调用电脑摄像头，用Python Opencv3，画出眼部轮廓，通过监测眼睛数据判断眨眼数，转为疲劳值，当达到一定条件判定驾驶员为疲劳并发出警报，可更改参数。

驾驶员行为集群 介绍 在此项目中，我们尝试创建一个统计模型以基于CAN总线传感器数据对驾驶员行为进行聚类。 我们将使用层次聚类，根据驾驶员的行为和驾驶方式对其进行识别和分组。 驱动程序的此标识可用于改进。 资料准备 overview.csv 数据集包含42个参数（列）和60个变量（观测值）， 数据清理 在进行数据分析之前，我们需要清理数据集： 转换类型，将缺失值替换为零。 通过绘制相关系数矩阵，我们可以考虑具有最低相关系数的变量，它们是解释变异性的变量。 同样，此步骤将使我们减少在分析中要考虑的参数数量。 特征 id ：车辆的标识符。 odo ：车辆的里程表读数，以km为单位。 dist ：时间段内的行驶距离。 fuelc ：报告期内行驶，空转和使用取力器时的总油耗（升）。 idle ：怠速模式下的发动机运行时间，表示为HH：MM：SS pause ：发动机运行时间，暂停表示为HH：MM

运输管理EXCEL： 包括：物料购销帐，车辆维护帐，车辆用油帐，运输单管理帐，员工工资帐

纯电动汽车SIMULINK模型（包括驾驶员模型. 电池模型. 电机模型. 车辆和轮胎动力学模型等）可以用来搭载自己的整车控制模型仿真

基于熵和复杂度的驾驶员疲劳自动检测

中国民航驾驶员发展年度报告（2019年版）.pdf

针对嘴部作为人脸的重要信息集中点之一这个特性，提出了一种用于驾驶员疲劳检测的嘴部状态的研究算法。首先采用改进的Adaboost算法精确定位人脸区域，然后利用迭代式阈值选择法对人脸下半部分进行二值化处理，得到嘴部完整轮廓后使用Harris角点检测找出嘴角，同时矫正倾斜嘴部，最后通过计算嘴部张开度和持续时间来判断是否疲劳。实验表明，该算法具有较快的速度，同时对疲劳检测的进一步研究有重要的作用。

本项目是一个基于人脸识别的驾驶员疲劳检测系统。该系统凭借检测到驾驶员嘴巴和眼睛的张合情况完成对驾驶员是否处于疲劳状态的判别。如果系统将其判别为疲劳驾驶，系统可以通过声光外设去提醒驾驶员注意休息，以达到降低交通事故的目的。本项目具有较高的实用性和创新性，市场需求大，可以大规模地推广和使用。

DBM（DMS）驾驶员驾驶监测，监测内容包括：疲劳驾驶，长时间不目视前方，抽烟，接打电话，双手脱离方向盘，未系安全带，身份识别等。包括报警方式及电性能要求等。 2014年交通部颁发的关于ADAS-驾驶辅助系统中的LDW/FCW的国家测试标准

一个简单的用SQL Server2005编写的机动车驾驶员考试系统，内含设计文档。只需附加上就可以使用。