基于驾驶员面部检测的自适应碰撞预警系统

碰撞预警系统(FCW)是高级辅助驾驶系统(ADAS)的重要组成部分,它可以识别潜在的碰撞危险并提醒驾驶员。传统的FCW对驾驶员假设了固定的反应时间,导致警报无法根据不同的驾驶员状态调整从而产生误报。在此基础上,本文提出了一种基于驾驶员面部监测的自适应碰撞预警系统,该系统利用相机采集驾驶员面部信息,通过深度残差网络、PERCLOS(百分比眼开度跟踪)和位姿估计等方法检测驾驶员的年龄、情绪、疲劳和注意力,然后利用模糊控制对所获信息进行评价,得到相应的反应时间,最后将此系统放在CarMaker/Simulink进行建模仿真测试。结果显示此系统通过测试标准并可以自适应不同的驾驶员状态。     

驾驶员疲劳检测实时控制系统设计

为了实现对驾驶员疲劳状态的在线监测,建立了驾驶员疲劳检测实时控制系统。对该系统所采用的人脸识别、人脸跟踪技术、人眼定位以及疲劳状态判断等进行研究。首先,介绍了系统的构成,以模块化思想构建系统软件。接着,以MB-LBP算法对人脸进行特征分类,结合Adaboost级联算法提取人脸信息,并与经典的人脸识别算法进行了对比。然后,利用人脸跟踪技术提高人脸识别的效率,并成功地实现了人眼定位于检测。最后,使用椭圆拟合算法对检测出来的眼睛区域进行拟合,通过计算驾驶员单次眨眼时间,进行驾驶员疲劳状态判别。试验结果表明:所设计的基于驾驶员面部特征的驾驶员疲劳驾驶检测系统,能够有效地检测驾驶员的疲劳状态,平均正确检测率高于90%。基本满足驾驶员疲劳驾驶非接触检测实时性好、准确性高的要求。     

一种安全驾驶智能辅助系统的设计

造成道路交通事故的原因是多方面的,其中驾驶员疲劳程度、饮酒程度等身体状况对道路交通安全的影响最大。鉴于此,设计了一种安全驾驶智能辅助系统,利用多种传感器采集驾驶员的身体信息数据和车厢内的环境数据,借助控制系统对传感器检测到的数据进行精确处理和分析后,根据预设的标准来判断驾驶员的各项身体指标是否正常,在驾驶员身体情况异常时进行警报提醒,从而达到安全驾驶的目的。     

一种应用语音多特征检测驾驶疲劳的方法

根据人体疲劳对发声系统的影响,提出一种基于语音多特征的驾驶疲劳检测方法.在Takens嵌入定理的基础上,对语音混沌吸引子进行相空间重构,建立语音信号非线性动力学模型.为提高驾驶疲劳检测的充分性和客观性,提取了该模型下的语音非线性特征:最大Lyapunov指数、近似熵和分形维数,并与传统激励源-滤波器模型下的语音特征:基音频率、共振峰和Mel频标倒谱系数相结合,从不同角度反映语音中所包含的疲劳信息.最后通过支持向量机技术建立多特征融合分类器,用于驾驶员语音样本的疲劳识别.实验结果表明,该方法采用的语音多特征之间能够形成疲劳信息的互补,有效地提高了语音检测驾驶疲劳的准确性,在预防驾驶疲劳的行车安全领域有着广泛的应用前景.     

基于头部位置特征的疲劳驾驶检测仪

针对目前严重的疲劳驾驶行为,研制了一种疲劳驾驶检测装置.在座椅头枕上前方正对驾驶员头部的位置安装1个红外线发射二极管和2个红外线接收头,由单片机控制红外线发射的电流强度,同时检测接收头的信息就可以检测头部的相对位置.如果驾驶员处在疲劳驾驶状态中,头部必定偏离正常位置并且时间超过设定值,则输出报警和制动控制信号.在几种典型车辆上对该系统进行了实验,验证了方法的正确性和有效性,并能达到较高的测量精度.     

基于神经网络深度学习算法的驾驶员疲劳驾驶检测研究

搭建了驾驶员疲劳检测的信息采集系统，采用ARM嵌入式开发，可采集驾驶员的人脸图像、温度、心率、GPS定位等信息，并将相关信息通过Web上传模块上传到后台软件系统，通过后台处理驾驶员疲劳状态图像，得到处理结果并通过LCD屏显示。后台软件系统使用基于深度学习的疲劳驾驶检测算法，利用百度人脸识别模块实现人脸识别确定身份。利用深度学习神经网络模型YOLOv3算法检测出常规摄像头实时采集的驾驶人员人脸图像，利用特征点模型实现眼睛和嘴巴区域的分割，采用金字塔分离特征，采用了Mosaic数据图像增强，使用YawDD作为疲劳驾驶检测模型的数据集，通过循环神经网络（RNN）中的长短记忆网络算法训练模型，最终实现驾驶员疲劳度检测。     

基于MEMS技术的疲劳驾驶预警系统设计

因疲劳驾驶造成的交通事故逐渐增多,疲劳驾驶预警系统的研究有着重要的意义和应用价值。本文则是基于MEMS加速度传感器,通过采集驾驶员头部加速度数据,把得到的加速度数据送到处理器进行处理从而进行疲劳检测。若判定为疲劳驾驶,则通过处理器驱动语音系统发出报警信号,提示驾驶员保持清醒或休息,从而减低因疲劳驾驶造成的交通事故的发生机率。     

多特征融合的驾驶员疲劳检测研究

针对驾驶疲劳检测中面部特征定位及驾驶员疲劳状态判别方法判断存在的不足,提出了利用监督下降算法同时定位驾驶员的多个面部特征。在眨眼、哈欠及点头判断的基础上,提取驾驶员眨眼频率、哈欠频率及点头频率多个特征值建立疲劳检测样本数据库,并构建朴素贝叶斯分类器进行疲劳判断。当驾驶员出现疲劳驾驶时及时给以警告信息,以预防交通事故发生。在实际的驾驶环境视频测试结果中,驾驶员疲劳状态的判别平均准确率达到了94.87%,具有较好的性能。     

机动车驾驶员疲劳驾驶检测系统研究

从基于的面部特征检测识别入手,设计疲劳驾驶检测系统。首先对系统的总体设计、硬件和软件设计进行分析,重点介绍Open CV、Dlib库的优点以及图像预处理。最后对驾驶员疲劳状态进行判定进行分析,重点介绍眼部和嘴部分析方式及数据处理方法、疲劳判定准则。试验分析真实该系统可以准确判定机动车驾驶员的疲劳状。     

长途客车驾驶员疲劳状态脑电特征分析

长途客车驾驶员的驾驶状态关系到旅客和驾驶员的生命安全,对长途客车驾驶员的疲劳驾驶研究具有重大意义.选取真实驾车实验环境,对驾驶员脑电信号进行实时监测.首先对采集的驾驶员脑电信号进行了小波包分解,提取了脑电信号中的θ和β节律,然后对它们的平均功率谱进行了分析,最后通过计算脑电疲劳状态指标F,结合眼电特征与主观调查问卷,研究驾驶员主观与客观数据之间的相关性,分析驾驶员疲劳状态变化与脑电信号特征之间的关系.结果表明,在真实驾驶环境下,通过计算驾驶员的脑电疲劳状态指标F值可以有效地检测驾驶员疲劳状态变化.