[Venryx]

(Anglais thread source sur Dream Views ici. J'essaierai également de publier ici les mises à jour importantes.)

Il y a quelques années, j'ai fait ce fil sur l'utilisation du bandeau Muse original pour détecter le sommeil paradoxal et déclencher des effets sonores / lumineux: https://www.dreamviews.com/lucid-aid...etty-good.html

Cependant, j'ai finalement cessé de travailler dessus, principalement parce que le bandeau Muse d'origine n'était pas très confortable (ou stable) à porter pendant de longues périodes (par exemple la nuit).

Avance rapide jusqu'au début de cette année, et Muse a sorti un nouvel appareil qui est beaucoup plus adapté pour une utilisation de nuit: le Muse S. (Les liens commerciaux ne sont pas autorisés, mais vous pouvez trouver des informations à ce sujet en recherchant 'Muse S '.)

Excité par cette nouvelle version, j'en ai acheté une et travaille depuis quelques semaines sur la production d'un système capable de détecter de manière fiable le sommeil paradoxal à partir des données EEG de l'appareil.

Voici ma feuille de route:
1) J'ai passé une bonne semaine à faire des recherches dans le domaine de l'apprentissage automatique. Cela a pris plus de temps que prévu, car il existe des tonnes d'algorithmes et d'approches d'apprentissage machine différents - et n'ayant aucune expérience dans le domaine, il a fallu beaucoup de temps pour trouver les outils appropriés à utiliser pour ce cas d'utilisation.
2) J'ai ensuite passé quelques jours à enregistrer des données EEG brutes de sessions avec différents mouvements oculaires (aucun, micro et macro), et à stocker ces données avec ces étiquettes, pour former le modèle d'apprentissage automatique.
3) J'ai formé le modèle d'apprentissage automatique en jouant avec ses paramètres jusqu'à ce que je paraisse obtenir une correspondance fiable entre les prédictions du modèle (pour chaque 'session' de données brutes de données électroniques) et les étiquettes / 'cibles' des sessions. (avec répartition entre les données de formation et de test, pour atténuer le sur-ajustement)
4) J'ai ensuite passé du temps à faire fonctionner le SDK Muse (obsolète) avec leur dernier appareil Muse S.
5) À faire: Terminez de connecter les données EEG en streaming en direct avec le modèle d'apprentissage automatique.
6) À faire: Expérimentez avec quand et comment utiliser le mouvement oculaire détecté pour déclencher les différentes alarmes de mon application (son, lumière wifi et alarme de vibreur de lit).
7) À faire: une fois que les choses fonctionnent bien pour moi, nettoyez l'interface utilisateur de l'application et faites-la emballer et publier sur le Play Store afin que d'autres puissent également l'essayer.

Jusqu'à présent, je n'ai posté que mon travail sur le forum de rêve lucide français 'Attrape Songes', car ils ont un sous-forum geek / hacker plus actif: Le coin des Geeks
(premiers tests: [Test] SmartLucider banner)

Cependant, aujourd'hui, j'ai décidé de commencer à publier sur DreamViews également, car cela se rapproche du point où je vais l'utiliser tous les soirs pour essayer de provoquer des rêves lucides. (Voir le lien en haut pour le fil anglais Dream Views.)

En parlant de cela, quelle est l'approche générale que je vais essayer pour les inductions de rêve lucide? Fondamentalement, mon idée est d'avoir des mouvements oculaires (pendant plus de quelques secondes) augmentant progressivement l'intensité des différentes alarmes. Finalement, les alarmes deviendront assez intenses pour me réveiller (en particulier l'alarme de vibreur de lit - celle-là fonctionne assez bien). Cependant, les alarmes sont définies pour s'arrêter instantanément dès que les mouvements oculaires s'arrêtent.

L'idée est donc que dès que je me réveillerai, j'arrêterai de bouger les yeux - provoquant une coupure d'alarme instantanée. Et parce que je viens de remarquer que les alarmes sont désactivées, je peux être sûr que je rêvais quelques secondes plus tôt - et au début de REM - donc je suis alors aux heures de grande écoute pour effectuer des tentatives DEILD et / ou WILD . Parce que la désactivation de l'alarme a été instantanée et automatique, l'espoir est que je serai encore assez près de la limite du sommeil, pour me replonger relativement facilement dans le rêve, ma conscience intacte.

J'ai entendu parler de certaines personnes qui ont réussi avec ce type d'approche, mais je ne sais pas encore à quel point elle est efficace en général. Mais j'espère qu'en utilisant un casque disponible dans le commerce comme celui-ci, plusieurs personnes pourront l'essayer - sans avoir à se fier à des suppositions quant au moment où les segments REM se produisent, comme pour certaines approches basées sur une minuterie dans le passé. (Cependant, je ne recommanderais pas d'acheter le Muse S avant d'avoir moi-même effectué des tests substantiels avec cette approche - car l'appareil est assez cher et je ne veux pas que vous gaspilliez de l'argent jusqu'à ce que je sache si (et combien) Ça aide vraiment )

Comme cela donne un bon résumé du projet, je terminerai ce premier post ici - en remplissant plus de détails dans les réponses à venir.

Souhaite moi bonne chance!
-Venryx

P.S. Soit dit en passant, merci à Sebastii pour son e-mail il y a quelques semaines! Je n'aurais pas commencé ce redémarrage du projet (si tôt de toute façon) s'il ne m'avait pas envoyé de message, m'incitant à regarder de plus près le Muse S et à raviver mon intérêt pour le sujet.

[Paul]

Merci pour l'ouverture de ce topic, j'allais te demander de le faire à un moment donné, pour ne pas mélanger les retours de ceux intéressés par le SmartLucider.

J'ai aussi modifié le titre, pour le mettre en français.

A toi de jouer maintenant.

[Sebastiii]

Un grand merci pour ce résumé tres bien détaillé et bonne chance
Je vais aussi m'inscrire sur le topic du site Dreamview
Ton approche est géniale.

J'ai entendu parler de certaines personnes qui ont réussi avec ce type d'approche, mais je ne sais pas encore à quel point elle est efficace en général.

Je trouve que ça ressemble à la technique de Michael Raduga (sans matériel) et oui il y a ici des RLeurs/euses qui l'utilise et qui marche plutôt bien

P.S. Soit dit en passant, merci à Sebastii pour son e-mail il y a quelques semaines! Je n'aurais pas commencé ce redémarrage du projet (si tôt de toute façon) s'il ne m'avait pas envoyé de message, m'incitant à regarder de plus près le Muse S et à raviver mon intérêt pour le sujet.

Merci pour ton remerciement par rapport à mon email surtout que c'est moi qui te posais pleins de questions

[Barsoom]

Super Venryx  et donc du coup merci à Sebastiii 
Je vais suivre avec grand intérêt tes futurs post.

Je viens de voir que muse partage son flux eeg pour le muse 2 mais pas pour le muse s.... Pour $4 par mois... avec appli.

Venryx tu arrives à récupérer les 5 flux eeg? (Delta waves, Theta waves, Alpha waves, Beta waves, Gamma waves)

Finalement, les alarmes deviendront assez intenses pour me réveiller (en particulier l'alarme de vibreur de lit - celle-là fonctionne assez bien). Cependant, les alarmes sont définies pour s'arrêter instantanément dès que les mouvements oculaires s'arrêtent.

C'est vraiment très intéressant, augmenter l'intensité de l'induction tant que les yeux bougent. Ce que j'ai remarqué avec mon logiciel, c'est qu'il y a parfois des pauses de quelques secondes entre une série de REM. Exemple : 20 secondes de REM-> pause de 30 secondes->30 secondes de REM.

Et souvent, les REM sont très discrets... les yeux ne bougent presque pas...

Bon courage 

[Venryx]

Je viens de voir que muse partage son flux eeg pour le muse 2 mais pas pour le muse s.... Pour $4 par mois... avec appli.

Venryx tu arrives à récupérer les 5 flux eeg? (Delta waves, Theta waves, Alpha waves, Beta waves, Gamma waves)

Le Muse S diffuse ses données de la même manière que le Muse et Muse 2, cependant, le SDK Android n'a tout simplement jamais été mis à jour pour cela - et à cause de cela, il y a une ligne où les erreurs officielles du SDK parce que les caractéristiques bluetooth / gatt ne sont pas Ne correspond pas aux types qu'il attend. J'ai pu réparer le SDK en obtenant le code source et en appliquant les correctifs nécessaires.

Notez que pour le bureau, cette étape de 'réparation du SDK' n'est même pas nécessaire - le programme BlueMuse peut lire directement à partir de l'appareil en se basant uniquement sur le code existant écrit pour Muse et Muse 2: https://github.com/kowalej/BlueMuse (Pour mac / linux, voir: https://github.com/alexandrebarachant/muse-lsl)

Quant aux 5 flux de 'niveau de fréquence': D'après ce que je comprends, ces flux ne sont que des 'dérivés' des flux de données brutes que j'ai lus. Autrement dit, ce ne sont pas des flux indépendants, il vous suffit d'appliquer simplement un code de calcul de transformation de Fourier rapide sur les flux, pour générer ceux de niveau de fréquence. Il me suffirait donc de réexaminer le code source pour voir comment il est calculé.

(Pour clarifier, les quatre flux accessibles directement depuis l'appareil sont: 4 canaux eeg, 1? canaux ppg, 3 canaux accéléromètres et 3? canaux gyroscopiques. Je ne sais pas avec certitude le nombre de canaux gyroscopiques et ppg depuis Pour l'instant, je n'ai utilisé que les canaux eeg.)

C'est vraiment très intéressant, augmenter l'intensité de l'induction tant que les yeux bouges. Ce que j'ai remarqué avec mon logiciel, c'est qu'il y a parfois des pauses de quelques secondes entre une série de REM. Exemple : 20 secondes de REM-> pause de 30 secondes->30 secondes de REM.

Et souvent, les REM sont très discret... les yeux ne bougent presque pas...

Oui, c'est la principale possibilité qui m'inquiète et qui pourrait couler les efforts: que les grands/détectable mouvements oculaires ne soient pas assez courants.

Cela dit, techniquement, la stratégie que je prévois d'utiliser est un peu plus complexe que celle décrite dans le message d'origine (je l'ai gardée simple car je ne sais pas quel algorithme fonctionnera encore). Mon plan plus détaillé est de l'avoir pour que les arrêts de mouvement arrêtent immédiatement les alarmes - cependant, il ne les 'suspend' que pendant un certain temps. Si les mouvements oculaires reprennent dans, disons, 30 secondes, l'alarme reprendra avec ses intensités précédentes (en quelques secondes), lui permettant ainsi de s'accumuler, même s'il y a des pauses dans le mouvement. Cependant, s'il dépasse ces 30 secondes, il est supposé que la personne est vraiment éveillée, de sorte que les alarmes seront complètement réinitialisées.

Mais cet état 'pas vraiment arrêté' ne provoquera-t-il pas l'anxiété de la personne à savoir si elle est sur le point de revenir à l'état d'alarme complet, si elle bouge légèrement?

Eh bien, trois points:
1) La 'reprise des intensités précédentes' n'est pas instantanée - elle s'estompe en quelques secondes, permettant l'évitement en gelant à nouveau le mouvement.
2) Si la personne est éveillée (c.-à-d. Faible risque DEILD), elle peut simplement appuyer sur le bouton de volume de son téléphone. Cette réinitialisation forcée de la séquence d'alarme, assurant un retour en douceur au sommeil (même s'il est moins susceptible d'être prêt pour DEILD).
3) Si la personne est encore près de dormir, elle peut simplement rester immobile et surveiller un indicateur 'd'état passif' de l'appareil. Par exemple, il se peut que mon voyant Bluetooth reste légèrement allumé pour signifier que la séquence d'alarme est juste 'en pause', donc je sais qu'elle n'est éteinte / réinitialisée qu'une fois qu'elle est complètement sombre. Ou je pourrais avoir un moteur de synthèse vocale silencieux qui signale l'état du système d'alarme toutes les quelques secondes. (très calme, donc cela ne me dérange pas de fonctionner toute la nuit - je n'utilise généralement la lumière et les vibrations que pour mes alarmes, donc ne devrait pas perturber / entrer en conflit avec cela)

Quoi qu'il en soit, il y a des lacunes dans les mouvements oculaires pendant le REM rend les choses plus difficiles, mais j'ai quelques idées sur la façon de gérer ces incohérences sans briser les séquences d'alarme. Nous verrons dans quelle mesure cela fonctionne dans les nuits à venir.

(Avoir une caméra infrarouge pendant la nuit aiderait certainement au processus de débogage, donc ce serait bien d'en avoir une; laquelle avez-vous achetée et combien de travail était-ce à configurer?)

[Barsoom]

Réponse très complète 

Je n'avais pas vu le code github, c'est excellent! On peut donc accéder à tous les canaux eeg et ppg.
Tu as pensé à tout avec ta stratégie! Je vois que tu as bien identifié les problèmes pour ne pas nuire à la qualité du sommeil.

Oui je pense que ca serait intéressant pour toi, d'étudier les REM via une caméra.
J'ai utilisé une ancienne webcam : Microsoft LifeCam HD-3000 dont j'ai bien évidemment retiré le filtre IR. Pour détecter facilement les REM, le plus simple serait d'utiliser la webcam avec le logiciel lucidscribe : https://lucidcode.com/lucidscribe/. Tu peux accéder directement à l'heure ou il y a eu un REM. (Parfois il y a des bugs)

[Venryx]

(Source English post: https://www.dreamviews.com/lucid-aids/165494-muse-s-headband-rem-detection-custom-ld-induction-app.html#post2237143)

J'ai terminé l'étape 5: j'ai les données EEG en direct du bandeau Muse en streaming sur ma nouvelle application, qui les alimente dans le modèle d'apprentissage automatique pour les adapter aux différents états de mouvement oculaire (aucun, micro, macro).

Cependant, ce faisant, j'ai trouvé que, bien que le modèle ML détecte correctement entre 'aucun' et 'macro', il ne pas actuellement bien pour détecter les 'micro' mouvements oculaires.

Voici une capture d'écran:


L'atmosphère assez approximative de l'interface utilisateur, mais fondamentalement, les lignes blanches et grises montrent les valeurs brutes d'EEG, et le rouge, le vert et le bleu montrent 'la distance entre le motif' pour chacun des trois états de mouvement des yeux.

Ainsi, lorsque la ligne rouge est à 0, cela signifie que le modèle pense que l'état 'mouvement des yeux: aucun' rouge est le plus probable, et où la ligne bleue est à 0, il pense que l'état 'mouvement des yeux: macro' est Probablement.

Bien noter:
1) Les états prévus / estimés des mouvements oculaires sont retardés de quelques secondes en raison de la 'taille de fenêtre' de 3 secondes que le modèle / classificateur ML utilise.
2) Le graphique ne montre que 1 / 10e de tous les échantillons EEG. Le taux d'échantillonnage brut est de 256 échantillons par seconde (par canal), mais l'interface utilisateur n'en montre que 25 (10%). Cela permet de maintenir les performances acceptables pour la visualisation et n'a pas d'impact sur le niveau de détail des données envoyées dans le modèle d'apprentissage automatique, car cela s'exécute du côté Java. (Je ne sais pas si le goulot d'étranglement est dans le code de rendu ou la transmission Java-> Javascript; cela dit, les détails graphiques sont suffisants pour mes besoins actuels, donc je ne vais pas m'en inquiéter pour le moment)

Quoi qu'il en soit, pour aller de l'avant, cela signifie que je dois faire un travail supplémentaire pour améliorer le modèle d'apprentissage automatique. Quelle est la principale façon d'améliorer les modèles ML? En lui fournissant beaucoup plus de données, dans une plus grande variété d'états.

Mais comment collecter efficacement des tonnes de données EEG dans différents états? Eh bien, à long terme, je voudrais permettre aux utilisateurs de former pleinement leurs propres modèles, dans les cas où le modèle intégré (formé sur moi) ne se traduit pas bien dans leur corps ou leur environnement particulier.

Donc, je vais construire un système simplifié par lequel vous pouvez simplement définir les «étiquettes» pour une session dans l'application Android, puis utiliser les touches latérales «volume haut» et «volume bas» pour démarrer et arrêter l'enregistrement de Segments EEG. Ces segments seront ensuite téléchargés dans la base de données, qui peut ensuite être envoyée au système d'apprentissage automatique pour créer un nouveau modèle spécifiquement pour vos propres données enregistrées. (au début, cela nécessitera le téléchargement et l'exécution manuels des scripts d'apprentissage automatique Python, mais ce serait bien d'automatiser éventuellement cela dans le cloud ou quelque chose)

Quoi qu'il en soit, cela prendra beaucoup de travail à mettre en place et à rationaliser, mais une fois cela fait, je pense que cela me permettra à l'avenir de 'bouger rapidement' chaque fois que je veux améliorer ou changer les modèles ML, ainsi que faire Il est possible pour les utilisateurs finaux de créer des modèles personnalisés qui conviennent le mieux à leur configuration. Et avoir des segments démarrés et arrêtés sur son téléphone, avec de simples pressions sur les touches de volume physique, permet aux utilisateurs d'enregistrer de nombreux segments sans avoir à être près d'un ordinateur particulier (celui avec les scripts d'apprentissage automatique), et sans même avoir à Ouvrez les yeux (puisque vous n'avez pas besoin d'utiliser l'écran tactile).

Quoi qu'il en soit, les prochaines étapes:
1) Configurez l'interface utilisateur et le système de clé de volume pour la page 'Formation' dans l'application.
2) Ajoutez du code pour transmettre ces segments à la base de données.
3) Ajoutez du code à la version de bureau de l'application pour transférer ces segments dans les scripts d'apprentissage automatique. (pour être ensuite réexécuté manuellement pour l'instant)
4) Ajoutez plus de données et ajustez le modèle jusqu'à ce qu'il puisse détecter de manière fiable l'état de 'micro mouvement oculaire'. (cela fonctionne déjà bien pour les données enregistrées actuelles, mais apparemment, les données initiales n'étaient pas assez variées)

[Sebastiii]

Tu avances bien et surtout que la partie 5 est une grosse étape aussi
Juste une analogie concernant le Dreem, il faut 7 jours avant que tout soit opérationnel donc c'est une sorte d'apprentissage il me semble.
C'est une bonne idée pour l'éventuelle liaison dans le Cloud après d'avoir en local sur PC c'est bien aussi

En tous les cas, c'est super pour ton avancement, ça donne vraiment envie

Encore bravo et un gros bon courage

T'assures super bien

[Barsoom]

Super  . Tu n'es pas loin du but.
C'est sympa de ta part de permettre aux utilisateurs de former leurs propres modèles. On est tous unique, jusque dans nos ondes cérébrales.
Pour bien comprendre, tu va permettre d'enregistrer des séquences EEG à l'aide des boutons volumes... Faudra t-il bouger ses yeux de différentes manières pour avoir des donnés valides pendant cet enregistrement?

Les micros mouvements oculaires :  A l'aide de ma caméra, j'ai pu remarquer de nombreux épisodes de REM très discret. De l'ordre de quelques pixels seulement (entre 2 et 8 pixels). Mon logiciel compare image par image et soustrait la différence -> le résultat est le nombre de pixel qui a changé.

En tout cas bravo si tu arrives à détecter ces micros mouvements. Ils doivent être à peine visible dans ton flux eeg.

[Venryx]

> Pour comprendre, vous allez pouvoir enregistrer des séquences EEG à l'aide des boutons de volume ... Devez-vous bouger les yeux de différentes manières pour avoir des données valides lors de cet enregistrement?

Oui; Je bouge juste un peu mes yeux au hasard, à différents degrés (pour micro et macro). Plus tard, j'essaierai de rendre une procédure plus claire (par exemple, suivre un objet à l'écran avec vos yeux, à une distance donnée), mais pour l'instant je le fais assez librement.

Au fait, désolé pour le manque de mises à jour. Il y a eu quelques distractions il y a une semaine, puis ces derniers jours, ma motivation a été sapée en raison d'un problème matériel avec ma Muse S (le fil de l'un des capteurs semble avoir eu un défaut qui a conduit au signal du capteur Très dégradant; je suis en train de tenter un remplacement sous garantie).

Je travaille encore un peu sur l'application, mais jusqu'à ce que je récupère une Muse S fixe, mon travail avance lentement. (il est difficile de se mettre au travail sur l'application si on ne peut pas l'utiliser la nuit)

[Sebastiii]

@Venryx,

J'espère qu'il passera bien en garantie, c'est bizarre qu'il soit déjà avec un problème ?
Bon courage et surtout merci pour ton update

[Paul]

Au fait, désolé pour le manque de mises à jour. Il y a eu quelques distractions il y a une semaine, puis ces derniers jours, ma motivation a été sapée en raison d'un problème matériel avec ma Muse S (le fil de l'un des capteurs semble avoir eu un défaut qui a conduit au signal du capteur Très dégradant; je suis en train de tenter un remplacement sous garantie).

Ça devrait passer, à moins qu'il y ait des traces de démontage. On est jamais à l'abri d'une panne, j'espère que tu pourras poursuivre ton projet rapidement.

[Barsoom]

Bon courage Venryx 
Toujours des petites galères pour nous embêter! C'est très énervant quand ca nous bloque  . Je connais bien ca.

[Barsoom]

Petite question Venryx : Par curiosité, pourquoi as tu choisis de détecter les REM plutôt que d'extraire les fréquences hz par FFT (spectrogramme) pour cibler le sommeil paradoxal?

PS: Je ne suis pas du tout expert sur le sujet des ondes cérébrales... Les ondes en REM sleep sont peut être trop similaire aux ondes à l'état de veille...

[Venryx]

Petite question Venryx : Par curiosité, pourquoi as tu choisis de détecter les REM plutôt que d'extraire les fréquences hz par FFT (spectrogramme) pour cibler le sommeil paradoxal?

PS: Je ne suis pas du tout expert sur le sujet des ondes cérébrales... Les ondes en REM sleep sont peut être trop similaire aux ondes à l'état de veille...

Oui, c'est la raison; Je n'ai pas confiance en la qualité suffisante des signaux EEG pour détecter de manière fiable entre le sommeil paradoxal et les états d'éveil. J'ai déjà utilisé d'autres trackers de sommeil (par exemple, le tracker de sommeil S +, qui fait rebondir les ondes RF sur votre poitrine pour détecter les schémas de respiration), et ils étaient en fait assez impressionnants, mais ils avaient suffisamment de 'faux positifs' pour que cela agace toujours Moi d'avoir des alarmes qui se déclenchent lorsque ces erreurs de classification se produisent.

Pour la détection REM basée sur EEG en particulier, j'ai lu plusieurs bandeaux EEG pour un rêve lucide comme l'Aurora qui ne semblait pas fonctionner de manière suffisamment fiable. À partir de cela, il semble qu'un appareil à capteur frontal uniquement ne dispose tout simplement pas de suffisamment de points de données pour que les différences d'activité cérébrale soient détectées avec suffisamment de précision pour détecter le REM de manière fiable. Bien que le Dreem 2 soit peut-être une exception à cela, étant donné les opinions élevées de celui-ci sur ce forum?

Mais de toute façon: En revanche, les mouvements oculaires m'ont semblé suffisamment clairs pour être détectés uniquement par une inspection visuelle du flux EEG - du moins pour les mouvements oculaires du sommeil paradoxal «simulés» que j'ai effectués (bien que cela soit possible Je surestime à quel point les yeux bougent, comme vous l'avez dit, ils peuvent être très petits). Quoi qu'il en soit, même si cela s'avère être le cas, je suis toujours intéressé à détecter des mouvements oculaires plus importants, car cela fournit une voie de communication (primitive) à l'intérieur du rêve.

Par exemple, je peux le configurer pour jouer des alarmes sonores si je fais un fort mouvement gauche-droite-gauche-droite comme quatre fois de suite. Cela fournit une procédure de 'réveil forcé', ce qui me donne plus de confort si j'essaie des expériences plus exotiques qui pourraient conduire à des situations désagréables. (par exemple, si j'expérimente 'faire face à mes démons' dans les rêves - jusqu'à présent, je n'ai pas encore eu de 'cauchemars lucides' sévères, en partie à cause des procédures de réveil mental qui fonctionnent assez bien jusqu'à présent, mais ayant ceci comme Plan de sauvegarde me donnerait encore plus de confiance)

Il convient également de noter que je suis en train de configurer une webcam infrarouge, afin de vérifier la validité des détections de mouvements oculaires basées sur l'EEG (une fois que c'est prêt). Il est intéressant de noter que la webcam que vous avez utilisée (Microsoft LifeCam HD-3000) est exactement la webcam que je possède au quotidien. J'ai l'intention de retirer le filtre infrarouge, pour l'enregistrement pendant le sommeil.

Quelques questions cependant:
1) Quel guide avez-vous suivi pour retirer le filtre infrarouge?
2) Quelles lumières utilisez-vous pour fournir une lumière infrarouge? (mon plan actuel est d'utiliser une vieille caméra de sécurité à vision nocturne pour la fournir)
3) Y a-t-il d'autres problèmes en cours de route que je devrais connaître?

En ce qui concerne les logiciels de détection de mouvement: le programme LucidScribe semble intéressant, mais étant un collègue programmeur, je souhaite bien sûr intégrer la fonctionnalité dans mon propre logiciel, afin que je puisse la personnaliser à volonté.

Je pense que ce que je vais faire pour l'instant, c'est simplement utiliser une approche plus «brute force» pour la détection de mouvement. Plutôt que l'approche sophistiquée que vous avez utilisée d'avoir un 'triangle noir' sur votre tête pour détecter uniquement la région des yeux, je vais juste augmenter la 'sensibilité globale' de la détection de mouvement générique, mais ensuite avoir un tri Système quand je me suis réveillé, où je regarde à travers les segments détectés ordonnés non pas par 'temps de détection' mais par 'intensité de détection'. Fondamentalement, c'est bien si je le rend très sensible et que j'obtiens des faux positifs, parce que je ne l'utilise pas pour déclencher les alarmes - je le veux juste assez bon pour pouvoir récupérer efficacement la vidéo des segments REM-sleep dans le Matin (pour que je puisse valider la précision du système de détection principal: la détection des mouvements oculaires basée sur l'EEG) [this seems to have been translated imprecisely; I was saying motion-detection false-positives are okay, because I only use the motion-detection for after-the-fact manual validation/review of EEG detections, not as the main driver / trigger for alarms)

Je suis toujours très ennuyé que mes progrès sur la détection des mouvements oculaires EEG aient été retardés par un problème matériel, mais au moins j'ai quelque chose à travailler pendant que j'attends, je suppose ...

P.S. J'hésite un peu à retirer le filtre infrarouge de la webcam avant ma deuxième copie, que je viens de commander - mais je suis assez impatient de le faire quand même. (surtout depuis que je l'ai acheté sur offerup.com, qui est un site utilisé / revendu, et que le vendeur ne l'a pas encore expédié  )