基于深度学习的实时睡眠检测:利用计算机视觉和眼分析来提高道路安全

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 道路安全工程 道路安全工程

背景情况:

• 昏昏欲睡的驾驶对道路安全构成重大风险,原因是驾驶员的警觉和注意力下降.
• 深度学习和计算机视觉为检测驾驶员昏昏欲睡提供了有效的方法.

研究的目的:

• 利用深度学习和计算机视觉开发和评估一个强大的昏昏欲睡检测系统.
• 分析眼模式和面部标志,以实时评估昏昏欲睡.

主要方法:

• 利用深度学习算法从视觉数据中自动提取特征.
• 应用计算机视觉技术来分析眼模式和口腔区域坐标使用地标.
• 开发了一个实时系统,用于分析眼睛的速度和检测打哈欠.

主要成果:

• 在检测昏眼 (95.8%) 和开眼 (97%) 状态方面取得了很高的准确性.
• 在检测打哈欠 (0.84%) 和头部运动方面表现出强的表现 (右侧下降0.98%,左侧下降100%).
• 该系统有效地根据实时分析将眼睛状态分类为"开放"或"关闭".

结论:

• 拟议的深度学习和计算机视觉模型通过眼和打哈欠分析准确检测驾驶员的昏昏欲睡.
• 该系统提供了一种可靠的实时监控驾驶员警觉性的方法,有助于提高道路安全.
• 实时眼速分析与定义值有效区分开放和关闭的眼睛状态.