本设计为基于MATLAB的疲劳检测识别，可应用于疲劳驾驶监测，专注度检测等应用。本设计带有GUI可视化界面，自行录制好视频后，读取视频，分帧，读取每一帧影像，计算其眼睛张合度及嘴巴张合度，通过这2个参数来判断是否疲劳。

一种疲劳检测的算法 司机疲劳驾驶检测中人脸图像的快速人眼定位

（毕业设计论文）基于脑电采集的汽车疲劳驾驶检测系统硬件设计 全世界每年因驾驶员疲劳驾驶而导致的死亡人数占交通灾难性事故的57%，故针对疲劳驾驶检测方法的研究具有现实意义。而最近十多年来，疲劳检测逐步取得人们的关注，为此本文设计了基于脑电采集的汽车疲劳驾驶检测系统的硬件电路。 脑电图（EEG）信号检测一直被誉为监测疲劳的“金标准”，所以本文将脑电信号作为检测疲劳的主要参数。为了准确采集脑电信号，本文设计的前端调理电路包括前置放大电路、四阶低通滤波电路、二阶高通滤波电路、中间级放大电路、50HZ陷波电路、极性转换以及末级放大电路，并由嵌入式ARM开发板EasyCortex M3-1752将采集到的脑电信号进行A/D转换后通过串口发送到计算机做进一步的处理。最后利用MATLAB对数据进行绘图分析，以及对系统进行整体分析和总结。

基于MATLAB的人脸眼睛嘴巴检测，内涵说明书，摘要，代码等，同时含有自制神经网络训练集的代码（用户运行代码做出表情代码自动归类训练集合），主代码通过先检测脸部特征，后综合检测眼睛张开关闭+嘴巴张开关闭判定人脸是否处在疲劳状态，代码本人已经调试运行无误。2020年【独家顶级资料】

适合正在学习疲劳模拟同学使用

本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频帧系列图像，灰度积分投影技术的眼睛定位方法，进而利用perclos计数，计算眨眼率，从而得到比较准确的疲劳状况。

Panda方案采用恩智浦的S32V234作为方案主芯片，S32V234是恩智浦第二代视觉处理器系列，旨在支援影像处理的计算密集型应用，并提供了一个ISP（可以支援1080P）、强大的3D GPU、双APEX-2（速率达80GMACS）视觉加速器和安全性。S32V234适用于ADAS、NCAP前视摄像头、异物检测和识别、环视、机器学习和感测器融合应用。S32V234专为汽车级可靠性、功能安全和安全措施而设计，以支持汽车和工业自动化。Panda方案预留了两路MIPI接口，一个 LVDS 视频输出接口，以及SD卡座，以太网，USB，CAN，JTAG等丰富的外围接口。 1.疲劳检测算法基本思路如下 识别:Camera输入的图像转换成灰度图像，通过进行人脸侦测，画出人脸ROI，在人脸ROI中侦测人的眼睛，画出人眼的ROI，计算眼睛ROI长条图，计算长条图平均值。 判断:根据人闭眼的程度，提前预设一个阈值，系统检测到人眼长条图的平均值，一旦超出阈值就会报警。 报警:通过外接的蜂鸣器，发出声音进行警告驾驶员。根据具体产品定义需要，甚至可以将该系统连接至车辆的中控系统，执行刹车、降速的操作。 …… 展示板照片 方案来源于大大通

本文基于ZigBee的疲劳驾驶警示系统的研究与设计，提出并实现了ZigBee 网络与多传感器融合技术相结合的疲劳监测系统，适于车载运行且扩展性好，有效地提高疲劳判断的准确性和增强系统的鲁棒性。

matlab脑电波有正常信号与疲劳信号，通过构建svm分类器，进行SVM分类

本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频帧系列图像，灰度积分投影技术的眼睛定位方法，进而利用perclos计数，计算眨眼率，从而得到比较准确的疲劳状况。 2.具体要求 本设计基于灰度积分投影技术的眼睛定位方法，再结合perclos技术。首先通过图像预处理技术得到灰度分配较为均匀的图像,然后分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标,实现了准确的眼睛定位,通过perclos技术技术眨眼率，根据先验值得到是否疲劳。 二、算法原理 视频输入——预处理去除非人脸区域——人脸定位——人眼定位（灰度积分投影）——眼睛张合度—