Reconhecimento da ansiedade em motoristas: estudo de caso de uma arquitetura de inteligência artificial para identificação de padrões em vídeos de rastreamento ocular

Página do item simplificado
dc.contributor.advisorMancini, Felipe [UNIFESP]
dc.contributor.advisor-coGuimarães, Marcelo de Paiva [UNIFESP]
dc.contributor.advisor-coNavarro, Martina [UNIFESP]
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/5035762125459415pt_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/3531342066691171pt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/4433119488921195pt_BR
dc.contributor.authorBastos, Wagner Gomes [UNIFESP]
dc.contributor.authorLatteshttp://lattes.cnpq.br/4354134335143920pt_BR
dc.coverage.spatialSão Paulopt_BR
dc.date.accessioned2021-11-11T12:26:33Z
dc.date.available2021-11-11T12:26:33Z
dc.date.issued2021-06-07
dc.description.abstractINTRODUÇÃO: O comportamento de ansiedade em motoristas pode ser relacionado aos erros de condução e, consequentemente, aos acidentes de trânsito, pois produz um decréscimo de desempenho na execução da tarefa de dirigir. O relacionamento entre os movimentos dos olhos e ansiedade tem sido investigado por meio do uso de dispositivos de rastreamento ocular. O estudo da ansiedade por meio do rastreamento ocular produz vídeos com uma grande quantidade de imagens (frames). Estas imagens necessitam que a inspeção visual seja realizada pelo pesquisador, possibilitando erros ou comprometendo a reprodutibilidade do resultado da pesquisa. Os dados provenientes da inspeção visual necessitam de uma análise que possibilite a identificação de padrões de ansiedade em motoristas. OBJETIVO GERAL: Propor uma arquitetura computacional baseada em Inteligência Artificial em dados de rastreamento ocular para identificação de padrões de ansiedade estado de motoristas em ambiente simulado. MATERIAL E MÉTODOS: Esta pesquisa é dividida em duas etapas. A primeira parte é de caráter quantitativa e correlacional, pois será realizada a inspeção automática das imagens dos vídeos, por meio de visão computacional para correlacioná-las com a inspeção visual do pesquisador. A segunda parte é de caráter quantitativa e exploratória, pois será utilizado algoritmos de aprendizado de máquina, sobre os dados provenientes da inspeção automática por visão computacional, com o objetivo de procurar por perfis de ansiedade. Também foi realizada uma revisão integrativa da literatura para identificação do estado da arte nas pesquisas de visão computacional, aprendizado de máquina e rastreamento ocular para a área da saúde. RESULTADOS: No pipeline de aprendizado de máquina utilizando SOM e árvore de decisão obteve-se a melhor acurácia de 62,25% na correlação da característica variância das localizações das fixações com a ansiedade estado. No pipeline de aprendizado de máquina utilizando regressão logística binária identificou-se as características, candidatas a indicadores de ansiedade estado, velocímetro e pista com acurácia de 90% e AUC de 0,79 para motoristas experientes e baixo reinvestidores. CONCLUSÃO: Uma arquitetura computacional com inteligência artificial em dados de rastreamento ocular foi criada e validada para predição da ansiedade estado de motoristas em ambiente simulado. Espera-se que novos estudos façam uso desta arquitetura para diagnóstico da ansiedade estado em aplicações de treinamento de motorista, sistemas de advertência e/ou controle de veículos, a fim de contribuir com a redução de acidentes.pt_BR
dc.description.abstractINTRODUCTION: The anxiety behavior in drivers can be related to driving errors and, consequently, to traffic accidents, as it produces a decrease in execution’ performance of the driving task. The relationship between eye movements and anxiety has been investigated through the use of eye tracking devices. The study of anxiety through eye tracking produces videos with a large number of images (frames). These images require the visual inspection to be carried out by the researcher, allowing errors or compromising the reproducibility of the research result. The data from the visual inspection need an analysis that allows the identification of anxiety patterns in drivers. GENERAL OBJECTIVE: Propose a computational architecture based on Artificial Intelligence in eye tracking data to identify patterns of anxiety in the driver's state in a simulated environment. MATERIAL AND METHODS: This research is divided into two parts. The first part is quantitative and correlational, since the automatic inspection of the videos images will be performed, through computer vision to correlate them with the visual inspection of the researcher. The second part is quantitative and exploratory, as machine learning algorithms will be used, on the data from the automatic inspection by computer vision, in order to search for anxiety profiles. An integrative literature review was also carried out to identify the state of the art in computer vision research, machine learning and eye tracking for the health area. RESULTS: In the machine learning pipeline using SOM and decision tree, the best accuracy of 62.25% was obtained in the correlation of the characteristic variance of fixation locations with state anxiety. In the machine learning pipeline using binary logistic regression, the characteristics were identified, candidates for state, speedometer and lane anxiety indicators with 90% accuracy and 0.79 AUC for experienced drivers and low reinvestors. CONCLUSION: A computational architecture with artificial intelligence on eye tracking data was created and validated to predict the anxiety state of drivers in a simulated environment. It is expected that further studies make use of this architecture to diagnose state anxiety in driver training applications, warning systems and/or vehicle control, in order to contribute to the reduction of accidents.pt_BR
dc.format.extent110 f.pt_BR
dc.identifier.urihttps://hdl.handle.net/11600/62215
dc.languageporpt_BR
dc.publisherUniversidade Federal de São Paulopt_BR
dc.rightsinfo:eu-repo/semantics/openAccesspt_BR
dc.subjectAnsiedadept_BR
dc.subjectRastreamento ocularpt_BR
dc.subjectRegião de interessept_BR
dc.subjectVisão computacionalpt_BR
dc.subjectAprendizado de máquinapt_BR
dc.titleReconhecimento da ansiedade em motoristas: estudo de caso de uma arquitetura de inteligência artificial para identificação de padrões em vídeos de rastreamento ocularpt_BR
dc.title.alternativeRecognition of anxiety in drivers: a case study of an artificial intelligence architecture for identifying patterns in eye tracking videosen
dc.typeinfo:eu-repo/semantics/masterThesispt_BR
unifesp.campusEscola Paulista de Medicina (EPM)pt_BR
unifesp.graduateProgramGestão e Informática em Saúdept_BR
unifesp.knowledgeAreaGestão e Informática em Saúdept_BR
unifesp.researchAreaMineração de Dadospt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Wagner_Gomes_Bastos-Dissertação_de_Mestrado-Versão_Final-A.pdf
Tamanho:
3 MB
Formato:
Adobe Portable Document Format
Descrição:
Dissertação Mestrado
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
5.79 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar
Coleções
PPG - Gestão e Informática em Saúde