相关实验视频
Updated: Feb 26, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
11.2K
一个使用视频,生物识别和行为数据的多式睡眠数据集
Morteza Bodaghi1, Majid Hosseini1, Raju Gottumukkala2
1University of Louisiana at LAfayette, lafayette, LA, USA.
Scientific data
|February 24, 2026
概括
这项研究引入了一套新的公共数据集,用于检测驾驶员的昏昏欲睡,将面部,行为和生物识别数据结合起来. 数据集在40分钟的时间内捕捉了逐渐的嗜睡变化,为驾驶员状态提供了更丰富的理解.
科学领域:
- 多式联网驾驶员监控多式联网驾驶员监控
- 生物识别信号分析
- 人与计算机在车辆中的互动.
背景情况:
- 司机昏昏欲睡是一个主要的安全问题,导致事故.
- 现有的数据集往往缺乏多式联运集成或持续状态监控.
- 准确的检测需要全面的生理和行为数据.
研究的目的:
- 引入一个全面的,公开可用的多式联运数据集,用于检测驾驶员的昏昏欲睡.
- 为了捕捉与昏昏欲睡相关的持续生理和行为变化.
- 促进研究先进的驾驶辅助系统和道路安全.
主要方法:
- 在1400分钟内从19名受试者收集了多式联络数据.
- 包括3D面部视频,红外线,姿势,心率,电皮活动,血液氧气,皮肤温度,加速度计,握力和遥测数据.
- 使用卡罗林斯卡睡眠度量表 (KSS) 进行持续的嗜睡自我报告.
主要成果:
- 数据集包括每个主题连续40分钟的会议,共1400分钟.
- 捕获了警觉和昏昏欲睡状态之间的逐渐过渡,而不仅仅是离散的标签.
- 集成多种信号,包括面部表情,姿势和生理指标.
结论:
- 这一数据集为开发强大的驾驶员昏昏欲睡检测系统提供了宝贵的资源.
- 持续监控和多式联运集成提供了更现实的驾驶员状态的表现.
- 这一数据集将推动实时驾驶员安全和自动驾驶技术的研究.
