شکل ‏۴‑۱۲: تصاویر پلک زدن چشم در افرادی که عینک به چشم دارند
 
شکل ‏۴‑۱۳: نمونه تصاویر تهیه شده از افرادی که عینک آفتابی به چشم دارند
در یک فیلم ۹ دقیقه‏ای که نمونه‏هایی از تصاویر آن در شکل ‏۴‑۱۴ دیده می‏شوند، تغییرات فاصله بین پلک‏ها نسبت به حالت طبیعی (ELDC) اندازه‏گیری و ثبت شد. نمودار تغییرات مقدار ELDC در طول زمان برای این راننده در شکل ‏۴‑۱۵ نشان داده شده است.
 
 
 
شکل ‏۴‑۱۴: نمونه فریم‏هایی از یک فیلم ۹ دقیقه‏ای که در آن روند تغییرات فاصله بین پلک‏ها از حالت کاملا هوشیار به حالت خواب‏آلوده نشان داده شده است. تصاویر از بالا به پایین و از راست به چپ مربوط به زمان‏های دقیقه اول، دقیقه سوم، دقیقه پنجم، دقیقه هفتم، دقیقه هشتم و دقیقه نهم می‏باشد.
شکل ‏۴‑۱۵: نمودار تغییرات ELDC نسبت به زمان
سعی شد الگوریتم پیشنهادی آشکارسازی بسته بودن چشم با برخی از روش‏های دیگر مقایسه شود. متاسفانه در برخی سیستم‏ها مانند [۳۰, ۳۴, ۴۷, ۴۸] مدت آزمایش‏های انجام شده بسیار کوتاه (معمولا حدود ۵ دقیقه یا کمتر) می‏باشد. همچنین در آزمایش برخی از سیستم‏ها [۶, ۳۰, ۴۶, ۴۸, ۵۸] دقت آشکارسازی بسته شدن چشم بیان نشده است.
در [۴۹] یک سیستم بلادرنگ مبتنی بر پردازنده‏های گرافیکی^[۱۵۳] (GPU) برای آشکارسازی پلک‏زدن راننده طراحی شده که در طیف مادون قرمز عمل می‏کند. این سیستم تصاویر را با نرخ ۲۵ فریم در ثانیه پردازش می‏کند. خطای FPR و FNR این سیستم بر روی ۲۲ فیلم یک دقیقه‏ای از ۲۲ فرد مختلف (در مجموع ۳۳۰۰۰ فریم) به ترتیب ۵/۱۰% و ۳% گزارش شده است. این سیستم فقط براساس ردیابی چشم و استخراج ویژگی PERCLOS خستگی راننده را تعیین می‏کند.
Batista [27] روشی برای آشکارسازی بسته شدن چشم ارائه کرده که نرخ خطای FPR و FNR آن به ترتیب ۵/۹% و ۷/۱% می‏باشد. این الگوریتم بر روی ۵ فیلم در مجموع به تعداد ۱۸۰۰ فریم (حدود ۷۲ ثانیه) آزمایش شده است. هرچند به نظر می‏رسد روش ارائه شده در این مقاله بهتر از روش پیشنهادی ماست، اما آزمایش‏های انجام شده برای ارائه دقت سیستم کافی به نظر نمی‏رسد.
Bergasa و همکارانش [۲۳] سیستم خود را بر روی ۱۰ فیلم در مجموع به مدت ۲ ساعت آزمایش کرده‏اند. در این آزمایش دقت آشکارسازی بسته شدن چشم ۸۰% ارائه شده است.
روش ارائه شده توسط Smith و همکارش [۴۷] بر روی ۸ فیلم که در مجموع شامل ۱۱۶۰ فریم می‏باشد، آزمایش گردید. بر اساس نتایج ارائه شده، نرخ خطای FPR و FNR این سیستم به ترتیب ۷۱% و ۱۵% گزارش شده است. نتایج ارائه شده نشان می‏دهد خطای FPR سیستم در آشکارسازی بسته شدن چشم بسیار زیاد است.
در جدول ‏۴‑۸ مقایسه اجمالی میان الگوریتم پیشنهادی و سایر الگوریتم‏های ارائه شده برای آشکارسازی بسته بودن چشم، مشاهده می‏شود. همان گونه که مشاهده می‏گردد روش پیشنهادی در مقایسه با سایر روش‏های ارائه شده دقت بسیار خوبی دارد.
جدول ‏۴‑۸: مقایسه الگوریتم پیشنهادی با سایر الگوریتم‏های ارائه شده برای آشکارسازی بسته شدن چشم