针对疲劳驾驶的六种表情 ,提出几何规范化结合 Gabor滤波提取表情特征 ,使用支持向量机对疲劳驾驶的面部表情分类识别的系统。首先对视频图像预处理进行几何规范化 ,利用二维 Gabor核函数构造最优滤波器 48个,获取 48个面部表情特征点 ,最后利用支持向量机进行面部表情分类识别。实验结果表明径向基函数的 SVM性能最好。

疲劳驾驶检测疲劳驾驶检测疲劳驾驶检测疲劳驾驶检测疲劳驾驶检测

基于深度学习的疲劳驾驶监测融合算法的研究，杨非，刁鸣，现代物流交通行业发达，疲劳驾驶是大量交通事故发生的主要原因，如何精准地检测驾驶员的疲劳状态是当今的研究热点。近年来，机器

基于图像处理知识对疲劳驾驶检测系统进行研究。在构建人脸相关数据库后，主要的疲劳相关信息通过混合模型算法进行获取。首先对图片进行一定的预处理，增加图像增强模块消除实际的光照干扰。采用基于AdaBoost的人脸检测算法为核心检测方法，对人脸的定位以驾驶员眼部特征为关键部位。采用人眼变化曲线分析法与PERCLOS准则相结合的判定方法进行疲劳判定。针对不同需要和特性对疲劳驾驶预警进行优化。实验通过模拟测试验证了关键点定位算法的可实现性与准确性，并验证实际的疲劳测试具有较好的可靠性。

本课题为基于MATLAB的眼部疲劳驾驶系统。所谓疲劳检测是对极短的一段视频进行分针人脸定位，人的眼睛定位计算，眼睛是睁开还是闭合，统计一段时间之内闭眼的帧数。可以进行二次拓展，增加嘴巴的判别。

该课题为基于matlab眼部检测的疲劳驾驶系统。我们可以假设有一部摄像头对着大巴司机或者或者司机，对司机进行实时的监测，每隔数秒进行一次疲劳的判别，如果说疲劳驾驶则进行报警或者提示司机。检测方法为先进行人脸定位，在寻找眼睛再去判别眼睛属于睁开还是闭住。去统计闭眼的频率。

针对现有疲劳驾驶检测算法实用性差或准确率低的问题, 本文提出了一种基于深度学习的疲劳驾驶检测算法. 首先, 使用 HOG (Histogram of Oriented Gradient) 特征算子检测人脸的存在; 其次, 利用特征点模型实现人脸的对齐, 同时实现眼睛、嘴巴区域的分割; 最后通过深度卷积神经网络提取驾驶员的眼部疲劳特征, 并融合驾驶员嘴部的疲劳特征进行疲劳预警. 大量的实验表明, 该方法在疲劳驾驶检测的准确率、实时性等方面都取得明显的性能提升.

该课题为基于matlab眼部检测的疲劳驾驶系统。我们可以假设有一部摄像头对着大巴司机或者或者司机，对司机进行实时的监测，每隔数秒进行一次疲劳的判别，如果说疲劳驾驶则进行报警或者提示司机。检测方法为先进行人脸定位，在寻找眼睛再去判别眼睛属于睁开还是闭住。去统计闭眼的频率。

这个题目是利用matlab语言。进行眼部判别的疲劳检测系统。带有人机交互界面，可以在GUI界面的基础上进行相应的拓展。

随着科技的发展，机动车辆与日俱增，随之而来的人身安全越来越受到人们的关注。根据交通事故统计年鉴：城市道路15-20%（高速公路60%以上）的汽车碰撞事故和驾驶疲劳有关，疲劳驾驶严重影响着驾驶员的警觉性﹑应变性及安全驾驶能力。特别是铁路机车﹑长途客货运输﹑城市出租﹑公交车辆﹑工程特种车辆等各种汽车安全隐患，均与疲劳驾驶密切相关。因此，许多国家都积极开展有关驾驶疲劳的研究工作，尤其在西方发达国家。 　　表1中列出了几种疲劳状态检测的方法，并对性能进行了比较。通过比较可以发现，这几种方法中基于身体反应的检测方法性能较好。PERCLOS（Percentage of Eyelid Closure Ti