實驗一 以影片及機械手臂模擬打瞌睡之偵測

1.實驗目的

測試本系統對於影片上的人物能否判斷其瞌睡閉眼，及能否偵測到機械手臂 模擬的點頭。

2.假說

本系統能準確判斷影片中的人物的張閉眼情形，進而判斷影片中的人有無瞌 睡，也能準確偵測到機械手臂的擺動(模擬瞌睡點頭)。

3.實驗對象

實驗對象一為30個影片，每支影片只有拍一位受測者，共三十位受測者，其 皆為國立台灣師範大學電機工程系的學生，有26男4女，其中有16位有戴眼鏡，

14位無戴眼鏡，影片中包含受測者的不同長度時間的閉眼、不同角度的轉頭和點 頭等，影片片段的排列順序為睜眼、眨眼、睜眼、閉眼0.5秒、睜眼、閉眼1秒、

睜眼、閉眼1.5秒、睜眼、閉眼2秒、睜眼、閉眼2.5秒、睜眼、閉眼3秒、睜眼、

點頭、睜眼、頭轉右65度、睜眼、頭轉右90度、睜眼、頭轉左65度、睜眼、頭轉 左90度(如【圖4-1】)共24個片段，而我們已知閉眼1.44秒以上(約3張閉眼影像)會 響警報，頭轉70度以上會偵測不到眼睛，並在累積三張偵測不到眼睛影像後響警 報。

79 圖 4-1:頭轉左 90 度

實驗對象二為用樂高機器人EV3系列內附的伺服馬達、樂高零件和EV3主機 組成的機械手臂，如【圖4-2】，其會每10秒前後擺動一次，程式設定擺動力道一 般情形為10(程式自訂)，模擬車上時為22。

圖 4-2:機械手臂的組成

4.儀器設備

本實驗用到的設備有智慧手機型打瞌睡偵測器(如【圖4-3】)，其使用的打瞌 睡App為自製的，另還有自製的G-sensor帽子(如【圖4-4】)，

80

圖 4-3:智慧手機型打瞌睡偵測器

圖 4-4:G-sensor 帽子

帽子上的G-sensor負責感測出加速度對應的電壓，帽子上的Arduino UNO板子負責 將G-sensor電壓轉成加速度字串，帽子上的藍芽模組負責傳送Arduino UNO板子的 G-sensor加速度字串到App，至於電腦則負責播實驗影片，也就是扮演要偵測的眼 睛。

81

5.實驗步驟

將智慧手機型打瞌睡偵測器夾在懶人夾上，另一端固定於桌上，偵測器面向 電腦螢幕(偵測器離電腦螢幕約為22公分)，再將G-sensor帽子放在樂高機械手臂 上，如【圖4-5】，啟動G-sensor開關，接著同時啟動偵測器App、機械手臂開關 及播放影片，如此偵測器就會一邊拍螢幕上的眼睛一邊接收G-sensor資料(分別測 一般情形 =17和模擬車上時 =75的情形)，完整實驗照如【圖4-6】。

圖 4-5:G-sensor 帽子放在樂高機械手臂上

82 圖 4-6:完整實驗照

6.資料收集

為了方便實驗觀察，我們還在App上設計實驗後會記錄偵測到的閉眼(3張以 上影像)幾次及點頭幾次，方便實驗結果記錄。

7.實驗結果

實驗結果中，偵測瞌睡閉眼部分，30支影片中有29支影片實驗結果一樣，另 一支實驗結果不一樣，不一樣的為受測者No.2，如【表4-1】，其中打勾的為偵測 到閉眼三張以上有響警報，

表 4-1:實驗一偵測瞌睡閉眼結果

1 2(女，左 臉有長 髮)

3 4 5 6 7 8 9 10 11 12 13 14 15

眨眼 閉眼

83

84

85

86

6 4 4 21 4 4

7 4 4 22 4 4

8 5 5 23 4 4

9 5 5 24 4 4

10 4 4 25 4 4

11 4 4 26 4 4

12 4 4 27 4 4

13 4 4 28 5 5

14 7 7 29 4 4

15 4 4 30 7 7

8.實驗結果討論

由【表4-1】我們可以發現實驗結果一樣的29人，在閉眼大於1.44秒、點頭、

轉右90度或轉左90度都會響警報，這證明閉眼1.44秒以上及轉頭70度以上(偵測不 到眼睛達1.44秒以上)都會判斷為打瞌睡並響警報，且跟性別和有無戴眼鏡無關，

且轉頭介於55度到70度只會偵測到一隻眼睛(離偵測器較近的那隻)，而實驗結果 不一樣的那支影片(No.2，女，左臉有長髮)不同點在於，除了閉眼大於1.44秒、點 頭、轉右90度和轉左90度有響警報外，在頭轉右65度時也響警報，原因就在於受 測者頭轉右時左臉長髮會遮住剩下能偵測到的那隻眼睛，如【圖4-7】，導致都偵 測不到眼睛所以才會誤判為打瞌睡而響警報，由實驗結果統計得到本系統準確率 為99.52%，

87

圖 4-7:左臉長髮在轉右時會擋住眼睛

另外，我們將實驗結果的準確率和其他也是測影片的論文做比較，如【表4-4】，

表 4-4:與其它論文的準確率及其他項目比較表

準確率 影片數 影片瞌睡 閉眼總次

數

偵測到的 總次數

總片長(分 鐘)

I.-L.

Tsai[1]

2013

99.32% 9 147 145 31.69分

Y.-Y.

Chung 2015

99.52% 30 210 211 25.22分

(內容出自[1])

88

由【表4-4】可知，我們系統的準確率高，且略高於I.-L. Tsai[1]，也就是我們的偵 測方法較I.-L. Tsai[1]準。

而由【表4-2】、【表4-3】知，因每支影片長短不同，所以每支影片機械手 臂擺動實際次數也不同，根據實驗結果，每支影片G-sensor偵測到的次數皆符合 實際次數，故此二項G-sensor偵測機械手臂擺動實驗準確率皆為100%，這些都符 合一開始的假說。