论文笔记：疲劳检测与分心检测

最新推荐文章于 2024-07-08 23:27:26 发布

大白lab

最新推荐文章于 2024-07-08 23:27:26 发布

阅读量2.7k

点赞数 2

文章标签：疲劳分心检测计算机视觉

本文链接：https://blog.csdn.net/weixin_42080556/article/details/88709185

版权

本文介绍了一种基于计算机视觉的驾驶员疲劳和分心检测方法。通过自适应增强、模板匹配、斑点检测和人眼验证的结合，实现眼睛状态检测。PCA+LDA与稀疏度和峰度特征用于区分睁眼和闭眼。系统根据头部姿势和闭眼时间比例产生警告信号。尽管在特定条件下表现良好，但存在误检问题，如大笑导致的闭眼误判，需要进一步改进和集成更多传感器。

摘要由CSDN通过智能技术生成

Vision-based method for detecting driver drowsiness and distraction in driver monitoring system [2011 Optical Engineering]

疲劳检测与分心检测

一、五个问题

1.要解决什么问题？
    1.对驾驶员进行疲劳与分心的监控，预防交通事故的发生。
2.用了什么方法解决？
    1.作者通过对驾驶员的面部朝向进行判断，然后疲劳检测与分心检测。
    2.作者提出了一种将自适应增强、模板匹配、斑点检测与人眼验证相结合的人眼检测算法。
    3.用PCA+LAD得到外观特征，用水平边缘直方图的稀疏度与峰度得到统计特征，两者进行结合的新的眼睛状态检测算法。
3.效果如何？
    1.在作者自己采集的数据集中，获得了较好的结果。在白天和夜晚以及佩戴太阳镜或眼镜时，对12个人进行的测试中实现了较高的检测率，分类错误率均< 3%。
4.还存在什么问题？
    1.这篇论文是在2011年发表的，现在已经算是比较落后的了。
    2.实验中，驾驶员因为大笑引起检测错误，
5.需要改进的地方？
    1.疲劳检测方法中，可以采用面部表情识别来区分因疲劳而闭眼和因剧烈地笑而闭眼。
    2.由于眼睛大小，眨眼频率和驾驶习惯因驾驶员而异，需要使用线上培训方法的监控系统。
    3.集成其他传感器，例如加速器&#