基于脑电波的驾驶员疲劳驾驶监测研究

交通事故中有很大一部分是由疲劳驾驶引起的,在各种疲劳驾驶预警技术中,基于脑电波的驾驶员疲劳驾驶监测技术是一种新型的汽车安全预警技术,研究其基本理论和实现方法对保证人身安全和减少交通事故都有重大的意义。     

疲劳驾驶状态检测专利技术综述

为了研究疲劳驾驶状态检测的专利发展现状,本文以CNABS和DWPI数据库为基础,通过对疲劳驾驶状态检测专利申请的检索、统计和分析,从中获取疲劳驾驶状态检测的申请量趋势、技术分布状况、重要申请人等信息。同时,获知疲劳驾驶状态检测的分支情况,梳理了疲劳驾驶状态检测关键技术的发展,总结了疲劳驾驶领域的研究热点、重要申请人和核心专利,为疲劳驾驶领域的发展提供了参考。     

驾驶疲劳影响因素以及其权重判断

道路交通事故伴随着汽车保有量的增加而增加,现已成为一个备受社会各界关心的严重社会问题。疲劳驾驶是引发交通事故的主要原因之一,对它的研究一直从未停止过,这对于降低交通事故的发生率有着非常重要的意义。     

基于深度学习的多维疲劳驾驶检测系统

针对机动车驾驶员疲劳驾驶的检测问题,本文设计了一种基于深度学习与计算机视觉的多特征融合疲劳驾驶检测系统。该系统基于Jetson Nano便携式开发板,使用目标检测框架YOLOV3对驾驶员进行面部定位,而后进行人脸多特征点提取、多维度特征融合分析,评估驾驶员状态。该系统创新性地引入时间特征维度,对面部特征以时间维度进行"预分析"和"趋势化"的分析方法,极大地缩减了驾驶员个体差异对判别带来的影响,达到了疲劳驾驶检测的高置信、高精度。     

驾驶困倦预警系统中眼部状态识别的研究

为判断驾驶员是否处于疲劳驾驶状态,通过对人脸正面图像中的眼部状态的研究,提出了一种判断算法.首先基于灰度投影曲线和人脸几何特点提取驾驶员的眼部区域,然后利用事先提取的驾驶员睁眼时的瞳孔区域模板在该区域进行匹配,通过匹配初步判断出驾驶员是否属于疲劳驾驶.实验结果表明,该算法简单高效,在满足一定外部条件下,误判率较低.