Show simple item record

Application of automatic classification methods for driver fatigue monitoring
dc.contributor.advisorSmrčka, Pavel
dc.creatorCimbálník, Jan
dc.date.accessioned2017-04-20T15:43:16Z
dc.date.available2017-04-20T15:43:16Z
dc.date.issued2010
dc.identifier.urihttp://hdl.handle.net/20.500.11956/27375
dc.description.abstractCílem této práce bylo zpracovat data z projektu "Bdící auto, spící řidič," která byla naměřena v letech 2000 - 2002. Dále z těchto dat získat příznaky, které by byly vhodné pro rozlišení, zda je řidič bdělý či unavený. Poté zhodnotit relevantnost jednotlivých příznaků a vybrané příznaky pak použít pro automatickou klasifikaci únavy a bdělosti řidičů. V teoretické části práce je popsána únava jako fyziologický úkaz, popsány základní principy použitých metod automatické klasifikace a zhotovena rešerše aktuálního stavu řešení dané problematiky. V praktické části je popsán postup experimentu, při kterém byla data získána. Poté následuje samotný popis metodiky této práce, kdy byly signály elektrookulografie a signálu z Hallovy sondy, který reprezentoval natočení volantu, předzpracovány v programu Matlab. Následně pak byly vypočteny příznaky z jednotlivých signálů, vyexportovány do programu MS Excel, kde byly zpracovány do formy grafů a statisticky zhodnoceny. Po vyřazení nerelevantních příznaků byly použity metody automatické klasifikace pro rozlišení bdělosti a únavy.cs_CZ
dc.description.abstractThe goal of this thesis was to process data from the project "Wakeful car, sleeping driver," which were acquired during the period of 2000-2002. Furthermore, to obtain attributes from the data which would be appropriate for determination whether the driver is awake or tired. Moreover to evaluate the relevance of the attributes and to use them for automatic fatigue and alertness classification in drivers. The theoretical part describes fatigue as a physiological phenomenon and discusses the current state of research of the issue. The practical part then describes the experiment in which the data was obtained. This is followed by the description of the methodology of this study where signals of elektrooculography and the hall probe, which represented the steering wheel angle, were pre-processed in Matlab. Subsequently, the attributes were calculated from the individual signals and exported to MS Excel, where they were processed into the form of graphs and statistically evaluated. After the removal of irrelevant attributes automatic classification methods were used for discrimination between alertness and fatigue.en_US
dc.languageČeštinacs_CZ
dc.language.isocs_CZ
dc.publisherUniverzita Karlova. 1. lékařská fakultacs_CZ
dc.titleAplikace metod automatické klasifikace při monitorování únavy řidičůcs_CZ
dc.typediplomová prácecs_CZ
dcterms.created2010
dcterms.dateAccepted2010-06-29
dc.description.departmentInstitute of Biophysics and Informatics First Faculty of Medicine Charles University in Pragueen_US
dc.description.departmentÚstav biofyziky a informatiky 1. LF UK v Prazecs_CZ
dc.description.facultyFirst Faculty of Medicineen_US
dc.description.faculty1. lékařská fakultacs_CZ
dc.identifier.repId88759
dc.title.translatedApplication of automatic classification methods for driver fatigue monitoringen_US
dc.contributor.refereeKoza, Zdeněk
dc.identifier.aleph001295418
thesis.degree.nameMgr.
thesis.degree.levelnavazující magisterskécs_CZ
thesis.degree.disciplineZdravotnická technika a informatikacs_CZ
thesis.degree.disciplineMedical technics and Informaticsen_US
thesis.degree.programSpecializace ve zdravotnictvícs_CZ
thesis.degree.programSpecializations in Health Serviceen_US
uk.thesis.typediplomová prácecs_CZ
uk.taxonomy.organization-cs1. lékařská fakulta::Ústav biofyziky a informatiky 1. LF UK v Prazecs_CZ
uk.taxonomy.organization-enFirst Faculty of Medicine::Institute of Biophysics and Informatics First Faculty of Medicine Charles University in Pragueen_US
uk.faculty-name.cs1. lékařská fakultacs_CZ
uk.faculty-name.enFirst Faculty of Medicineen_US
uk.faculty-abbr.cs1.LFcs_CZ
uk.degree-discipline.csZdravotnická technika a informatikacs_CZ
uk.degree-discipline.enMedical technics and Informaticsen_US
uk.degree-program.csSpecializace ve zdravotnictvícs_CZ
uk.degree-program.enSpecializations in Health Serviceen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csCílem této práce bylo zpracovat data z projektu "Bdící auto, spící řidič," která byla naměřena v letech 2000 - 2002. Dále z těchto dat získat příznaky, které by byly vhodné pro rozlišení, zda je řidič bdělý či unavený. Poté zhodnotit relevantnost jednotlivých příznaků a vybrané příznaky pak použít pro automatickou klasifikaci únavy a bdělosti řidičů. V teoretické části práce je popsána únava jako fyziologický úkaz, popsány základní principy použitých metod automatické klasifikace a zhotovena rešerše aktuálního stavu řešení dané problematiky. V praktické části je popsán postup experimentu, při kterém byla data získána. Poté následuje samotný popis metodiky této práce, kdy byly signály elektrookulografie a signálu z Hallovy sondy, který reprezentoval natočení volantu, předzpracovány v programu Matlab. Následně pak byly vypočteny příznaky z jednotlivých signálů, vyexportovány do programu MS Excel, kde byly zpracovány do formy grafů a statisticky zhodnoceny. Po vyřazení nerelevantních příznaků byly použity metody automatické klasifikace pro rozlišení bdělosti a únavy.cs_CZ
uk.abstract.enThe goal of this thesis was to process data from the project "Wakeful car, sleeping driver," which were acquired during the period of 2000-2002. Furthermore, to obtain attributes from the data which would be appropriate for determination whether the driver is awake or tired. Moreover to evaluate the relevance of the attributes and to use them for automatic fatigue and alertness classification in drivers. The theoretical part describes fatigue as a physiological phenomenon and discusses the current state of research of the issue. The practical part then describes the experiment in which the data was obtained. This is followed by the description of the methodology of this study where signals of elektrooculography and the hall probe, which represented the steering wheel angle, were pre-processed in Matlab. Subsequently, the attributes were calculated from the individual signals and exported to MS Excel, where they were processed into the form of graphs and statistically evaluated. After the removal of irrelevant attributes automatic classification methods were used for discrimination between alertness and fatigue.en_US
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, 1. lékařská fakulta, Ústav biofyziky a informatiky 1. LF UK v Prazecs_CZ
dc.identifier.lisID990012954180106986


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV