dc.creator | Cassenote, Vanessa | |
dc.date.accessioned | 2021-09-23T17:42:12Z | |
dc.date.available | 2021-09-23T17:42:12Z | |
dc.date.issued | 2020-02-20 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/22267 | |
dc.description.abstract | Modern life often requires the subject to modify his circadian cycle due to his profession.
This change implies low performance, bad mood and, mainly, reduced attention and, drowsiness
at unsuitable times. According to the WHO, about 1.35 million people die each year
in traffic accidents. Thus, this work proposes a methodology for detecting drowsiness in
real time, with the aim of helping to minimize the problem mentioned. The proposed methodology
extracts Alpha, Theta, Beta and Gamma through the Haar Wavelet transform and
compares performances of the classifiers: MLP, KNN, LDA, RF, SVM and a Threshold. All
analyzes performed used signals from a public database. In order to be able to evaluate
the methodology in a more realistic environment, part of the signals were separated and
through an experiment, they were acquired by a wearable EEG. From there, the acquired
signal and the classifier performances for these signals were analyzed. In addition, the
performances of the classifiers for all samples (without EEG aquisition) and different epoch
sizes were also evaluated, being a 10 s epoch with a sliding window of 3 s the best, where
a sensitivity of 95% was obtained with an SVM. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES | por |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | EEG vestível | por |
dc.subject | Processamento de sinais | por |
dc.subject | Aprendizado de máquina | por |
dc.subject | Wearable EEG | eng |
dc.subject | Signal processing | eng |
dc.subject | Machine learning | eng |
dc.title | Uma metodologia para detecção de sonolência em tempo real com EEG vestível com duas derivações | por |
dc.title.alternative | A methodology for drowsiness detection in real-time with wearable EEG with two derivations | eng |
dc.type | Dissertação | por |
dc.description.resumo | A vida moderna exige, muitas vezes, que o sujeito modifique seu ciclo circadiano devido a
sua profissão. Esta mudança implica em baixa no desempenho, mau humor e, principalmente,
redução da capacidade de atenção e sonolência em horários inoportunos. Segundo
a OMS, cerca de 1.35 milhões de pessoas morrem por ano em acidentes no trânsito. Assim,
neste trabalho foi proposta uma metodologia para detecção de sonolência em tempo
real, com o objetivo de ajudar a minimizar o problema citado. A metodologia proposta extrai
Alfa, Teta, Beta e Gama através da transformada Wavelet de Haar e compara performances
dos classificadores: MLP, KNN, LDA, RF, SVM e um Threshold. Todas as análises
realizadas utilizaram sinais de um banco de dados público. Para que se possa avaliar a
metodologia em um ambiente mais realista, parte dos sinais foram separados e através
de um experimento, foram adquiridos por um EEG vestível. A partir disso, analisou-se o
sinal adquirido e as performances dos classificadores para estes sinais. Além disso, foram
avaliadas também as performances dos classificadores para todas as amostras (sem a
leitura pelo EEG) e diferentes tamanhos de épocas, sendo uma época de 10 s com janela
deslizante de 3 s a melhor, onde obteve-se sensibilidade de 95% com uma SVM. | por |
dc.contributor.advisor1 | Rodrigues, Cesar Ramos | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/1751666562438251 | por |
dc.contributor.advisor-co1 | Prior, Cesar Augusto | |
dc.contributor.referee1 | Winck, Ana Trindade | |
dc.contributor.referee2 | Welfer, Daniel | |
dc.creator.Lattes | http://lattes.cnpq.br/5806282718098321 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Ciência da Computação | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |