PERCLOS
PERCLOS的相关文献在2002年到2022年内共计89篇,主要集中在自动化技术、计算机技术、公路运输、无线电电子学、电信技术
等领域,其中期刊论文88篇、专利文献1篇;相关期刊71种,包括电视技术、电子设计工程、自动化技术与应用等;
PERCLOS的相关文献由208位作者贡献,包括刘志强、万玉丽、于朋朋等。
PERCLOS
-研究学者
- 刘志强
- 万玉丽
- 于朋朋
- 余卓平
- 冷搏
- 刘英
- 吴卿
- 徐丽珍
- 曹银杰
- 杨彬
- 樊玲
- 汪旸
- 熊璐
- 王燕
- 胡捷
- 苑玮琦
- 袁子佳
- 谢金法
- 赵雪娟
- 郁伟炜
- 郎丰法
- 陈刚
- 黄耀志
- 付威威
- 任晓青
- 伍世虔
- 何荣光
- 何龙玲
- 傅亚煌
- 关永
- 冯桑
- 刘东华
- 刘东波
- 刘伟杰
- 刘威彤
- 刘庆华
- 刘征宇
- 刘文
- 刘朝涛
- 刘浏
- 刘继新
- 刘艳丽
- 刘荣飞
- 刘鑫
- 华国栋
- 史越
- 叶华洲
- 叶鹏飞
- 吴丽红
- 吴振鑫
-
-
刘威彤;
胡立夫;
罗雄;
贾若琦
-
-
摘要:
近视流行病学调查研究发现,近30年到50年之间近视的发病率越来越高,近视发生的年龄也越来越年轻化。有关调查表明,在诱发与加重近视的有关因素中,疲劳用眼占据重要位置。以防范疲劳用眼为目标,设计研究了一种用眼疲劳防护装置,在Dlib库的预训练面部界标检测器准确识别人脸并进行关键面部结构定位的基础上,使装置采集嘴巴和眼部有关数据,并依据PERCLOS、打哈欠频率等疲劳判断标准进行计算,装置根据人脸位置自主调整摄像头角度,多角度采集人脸数据。用眼疲劳防护装置设计可有效解决用户阅读或工作学习时的疲劳用眼问题,进而防范由于疲劳用眼造成的近视或是度数加深。
-
-
叶华洲
-
-
摘要:
为了准确、快速地检测驾驶员疲劳状态,设计一种基于深度学习和ERT算法的车载疲劳检测系统。该系统采用MTCNN算法进行人脸定位,使用KCF算法进行人脸追踪,应用ERT算法进行人脸特征点检测。获得特征点后,测定了眨眼动作的EAR阈值与哈欠动作的MAR阈值,在YawDD数据集上眨眼识别的准确率达到88.07%,哈欠识别的F1-measure达到了92.31。通过计算眨眼时的PERCLOS值与检测嘴巴张度MAR的大小来判断眼部与嘴部状态,使用决策树进行多特征融合疲劳判断,进而决定是否进行预警。
-
-
刘鑫;
陈娜;
潘长天;
王宗杰;
周其超
-
-
摘要:
近年来,交通事故(包括农业机械事故)频发,司机疲劳驾驶是重要原因之一。研究小组设计了一款基于面部特征的驾驶员疲劳警报器,它不仅可以提高驾驶员的安全系数,而且还具有夹层结构,能集摄像头和水雾喷射器于一身,并且通过摄像头检测人的头部、眼部、嘴部来判断是否疲劳。其中眼部更是运用了PERCLOS原理,检测时利用光照补偿功能防止图像模糊,检测出疲劳时就会自动打开开关喷出水雾,达到帮助驾驶员提神的效果。
-
-
刘东华;
刘庆华;
李杨;
黄凯枫
-
-
摘要:
疲劳驾驶成为了导致交通事故发生的重要因素之一,并呈现出逐年递增的趋势,若能设计出一种在驾驶员发生疲劳时,就能检测出驾驶员处于疲劳状态对其进行警告,这样就可以较好地降低交通事故的发生的概率。论文介绍了一种检测驾驶员在驾驶过程中是否为疲劳驾驶的方法,基于PERCLOS对驾驶员进行疲劳检测。首先对设备采集的人脸图像进行肤色分割,根据程序中设定的肤色阈值,确定图像中属于肤色的区域,对得到的肤色区域进行眼睛追踪,人脸特征部位进行积分投影操作,获取眼睛区域,捕捉眼睛的实时状态,并对眼睛的面积进行计算,最后根据疲劳值来判定疲劳状态。根据实验证明,该方法满足车载、实时、非接触的基本要求,并能准确地做出对驾驶员驾驶过程中是否出现疲劳的判定。
-
-
梁元辉;
吴清乐;
曹立佳
-
-
摘要:
疲劳驾驶检测算法研究对提升交通安全有着重要的意义.目前,已有大量关于疲劳驾驶的文献和成果.在疲劳驾驶检测算法中,眼睛开闭状态的判断起着至关重要的作用.深度级联卷积神经网络用来检测人脸和人脸特征,利用Dlib工具快速提取驾驶员人脸特征.基于眼睛特征计算眼睛宽高比,并将眼睛宽高比、传统人眼特征的人眼虹膜等用于判断眼睛开闭的参数.该文提出一种实时地融合了EAR、虹膜等多个特征的眼睛状态检测算法,可补偿传统人眼特征的像素值比较敏感的不足,也补偿了EAR在人脸倾斜、戴眼镜、光照变换、眼睛周围有光斑等情况下非常不可靠的不足.在640*480分辨率,帧率30 fps的视频上获得平均92%的检测正确率.实验结果表明融合后的算法可在光照变换、人脸倾斜、佩戴眼镜等条件下提升检测性能,鲁棒性较高.
-
-
王政;
汪军
-
-
摘要:
针对传统的基于单一特征的疲劳检测方法误检率高、可靠性不强、无法适应复杂多变的行车环境等问题,提出了一种将驾驶员的眼睛、嘴巴等多种面部特征进行融合的疲劳驾驶检测方法.与现有的人脸检测模型相比,这里提出的基于梯度提高的学习框架对于侧脸的检测效果更佳,并且能够更好地满足检测时间上的要求;同时通过改进的LeNet-5神经网络模型对视频中的笑容进行分类,排除了表情变化对疲劳驾驶检测的干扰;最后为了降低头部姿态的偏转对疲劳特征提取的影响,引入了基于欧拉角的特征校正算法;对YawDD疲劳驾驶数据集的检测结果表明:不同姿态下基于多特征融合的疲劳驾驶检测不仅能够有效降低头部偏转对疲劳驾驶检测的影响,而且比传统的疲劳检测方法具备更高的鲁棒性.
-
-
-
-
赵雪娟
-
-
摘要:
驾驶员疲劳检测研究中,由于驾驶环境的复杂性,驾驶人员的差异性、疲劳状态表征的多样性,本文提出了一种基于主动形状模型(ASM)与多个信息融合的疲劳检测技术。首先使用CCD摄像头采集驾驶员面部图像信息并进行图像预处理,然后选择基于Haar特征的级联AdaBoost算法进行人脸检测,对检测到的人脸利用ASM进行特征点定位,得出眼睛、嘴巴以及头部等多个信息的状态参数,最后提取眼睛的PERCLOS值、哈欠频率、点头频率等疲劳特征,综合以上多个疲劳特征信息从而判断驾驶员的疲劳程度。实验结果表明,这种通过多个特征信息进行疲劳检测具有较高的准确性和鲁棒性。
-
-
赵雪娟
-
-
摘要:
驾驶员疲劳检测研究中,由于驾驶环境的复杂性,驾驶人员的差异性、疲劳状态表征的多样性,本文提出了一种基于主动形状模型(ASM)与多个信息融合的疲劳检测技术.首先使用CCD摄像头采集驾驶员面部图像信息并进行图像预处理,然后选择基于Haar特征的级联AdaBoost算法进行人脸检测,对检测到的人脸利用ASM进行特征点定位,得出眼睛、嘴巴以及头部等多个信息的状态参数,最后提取眼睛的PERCLOS值、哈欠频率、点头频率等疲劳特征,综合以上多个疲劳特征信息从而判断驾驶员的疲劳程度.实验结果表明,这种通过多个特征信息进行疲劳检测具有较高的准确性和鲁棒性.