.png){kind=icon}
返回
Behaviour-Based Driver Drowsiness Detection Using Convolutional Neural Network
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-96-7807-5_5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
瞌睡是一个关键问题，导致驾驶和危险工作环境等多种场景中发生大量事故。现有的瞌睡检测项目通常依赖主观测量和单一模态检测，导致准确性和适用性有限。本研究提出了一种采用深度神经网络和基于机器学习的目标检测技术的瞌睡检测系统，以克服这些限制。近期瞌睡检测系统可靠且无偏见地检测瞌睡的能力受到限制。所提出的模型使用计算机视觉和机器学习算法，根据眼动监测等面部特征识别驾驶员的瞌睡。该模型旨在通过结合多种模态提高瞌睡检测的准确性和可靠性。实现包括使用Keras库，该库是卷积神经网络（CNN）架构所需的。该模型在一个包含标记为睁眼或闭眼的定制面部图像数据集上进行训练。CNN从数据中发现复杂的关系和特征，对瞌睡进行关键分类。所提出的瞌睡检测系统的结果显示出98.88%的乐观准确率。当检测到驾驶员行为中的瞌睡时，系统会发出实时警报，可能避免事故并提高安全性。该技术为在不同领域（包括驾驶和危险工作环境）中检测瞌睡提供了一种准确且可靠的方法，准确率达98.88%。该系统可以成为提高安全性和控制因驾驶员瞌睡导致事故的宝贵手段。
Keyword:
Drowsiness detection
Convolutional neural network image processing
Facial feature recognition
期刊
S
IF:
0
论文数:
414
被引数:
0
机构
引用论文
A Real-time Driving Drowsiness Detection Algorithm With Individual Differences Consideration.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Review of State-of-Art Methods for Passive Driver Fatigue Detection: Progress and Prospect2024 3rd International Conference on Artificial Intelligence and Autonomous Robot Systems (AIARS)
2024 3rd International Conference on Artificial Intelligence and Autonomous Robot Systems (AIARS)IF0
PREAI
分享收藏分享收藏
查看更多内容