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.     

嵌入式驾驶疲劳检测系统设计

随着机动车交通事故数量的快速增长,交通安全已成为研究的热点.疲劳驾驶是引起交通事故的一个关键原因.为了减少疲劳驾驶带来的损失,论文利用TI公司的DSP芯片TMS320DM642,设计了嵌入式驾驶疲劳检测系统.该系统集图像采集,图像处理,图像识别以及疲劳预警于一体.实验结果表明此设计能进行实时疲劳检测,可以有效地减少交通意外,并具有尺寸小,成本低,实时好的优势.     

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...     

提取驾驶员面部特征的疲劳驾驶检测研究综述

疲劳驾驶是威胁驾驶员人身安全以及道路交通安全的主要因素之一。高效精准的疲劳驾驶检测方法可以有效地保障驾驶员及其周围交通安全,维护交通秩序,减少财产损失和人员伤亡。由于基于驾驶员生理特征和基于车辆行驶信息的疲劳驾驶检测方法具有对驾驶员不友好、影响因素较多等局限性,使得基于驾驶员面部特征的疲劳驾驶检测方法成为研究热点。首先简述了疲劳驾驶面部特征表现,总结了疲劳驾驶领域常用公开数据集的优缺点和应用场景;其次使用公开数据集,通过对比实验,分析研究了疲劳驾驶检测领域常用人脸检测算法的优势和不足;随后给出了基于驾驶员面部特征的疲劳驾驶检测方法流程,总结分析了流程中关键步骤所使用的方法和技术;另外归纳整理了疲劳驾驶领域常用的疲劳判别参数和疲劳驾驶结果预测方法;最后对全文进行总结,给出了基于驾驶员面部特征的疲劳驾驶检测方法目前所面临的挑战,并对未来研究进行了展望。     

基于图像识别的嵌入式驾驶员疲劳监测终端设计

疲劳驾驶是导致车辆发生事故的一个主要因素.为了有效防止疲劳驾驶现象的发生,文章研究了一种采用图像识别对驾驶员疲劳状态检测判别的嵌入式监控终端设备.该设备以嵌入式芯片作为核心控制器,利用安装于驾驶台前上方的摄像头采集驾驶员的脸部图像,微处理器采用HOG-SVM算法识别脸部特征,采用灰度积分投影法来实现对图像中眼睛张开定位,使用PERCLOS算法判定人的驾驶状态并实现疲劳状态语音报警提示,同时把驾驶员状态发送到远程管理平台.     

驾驶疲劳脑电信号的多尺度熵分析

驾驶疲劳是引起交通事故的主要因素之一.为了降低因驾驶疲劳引起的危害,探索检测驾驶疲劳的新方法,根据脑电信号的非线性特征,使用非线性动力学的多尺度熵方法来分析12名受试者处于不同驾驶状态时各导联脑电信号的多尺度熵值.实验结果表明:尽管12名受试者在不同驾驶状态时的熵值不同,但其数值特征是一致的,即非疲劳驾驶状态时的熵值高于疲劳驾驶状态时的熵值.说明多尺度熵可以区分不同的驾驶状态,可以作为检测驾驶疲劳的一个指标.     

驾驶员疲劳驾驶检测方法研究综述

由于疲劳驾驶导致的交通事故占比逐年上涨,引起了研究人员的广泛关注。目前疲劳驾驶检测的研究受限于科技水平、环境、道路等各种因素的影响,导致疲劳驾驶检测技术难以进一步发展。介绍了近10年内驾驶员疲劳驾驶检测方法的最新进展。阐述并回顾了主动检测法和被动检测法两大类。根据两大类检测方法各自不同的特征进行细致的分类。进一步分析了各类疲劳驾驶检测方法的优势和局限,同时对主动检测法中基于面部特征的检测方法近3年内所使用的检测算法进行了分析和总结。归纳了各类疲劳驾驶检测方法存在的不足,同时提出疲劳检测领域未来的研究趋势,为研究人员进一步的研究提供新的思路。     

驾驶员疲劳状态生理信号的DFA

通过去趋势波动分析(DFA)研究驾驶员疲劳状态的心率变异性信号和脑电信号特征.22名被试在驾驶模拟器上进行模拟驾驶作业,采集驾驶过程中的心率变异性和脑电信号并进行离线分析.Wil-coxon符号秩检验用于分析清醒和疲劳两种状态间DFA标度指数的差异,受试者工作曲线(ROC)分析用于确定DFA区分疲劳驾驶和清醒驾驶的能力.结果表明:疲劳状态时,心率变异性和脑电信号的标度指数显著增加(Wilcoxon符号秩检验,p＜0.01);心率变异性和脑电信号标度指数的ROC下面积最大分别为0.75和0.78.DFA的标度指数具有应用于驾驶疲劳监测系统的前景.     

驾驶员疲劳驾驶监测方法研究的进展

近年来,疲劳驾驶已经成为汽车安全的重要隐患,严重地威胁着人们的生命和财产安全.文章介绍了疲劳驾驶的特征表现和产生原因,及该技术的研究现状,并对当前几种具有代表性的疲劳状态监测方法进行了评述;利用信息融合技术,将多种监测方法进行有机的结合的方法是驾驶员疲劳状态监测的发展趋势;文章还提出了驾驶员疲劳状态监测及预警装置的非接触性、车载性、实时性的研究思路.     

基于多特征融合的眼睛状态检测算法研究

疲劳驾驶检测算法研究对提升交通安全有着重要的意义.目前,已有大量关于疲劳驾驶的文献和成果.在疲劳驾驶检测算法中,眼睛开闭状态的判断起着至关重要的作用.深度级联卷积神经网络用来检测人脸和人脸特征,利用Dlib工具快速提取驾驶员人脸特征.基于眼睛特征计算眼睛宽高比,并将眼睛宽高比、传统人眼特征的人眼虹膜等用于判断眼睛开闭的...     

U形波纹管疲劳寿命研究

疲劳寿命是U形波纹管的重要指标.利用传统公式和MSC Fatigue软件对波纹管的应力和寿命进行了计算.经试验验证和分析,认为利用MSC Fatigue软件进行疲劳寿命的方法是可行的,为波纹管的寿命分析提供了新的研究途径.     

基于PERCLOS的驾驶疲劳监控方法进展

以驾驶疲劳状态监测为研究对象,介绍了疲劳检测方法现状,主要阐述了PERCLOS的原理,即依据单位闭合时间所占的百分比率,判断驾驶员是否处于疲劳状态。论述了基于PERCLOS的司机疲劳监控方法研究的基本步骤和研究进展,最后总结并得出本文结论。     

基于试验和仿真的缸盖疲劳耐久性研究

以发动机缸盖疲劳耐久性设计为研究对象,对缸盖材料进行不同温度下的疲劳测试,获取详细的缸盖高、低周疲劳材料属性,然后结合CAE疲劳分析方法和理论,进行缸盖金属温度场仿真、高周疲劳分析和低周疲劳寿命预测。该缸盖疲劳分析方法结果可靠,可有效指导缸盖疲劳耐久性设计和优化。     

基于无线疲劳监测系统的铝合金材料疲劳损伤研究

铝合金材料具有重量轻、强度高等特点,是国民经济发展的重要基础材料,在诸多领域(如飞行器设计与制造、建筑装饰等)中占有十分重要的地位。然而,其抗疲劳性能较差,在交变荷载作用下容易产生疲劳裂纹和发生疲劳破坏。提出了一种基于无线疲劳监测系统的铝合金材料疲劳损伤研究方法,实时监测了铝合金构件的疲劳应变,并实时分析了构件的疲劳损伤状况,为研究铝合金材料的疲劳性能提供了可借鉴性的方法。     

基于LabVIEW的电脑使用疲劳预警系统设计

电脑使用疲劳预警系统是一种从根源上改善人们过度使用电脑损害眼睛的技术之一,目前鲜有在智能家居和数字生活方面的应用.它通过基于机器视觉的疲劳检测技术,获取用户实时图像,经过人脸识别、人眼定位、眨眼判别来判别用户疲劳程度,并采取相应措施从根本上减轻或防止眼睛的疲劳损伤,实现工作与健康的“双赢”.论述了此预警系统的各种检测优化技术的研究现状,研究了实现预警系统的具体方式和算法,并展望了该领域的发展趋势.     

直升机尾桨叶疲劳试验技术的研究

基于直升机尾桨叶疲劳试验技术研究的现状,对尾桨叶疲劳试验实现技术进行了重点阐述.根据尾桨叶疲劳试验的加载及测量要求,结合尾桨叶构型特性,设计制造了可同时对尾桨叶施加离心力、挥舞力、摆振力、扭力及法兰盘压载荷的尾桨叶疲劳试验台,并说明了尾桨叶疲劳试验台的工作原理.通过应用对尾桨叶粘贴应变片的方法测得了 3件尾桨叶疲劳试验...     

基于主S-N曲线的带止裂槽焊接接头疲劳寿命预测及改进

以带止裂槽焊接接头为研究对象,提取可能发生疲劳失效的焊趾截面、焊喉截面和止裂槽截面的节点力,基于主S N曲线法求解截面的等效结构应力,评估焊缝的疲劳寿命,并提出改进接头的建议。分析发现：止裂槽的存在会显著增加局部位置的应力,导致疲劳寿命明显降低。填充止裂槽并适当增大水平方向焊脚尺寸,可以提高该位置疲劳寿命10倍左右。     

多晶硅梁疲劳损坏特性的研究

针对多晶硅的疲劳失效机理,人们已经提出了一些解释的模型.然而,到目前为止没有一种模型能够全面地阐述疲劳失效机理.本文旨在采用参量的渐变,如平均杨氏模量E,来反映MEMS多晶硅梁的疲劳.通过测试周期性载荷下双端固支梁结构的pull-in电压变化,确定杨氏模量E的变化,进而表征梁的疲劳失效状态.     

基于HRV分析的可穿戴心电仪精神疲劳检测

精神疲劳是许多慢性疾病如心血管疾病,糖尿病和癌症的关键原因,然而又难以量化评估及测量。本研究提出了一种通过智能穿戴设备检测脑力劳动者疲劳程度的工程可行性的方案。为了检测脑力疲劳程度,本文通过Man-Whitney U检验评估了HRV各项指标在判断精神疲劳状态的统计显著性,并使用随机森林进行特征选择以确定HRV各项指标的重要性。本文研究发现,最重要的HRV指标分别是NN.mean,PNN50,VLF,LF和TP。最后本文采用SVM、Na?ve Bayes、KNN和逻辑回归四种机器学习算法对进行疲劳状态进行识别,实验证明了KNN分类器最为有效,其交叉验证准确率为75.5％和AUC为0.74。