研究旨在通过理论和实践相结合的方式，以眼睑闭合持续时间百分比，即PERCLOS算法为核心，收集包括眼睛、嘴部和头部在内的多个部位的疲劳信息，深入探讨驾驶人在驾驶过程中的身体状态，从而构建出一种检测疲劳的新途径。为了检测图像中的人脸位置，这里使用DLIB库提供的人脸68个关键点DAT模型进行分析。然后提取驾驶人面部的68个特征点和坐标，再利用特征点中储存的信息进行眼部张合程度比(EAR)、眼睑闭合持续时间百分比、嘴部张合程度比(MAR)和俯仰角(PITCH)的运算，按照所设条件阈值，对驾驶人的疲劳状态进行评判。该方法能在车辆行驶过程中，无直接接触的情况下，实时地对驾驶人所处的疲劳状态进行准确检测与提示。
2023-12-17 21:30:53
17KB
1
MATLAB疲劳检测（眼部疲劳，人脸分割，人眼定位，开闭度检测，疲劳判别，可做眼睛+嘴巴+点头率综合检测版本）
2023-11-13 17:24:03
835KB
1
[基于MATLAB]疲劳检测（眼部疲劳，人脸分割，人眼定位，开闭度检测，疲劳判别，可做眼睛+嘴巴+点头率综合检测版本）.zip
2023-03-07 20:24:14
835KB
1
驾驶员的困倦是道路交通中发生严重事故的主要原因之一。 因此，已经付出了特别努力来寻找更好的辅助技术。 然而，由于昏昏欲睡的驾驶员的头部通常处于倾斜状态，因此几种现有方法无法有效地工作。 此外，车辆的晃动或驾驶员的眨眼甚至使问题变得更加复杂。 无论如何，低头姿势也意味着昏昏欲睡的状态。 因此，本文提出了一种新方法，将点头行为作为我们检测模型的输入。 在检测到人脸后，提取一些重要的面部特征； 然后，它们被用来计算预定的最优参数； 最后，基于这些阈值评估睡意。 在我们的经验实验中，所提出的算法可以成功准确地检测到 96.56% 的案例。
2022-11-02 17:48:10
720KB
1