通过LiDAR对基于EDA的激发进行车载非接触估计

科学领域:

• 生物医学工程 生物医学工程
• 人与计算机的交互
• 传感器技术 传感器技术

背景情况:

• 驾驶员监控系统越来越多地使用生理信号来确保安全.
• 电皮活动 (EDA) 是一种关键的兴奋生物标志物,但需要与皮肤接触.
• 目前的方法限制了EDA的车载适用性.

研究的目的:

• 使用光检测和测距 (LiDAR) 探索非接触式皮电活动 (EDA) 估计.
• 评估LiDAR作为驾驶员监控的新型传感模式的可行性.
• 评估用于远程EDA估计的机器学习模型.

主要方法:

• 从额头和手指的EDA同时记录LiDAR反射强度.
• 使用基于特征 (随机森林,额外树木) 和基于序列 (CNN,LSTM,TCN) 的机器学习模型.
• 执行分类和回归任务来分析来自LiDAR的兴奋数据.

主要成果:

• 激光雷达信号成功捕获了与兴奋相关的变化.
• 时间卷积网络 (TCN) 实现了平均绝对误差14.6和与基本真相EDA的相关性 (r=0.85).
• 跨学科的概括提出了挑战,表明了未来改进的领域.

结论:

• 这项研究为使用LiDAR进行非接触式远程EDA估计提供了第一个概念验证.
• 激光雷达解决了驾驶员监控系统中皮肤接触传感器的局限性.
• 未来的工作应该专注于更大的数据集和现实世界的驾驶验证,以便实际部署.