疲劳驾驶检测技术:基于计算机视觉的方法 vs 唾液皮质醇检测方法

本文探讨了疲劳驾驶检测技术,重点比较了基于计算机视觉和生理医学两种方法。计算机视觉利用CNN和卡尔曼滤波等技术提高检测精度,而生理医学方法如唾液皮质醇和EEG检测提供高精度但依赖专用设备。两种方法各有优势与挑战,未来的发展将寻求更好的平衡点。
摘要由CSDN通过智能技术生成

研究现状

1、随着汽车在我国迅速发展与大众化,疲劳驾驶严重威胁到交通安全,疲劳驾驶形成机理、疲劳驾驶行为失误识别、疲劳预警与控制技术等正逐渐成为交通安全的主要研究方向;

2、疲劳驾驶相关文献与文献检索分析表明,国外相关研究早于国内,国内相关研究自2003 年开发发展起来,疲劳驾驶识别与控制在国内外均属于交通安全与汽车安全等交叉热点研究领域;

3、国内外主要围绕疲劳驾驶识别、预警与控制三大核心技术展开,其研究领域与方法广泛涉及到安全科学、生理学、医学、行为科学、汽车工程、信息科学、电子检测与智能控制等,其中在疲劳识别原理与技术方面取得重要突破,但是检测识别系统的准确性、可靠性、抗干扰性、小型化与工程化等方面均存在一定问题,此外,接触式生理参数检测对安全驾驶不可避免地引入新危险;预警与控制技术还处以发展中,没形成相应成熟技术,比如疲劳等级划分标准、自动安全驾驶系统等,技术与系统难以满足工程应用要求。

这里再讲讲基于计算机视觉和生理医学这两个差别甚远的领域上的疲劳驾驶检测(Driver Fatigue Detection)技术。

基于计算机视觉

Qiong Wang等人于2006年发表在《Intelligent Control and Automation》的论文“Driver Fatigue Detection: A Survey”中,对驾驶员疲劳检测的研究进行了综述,并对所提出的方法进行了结构分类。疲劳检测的方法主要集中在驾驶员状态、驾驶员性能以及驾驶员状态与性能的结合等方面。驾驶员状态的测量包括PERCLOS、口型和头部位置;驾驶员绩效的测量包括车道跟踪和车距跟

  • 7
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值