論文の概要: Modelling and Detection of Driver's Fatigue using Ontology
- arxiv url: http://arxiv.org/abs/2208.14694v1
- Date: Wed, 31 Aug 2022 08:42:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-01 13:53:34.161768
- Title: Modelling and Detection of Driver's Fatigue using Ontology
- Title（参考訳）: オントロジーを用いたドライバ疲労のモデル化と検出
- Authors: Alexandre Lambert, Manolo Dulva Hina, Celine Barth, Assia Soukane and
Amar Ramdane-Cherif
- Abstract要約: 道路事故は世界8大死因である。
様々な要因がドライバーの疲労の原因となっている。
ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
- 参考スコア（独自算出の注目度）: 60.090278944561184
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Road accidents have become the eight leading cause of death all over the
world. Lots of these accidents are due to a driver's inattention or lack of
focus, due to fatigue. Various factors cause driver's fatigue. This paper
considers all the measureable data that manifest driver's fatigue, namely those
manifested in the vehicle measureable data while driving as well as the
driver's physical and physiological data. Each of the three main factors are
further subdivided into smaller details. For example, the vehicle's data is
composed of the values obtained from the steering wheel's angle, yaw angle, the
position on the lane, and the speed and acceleration of the vehicle while
moving. Ontological knowledge and rules for driver fatigue detection are to be
integrated into an intelligent system so that on the first sign of dangerous
level of fatigue is detected, a warning notification is sent to the driver.
This work is intended to contribute to safe road driving.
- Abstract（参考訳）: 交通事故は世界の8大死因となっている。
これらの事故の多くは、疲労によるドライバーの不注意や集中力の欠如によるものである。
様々な要因がドライバーの疲労を引き起こす。
本稿では,運転者の疲労を呈する計測可能なデータ,すなわち運転中の計測可能なデータおよび運転者の身体的および生理的データについて考察する。
3つの主要な要素は、さらに細部に分かれている。
例えば、車両のデータは、ハンドルの角度、ヨー角、車線上の位置、移動中の車両の速度と加速度から得られる値で構成されている。
ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合して、危険レベルの疲労の最初の兆候を検出すると、警告通知をドライバに送信する。
この作業は安全な道路運転に貢献することを目的としている。
関連論文リスト
- Towards Infusing Auxiliary Knowledge for Distracted Driver Detection [11.816566371802802]
引き離された運転は世界中の道路事故の主要な原因である。
シーン内のエンティティ間の意味的関係とドライバのポーズの構造的構成に関する補助的知識を注入することで,運転者検出(DDD)の新たな手法であるKiD3を提案する。
具体的には、シーングラフを統合した統合フレームワークを構築し、ドライバが映像フレーム内の視覚的手がかりと情報を合成し、ドライバの行動の全体像を作成する。
論文 参考訳（メタデータ） (2024-08-29T15:28:42Z) - Detecting Driver Fatigue With Eye Blink Behavior [0.0]
交通事故は毎年、何百万人もの死者と数十億ドルの経済損失を引き起こしている。
様々な研究は、カメラベースのソリューションを用いてドライバーの睡眠/覚醒状態を検出することに焦点を当てている。
本研究では、点眼周波数に加えて、ドライバ適応型点眼行動特徴セットを評価し、疲労状態を検出する。
論文 参考訳（メタデータ） (2024-07-02T12:41:51Z) - Infrastructure-based End-to-End Learning and Prevention of Driver
Failure [68.0478623315416]
フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。
制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。
速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
論文 参考訳（メタデータ） (2023-03-21T22:55:51Z) - Driver Drowsiness Detection System: An Approach By Machine Learning
Application [0.0]
毎年100万人が交通事故で死亡している。
道路事故の件数が増加する主な原則は、眠気である。
本稿では,80%の精度で眠気検知の問題を解決することに焦点を当てた。
論文 参考訳（メタデータ） (2023-03-11T05:05:36Z) - FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
非客観的運転経験はモデル化が難しい。
本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。
インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
論文 参考訳（メタデータ） (2022-12-05T08:25:09Z) - Drivers' attention detection: a systematic literature review [62.997667081978825]
多くの要因が運転中の注意散らしに寄与しうるが、それは物体や事象が生理的状態、つまり眠気や疲労に結びつくためであり、運転者が注意をそらすことができないからである。
技術進歩により、現実の状況における注意を検知する多くのソリューションの開発と応用が可能となった。
本研究は,車輪の運転者の注意を検知するための方法と基準について,システマティック文献レビュー(Systematic Literature Review)を提示する。
論文 参考訳（メタデータ） (2022-04-06T11:36:40Z) - Deep Learning Approach for Aggressive Driving Behaviour Detection [1.933681537640272]
この研究は、異なる状況(ラッシュ、精神的衝突、報復)のドライバーが攻撃的に運転し始めるときのタイムステップを特定する。
積極的運転の機会を発見するためには、運転行動を調べるために観察者(現実または仮想)が必要である。
スマートフォンのGPSセンサーを使って位置を検出し,運転者の運転行動を3分毎に分類することで,この問題を克服する。
論文 参考訳（メタデータ） (2021-11-08T20:06:16Z) - Behavioral Research and Practical Models of Drivers' Attention [21.70169149901781]
このレポートは、ドライバーの内部および外部の要因によるドライバーの視覚的注意の変化に関する文献をカバーしています。
ドライバーの注意に関する学際的な理論的および行動的研究と実用的な解決策を結びつけます。
このレポートは、175以上の行動研究、100近い実用的な論文、20のデータセット、2010年以来の70以上の調査に基づいています。
論文 参考訳（メタデータ） (2021-04-12T17:42:04Z) - Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
運転環境の要素が道路ルールの出現の原因となるかを分析する。
2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。
我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
論文 参考訳（メタデータ） (2020-11-21T09:43:50Z) - Driver Intention Anticipation Based on In-Cabin and Driving Scene
Monitoring [52.557003792696484]
本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。
本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
論文 参考訳（メタデータ） (2020-06-20T11:56:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。