驾驶员疲劳检测系统

通过人眼图像来检测驾驶员疲劳驾驶是目前的主流方向,面部及眼睛定位是其中关键的环节。针对驾驶员疲劳检测系统,结合图像处理和模式识别技术,提出一种基于人脸面部特征的人眼定位方法。经实验验证:该方法实时性好,可用于不同背景、光照、旋转和偏转角度,以及睁闭眼、戴眼镜等多种复杂条件下的眼睛定位。     

基于面部识别的驾驶员疲劳危险驾驶检测系统

为了有效降低驾驶员疲劳驾驶、短时间未看道路等危险驾驶的概率,设计了以面部特征为研究对象的人脸识别的检测系统.该系统通过对面部识别以及眼睛和嘴的定位跟踪,提取面部疲劳信息,将跟踪的图像信息传输到OpenCV视觉库进行图像处理,通过一系列的算法对驾驶员疲劳、危险驾驶行为进行判断、疲劳值计算,最后通过安全警报模块对驾驶员给予警报提示.经实验测试,该系统满足车载、实时性、准确性的要求,能够快速的检测驾驶员的危险驾驶状态,具有一定的实用性.     

驾驶员疲劳驾驶的面部检测与定位

人脸检测是基于PERCLOS的疲劳驾驶检测中的一项关键技术。将CCD摄像头得到的驾驶员人脸图像映射到YCbCr颜色空间,创立一个基于肤色的二维高斯数学模型。用自适应阈值分割法对人脸图像进行二值化处理,然后将得到的二值化人脸图像进行形态学分析。最后通过面部特征对连通域进行分析和处理,实现人脸的检测并框定。     

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。     

机动车辅助驾驶系统

盲区自动识别是为避免因货车转弯内轮差引起交通事故发生的重要应用,超声波测距装置因其能为驾驶员提供车辆与障碍物之间距离信息,在智能交通系统中起广泛作用。本文通过运用数学模型的方法,对货车前后轮行驶轨迹进行分析,通过与路缘石形成的封闭面积之差,计算出转弯时货车内轮差造成的盲区面积。同时将超声波测距模块、语音播报模块、液晶显示模块多样化结合,制作超声波盲区检测装置,实现货车转弯时对附近障碍物进行超声波测距,通过语音播报提醒驾驶员周围障碍物距离。避免盲区内存在行人或非机动车而造成安全事故。     

基于PERCLOS的驾驶疲劳检测系统

驾驶员的疲劳驾驶是引发交通事故的重要原因之一。描述了一种基于PERCLOS的驾驶员疲劳检测方法,采用1394数字采集卡采集驾驶员图像,经过图像预处理、人脸定位、人眼定位和人眼面积的计算,最终判断出驾驶员疲劳与否。     

基于DM6437的驾驶员疲劳检测系统

介绍了一种基于DM6437的嵌入式驾驶员疲劳检测系统的总体设计方案.根据人眼的红眼效应,采用一种特殊的近红外光源,并通过DSP控制,使得系统实时采集到瞳孔亮暗程度不同的奇偶帧图像.利用这个特点,将奇偶帧差分图像与它自身大结构元素的中值滤波图像相减,从而快速准确地找到人眼区域.然后使用自定义模板搜索该区域,找到上下眼睑的边缘曲线并提取特征参数.最后,通过计算单位时间内的PERCLOS值来判断驾驶员的疲劳程度.实验表明,该系统具有对驾驶员无干扰、受外界环境影响小以及准确率高等优点,适合在汽车驾驶中进行实时疲劳检测.     

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。     

基于智能网联车辆模型的驾驶员酒后 驾驶检测系统研究

为了有效防止驾驶员酒后驾驶,研究了一款基于智能网联的酒后驾驶检测系统。该系统由微 处理器、酒精传感器、ＧＰＳ定位模块、无线传输模块和上位机监控中心等部分组成。推导出输出电压与酒精 含量之间的转换算法,根据输出电压得出驾驶员酒后驾驶状态。研究 ＧＰＳ有效数据提取的方法,当检测到 驾驶员处于酒后驾驶时,车载终端会发出报警并且将数据无线传输到监控中心,通过有效方式避免驾驶员 的酒后驾驶行为。实验结果表明,系统具有良好的鲁棒性,能够准确实时检测驾驶员的状态并进行报警与 传输,能有效提高行车安全。     

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。     

一种全天候驾驶员疲劳检测方法研究

针对驾驶员疲劳状态检测问题,本文提出了基于红外图像处理和生理特征-心率的全天候疲劳检测算法,采用模糊神经网络专家系统对驾驶员的疲劳状态识别.假设驾驶员驾驶汽车的初始阶段(前十分钟内)是清醒的,这样在前十分钟内,模糊神经网络处于学习阶段并记忆驾驶员的状态,在十分钟之后模糊神经网络处于离线自学习,在线对驾驶员状态实时识别.通过实验表明该检测方法克服了光线和气候的影响,该识别方法具有较强的自适应能力.     

南京大公机动车驾驶员培训学校

<正>南京大公机动车驾驶员培训学校(大公驾校)创建于1995年初,建校十年来,在社会各界的支持和关爱以及员工的精诚团结下,大公驾校由小到大,历经艰辛坎坷,逐步发展壮大,迄今已是我市乃至省内一家拥有较雄厚的机动车驾驶员教学培训实力的企业。多年来,大公人崇尚"以人为本"的教学模式,恪守"诚信、优质、严谨、高     

融合面部特征的机动车驾驶人疲劳检测

为降低因驾驶人疲劳驾驶导致的交通事故,需要开展驾驶人疲劳检测研究.为满足在线实时检测的要求,本文提出了融合面部特征的机动车驾驶人疲劳检测方法,首先通过背景差分缩小检测区域、减少图像金字塔层数等方法对MTCNN人脸检测网络进行优化加速,加速后的速度与之前相比提升了258％.其次通过多级级联的残差回归树对人脸进行特征点检测,得到了人脸的特征点,最后通过融合面部嘴、眼开合度特征的方式建立驾驶人疲劳检测模型并进行训练.实验表明,该检测方法的准确率可达95.4％,每帧检测平均速度64 ms,检测速度快,能满足实时性的要求.     

融合面部特征的机动车驾驶人疲劳检测

为降低因驾驶人疲劳驾驶导致的交通事故,需要开展驾驶人疲劳检测研究.为满足在线实时检测的要求,本文提出了融合面部特征的机动车驾驶人疲劳检测方法,首先通过背景差分缩小检测区域、减少图像金字塔层数等方法对MTCNN人脸检测网络进行优化加速,加速后的速度与之前相比提升了258％.其次通过多级级联的残差回归树对人脸进行特征点检测,得到了人脸的特征点,最后通过融合面部嘴、眼开合度特征的方式建立驾驶人疲劳检测模型并进行训练.实验表明,该检测方法的准确率可达95.4％,每帧检测平均速度64 ms,检测速度快,能满足实时性的要求.     

基于机器视觉的驾驶疲劳检测方法

针对基于机器视觉技术的驾驶防瞌睡装置，讨论了当前的发展状况和应用情况，提出了基于红外光源、差分图像、Kalman滤波的系统方案。在红外光照射下，利用视网膜对不同波长红外光吸收率的显著差别，引起图像处理区域改变，同时利用神经网络辅助Kalman滤波器对眼部位置进行跟踪预测，实现司机在一定范围内活动时跟踪眼睛、测量眼睑和眼球状态的分析技术。该方法为检测司机在驾驶中是否困倦提供了关键的技术，实验表明该方法是有效的。     

基于机器视觉的驾驶疲劳检测方法

针对基于机器视觉技术的驾驶防瞌睡装置,讨论了当前的发展状况和应用情况,提出了基于红外光源、差分图像、Kalman滤波的系统方案.在红外光照射下,利用视网膜对不同波长红外光吸收率的显著差别,引起图像处理区域改变,同时利用神经网络辅助Kalman滤波器对眼部位置进行跟踪预测,实现司机在一定范围内活动时跟踪眼睛、测量眼睑和眼球状态的分析技术.该方法为检测司机在驾驶中是否困倦提供了关键的技术,实验表明该方法是有效的.     

基于语音心理声学分析的驾驶疲劳检测

针对现有方法在分析角度和特征参数上的局限性,提出一种基于语音心理声学分析的驾驶疲劳检测方法。首先,借助心理声学感知掩蔽处理步骤,将语音中的疲劳高敏感性频率成分突显出来,并给予其更多的Bark域临界频带描述,以获得更为细致的疲劳信息表达;其次,提取多种心理声学感知特征来量化描述语音中的疲劳异常音,并针对语音波形不同步而导致的特征提取误差问题,给出了语音帧的快速对准方案;最后,将语音样本与多个参考样本对比分析所得的感知特征向量,来分别搭建多个特征层模糊支持向量机(FSVM)分类器,并通过动态贝叶斯网络(DBN)的决策层融合判决,实现更为准确、鲁棒的驾驶疲劳检测。实验结果表明,该方法的查准率、查全率和平均正确率(为92.4%)均优于现有方法,尤其对重度疲劳的检测效果较佳(正确率达96.1%)。     

南京钟山机动车驾驶员培训有限公司

<正>南京钟山机动车驾驶员培训有限公司(简称:钟山驾校),现为江苏省诚信AAA级驾驶员培训学校,南京市驾驶培训行业协会副会长单位。钟山驾校创建于1994年,校址位于南京市雨花区铁心桥,毗邻将军山麓、秦淮河畔。建校十多年来,钟山驾校     

基于毫米波雷达的疲劳驾驶监测系统

随着国内物流业的快速发展以及市场竞争的压力,使得疲劳驾驶现象有增无减,成为道路交通安全的一大威胁.基于此,设计了一种基于毫米波雷达的疲劳驾驶监测系统,通过对驾驶员的心率和呼吸频率进行非接触式的检测,从而避免事故的发生.     

基于生理信号的疲劳驾驶研究

为确定驾驶员生理信号特征与疲劳驾驶状态间的相关度,通过模拟驾驶实验,采集驾驶员清醒、疲劳时的生理特征信息,以脑电信号为基准,分析脉搏、呼吸、心率与脑电信号之间的相关性,确定了脉搏、呼吸、心率信号的变化均与驾驶状态相关,为疲劳驾驶监测提供了检测依据,对疲劳驾驶建立预警系统具有一定的参考依据。