基于生理指标与头部状态的疲劳驾驶监测系统

疲劳驾驶是造成机动车交通事故的重要原因之一,尤其是在连续长时间的高速驾驶时,因驾驶员的心理机能和生理机能产生失调,更易于形成疲劳驾驶,造成的事故危害往往也更大.鉴于疲劳驾驶监测对预防交通事故的重要性,本文论述了一种基于生理指标与头部状态的疲劳驾驶监测系统.该系统以STM32F103为核心,利用MAX30102传感器检测...     

基于相空间模糊熵算法的金属缺陷形状辨识

提出了一种多线圈涡流无损检测方法,通过相空间模糊熵算法分析涡流信号复杂度,进而实现对金属微小缺陷形状的辨识.为了从足够的测量信息中获取有效的缺陷特征,设计了多线圈传感器模型.通过仿真实验选取适合的传感器参数和激励模式.采用相空间模糊熵算法,研究不同大小、深度、形状的缺陷对涡流信号复杂度的影响.为了准确提取涡流信号的内在规律,获得对缺陷敏感的信号分析结果,对涡流信号进行相空间重构,并在重构的相空间中计算信号的模糊熵.分析结果表明:随着缺陷体积的增加,模糊熵增大,涡流信号的复杂度增加.根据不同形状缺陷的模糊熵均值分布图,可以实现对孔、洞、裂缝3种缺陷较精确的区分.     

基于模糊控制的驾驶疲劳检测

提出了一种判断疲劳程度的新方法,通过检测眼睛、嘴巴状态和头部位置等能够反应疲劳的生理特征,利用模糊控制器推理,得到人的疲劳状态的数值表示,改善了疲劳或者非疲劳的二值表示形式.通过肤色识别和阚值选取等方法得到人眼检测,进行边界提取的结果优于边缘检测.利用fisher线性分类器进行嘴唇和肤色的分类,提高了检测速度.模糊推理更精确的反应了人的疲劳程度,实验结果表明了检测方法的有效性和可信性.     

基于融合特征的疲劳驾驶检测系统实现

疲劳驾驶检测系统可对驾乘者给予一定程度的智能安全保障,避免事故发生。本文所述疲劳检测算法基于人体视觉特征的融合,提出根据嘴巴区域特征点坐标信息来计算嘴部张闭程度的MAR(Mouth Aspect Ratio)算法,并将其与眼睛纵横比EAR表示的眼部疲劳特征进行融合,最后得到MAR/EAR的比值用来度量驾驶员主观疲劳程度,系统实时测得的比值与设定的疲劳度阈值进行比较即可判定是否疲劳驾驶。系统实验结果验证了所提出方法的有效性。     

脑电波检测疲劳驾驶装置

通过大数据的查询资料,我们发现国内外交通事故很大原因是疲劳驾驶.因此需要对疲劳驾驶进行检测,目前一般采用对驾驶员的行为分析或者对驾驶员脸部与眼睛特征进行图像分析,两种方式都不能准确地监测驾驶员的劳累状态.因此本文提出基于脑电波控制疲劳驾驶检测,该方法通过疲劳检测和疲劳消除两个方面对驾驶员在行车过程中出现的疲劳状态进行监...     

疲劳驾驶状态检测系统的设计

司机疲劳驾驶容易引起严重的交通事故,疲劳状态检测系统的研究成为计算机应用研究的重要领域.为了满足疲劳状态检测系统实时性要求,选择实时性较好的Adaboost算法来识别人眼,采用单位时间内眼睛闭合时间所占的百分率来判断疲劳状态,应用该算法后进行疲劳驾驶训练和识别研究.选择DSP移植方案并将疲劳状态检测算法移植到DSP中.经过实时检测实现的系统基本能满足实时检测疲劳驾驶的要求.     

疲劳驾驶检测技术研究综述

分析了疲劳驾驶检测技术的研究难点,介绍了当前世界上几种具有代表性的疲劳检测方法,提出了应用信息融合技术将多种检测方法进行有机融合的检测方法,并在此基础上对这些疲劳检测方法的优缺点进行了详细的对比分析,最后对疲劳驾驶检测技术的发展趋势进行了展望.其中,非接触性、车载性和实时性研究及符合人体工程学和心理学仍然是疲劳驾驶检测...     

基于级联宽度学习的疲劳驾驶检测

为减少因疲劳驾驶引发的交通事故,提出融合多参数的驾驶员疲劳检测算法。用渐进校准网络(PCN)检测人脸图像,通过基于CNN的回归模型定位人脸关键点;根据关键点坐标和面部器官的分布规律提取眼睛和嘴部图像,用宽度学习系统(BLS)分别识别眼睛与嘴巴的状态;将眼睛、嘴巴和头部状态的时序序列送入二级宽度网络对司机的状态进行判别。实验结果表明,该算法的疲劳检测准确率为94.9%,单帧检测时间52.43ms。     

基于驾驶员面部时序数据的疲劳驾驶检测算法

针对传统疲劳驾驶检测方法识别准确率低、泛化能力差的问题,提出了一种基于CNNs和LSTM的端到端可训练网络,检测驾驶员的疲劳状态。根据驾驶员面部特征点提取ROI,将在其他计算机视觉任务上表现较好的深度网络迁移到疲劳检测任务中,并结合LSTM处理时序数据的能力,提出一种新的疲劳检测网络,该网络能够读入视频流中的时序数据并检测出驾驶员的疲劳状态。实验证明所提方法和模型在公开数据集中具有较高的识别准确率,并且在不同的数据集间具有很好的泛化能力,对于减少路面车祸、保障人身安全具有很重要的意义。     

基于视频分析的疲劳驾驶监测技术研究

随着神经网络算法的高速发展,计算机视觉领域发展越来越迅猛,对算法精确度和识别速度的要求也越来越高.MTCNN(Multi-task Convolutional Neural Networks)作为一种基于深度学习的人脸检测和人脸特征点对齐的方法,以速度快、精度高而广为人知,并且被应用得最广泛.根据改进的MTCNN作为主...     

基于Blackfin533的驾驶疲劳实时检测预警系统

相关调查显示,疲劳驾驶是机动车交通事故发生的一个重要原因,以Blackfin533型DSP处理系统为硬件平台,设计了一套嵌入式实时的疲劳检测预警系统,以减少交通事故的发生率;主要原理是首先通过摄像头实时地采集驾驶舱内的监控视频图像,然后通过肤色的快速图像处理算法来定位人脸和人眼,最后提出一种根据虹膜外接矩形的形状特征近似计算PERCLOS值来评价驾驶员的疲劳程度,并给出报警信息;结果显示该系统在室内的实验中取得了良好的精度及速度。     

基于DSP的疲劳驾驶检测系统的研究

针对汽车驾驶员疲劳驾驶检测的要求,设计了一种基于图像处理DSP芯片DM6437的疲劳驾驶视觉检测系统。通过DSP的GPIO口用软件控制摄像头轴上和轴外的两种不同波长的近红外光源(850nm/950nn)交替采集驾驶员图像,根据亮瞳效应两帧图像差分后粗定位人眼,用模板检测提取人眼的边界,根据PERCLOS值方法判断驾驶员是否疲劳。根据人眼的不同状态分别处理,用蜂鸣器作为报警系统提醒驾驶员。实验表明,该系统简单实用,而且能够全天候准确快速地判断驾驶员是否疲劳。     

基于模拟疲劳驾驶检测的仿真实验教学平台

随着人工智能成为当今最热门的学科之一,诸多高校根据自身专业背景开设了人工智能本科专业作为工科专业,专业的开设不只是理论课的建设,高质量的实验教学平台更是重中之重。根据人工智能学科建设的实际需求,设计了一套基于模拟疲劳驾驶的面向人工智能专业本科生的实验教学平台,其中涉及到图像处理、智能监测和数据分析等一系列智能专业专业课所学知识,实验平台为学生提供硬件检测传感平台,包括图像、心率、体温、加速度等传感器,并为学生提供基于基础图像处理和生理信息检测分析的算法簇和软件界面。本门实验课程培养了学生底层智能监测设计和上层软件算法设计等能力,注重学生的理论知识积累,并增强了学生实际动手操作能力,在实践教学过程中取得了较好的效果。     

一种基于卷积神经网络的疲劳驾驶检测方法

疲劳驾驶检测具有重要的警示作用,对检测方法的准确性和实时性均有较高要求。为此,提出了一种基于卷积神经网络的疲劳驾驶检测方法。首先,针对车内特定使用环境,对MTCNN算法进行了加速优化,在保证高准确率的同时检测速度提升高达27倍。其次,在实现人脸特征点精确定位基础上,提出了一种基于稀少特征点快速准确提取目标区域图像的ERFP（extracting images based on rare feature points）方法。再次,利用构建的眼、嘴数据集EMSD（eye and mouth state date sets）完成了眼、嘴部状态分类模型的训练。最终,利用训练得到的模型,结合相应的判定算法,实现了疲劳驾驶的检测判定。实验结果表明,该方法在实车环境下对瞌睡和哈欠行为的判定准确率均达到了96%以上,且每秒可完成约50帧图像的检测,具备良好的实时性。     

基于DSP的改进疲劳驾驶检测系统

针对车载疲劳驾驶检测的应用,设计了基于TMS320DM642嵌入式平台的疲劳检测系统。首先在YCbCr空间进行肤色分割,之后采用基于人眼特征的改进混合投影算法定位人眼区域,然后计算人眼区域的高度并判断人眼的睁闭状态,最后利用PERCLOS算法对疲劳程度做出检测。实验结果表明,该系统准确率高、实时性好,能很好地满足车载疲劳驾驶检测的需要。     

基于卷积专家神经网络的疲劳驾驶检测

针对疲劳驾驶引发众多交通事故的问题,提出一种结合核相关滤波器与卷积专家局部约束模型的多特征融合疲劳驾驶检测算法。为多任务级联卷积神经网络检测到的人脸建立自适应核相关滤波器,获取每帧图像人脸位置,利用卷积专家局部约束模型检测人脸68个关键特征点;分别运用基于角度的检测算法、基于相对位置的检测算法和PnP (perspectiven-point)算法检测眼睛闭合度、嘴巴张开度和低头行为;通过支持向量机进行多特征融合疲劳状态分类。实验结果表明,该方法准确率达到95.5%,能有效识别疲劳状态。     

基于边缘计算的疲劳驾驶检测方法

现有疲劳驾驶检测方法通常将驾驶过程中采集的数据传输至云端进行分析,然而在车辆移动过程中网络覆盖范围、响应速度等因素会造成检测实时性差.为在车载嵌入式设备上对驾驶人疲劳状态进行准确预警,提出一种基于边缘计算的疲劳驾驶检测方法.通过改进的多任务卷积神经网络确定人脸区域,根据人脸的面部比例关系定位驾驶人的眼部与嘴部区域,利用...     

一种基于大数据的疲劳驾驶安全保障系统的设计

本文提出一种比较完整的疲劳驾驶安全保障控制系统,包含疲劳检测模块和疲劳预警模块。该系统的设计采用了简单低成本的疲劳检测方法进行疲劳驾驶及等级的判别,在不频繁提醒驾驶员的情况下,依据疲劳等级定时或不定时地采用语音提醒、限速和告知紧急联系人并反向提醒的方式进行提醒,使得驾驶员更重视安全驾驶,从而起到预防疲劳驾驶事故发生的作用。     

基于BFR算法与头部姿态的疲劳驾驶仿真研究

为了提高驾驶的安全性,提出一种基于头部姿态与眼部特征的自适应性疲劳驾驶检测系统.利用ADABOOST算法进行面部检测,通过数据采集,引导司机采集正常情况下的头部姿态与疲劳时的头部姿态,生成个人姿态样本,同时采集司机单位时间内的眨眼次数,生成眨眼频率样本.驾驶中,利用BFR(Blinking Frequency rati...