基于PERCLOS的列车司机疲劳检测设计与实现

列车司机长期处于精神高度集中、工作强度较大的工作状态，容易产生生理和心理上的疲劳。本文通过Raspberry PI摄像头对列车司机疲劳状态进行采集，对采集的视频流进行人脸定位和面部特征点的提取，对该列车司机眼睛、嘴巴数据进行分析，结合PERCLOS标准判定列车司机是否疲劳，在GUI界面显示检测结果。     

一种基于卷积神经网络的疲劳驾驶检测方法

疲劳驾驶检测具有重要的警示作用,对检测方法的准确性和实时性均有较高要求。为此,提出了一种基于卷积神经网络的疲劳驾驶检测方法。首先,针对车内特定使用环境,对MTCNN算法进行了加速优化,在保证高准确率的同时检测速度提升高达27倍。其次,在实现人脸特征点精确定位基础上,提出了一种基于稀少特征点快速准确提取目标区域图像的ERFP（extracting images based on rare feature points）方法。再次,利用构建的眼、嘴数据集EMSD（eye and mouth state date sets）完成了眼、嘴部状态分类模型的训练。最终,利用训练得到的模型,结合相应的判定算法,实现了疲劳驾驶的检测判定。实验结果表明,该方法在实车环境下对瞌睡和哈欠行为的判定准确率均达到了96%以上,且每秒可完成约50帧图像的检测,具备良好的实时性。     

嵌入式疲劳驾驶监测系统的设计与实现

疲劳驾驶是引发恶性交通事故的重要原因之一,驾驶员疲劳监测技术近年来已逐步成为图像处理领域的一个研究热点。基于改进的和提出的新算法,设计了一个嵌入式驾驶员疲劳监测系统。由可见光/近红外摄像头采集视频,首先采用Haar特征的级联分类器从图像中检测出人脸区域,并用钻石搜索法跟踪人脸区域;然后提取一个新的图像差分统计特征,并结合3个准则判断疲劳状态;最后采用全变分模型消除图像中的非均匀光照,以便实现鲁棒的人眼定位和人脸识别。实验测试结果表明,本系统的疲劳状态监测准确率达到95%以上。     

一种改进型KCF的疲劳驾驶检测方法

随着人民生活水平的提高,汽车人均持有量持续上升,从而也就导致了交通事故的增加,根据统计可知,大多数交通事故都是由疲劳驾驶导致的,因此为了减少司机因为疲劳驾驶导致的交通事故,对司机的疲劳程度检测是十分有必要的;目前现有的疲劳检测方法虽然种类较多,但是大多数存在着部署困难、实时性差、检测精度不高等缺点,因此难以在实际生活中应用;为了克服以上缺点,在这里提出了一种基于视觉的实时疲劳检测方法;该方法通过优化KCF算法实现实时人脸跟踪,再利用现有的人脸关键点检测手段,实现对眼睛和嘴巴的状态识别;最后结合SVM实现对驾驶员疲劳状态的检测;实验结果表明,提出的方法具有较好的实时性,并且精度较高,能够满足日常需求。     

基于改进YOLOv5的人脸疲劳检测

针对疲劳驾驶检测问题，提出了一种改进YOLOv5模型的人脸疲劳检测方法。首先，对YOLOv5模型增加检测层和添加CA注意力机制的改进，用于检测驾驶员的面部区域。其次，使用Dlib库中的级联回归算法实现人脸部68个特征点的标定和眼部、嘴部的定位。最后，计算驾驶员眼部（EAR）和嘴部（MAR）的纵横比，依据眼睑闭合程度百分比（Percentage of Eyelid Closure Over the Pupil Over Time,PERCLOS）法则进行疲劳判定并进行预警处理。实验结果表明，改进后的YOLOv5算法的平均准确率达到92.5%，能够满足人脸疲劳检测对精度和速度的综合要求。     

驾驶员疲劳检测报警系统的研究设计

本文设计的驾驶员疲劳检测报警系统采用基于TMS230DM642的第二代高性能多媒体处理器,实现了非接触的、实时驾驶员疲劳状态监测。系统通过基于肤色信息的方法从获取的视频图像中检测人脸的位置,然后采用基于灰度值的方法精确定位人眼,提取眼睛闭合度,采用PERCLOS的PM80标准,实现对驾驶员疲劳与否的判定。     

改进的投影算法在人眼定位的应用与仿真

研究驾驶员疲劳检测中眼睛定位问题,眼睛的精确定位是驾驶员疲劳检测的前提.针对目前图像处理算法中的对眼睛难以精确定位,导致了驾驶员疲劳检测不准而得不到实际的应用,为了提高检测准确性,提出了一种改进的投影定位算法.首先采用数学形态学对人脸识别结果进行改进,然后根据眼睛和眉毛的位置特征对眼睛定位的结果进行改进,使眼睛定位的结果更精确.在Matlab平台上进行仿真,结果表明,改进后的算法人脸识别结果较好,眼睛定位精度高,为疲劳驾驶检测的推广提供了技术支持.     

基于LabVIEW的电脑使用疲劳预警系统设计

电脑使用疲劳预警系统是一种从根源上改善人们过度使用电脑损害眼睛的技术之一,目前鲜有在智能家居和数字生活方面的应用.它通过基于机器视觉的疲劳检测技术,获取用户实时图像,经过人脸识别、人眼定位、眨眼判别来判别用户疲劳程度,并采取相应措施从根本上减轻或防止眼睛的疲劳损伤,实现工作与健康的“双赢”.论述了此预警系统的各种检测优化技术的研究现状,研究了实现预警系统的具体方式和算法,并展望了该领域的发展趋势.     

基于Blackfin533的驾驶疲劳实时检测预警系统

相关调查显示,疲劳驾驶是机动车交通事故发生的一个重要原因,以Blackfin533型DSP处理系统为硬件平台,设计了一套嵌入式实时的疲劳检测预警系统,以减少交通事故的发生率;主要原理是首先通过摄像头实时地采集驾驶舱内的监控视频图像,然后通过肤色的快速图像处理算法来定位人脸和人眼,最后提出一种根据虹膜外接矩形的形状特征近似计算PERCLOS值来评价驾驶员的疲劳程度,并给出报警信息;结果显示该系统在室内的实验中取得了良好的精度及速度。     

驾驶员疲劳检测系统的研究

为了减少由于驾驶员疲劳驾驶引起的交通事故,提出驾驶员疲劳状态检测系统的方案。使用3×3中值滤波去除噪声和光照对图像的影响,通过对AdaBoost算法的强分类器训练算法改进、级联分类器优化实现人脸的快速检测,在检测到的人脸区域,通过积分灰度投影和从粗到细改进的模板匹配方法对人眼进行准确定位;通过PERCLOS、眼睛闭合时间、眼睛眨眼频率、嘴巴张开程度、头部运动的计算,进行驾驶员疲劳程度的综合判定。实验结果表明,该方法准确率高,兼具了良好的实时性和鲁棒性。     

基于Adaboost算法的人脸疲劳检测

眼睛状态是人体疲劳最主要和最明显的特征.本文采用肤色和Adaboost方法相结合来进行人脸检测,并在此基础上结合人脸结构的边缘特征及Adaboost方法对眼睛进行精确定位,运用自适应二值化和数学形态学的方法对检测出的图像进行处理提取眼睛状态特征,结合PERCLOS规则及点头率来进行疲劳状态的判定,实验表明,该方法鲁棒性强,速度快,满足人脸疲劳检测的实时性要求.     

基于视频的人眼跟踪方法研究

疲劳驾驶是交通事故发生的主要原因之一.在车载的驾驶员疲劳检测系统中,对于人眼的高效、实时、准确检测和跟踪是关键技术之一.本文研究基于视频信息的驾驶员人脸图像中眼睛的跟踪方法.采用Viola-Jones算法和AdaBoost算法设计了Haar级联人脸分类器,根据人脸的几何结构和眼睛的特性,通过两次定位的方法实现了对眼睛的定位和跟踪.实验表明,本文方法具有检测精度高、鲁棒性强的特点.     

E—Learning系统中基于Adaboost算法的注意力识别

E-Learning,也称电子学习,是指通过因特网或其他数字化媒体进行的学习与教学活动。它使得人们可以随时随地学习。该文针对e-Learning系统中的情感缺失问题,采用适合实时表情识别的Adaboost算法实现快速正面人脸的检测与人眼定位,并根据人脸移动变化情况及眼睛睁闭情况判断学习者注意力类型。     

基于面部特征的学习状态的研究

针对现今网络在线自主学习过程中学习者与系统交互能力差导致无法调动学习者积极主动性等的问题,结合面部特征识别与图像识别技术,定义了注意力不集中、疲劳、学习、无人、多人和时间过长6种状态,利用摄像头实现了基于视频流实时采集学习者学习状态,并通过3个阶段分析学习者面部眼睛、嘴唇的特征以及各种环境特征,从而对计算机前无人、多人或者学习者出现注意力不集中、疲劳、学习时间过长等的状态时对学习者做出提醒、提供服务.实验结果表明,该方法可以快速检测学习者的实时状态,并提供主动服务,提高了人机交互性.     

基于FPGA的多特征融合司机疲劳状态检测系统设计

驾驶员的疲劳驾驶是造成交通事故的重要因素,为了实时有效地检测驾驶员的驾驶状态,设计了一种融合多种疲劳特征进行疲劳状态判定的检测算法,并构建了车载的基于现场可编程门阵列(FPGA)的嵌入式检测平台。该多检测算法融合了眼睛和嘴巴的疲劳特征,当某一特征的检测受到影响时可以使用另外的特征进行疲劳状态的判定,较传统的单一特征疲劳检测算法拥有更高的检测效率。实验结果表明:系统的算法简单、可靠、实时性强。     

基于肤色及五官特征的人脸检测方法

本文提出了一种基于肤色及五官特征的人脸检测方法，通过对图片进行一系列的处理。提取出人脸的大致框架，然后通过眼睛、嘴巴的建模，最后得到图片中人脸的比较精确的位置。     

人脸辅助诊断关键技术研究

某些疾病的筛查和诊断可以借助患者的面部变化来进行辅助性判断。目前,人脸辅助诊断技术在医学辅助诊断领域的应用不断增加,其在某些疾病中的表现已经不低于医学工作者的经验性诊断。人脸辅助诊断系统可以帮助对疾病进行大规模筛查,判断疾病分期,最终缩短确诊时间,提高医生工作效率,造福患者。回顾了人脸检测、人脸特征提取、人脸关键点识别、人脸矫正、人脸图像增强、分类器选择等人脸辅助诊断关键技术,展望了人脸辅助诊断的发展前景。     

人脸自动识别方法综述

简要回顾了人脸自动识别技术的研究背景及发展历程；重点对近年来人脸自动识别方法的研究进展进行综述，并对各种方法加以评价；总结了现在存在的研究困难并提出了解决方法及今后的发展方向。     

基于Adaboost的快速人脸跟踪算法

针对复杂变化背景中的人脸跟踪问题,提出了一种基于Adaboost的人脸跟踪算法。该算法采用背景消除、肤色检测来提取可能包含 活动人脸的区域,用Adaboost算法做人脸验证,用Kalman滤波为运动模型实现对人脸的跟踪。实验表明,该算法具有快速、可靠的特点,速 度超过80fps,完全满足实时系统的需要。