检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

管制员面部特征疲劳检测研究

管制员面部特征疲劳检测研究

作者：刘长炎中国民用航空飞行学院

学位级别：硕士

空中交通管制员作为航空器安全运行的重要保障人员,其疲劳状态检测研究是航空安全领域重要的课题之一,为避免由于管制员在岗疲劳而导致安全事故或者事故征候的情况发生,实现对管制员在岗工作期间的实时检测至关重要。本文考虑管制员实... 详细信息

空中交通管制员作为航空器安全运行的重要保障人员,其疲劳状态检测研究是航空安全领域重要的课题之一,为避免由于管制员在岗疲劳而导致安全事故或者事故征候的情况发生,实现对管制员在岗工作期间的实时检测至关重要。本文考虑管制员实际工作状况和环境,提出了一种基于面部特征的管制员疲劳识别算法。该算法包括人脸检测模块、特征提取模块、疲劳评价模块。首先人脸检测模块通过多任务级联卷积神经网络检测人脸和眼部。其次特征提取模块主要通过疲劳表情识别模型和眼部状态识别模型提取特征,识别单帧图片的疲劳状态,其中管制员疲劳表情识别模型是对Xception神经网络进行改进,采用迁移学习策略,将搭建的疲劳表情识模型在疲劳表情数据集上微调获得模型与权重。管制员眼部状态识别模型采用迁移学习策略预训练深度神经网络和深度卷积神经网络,对网络进行融合获得眼部状态识别模型。最后疲劳评价模块是融合两种静态疲劳识别模型的结果,根据管制员疲劳判定指标,建立了管制员疲劳特征,基于改进的D-S证据理论对FFE、MDFE、PERCLOS、MDEC和BF进行决策级融合,综合判定管制员状态。经对进行复训任务的一线管制人员进行测试,平均准确率达到94.5%,对管制员疲劳检测具有较高的准确率,有助于减少管制员在岗疲劳情况的发生。

关键词：疲劳检测迁移学习空中交通管制员疲劳表情识别 D-S证据理论眼部状态识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多源信息融合的疲劳行为检测及其应用

基于多源信息融合的疲劳行为检测及其应用

作者：姚翔宇南京理工大学

学位级别：硕士

随着深度学习技术的发展和计算资源的大大提升,在视频理解、行为识别等领域的许多问题得到了改善和解决。疲劳检测作为其中一个子任务,如何在保证检测速度的前提下,尽可能地提高精度具有重大的理论和现实意义。现有的疲劳检测方法大多... 详细信息

随着深度学习技术的发展和计算资源的大大提升,在视频理解、行为识别等领域的许多问题得到了改善和解决。疲劳检测作为其中一个子任务,如何在保证检测速度的前提下,尽可能地提高精度具有重大的理论和现实意义。现有的疲劳检测方法大多基于单一特征,不能充分利用多源特征之间的关联信息。因此,本论文着重研究如何高效利用多源特征信息,提出了两种疲劳检测算法,并设计实现了一个疲劳检测系统。具体工作总结如下:(1)提出了一个基于高效3D卷积神经网络的多源特征融合疲劳检测方法。现有方法大多使用手工设计的简单特征,在实际场景中泛化性较差。本文通过对现有人脸检测和图像增强方法进行分析,同时基于预训练的X3D卷积神经网络,设计了高效的特征提取模型,融合眼部和嘴部特征进行疲劳状态预测,进一步提高了模型的检测精度。在常用公开数据集上的实验取得了较好的结果。(2)提出了一种基于注意力融合特征的双流疲劳检测方法。现有的特征融合方法不能充分利用不同来源特征之间的互补性和差异性,本文通过引入对细粒度动作建模更准确的光流特征,同时设计了一个基于注意力机制的特征融合模块,能够使模型在保证检测速度的基础上学到更丰富的特征信息以及不同源特征之间的关联性信息,在常用数据集上的实验证明了该方法的有效性。(3)设计了一个基于多源信息融合的疲劳检测系统,该系统内置了提出的算法模型,可以对输入的视频进行疲劳检测并在需要的时候发出警报。

关键词：疲劳检测特征提取特征融合注意力

基于肌电信号和虚拟现实的下肢康复训练系统的设计及疲劳检测的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于肌电信号和虚拟现实的下肢康复训练系统的设计及疲劳检测的研...

作者：赵凯天津理工大学

学位级别：硕士

随着脑卒中患者数量的逐渐增加,康复训练机器人逐渐走进人们的视野。对于脑卒中患者来说,进行下肢康复训练的积极性和安全性是很重要的指标,而目前多数的下肢康复训练机器人只能进行枯燥、乏味的训练,同时缺乏对脑卒中患者疲劳状态的检... 详细信息

随着脑卒中患者数量的逐渐增加,康复训练机器人逐渐走进人们的视野。对于脑卒中患者来说,进行下肢康复训练的积极性和安全性是很重要的指标,而目前多数的下肢康复训练机器人只能进行枯燥、乏味的训练,同时缺乏对脑卒中患者疲劳状态的检测功能。为此,本文将设计基于肌电信号和虚拟现实的下肢康复训练系统,包括被动康复训练、主动康复训练游戏和疲劳检测三部分,用来协助脑卒中患者进行安全、有效的康复训练。首先设计被动康复训练策略和主动康复训练的虚拟现实游戏,并根据感知用力程度计量表(RPE)设定疲劳评价的标准。然后,采集目标肌肉肌肉的sEMG信号,用巴特沃斯带通滤波器对sEMG信号进行预处理,接着使用滑窗法提取不同训练动作、不同疲劳状态下sEMG信号的时域、频域特征。建立CNN-LSTM模型,通过多次对比试验,不断改善CNN-LSTM模型的参数。最终CNN-LSTM模型对不同动作产生的肌电信号的识别率高达97%,对不同疲劳状态下的肌电信号的识别率高达95%。实验部分,搭建下肢康复机器人系统实验平台,包括上位机、STM32主控芯片、肌电信号采集模块、通信模块和康复机器人。通过实验验证了利用肌电信号控制下肢康复机器人的控制方法具有很好的准确性,以及通过肌电信号判断患者疲劳状态的准确性。本文设计的康复训练系统着重于提高机器人的人机交互能力,增强患者的康复主动性与积极性,同时通过判断用户训练时的疲劳状态来保证训练的安全性,为后续下肢康复训练发展提供了理论基础。

关键词：下肢康复训练疲劳检测虚拟现实肌电信号神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于呼吸脑电信号的疲劳检测系统的设计

基于呼吸脑电信号的疲劳检测系统的设计

作者：孟强内蒙古大学

学位级别：硕士

在现代社会中疲劳已经成为一种普遍的生存状态,对人们日常的生活、工作和学习造成了不同程度的负面影响;此外,疲劳的产生极易让人忽视,其出现的时间难以准确预测,疲劳的程度难以划分。针对这些问题,本文使用生理信号检测法,将信号采集... 详细信息

在现代社会中疲劳已经成为一种普遍的生存状态,对人们日常的生活、工作和学习造成了不同程度的负面影响;此外,疲劳的产生极易让人忽视,其出现的时间难以准确预测,疲劳的程度难以划分。针对这些问题,本文使用生理信号检测法,将信号采集电路、微控制器和虚拟仪器相结合设计出一种疲劳检测系统,从而能够帮助人们及早地发现疲劳并采取相应的措施预防或缓解疲劳。本文的主要研究内容包括:(1)硬件方面,分别设计了呼吸和脑电信号的采集电路,其中呼吸信号采集电路主要包括柔性薄膜压阻型传感器、信号转换电路、指示电路、滤波电路和电源电路;脑电信号采集电路主要由电极、滤波电路、模拟前端芯片和电源电路构成;硬件电路所采集的生理数据通过STM32微控制器的ADC和SPI等功能最终传输至基于Lab VIEW的上位机进行处理。(2)软件方面,使用Lab VIEW搭建上位机实现人机交互功能。为避免不同人员的生理数据发生混淆,设计了用户登录程序;为了便于对数据进行管理,进行了信息管理系统的设计;通过Lab VIEW的VISA模块实现上下位机之间的通讯,同时在上位机中对数据及波形图像进行保存;为了给后续分析提供更好的数据基础,在上位机中设计了预处理和特征提取程序,对于呼吸信号,通过FIR低通滤波器和滑动平均滤波对原始数据进行预处理,然后提取其最大值与最小值之差、均值、标准差、均方根、峰值、频率和近似熵等特征;对于脑电信号,采用巴特沃斯带通滤波器和小波变换滤波器进行数据预处理,在此基础上提取了均值、均方根、方差、各节律波能量占比、近似熵和KC复杂度等特征。(3)数据分析方面,本文根据斯坦福嗜睡量表将疲劳程度划分为四个等级,在此基础上设计疲劳测试实验,实验进行的同时采集受试者呼吸和脑电信号,从而得到不同疲劳等级下的数据。对数据进行预处理和特征提取后分别使用支持向量机、随机森林、BP神经网络和卷积神经网络四种算法进行训练和预测,通过比较四者的预测准确率,将准确率最高的随机森林算法作为本系统的分类算法,其准确率可达94%。经过实际测试和验证,本系统能够实现预期的功能,在识别人体不同等级的疲劳程度方面具有良好的效果。

关键词：疲劳检测呼吸信号脑电信号 LabVIEW软件设计随机森林

基于卷积神经网络的多特征驾驶员疲劳检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的多特征驾驶员疲劳检测算法研究

作者：茆邦国安徽理工大学

学位级别：硕士

疲劳驾驶是交通事故频发的罪魁祸首,稳定可靠的驾驶员疲劳检测算法可以在驾驶员疲劳时及时提醒驾驶员采取相应措施,从而避免此类事故的发生。当前主流的疲劳检测算法多基于浅层学习的方式提取疲劳特征,利用单一特征检测疲劳状态,检测的... 详细信息

疲劳驾驶是交通事故频发的罪魁祸首,稳定可靠的驾驶员疲劳检测算法可以在驾驶员疲劳时及时提醒驾驶员采取相应措施,从而避免此类事故的发生。当前主流的疲劳检测算法多基于浅层学习的方式提取疲劳特征,利用单一特征检测疲劳状态,检测的准确性受个体和环境差异的影响较大,在面对复杂场景时有一定的局限性。为了提高疲劳检测算法的准确性和实时性,本文提出一种基于卷积神经网络的多特征驾驶员疲劳检测算法。该算法使用两个摄像头分别采集驾驶员图像和道路图像,利用轻量级卷积神经网络提取驾驶员面部图像中的眼部、嘴部和头部特征以及道路图像中的车道偏离特征,对四种疲劳特征进行分析并融合,综合检测驾驶员疲劳状态。本文的主要研究内容如下:(1)针对以往算法速度慢,抗干扰能力弱的问题,采用经典多任务卷积神经网络MTCNN进行人脸检测和关键点定位,通过降低图像金字塔级别以减少滑动窗口的滑动次数,通过增加最小检测人脸尺寸以排除车内其余乘客对驾驶员人脸检测的干扰,整体提高了人脸检测与关键点定位效率。结合人脸关键点定位结果和“三庭五眼”的面部比例关系,准确提取出眼部和嘴部ROI提取,为驾驶员眼部和嘴部特征提取奠定了基础。(2)针对现有眼口状态识别算法泛化能力低,准确性和实时性差的问题,从注意力机制、激活函数、损失函数和网络结构四个方面对ShuffleNet V2模型进行改进,提出了一种性能优越的轻量化眼口状态识别模型,将其与MTCNN网络进行级联,实现了高精度实时驾驶员眼部与嘴部状态识别,为疲劳检测算法提供了眼部特征与嘴部特征。(3)为增强卷积神经网络对不同尺度车道线的识别能力,提出了多尺寸非对称混洗卷积模块;为更好地捕获特征图中的粗粒度特征和精细特征,提出了自适应上采样模块。使用轻量级网络Rep Vgg-A0作为编码器,结合多尺寸非对称混洗卷积模块和自适应上采样模块,建立了一种具有编码器-解码器结构的车道线检测模型并通过实验验证了模型的优越性。从车道线检测模型输出的车道线中提取偏航率作为车道偏离的判断条件,为进一步判断车道偏离属于驾驶员主动偏离车道还是无意识偏离车道,基于面部关键点坐标计算驾驶员头部姿态欧拉角,根据头部姿态欧拉角实现了驾驶员头部特征提取及换道意图识别,建立了考虑驾驶员意图的车道偏离检测模型,为疲劳检测算法提供了车道偏离特征。(4)为提高疲劳检测算法的可靠性,从上述眼部、嘴部、头部和车道偏离特征中提取PERCLOS、哈欠频率、点头频率和偏航率等6个疲劳特征指标,采用加权平均法对不同的疲劳特征进行融合形成更加可靠的疲劳判定条件,设定三级疲劳判定基准,建立了能够准确判断驾驶员疲劳程度的疲劳检测算法。实验表明本文多特征驾驶员疲劳检测算法的准确性和实时性较高,具有一定的实际应用价值。图57表19参87

关键词：疲劳检测卷积神经网络多特征融合车道偏离

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于脑电的疲劳检测研究

基于脑电的疲劳检测研究

作者：刘燕江苏科技大学

学位级别：硕士

脑疲劳作为一种日益普遍的现象,不仅威胁着人们的身体健康,更威胁着人们的人生命财产安全,尤其近年来,由疲劳引发的驾驶安全事故频出。因此,及时有效地对脑疲劳进行检测和预警,对提高工作效率,保护人们的健康安全具有极其重要的意义。... 详细信息

脑疲劳作为一种日益普遍的现象,不仅威胁着人们的身体健康,更威胁着人们的人生命财产安全,尤其近年来,由疲劳引发的驾驶安全事故频出。因此,及时有效地对脑疲劳进行检测和预警,对提高工作效率,保护人们的健康安全具有极其重要的意义。脑电信号更能直接反映大脑皮层疲劳状况,而提取的脑电特征是否有效,将直接性地影响疲劳的检测效果。所以,为了更高速有效地检测出疲劳的发生,本文对脑电疲劳检测应用中多个特征提取方法的有效性进行了研究。本文采用的是已经公开脑电数据集,对信号进行预处理操作后,分别提取样本熵特征、功率谱熵特征、模糊小波包熵特征、SE-CSP特征、PSE-CSP特征和FWPE-CSP特征进行疲劳检测。研究主要分为以下4个部分:（1）基于熵特征提取的脑电信号疲劳检测方法的研究。该方法主要是对预处理后的脑电信号提取样本熵特征、功率谱熵特征和模糊小波包熵特征3种特征集,然后通过使用支持向量机进行分类,最后分别获得了73%、80%、82%的疲劳检测准确率。（2）基于共空间模式的脑电信号疲劳检测方法的研究。该方法主要是通过对预处理后的脑电信号应用共空间模式法提取特征,然后使用支持向量机对提取到的有效空间特征二分类。此外,实验还采用了5折和10折交叉验证法进行评估;探索了脑电疲劳特征矩阵阶数相关系数m的取值;划分了脑区并对各区域疲劳识别准确率进行了比较。研究结果表明:此文方法的识别率高于基于样本熵、模糊小波包熵和功率谱熵等方法的识别准确率,疲劳检测准确率均值可达98.54%,全头皮疲劳识别率最高,额区疲劳识别率优于其他区域,可达92.54%。本研究可为疲劳检测时,电极设备采集的区域提供依据,为设备的简化提供研发方向,提高设备穿戴的舒适性。（3）基于多特征融合的脑电信号疲劳检测方法的研究。本文基于功率谱熵、样本熵、CSP、模糊熵等理论基础,在单一特征提取的基础上,通过多特征方式融合的方法,提出了共空间模式的模糊小波包熵（FWPE-CSP）特征提取法、共空间模式的功率谱熵（PSE-CSP）特征提取法、共空间模式的样本熵（SE-CSP）特征提取法这3种多特征融合方式。经过实验,FWPE-CSP获得了准确率为89.38%,AUC=0.9804,TNR为92.5%,TPR为87.3%的疲劳检测效果;PSE-CSP获得了准确率为86.1%,AUC为0.962,TNR为86.8%,TPR为85.6%的检测效果;SE-CSP准确率为87%,AUC为0.967,TNR为88.7%,TPR为85.8%的检测效果。相较于单一的模糊小波包熵特征提取法,FWPECSP特征提取法将准确率提高了7.38%;PSE-CSP特征提取法,疲劳检测准确率提升了16.1%,AUC、TNR、TPR的指标也相对较高;SE-CSP特征提取法相较于单一的样本熵提取法准确率提高了7个百分点。相较于单一的特征提取法,多特征融合方式疲劳检测效果均有所提升。（4）基于脑电信号的4节律CSP脑劳特征提取的研究。为了获取多元化特征提取方式,了解各节律与脑电疲劳的关联性,这里通过对脑电信号划分频段的方式,对4种不同的节律提取脑电CSP特征,从而探索基于节律的疲劳检测效果。基于CSP特征提取方法的探索,选取阶数相关系数m=4和m=5,选择10折交叉验证和5折交叉验证两种方式,经由SVM通过5次交叉验证,基于4种节律的CSP特征提取方法进行脑电信号疲劳检测的方法均可获得80%以上的疲劳检测率,β和δ两种节律的CSP特征与疲劳检测的关联性更强。其中,在m=5,采用5折交叉验证时,基于δ的CSP特征提取方法可以获得最高的平均检测率为93.9%,此时AUC为0.976,TPR为93.9%,TNR为93.9%,检测效果最佳。

关键词：脑电信号疲劳检测特征提取共空间模式多特征融合

基于深度学习提取特征与融合的疲劳驾驶检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习提取特征与融合的疲劳驾驶检测方法研究

作者：韦建亨华南理工大学

学位级别：硕士

疲劳驾驶引发了大量的交通事故。深入研究疲劳驾驶检测方法,实现实时、准确的疲劳驾驶检测,对于提高驾驶的安全性具有重要意义。其中基于驾驶员行为特征的疲劳驾驶检测方法是当前疲劳驾驶检测的研究热点。然而,现有的此类方法难以有效... 详细信息

疲劳驾驶引发了大量的交通事故。深入研究疲劳驾驶检测方法,实现实时、准确的疲劳驾驶检测,对于提高驾驶的安全性具有重要意义。其中基于驾驶员行为特征的疲劳驾驶检测方法是当前疲劳驾驶检测的研究热点。然而,现有的此类方法难以有效提取如打哈欠等带有时序信息的疲劳特征,而且主要依靠单特征进行疲劳判断,没有对多种特征进行融合导致检测准确率低。同时,光照条件变化、脸部遮挡和极端头部姿势等干扰因素也会严重影响疲劳驾驶检测的准确率和效率。针对以上不足,本文研究了一种基于深度学习提取特征与融合的疲劳驾驶检测方法,并利用该方法自主设计研发了一套疲劳驾驶检测系统。本文的主要工作如下:(1)为了提高疲劳驾驶检测任务中进行人脸检测的速度和精度,本文研究了一种基于轻量化卷积神经网络的人脸检测方法。首先基于深度可分离卷积设计了轻量化的特征提取主干网络,提高了网络提取特征的速度;然后基于SSD算法的锚框设定策略进行改进,研究了更适合人脸检测任务的锚框设定策略;最后针对使用传统非极大值抑制的网络后处理方法出现的人脸框抖动现象,研究了基于加权平均融合策略的网络后处理方法,提升了人脸检测算法的稳定性。实验证明本文人脸检测算法具有很高的精度和极快的速度。(2)为了克服疲劳驾驶检测任务中光照条件变化、脸部遮挡和极端头部姿势等因素的干扰,本文研究了一种基于卷积局部检测器-约束局部模型的人脸关键点检测和跟踪方法。首先基于点分布模型对人脸每个关键点的位置进行建模,约束人脸关键点的形状;然后通过训练卷积局部检测器网络,对每个关键点周围的感兴趣区域进行建模,并计算概率响应图判断像素点是否是关键点;最后使用非均匀正则化的关键点平均位移进行参数的更新拟合,实现对人脸关键点的检测和跟踪。实验证明通过该方法检测出人脸关键点可以有效克服上述干扰。(3)为了更有效的提取疲劳特征,本文研究了一种基于卷积神经网络的疲劳特征提取方法。其中,针对目前难以提取如打哈欠等带有时序信息的疲劳特征,研究了基于密集连接网络和长短周期记忆网络的打哈欠行为检测方法,通过分别提取图像的空间和时间特征并融合实现打哈欠行为的检测;针对由于驾驶员眼睛的个体差异性给眼部疲劳特征提取带来的困难,研究了基于卷积神经网络的眼部状态识别方法,通过卷积神经网络自动提取眼部特征,避免了传统方法人工提取眼部特征产生的误差,克服了驾驶员个体差异性的干扰。实验证明该方法有效提高了疲劳特征提取的精度。(4)为了提高疲劳驾驶检测的准确率,本文研究了一种基于特征融合的疲劳驾驶检测方法。首先对驾驶员的脸部特征进行分析,选取一些与疲劳相关的眼部和嘴部特征,构建了疲劳特征向量空间。然后训练基于支持向量机的疲劳驾驶分类模型,使用该特征向量对疲劳状态进行判断,提高了疲劳驾驶检测的准确率。实验证明,该方法比基于单特征判断的疲劳检测方法更准确。(5)为了实现疲劳驾驶检测功能并验证其实际应用性能,本文自主研发设计了一套基于深度学习提取特征与融合的疲劳驾驶检测系统。经过测试,展示了本文系统的使用流程和显示效果,并验证了该系统在实际驾驶场景中进行疲劳驾驶检测的可行性。实验结果表明,本文算法可以在真实驾驶场景中有效检测出驾驶员的疲劳驾驶行为,提高了疲劳驾驶检测的精度,对于保障交通安全具有重要意义。

关键词：疲劳检测人脸检测关键点检测疲劳特征提取特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

驾驶员疲劳及分心行为检测算法研究

驾驶员疲劳及分心行为检测算法研究

作者：吴隆超沈阳工业大学

学位级别：硕士

最近几年来我国机动车的数量不断增多,驾驶人员数量的不断上涨导致交通问题发生的概率逐年增大。根据相关研究表明,驾驶员的操作行为不规范以及疲劳驾驶是引起事故发生的主要原因,因此对这两种行为进行及时的监控与预警变得越来越重要... 详细信息

最近几年来我国机动车的数量不断增多,驾驶人员数量的不断上涨导致交通问题发生的概率逐年增大。根据相关研究表明,驾驶员的操作行为不规范以及疲劳驾驶是引起事故发生的主要原因,因此对这两种行为进行及时的监控与预警变得越来越重要。现有的检测方法很难保证同时满足精准度与速度的需求,所以针对这两种问题本文研究内容如下。对于疲劳检测,首先从传统面部行为和基于深度学习检测算法研究入手,针对当前算法准确性与实时性不平衡的问题,提出一种基于MF-YOLOv4的疲劳驾驶检测算法,将疲劳检测转化为目标检测的问题,最后根据疲劳判定指数检测驾驶员状态。具体改进有以下几点,首先使用Mobile Net V2替换了原有的CSPDarknet53主干提取网络,联合卷积通道参数alpha的缩小,使得整个网络的层数更少。其次加入FPN-tiny轻量级特征金字塔模块过滤图像中的冗余信息。最后针对本文检测目标体积改进了YOLOv4原有的Soft-NMS,在检测过程中无需同时考虑预测框的得分与重合度两个指标,使得本文方法检测速度进一步提升。本文疲劳检测算法在自建疲劳检测数据集上进行实验,整体检测平均精度（mean Average-Precision,m AP）达到98.37%,速度上相比改动前提升至46帧率/s,满足实时检测的需求。算法模型体积只有49MB,相比于未改动前减小了197MB。针对驾驶员分心动作（抽烟、打电话、喝水）提出一种SC-YOLOv5s卷积神经网络的目标检测方法。具体的改进有以下几点,首先优化了网络中的目标检测尺度,删除大物体检测层,使模型更符合待检测的目标。其次引入SE通道注意力模块,保留图片关键信息,在带来少量的参数情况下对检测速度有一些提升。最后引入Dlo U函数直接最小化两个目标框A,B之间的距离,解决了Glo U损失函数消耗大量的时间将预测框与真实框接触影响收敛速度这一问题。本文模型在三种行为数据集上平均精度达到了99.2%,速度达到了58FPS,相对于未改动的YOLOv5l模型提升了1.4%,并且比SSD算法准确度高了12.3%。本文算法模型兼顾速度的同时也保持较高的准确度。

关键词：疲劳检测分心驾驶目标检测 YOLO网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

瞳孔测量法应用于疲劳检测的适应性

长安大学学报（自然科学版） 2015年第6期35卷 135-140页

作者：丛晓妍王增才徐俊凯张万枝李云霞山东大学机械工程学院山东济南250061

为了研究瞳孔测量法应用于实际疲劳检测的可行性,在疲劳检测试验中为瞳孔数据采集配置了恒定人造光环境,检测了露天作业挖掘机驾驶人的疲劳状态,探讨了瞳孔测量法应用于实际生产中的适宜条件。参试人员16人,平均分为2组,1组为试验组,1... 详细信息

为了研究瞳孔测量法应用于实际疲劳检测的可行性,在疲劳检测试验中为瞳孔数据采集配置了恒定人造光环境,检测了露天作业挖掘机驾驶人的疲劳状态,探讨了瞳孔测量法应用于实际生产中的适宜条件。参试人员16人,平均分为2组,1组为试验组,1组为对照组。试验组执行挖掘机驾驶作业2h,对照组在同样工作场地进行挖掘机静态检修2h,对采集的数据进行傅里叶变换和统计分析。研究结果表明:试验组作业后瞳孔尺寸振荡幅度增大,瞳孔出现缩小,与作业前瞳孔尺寸差异显著(p0.05)。因此,自然光照环境中驾驶作业积累的疲劳,在数据采集时限定光照(670lx),瞳孔法能够予以有效检测。

关键词：汽车工程疲劳检测瞳孔测量法光照