用于疲劳检测的数据集，数据集分为两类：疲劳状态和非疲劳状态，每个状态下都是人脸部图像的分割图像。  在该模型架构下：将人脸图像作为输入，从中检测并裁剪出面部特征点，这些裁剪出的面部特征，如眼睛、眼圈（眼睑）、鼻子、嘴巴以及整个面部皮肤图像等五个部分分别作为输入有针对性的训练各个模型，然后各个模型将预测返回输入图像所对应的疲劳值，最终将这些值加权求和，（眼睛和黑眼圈的权重更高）最终值来确定一个人的疲劳程度。

摘要 ：为了解决光照变化对疲劳检测系统造成的识 别准确性不 高的问题 ，提 出了一 种近红外环境下 判断人眼状态 的方 法，即针对红 外光补 图像的人眼状态判断 ；首先 ，利用 Ada boost算法进行人 眼区域定位 ，在 网格法标记人眼瞳孔部分 的基础上 ，采用 Re t i nex算法对 红外 图像进行增强 ；接着 ，结合 “亮瞳效应”特性 ，X ~-值化以及边缘检测后的红外图像分别进行 网格法闭合度计算 ，得 到人眼 闭合度 大小 ；最后 ，根据闭合度计算结果设定双 阈值并结合 PERCLOS准则来判断人眼特征状态 ；另外 ，在 DM642硬件平台上进行疲 劳检测试 验 ，实验结果表明 ，该方法 的人眼状态识别率达到 了 90 以上 ，且平均每秒能处 理 21帧图片 ；证 明了该 方法不仅 能有效解决 光照变化 带来 的问题 ，而且满足疲劳状态检测系统的快速性 、准确性和有效性等要求。

行业-电子政务-一种电脑前疲劳状态的检测方法和装置.zip

基于FPGA的多特征融合司机疲劳状态检测系统设计.pdf

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。

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。