
Sensors (Basel, Switzerland)
|November 9, 2024
概括
这项研究引入了一种新的开源方法,用于使用眼动分析实时检测精神疲劳. 该系统通过分析目光模式准确地识别疲劳,这对于预防关键行业事故至关重要.
科学领域:
- 人与计算机的交互
- 认知科学 认知科学
- 机器学习 机器学习
背景情况:
- 目前的精神疲劳检测依赖于主观或间接的措施.
- 现有的系统缺乏实时,准确,开源的解决方案来监测操作员疲劳.
- 在运输和核电等关键行业中,疲劳会带来重大风险.
研究的目的:
- 开发和验证使用眼睛运动数据检测精神疲劳的实时准确方法.
- 识别关键的目光特征,表明精神疲劳.
- 为操作员疲劳监测提供开源解决方案.
主要方法:
- 利用了从操作员执行各种任务的眼睛跟踪数据的数据集.
- 开发了一种技术,用于精确确定疲劳检测中最相关的目光特征.
- 应用机器学习分类器包括随机森林,决策树和多层感知器.
主要成果:
- 确定了关键指标:平均固定速度,视线轨迹曲率,冲刺长度和固定持续时间百分比.
- 使用随机森林模型实现了0.85的最大精度和0.80的F1得分.
- 已证明对眼睛运动数据的实时处理能力.
结论:
- 开发的眼动分析方法为心理疲劳检测提供了准确和实时的解决方案.
- 这种方法可以在关键操作环境中显著提高安全性.
- 识别的目光特征为认知负载和疲劳状态提供了有价值的见解.
