共查询到20条相似文献,搜索用时 687 毫秒
1.
2.
3.
很多汽车驾驶员都有亲身体会,开车时间一长便会出现头脑发胀,眼睛发酸,颈部和腰痛不适等疲劳现象。那么要减轻或消除疲劳,笔者介绍下列方法驾驶员不妨一试。 相似文献
4.
<正>48高速行驶时如何克服疲劳?疲劳驾驶非常危险,想必会开车和不会开车者都知道。但随着国内高速公路越修越多、越修越长,长途走高速公路是很经常的事。但由于高速公路一般都比较单调,两旁的景象变化较小,很容易导致疲劳和乏味。 相似文献
5.
6.
7.
8.
基于眼睛状态识别的驾驶员疲劳实时监测 总被引:1,自引:0,他引:1
提出了一种基于眼睛状态识别的驾驶员疲劳状态实时监测的方法。为了实现眼睛状态的检测,首先通过计算累计背景和当前帧的差分图像的质心确定脸部范围,然后通过二值化和轮廓检测确定眼睛的搜索区域。在利用启发式规则进行筛选定位之后,计算眼睛骨架曲线和两眼角连线之间的距离得到眼睛的睁开程度。通过计算相应的疲劳指标如PERCLOS、平均睁眼程度、最长眼睛闭合时间来推测驾驶员的疲劳状态。以驾驶员面部视频的主观评分作为评价依据对检测方法进行评价,结果显示上述3个指标在不同的疲劳等级下均存在显著性差异,通过对不同指标的融合可达到较好的疲劳检测准确率。 相似文献
9.
提出了一种新型在低光照环境下有较高适应性和识别精度的疲劳驾驶检测技术。用深度视觉传感器获取驾驶员驾驶图像,用人脸跟踪算法实时提取面部特征点数据,基于最小二乘法对眼睛和嘴巴轮廓进行曲线拟合。计算眼睛和嘴巴开合度归一化指标,提取了眨眼频率、眨眼平均时长、眼睛闭合总时长、打哈欠频率、打哈欠总时长、低抬头频率等6个疲劳识别特征数据。基于数据统计序列的卷积神经网络算法,建立识别模型,构建疲劳状态检测系统。实验表明:本文算法在低光照环境下的疲劳驾驶识别精度达到了90%,识别时间约为130 ms。 相似文献
10.
驾驶员都知道,在夜间行车时,如果仪表板照明灯亮度过大,就会很容易造成视觉疲劳,但如果能根据自己的实际需要,对照明灯亮度加以适当调节,这种情况将会得到很大改善. 相似文献
11.
摩托车灯光不亮,夜间行驶会导致视线不清、视觉疲劳,极易引发交通事故,因此很有必要对其进行改装。虽然市面上推出的增光产品琳琅满目,但如果盲目安装不仅达不到预期效果,反而会产生一些负作用,因为增光器的原理就是以提高电压来改变灯泡的功率而达到增亮的目的,这样不仅牺牲灯泡的寿命.而且还会导致蓄电池亏电。本篇文章将推介几种常见车型大灯增亮的改装。 相似文献
12.
谈谈驾驶疲劳的成因及其预防方法 总被引:3,自引:0,他引:3
驾驶疲劳是驾驶员在驾驶车辆时,由于种种原因在生理或心理上产生疲劳而使人体机能失调而产生的身体疲乏和劳累。出现驾驶疲劳现象时继续驾驶车辆有可能导致及其严重的交通伤害后果,特别是在高速驾驶的情况下。Hullbert的研究发现,与驾驶疲劳有关的道理交通事故,约占事故总数的10%- -15%,被称之为“道路交通安全的‘祸首’”。驾驶人疲劳时,听觉和视觉敏锐度降低,破坏了眼睛的正常运转状态;操纵动作准确性下降,时常出现反常;驾驶错误和判断错误增多。下面笔者试从驾驶疲劳产生的原因及预防的方法,谈一些粗浅的看法。 相似文献
13.
15.
发生车祸的因素很多,如酒后行车、车速太快、疲劳驾驶等等,不少是很直接、很容易想到的原因,人们在心理上也有所防范,尽量避免;但是,在实际生活中,还有许多不良习惯容易被人们所忽视的外界因素,也常常是发生车祸的导火线,为了行车安全,行车前应先克服以下不良习惯,走出这些误区,细察事实。 相似文献
16.
针对日益凸显的船舶值班人员疲劳驾驶问题,为有效预警值班驾驶员的疲劳状态,保障船舶航行安全,研究了基于深度学习的疲劳检测算法。考虑到船舶驾驶台空间大、背景复杂等特点,使用深度可分离卷积改进RetinaFace人脸检测模型,优化模型的检测速度;基于Channel Split和Channel Shuffle思想,结合批量归一化、全局平均池化等技术搭建改进的ShuffleNetV2网络,自动提取图像特征,识别眼睛、嘴巴的开闭状态;根据PERCLOS准则融合眼睛、嘴巴2个特征参数综合判定驾驶员是否疲劳。实验结果表明:改进后RetinaFace模型的检测速度由9.33帧/s提升至22.60帧/s,人脸检测精度和速度均优于多任务卷积神经网络(MTCNN);改进的ShuffleNetV2网络识别眼睛、嘴巴状态的准确率高达99.50%以上;算法在模拟驾驶台环境中识别疲劳状态的精确率达到95.70%,召回率达到96.73%,均高于目前常见的Haar-like+Adaboost以及MTCNN+CNN疲劳检测算法。算法检测每帧图片仅需0.083 s,基本满足实时检测的要求。 相似文献
17.
18.
19.
有效防止和监督驾驶员疲劳驾驶,对降低交通事故具有重要意义。文章提出了一种基于眼睛状态识别的驾驶员疲劳状态的识别方法。首先通过计算累计背景和当前帧的差分图像的质心确定脸部范围,然后采用了二值边缘图像的人眼定位方法,计算出眼睛区域的面积和持续闭合时间,依据PERCLOS准则,判断驾驶员是否处于疲劳状态。实验表明,系统能够实时准确地定位人眼及检测眼睛的开闭状态,从而有效地检测驾驶员的疲劳程度。 相似文献