一种车载疲劳驾驶检测方法

文章针对车辆驾驶员的疲劳检测,提供了一种使用图像处理的方法来对驾驶员的眼部信息进行提取,建立眼部状态判定模型,根据图像信息提取判断出闭眼的时长以及闭眼的频率分析判断疲劳行为,并对驾驶员进行提醒和辅助驾驶,以减少交通事故的发生。同时,该方法给出了驾驶员处于疲劳状态并预警,提出了疲劳等级划分,不仅检测驾驶员是否疲劳,还检测驾驶员的疲劳等级,并给出相应的提醒操作。     

基于特征值检测的车辆防疲劳驾驶系统应用研究

本文利用特征值检测原理,设计一种能够对人脸特征值进行自动检测的车辆防疲劳驾驶系统,利用该系统,可以有效降低因疲劳驾驶造成的交通事故。     

基于ARM的防疲劳驾驶检测系统

基于ARM的防疲劳驾驶检测系统,采用USB摄像头采集驾驶员的面部图像并将图像转换为数字信号传给ARM处理器。采集的面部图像通过模板匹配算法用特定的眼部分类器进行计算,与眼部分类器配比,在指定的矩形区域中提取出眼部图像,计算眼部图像的灰度直方图。通过对驾驶员的眼部闭合状态的实时分析可以获得PERCLOS参数,从而判断驾驶员的驾驶疲劳状态。经实验测试证明该方法准确性高,能在多种情况下检测驾驶员是否处于驾驶疲劳状态。     

基于视觉的可靠性疲劳驾驶检测技术研究

基于视觉的疲劳驾驶检测技术是疲劳检测领域的前沿技术,但由于该检测方法易受到光照强度、驾驶环境、驾驶员个体差异等诸多因素的影响,使得多数基于视觉的疲劳驾驶检测的算法不能拥有较好的稳健性。针对这一现状,提出了一套改进的疲劳驾驶检测算法。旨在提高疲劳驾驶检测的可靠性和准确度,以适应实际应用需求。     

基于SVM的疲劳驾驶人脸图像特征检测算法

针对传统图像识别算法对疲劳驾驶检测精度差、准确率低的缺陷,提出了一种利用人脸图像特征提取的疲劳驾驶检测方法。首先将实时采集到的车辆驾驶员面部图像进行预处理,借助Dlib检测出图像中的人脸区域并进行人脸图像特征点的标注,然后使用基于眼睛纵横比(Eye Aspect Ratio,EAR)的方法进行图像中人眼疲劳特征的识别,基于嘴唇纵横比(Mouth Aspect Ratio,MAR)的方法进行图像中嘴部疲劳特征的识别,最后利用支持向量机(SVM)的方法将两种特征融合起来进行疲劳驾驶检测。实验表明,该方法可以准确地定位出特征点,疲劳检测的识别率达84.29%,可以有效地识别出疲劳状态。     

基于机器视觉的疲劳驾驶检测算法研究

本文基于机器视觉技术设计疲劳检测算法,利用部署在车内的小型监控摄像头实现对驾驶人状态的实时监控;通过分析驾驶人的眼部、嘴部状态和头部动作,综合判断驾驶人的疲劳状态,实现实时的疲劳驾驶检测和预警,有助于规避驾驶过程中内部与外部的不安全因素,保障驾驶安全。     

一种车载疲劳驾驶监测仪

针对目前私驾车的不断增加,对于安全驾驶的问题也越来越重视,除了自觉遵守交规以外,还要对日常驾驶过程中遇到的问题如疲劳驾驶进行监控和预警。以往只有高档车才有的功能如何用到中低挡车辆上,目前市面上有很多方案,在此介绍了一个低成本的设计方案,较好地实现车载疲劳驾驶监测。并介绍一种被动监测的方法来监测驾驶员的疲劳状态,通过采用一个低成本的手机模块组成的监测系统,实现对驾驶员眼睛状态的监控,以便确定驾驶员是否处于疲劳状态。同时通过声光报警提醒驾驶员,从而达到减少发生道路交通事故的目的。     

基于面部特征与深度学习的疲劳驾驶状态检测研究

在驾驶机动车时,驾驶员的面部信息尤其是眼睛和嘴巴最能够反映驾驶员的疲劳状态.为了提高机动车驾驶的安全性,本文提出了一种基于面部特征和深度学习的疲劳驾驶状态检测研究模型.首先设计一种改进的三级级联卷积神经网络检测驾驶员人脸图像,再使用轻量级特征提最小单元结构定位人脸关键点,通过基于眼睛纵横比(Eye Aspect Rat...     

对脑电信号特征的驾驶疲劳检测方法

疲劳驾驶已成为一种严重的社会问题,但是目前业内依然缺乏一种行之有效的疲劳驾驶预防与技术检测手段。本文提出了一种基于脑电信号特征的驾驶疲劳检测方法,文中采用疲劳驾驶模拟试验方法,通过分析研究对象面部表情变化情况,探讨了驾驶员疲劳状态与其脑电信号特征之间的关联性。在此基础上,本文分别提取研究对象脑电信号特征值中的δ、θ、α与β四种脑电节律能量值进行疲劳指数对比分析。     

基于脑电图识别结合操纵特征的驾驶疲劳检测分析

交警部门在进行道路安全管理时,对疲劳驾驶的人员进行有效的驾驶疲劳检测,是辨别疲劳驾驶人员前提与基础。本文基于脑电图识别结合操纵特征为切入点,通过选取的样本进行驾驶疲劳实验,将脑电图识别与车辆操纵特性相结合来检测驾驶员的疲劳状态。     

一种疲劳驾驶检测系统中快速人眼检测方法

疲劳驾驶是导致交通事故的主要原因之一,因此,以人眼检测为核心的疲劳驾驶检测受到了普遍地关注。目前传统的疲劳驾驶检测方法采用"人脸-人眼"模型,即先定位人脸,随后再进行人眼检测。在Ada Boost算法的基础上,使用变模板匹配方法进行人眼检测,并改进了"人脸-人眼模型",采用多特征的分类器来有选择的跳过人脸检测步骤,从而快速准确地定位人眼。在DM642芯片上进行实验,人眼识别率达到了90%以上,且平均每秒能处理40帧图片,证明了该方法的高效性和实用性。     

基于脑电识别与车辆操纵特征的驾驶疲劳检测分析

本文以脑电识别与车辆操纵特征为切入点,通过模拟疲劳驾驶实验,将脑电识别与车辆操纵特性相结合来检测驾驶员的疲劳状态.通过对脑电信号的S变换分析,发现不同驾驶时刻其变换时频谱图存在显著差异,可用来区分驾驶过程中驾驶员的精神状态,结合车辆操纵特征参数,得到操纵特征与疲劳状态的关系,为脑电识别与操纵特征的驾驶疲劳检测的有效性提供一定的理论和实验基础.     

疲劳驾驶视频监测中的快速人脸定位方法

为了满足基于计算机视觉的疲劳驾驶监测中眼睛定位的实时性和准确性的需要,提出了疲劳驾驶视频监测背景下的快速人脸定位方法。依据疲劳驾驶监测中获取的视频背景相对固定的特点,将背景减除法引入到驾驶员人脸检测当中,与灰度投影法相结合实现快速人脸定位。实验表明此方法快速、有效,且对光照变化以及驾驶员人脸姿态的变化具有较好的鲁棒性。     

基于BF533的驾驶疲劳检测系统设计

统计表明疲劳驾驶及相关因素是造成交通事故的主要原因之一.针对疲劳检测算法中大数据量、高速传输、复杂运算的需要,设计了以ADI公司的ADSP-BF533为核心处理器,CN00303ROFD0摄像头模组为视频采集模块的实时视频处理系统,给出了系统整体结构,并详细介绍系统硬件设计和软件设计方案.     

基于脑电信号组合熵特征的驾驶疲劳检测分析

驾驶疲劳是驾驶员的常见职业危害,驾驶疲劳检测对运输安全具有重要意义。在本研究中,采用样本熵(sample entropy,SE)和近似熵(approximate entropy,AE)对脑电(EEG)进行特征提取,分别把两种熵组合特征和单一熵特征输入分类器进行驾驶疲劳识别。运用4种经典的分类器：K最邻近(KNN)、决策树(DT)、提升树(Adaboost)和支持向量机 (SVM)对组合熵特征集和单一特征进行识别分析比较。实验结果表明：驾驶疲劳程度增加,SE和AE显著降低,两种非线性指标均是驾驶疲劳的敏感特征指标;4种分类器均可有效识别驾驶疲劳状态,KNN分类器的识别性能最佳;组合熵特征集识别精度比单一熵特征更高,其中KNN分类器组合特征模型在FP1通道的疲劳识别的平均准确率可达92.8%。基于单通道EEG组合熵检测驾驶疲劳具有较好的稳定性和鲁棒性,具有广泛的应用前景。     

基于GPS的疲劳驾驶预警系统

随着汽车行业的发展,越来越多的家庭拥有了汽车。汽车的增多给人们出行带来了便利,也带来了一系列安全问题,尤其是酒驾、疲劳驾驶、超速驾驶成为交通事故频发的主因。为此我们设计了一个针对上述违法行为的安全监控预警系统,在可能出险前及时提醒驾驶员,尽可能减少由驾驶员主观因素导致的交通事故。     

汽车智能驾舱驾驶疲劳检测系统设计

疲劳驾驶是影响交通安全的主要因素，当前疲劳驾驶的检测方法普遍存在设备体积大、侵入性强、实时性差等弊端。文中设计的基于FPGA的疲劳驾驶检测系统，首先利用区域长宽比改进YCbCr人脸分割算法，提高算法在驾驶环境中对于人脸的辨识度；然后建立动态视频人眼跟踪模型，在人脸范围内定位人眼位置，采用三帧差算法检测眨眼动作，以眨眼率作为疲劳的评价指标，对司机状态进行实时监控；最后利用FPGA芯片完成实时图像数据的处理和疲劳驾驶检测。实验证明，该系统具备在光线昏暗和佩戴眼镜等场景下检测疲劳状态的能力，并且检测系统充分发挥FPGA芯片数据并行处理优势，具备体积小、速度快、集成度高，通电即可工作的特点，有利于在狭小的驾驶舱环境部署，具有一定的工程应用价值。     

基于BF533的驾驶疲劳检测系统设计

统计表明疲劳驾驶及相关因素是造成交通事故的主要原因之一。针对疲劳检测算法中大数据量、高速传输、复杂运算的需要,设计了以ADI公司的ADSP—BF533为核心处理器,CN00303ROFD0摄像头模组为视频采集模块的实时视频处理系统,给出了系统整体结构,并详细介绍系统硬件设计和软件设计方案。     

基于视觉的车载行人检测保护相关技术

为提高城市交通环境下车辆的主动安全性,减少交通事故,保障行人的安全,很多国内外的科研院机构都对行人保护技术进行了研究,意在开发出一种车载行人保护系统,就是利用安装在车辆上的摄像机检测出行人,从而预测出潜在的危险以便采取相应策略保护行人。其中涉及到的相关技术包括行人的目标分割、特征提取等。     

基于视频分析的学生网课疲劳检测方法

为了更好地提高学生在远程教育中的学习效率,避免学生出现走神瞌睡等情况,文中提出了一种基于视频分析的学生眼睛疲劳状态的检测方法.该方法的原理是将疲劳检测视为基于图像的序列识别.首先采用深度级联的多任务框架从视频中提取人眼区域;然后通过深层卷积学习空间特征,并通过长-短期记忆单元分析相邻帧之间的关系;最后,对学生状态进行序...