Détection de la somnolence au volant par ECG obtenu par des capteurs textiles capacitifs non intrusifs

Renaud Dumoulin, Geordi-Gabriel (2025). Détection de la somnolence au volant par ECG obtenu par des capteurs textiles capacitifs non intrusifs. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (9MB) | Prévisualisation

Résumé

Les accidents de la route représentent une problématique majeure, engendrant un coût social de 1 000 dollars par habitant au Canada en 2020, soit 2 % du PIB national. Bien que les avancées technologiques et législatives aient permis de réduire significativement le nombre de décès entre 1973 et 2013, une tendance préoccupante à la hausse des accidents mortels est apparue depuis 2017. Parmi les causes identifiées, la fatigue se distingue par son implication dans 24 % des accidents mortels au Québec, demeurant l’un des facteurs les plus difficiles à détecter de manière fiable.

Face à cette difficulté, les données physiologiques, notamment l’électrocardiogramme (ECG), se révèlent prometteuses pour détecter l’état de somnolence. Cependant, leur application dans des conditions réelles reste freinée par des limitations techniques, telles que la qualité des signaux captés de manière capacitive ou l’invasivité des dispositifs traditionnels. C’est dans ce contexte que cette recherche propose d’explorer la faisabilité d’un système non invasif de détection de la somnolence basé sur un ECG capacitif intégré au siège de conduite.

Pour répondre à cet objectif, un système textile capacitif, comportant trois paires d’électrodes, a été développé, optimisé et évalué auprès de 25 participants. Les premiers résultats mettent en évidence une performance médiane de 83 % (score F1) pour la détection des pics ECG. Par ailleurs, une collecte de données multimodales, couvrant 75 heures de conduite simulée, a permis d’étudier les différences entre les états d’éveil et de somnolence. Les performances de classification des états montrent que l’ECG capacitif atteint un score F1 de 69,7 %, contre 86 % pour l’ECG médical. L’intégration des données physiologiques et véhiculaires améliore toutefois ces résultats, avec des scores atteignant 78.2 % pour l’ECG capacitif et 88.6 % pour l’ECG médical.

Ces résultats soulignent le potentiel de l’ECG capacitif pour détecter la somnolence tout en mettant en lumière les défis liés à son intégration industrielle. Les meilleures performances ont été obtenues avec de petites électrodes positionnées au milieu du dos. Ceci dit, le système multicapteur ne semblait pas redondant : les capteurs avaient des périodes différentes d’optimalité du signal. Ceci suggère qu’un système combinant une grille de petites électrodes et la fusion de capteurs pourrait renforcer la robustesse de cette technologie. Cette approche ouvre des perspectives prometteuses pour le développement de systèmes de sécurité embarqués non invasifs, venant compléter les solutions existantes et renforcer la prévention des accidents liés à la fatigue.

Titre traduit

Detection of driver drowsiness using ECG obtained from non-intrusive capacitive textile sensors

Résumé traduit

Road accidents represent a major issue, with a social cost of 1,000 dollars per capita in Canada in 2020, equivalent to 2% of the national GDP. Although technological and legislative advancements significantly reduced fatalities between 1973 and 2013, a concerning upward trend in fatal accidents has been observed since 2017. Among the identified causes, fatigue stands out as a factor in 24% of fatal accidents in Quebec, remaining one of the most challenging factors to reliably detect.

In light of this challenge, physiological data, particularly electrocardiograms (ECG), show promise for drowsiness detection. However, their application in real-world conditions is hindered by technical limitations, such as the quality of signals captured capacitively or the invasiveness of traditional devices. This research explores the feasibility of a non-invasive drowsiness detection system based on capacitive ECG integrated into the driver’s seat.

To achieve this goal, a capacitive textile system with three pairs of electrodes was developed, optimized, and evaluated with 25 participants. Initial results highlight a median performance of 83%(F1 score) for ECG peak detection. Additionally, a multimodal data collection over 75 hours of simulated driving allowed for the study of differences between wakefulness and drowsiness states. Classification performances reveal that capacitive ECG achieved an F1 score of 69.7 %, compared to 86.0 % for medical ECG. However, integrating physiological and vehicular data improved these results, with scores reaching 78.2 % for capacitive ECG and 88.6 % for medical ECG.

These findings underscore the potential of capacitive ECG for drowsiness detection while highlighting challenges related to industrial integration. The best performances were obtained with small electrodes positioned in the middle of the back, and the multi-sensor system did not appear redundant : sensors had different optimal signal periods. This suggests that a system combining a grid of small electrodes and sensor fusion could enhance the robustness of this technology. This approach opens promising avenues for the development of non-invasive embedded safety systems, complementing existing solutions and improving the prevention of fatigue-related accidents.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l’École de technologie supérieure comme exigence partielle à l’obtention de la maîtrise avec mémoire en génie électrique". Comprend des références bibliographiques (pages 165-181).
Mots-clés libres:	électrocardiogramme, ECG, électrode capacitive, fusion, somnolence, apprentissage machine
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Gagnon, Ghyslain
Codirecteur:	Codirecteur Vaussenat, Fabrice
Programme:	Maîtrise en ingénierie > Génie électrique
Date de dépôt:	30 juin 2025 15:27
Dernière modification:	30 juin 2025 15:27
URI:	https://espace.etsmtl.ca/id/eprint/3652

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt