Driver Drowsiness Detection Based on Steering Wheel Data Applying Adaptive Neuro-Fuzzy Feature Selection

Sadegh Arefnezhad, Sajjad Samiee, Arno Eichberger, Ali Nahvi

Publikation: Beitrag in einer FachzeitschriftArtikelBegutachtung

Abstract

This paper presents a novel feature selection method to design a non-invasive driver drowsiness detection system based on steering wheel data. The proposed feature selector can select the most related features to the drowsiness level to improve the classification accuracy. This method is based on the combination of the filter and wrapper feature selection algorithms using adaptive neuro-fuzzy inference system (ANFIS). In this method firstly, four different filter indexes are applied on extracted features from steering wheel data. After that, output values of each filter index are imported as inputs to a fuzzy inference system to determine the importance degree of each feature and select the most important features. Then, the selected features are imported to a support vector machine (SVM) for binary classification to classify the driving conditions in two classes of drowsy and awake. Finally, the classifier accuracy is exploited to adjust parameters of an adaptive fuzzy system using a particle swarm optimization (PSO) algorithm. The experimental data were collected from about 20.5 h of driving in the simulator. The results show that the drowsiness detection system is working with a high accuracy and also confirm that this method is more accurate than the recent available algorithms.
Originalspracheenglisch
Aufsatznummer943
Seitenumfang14
FachzeitschriftSensors
Jahrgang19
Ausgabenummer4
DOIs
PublikationsstatusVeröffentlicht - 22 Feb. 2019

ASJC Scopus subject areas

  • Fahrzeugbau
  • Analytische Chemie
  • Instrumentierung
  • Atom- und Molekularphysik sowie Optik
  • Elektrotechnik und Elektronik

Fields of Expertise

  • Mobility & Production

Treatment code (Nähere Zuordnung)

  • Basic - Fundamental (Grundlagenforschung)
  • Application

Fingerprint

Untersuchen Sie die Forschungsthemen von „Driver Drowsiness Detection Based on Steering Wheel Data Applying Adaptive Neuro-Fuzzy Feature Selection“. Zusammen bilden sie einen einzigartigen Fingerprint.
  • DVS: Vehicle Dynamics

    Koglbauer, I. V. (Teilnehmer (Co-Investigator)), Lex, C. (Teilnehmer (Co-Investigator)), Shao, L. (Teilnehmer (Co-Investigator)), Semmer, M. (Teilnehmer (Co-Investigator)), Rogic, B. (Teilnehmer (Co-Investigator)), Peer, M. (Teilnehmer (Co-Investigator)), Hackl, A. (Teilnehmer (Co-Investigator)), Sternat, A. S. (Teilnehmer (Co-Investigator)), Schabauer, M. (Teilnehmer (Co-Investigator)), Samiee, S. (Teilnehmer (Co-Investigator)), Eichberger, A. (Teilnehmer (Co-Investigator)), Ager, M. (Teilnehmer (Co-Investigator)), Malić, D. (Teilnehmer (Co-Investigator)), Wohlfahrter, H. (Teilnehmer (Co-Investigator)), Scherndl, C. (Teilnehmer (Co-Investigator)), Magosi, Z. F. (Teilnehmer (Co-Investigator)), Orucevic, F. (Teilnehmer (Co-Investigator)), Puščul, D. (Teilnehmer (Co-Investigator)), Arefnezhad, S. (Teilnehmer (Co-Investigator)), Karoshi, P. (Teilnehmer (Co-Investigator)), Schöttel, C. E. (Teilnehmer (Co-Investigator)), Pandurevic, A. (Teilnehmer (Co-Investigator)), Harcevic, A. (Teilnehmer (Co-Investigator)), Wellershaus, C. (Teilnehmer (Co-Investigator)), Li, H. (Teilnehmer (Co-Investigator)), Mihalj, T. (Teilnehmer (Co-Investigator)), Kanuric, T. (Teilnehmer (Co-Investigator)), Gu, Z. (Teilnehmer (Co-Investigator)), Wallner, D. (Teilnehmer (Co-Investigator)), De Cristofaro, F. (Teilnehmer (Co-Investigator)), Soboleva, K. (Teilnehmer (Co-Investigator)), Nalic, D. (Teilnehmer (Co-Investigator)), Bernsteiner, S. (Teilnehmer (Co-Investigator)), Kraus, H. (Teilnehmer (Co-Investigator)), Zhao, Y. (Teilnehmer (Co-Investigator)), Bodner, J. (Teilnehmer (Co-Investigator)), Bui, D. T. (Teilnehmer (Co-Investigator)), Hirschberg, W. (Teilnehmer (Co-Investigator)), Plöckinger, M. (Teilnehmer (Co-Investigator)) & Khoshnood Sarabi, N. (Teilnehmer (Co-Investigator))

    1/01/1131/12/24

    Projekt: Arbeitsgebiet

Dieses zitieren