由圣彼得堡大学的科学家、圣彼得堡联邦科学院研究中心和其他组织的科学家组成的一个研究小组创建了一个数据库，记录了在不同状态下（疲劳/警觉）监控计算机屏幕上物体的操作员的眼动策略。

基于收集到的数据，科学家们计划训练神经网络模型，这将成为基于高精度系统的基础，对功能状态进行跟踪，以确保道路和工业设施的安全。

目前，许多交通、工业和国防设施由操作员、驾驶员或整个专业团队在统一的信息中心进行控制。确保这些设施的安全性往往取决于员工的心理生理状态。可以从该系统中受益的专业人士包括：车队驾驶员、飞行员、空中交通管制员、工业厂房控制员等等。

科学家们同时注册了一组行为和神经生理指标。他们的研究结果发表在《传感器》杂志上。

“综合方法提供了更完整的画面和更客观的功能状态评估，与只针对反映疲劳状态的某些指标进行分别记录的方法相比。因此，一种基于心率指标记录的心脏时间间隔测量的常见方法在状态评估的准确性上是相当有争议的。”圣彼得堡国立大学认知研究所的生物科学博士、教授Irina Shoshina说道。

“我们采用了一种基于比较眼动特征的独特方法。眼动反映了静态和动态视觉神经网络与功能状态和心理测试的心理生理指标之间的相互作用动态。”

科学家们计划利用该数据库训练神经网络，基于眼动策略高精度地检测操作员的疲劳状态。根据Irina Shoshina的说法，这种方法将能够远程评估疲劳程度。预先准备的数据库在公共领域，并可供所有软件开发人员使用。他们可以使用它来测试他们的产品。

“我们已经开发了一个全面的数据库，适用于训练将人的状态分类为疲劳/警觉的神经网络。收集的数据库具有一组独特的标记指标。通过使用它们，您可以训练神经网络以高精度地识别人的疲劳状态。”圣彼得堡联邦科学院综合自动化系统实验室高级研究员、项目经理Alexey Kashevnik说道。

反映功能状态的指标信息是通过一系列传感器收集的，包括：摄像头、眼动仪、心率监测器和脑电图仪。此外，在实验过程中，操作员还进行了关于睡眠质量、疲劳程度、复杂的视觉运动反应等方面的测试。

测量工作日的早晨、下午和晚上进行。整个过程被摄像机记录下来。研究历时八天，涉及了10个从事各种活动的人，包括被动的（阅读）和主动的（玩俄罗斯方块）活动。