共查询到20条相似文献,搜索用时 125 毫秒
1.
上无聊的课、开无聊的会,处处可见哈欠连连。引发人们打哈欠的“导火索”是什么?对身体来说,打哈欠有什么好处呢?还有,为什么看到别人打哈欠的时候,自己也想打呢? 相似文献
2.
3.
针对交通安全中疲劳驾驶状态识别问题,使用单一的疲劳驾驶特征的方法识别率较低,本文提出一种基于面部多特征加权和的疲劳识别方法.通过人眼状态检测算法提取眼部疲劳参数,即持续闭眼时间、闭眼帧数比、眨眼频率,通过打哈欠状态检测得到打哈欠次数和打哈欠持续时间,通过头部运动状态分析得到点头频率,建立融合以上六个特征的驾驶疲劳状态检测模型来评估驾驶员的疲劳等级并进行相应的预警.实验测试数据选自NTHU驾驶员疲劳检测视频数据集的部分数据.经实验调整后,发现该方法的识别准确率较高,识别效果好. 相似文献
4.
5.
7.
什么是中学生课堂疲倦期呢?据科学研究表明:初中学生一节课的连续注意能力大约只能保持20分钟左右,而整节课有45分钟。也就是说,从上课开始,过了20分钟的精力高度集中期后学生们就会觉得疲倦,打哈欠。眼光从老师身上或者从黑板上挪开,思绪从课本知识转移到和学习无关的方面上去,没法继续静下心来听课。 相似文献
8.
10.
11.
12.
13.
为在驾驶员佩戴眼镜的情况下也能准确有效地检测疲劳状态, 提出一种判断是否佩戴眼镜的方法, 并建
立了基于眼睛与嘴部状态的疲劳驾驶检测系统。 对该系统中有关目标检测、 特征提取与图像识别等算法进行
研究。 首先, 采用 Adaboost 算法通过人脸分类器从视频帧中检测人脸区域, 并根据面部器官几何分布规则粗检
眼睛与嘴部区域; 其次, 基于大律法自适应二值化, 采用垂直积分投影法判断是否配戴眼镜, 根据灰度直方图
统计特征值法判断戴眼镜的眼部区域状态, 另外, 利用似圆度判断嘴部打哈欠情况; 最后, 利用 PERCLOS
(Percentage of Eyelid Closure over the Pupil)值识别眼睛疲劳状态, 利用打哈欠频率识别嘴部疲劳状态。 当检测
到驾驶员处于疲劳状态, 则及时给出疲劳警告。 实验结果表明, 该方法可有效解决眼镜对检测的干扰, 并适用
于不同光照与环境。 同时, 在戴眼镜情况下对于眼睛与嘴部疲劳状态的判断优于其他方法。 基本满足疲劳检
测系统对良好的实时性、 稳定性与鲁棒性等要求。 相似文献
14.
识别人体状态与理解人类情感是家电智能化的最终目的,人体许多日常行为并不携带明显的状态信息和情感倾向,而诸如跌倒、打哈欠、腰痛等出现频率较低却包含丰富的人体状态信息.以带有一定情感倾向或意图的人体状态为研究对象,从公开数据集中筛选出9种带有人体状态信息的典型行为,考虑到家居环境下实时产生的原始视频数据量庞大、存在特征冗余... 相似文献
15.
《大众科学.科学研究与实践》2022,(12):32-35
<正>当我们看到别人打哈欠、大笑时,可能会不自觉地被“传染”,跟着做起同样的动作,你有同感吗?而抓痒痒比上述情况的传染力更强大,生活中有超过60%的人看到别人抓痒会跟着抓。这时候是真的痒吗?为什么会痒?痒是皮肤受到刺激后需要抓挠来缓解的一种感觉。平均每个人每天都会产生超过十次痒的感觉。按照产生痒的原因不同,也有不同的分类。 相似文献
16.
17.
得益于视觉识别技术的快速发展,公共交通安全技术领域也快速发展。该研究根据目前在主动安全方面的人脸识别技术、驾驶员状态监测,结合车辆智能网联技术,设计了可用于智能网联课程中的实验台架。台架设计主要采用图像处理开源库实现对驾驶员面部的特征定位与追踪,进行实时比对,计算眨眼频率、闭眼次数、眼睑闭合时长以及打哈欠频率等反映驾驶员疲劳状态的指标。使用数学方法进行指标统计和计算,根据所得的数值对驾驶员疲劳状态进行分级,最终将生成的结果反馈在实验台架上。 相似文献
18.
蛇在漫长的进化中失去了手脚,舒服不舒服得要问它;长颈鹿一天才睡20分钟,想想都让人打哈欠;鱼会不会被水溺死,这个问题可要慎重回答;喜欢混在竹枝上摆“pose”的是谁,绝对不是大熊猫,它可没那么轻盈!最不厚道的要数名叫伯劳的那个家伙,有吃有喝也不铺张浪费呀,关键是它的做法有碍观瞻,看得人直起鸡皮疙瘩,想知道为什么,往下看呗—— 相似文献
19.
20.
《萍乡高等专科学校学报》2015,(6):70-73
疲劳驾驶是造成交通事故的一个重要原因。为实时有效地检测驾驶员的疲劳状态,设计了一种融合眼睛和嘴巴两种疲劳特征进行疲劳状态判定的检测算法,并构建了基于DSP人脸特征识别的司机疲劳驾驶预警系统。该算法采用"Harr特征值+Ada Boost"的方法进行人脸识别,然后根据人脸图像的灰度分布定位眼睛和嘴巴的位置,利用Hough变换,以及模板匹配技术判断出人眼的开闭状态,计算PERCOLS值作为司机疲劳驾驶的一个判断指标。除此之外,本系统还利用嘴巴的宽高比及打哈欠的持续时间来综合判定司机的疲劳状态。通过仿真测试结果表明该系统的算法准确、可行、实时性强。 相似文献