Diagnostic de la somnolence dun opérateur: analyse automatique de signaux physiologiquesReport as inadecuate




Diagnostic de la somnolence dun opérateur: analyse automatique de signaux physiologiques - Download this document for free, or read online. Document in PDF available to download.

1 LAAS - Laboratoire d-analyse et d-architecture des systèmes Toulouse

Abstract : In order to reduce the huge number of accidents, the LAAS-CNRS is interested since several years by determining the vigilance level on an operator by analysing his mode of driving. The last works realised in this field were concentrated on driving on motorway and on experimental conditions such as somnolence, as one origin of the hypo vigilance. In such study, the physiological measurements were served as reference of drowsiness level for behavioural measurements. My work, which concerns the automatic analysis of the physiological signals EEG, EOG in order to characterize the somnolence, is a part of European project SENSATION. This work is articulated in 2 parts. The first one is dedicated to the EEG analysis and starts with a presentation of analysed signals and the phenomena representative of somnolence, then the time frequency analyse methods: Fourier Transform, Wavelets decomposition and Hilbert Huang Transform. The last method was selected for the rest of study. We propose an empirical study of the accuracy for this technique and a method to increase this accuracy when the amplitude of the analysed signal is small. Then we present the developed algorithm and the first results obtained on real signals. The second part of the thesis is devoted to localisation and characterisation of blinks in EOG. Before presenting the developed algorithm, we describe the analysed signal and the suggested model for treating this signal. Then, we compare our results obtained by our algorithm with a semi-automatic analysis. Once the blink detection is validated, we compare the drowsiness level determined automatically with the visual analysis of the signals. The final results and the perspectives for improving these results is conclude this work.

Résumé : Depuis plusieurs années le LAAS-CNRS travaille sur la problématique de la détection de la baisse de vigilance d-un conducteur d-automobile à partir de l-analyse du mode de conduite, afin de réduire le grand nombre des accidents routiers. Dans ce contexte, nous nous sommes intéressés de dégager une mesure référante de l-hypovigilance qui permettrait, par comparaison, de valider le système de mesure embarqué associant des mesures comportementales. Cette thèse a porté sur l-analyse automatique des signaux physiologiques EEG, EOG permettant de caractériser la somnolence; et s-est inscrit dans le cadre du projet européen SENSATION. Ce travail s-articule en 2 parties. La première est dédiée à l-analyse des EEG et commence par une présentation de la forme d-onde des signaux à analyser et des phénomènes représentatifs de la somnolence, puis des techniques d-analyse susceptibles de répondre au problème posé : transformé de Fourier, décomposition en Ondelettes, transformation de Hilbert Huang; Pour la suite de l-étude, nous avons sélectionnée la transformation de Hilbert-Huang. La précision de cette méthode sera étudier qualitativement, avant de présenter l-algorithme développé et les premiers résultats obtenus sur des signaux réels. Les conclusions de l-analyse de la précision nous ont amené à modifier l-algorithme proposé par Huang en normalisant les composantes fournies par la transformation de Huang sur l-ensemble de la fenêtre d-analyse avant application de la transformation de Hilbert. La deuxième partie de la thèse est donc consacrée à la localisation et la caractérisation des clignements des yeux dans l-EOG. Avant de présenter l-algorithme développé, nous décrivons le signal étudié et le modèle de clignement proposé. Nous comparons ensuite, sur une base de données constituée durant des expériences menées sur un simulateur de conduite, les résultats obtenus par notre algorithme à une analyse semi-automatique. Une fois la détection des clignements validée, nous com parons le degré de somnolence déterminé après mise en place des règles utilisées par les experts à l-analyse visuelle des signaux. Le bilan du travail réalisé et les perspectives d-amélioration des résultats concluront ce travail.

en fr

Keywords : Hypo vigilance Drowsiness detection Automatic localisation and characterization of blinks in EOG Localisation of alpha and theta wave in EEG Hilbert Huang Transform HHT

Mots-clés : Hypovigilance Détection de la Somnolence Localisation et caractérisation automatique des clignements des yeux dans l-EOG Localisation des ondes alpha et thêta dans l-EEG Transformée de Hilbert Huang HHT





Author: Hassan Sharabaty -

Source: https://hal.archives-ouvertes.fr/



DOWNLOAD PDF




Related documents