論文の概要: Embedded System Performance Analysis for Implementing a Portable
Drowsiness Detection System for Drivers
- arxiv url: http://arxiv.org/abs/2209.15148v1
- Date: Fri, 30 Sep 2022 00:22:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 16:27:42.492648
- Title: Embedded System Performance Analysis for Implementing a Portable
Drowsiness Detection System for Drivers
- Title（参考訳）: ドライバの可搬性眠気検出システム実装のための組込みシステム性能解析
- Authors: Minjeong Kim, Jimin Koo
- Abstract要約: そこで我々は,GhoddoosianのDrowsiness検出アルゴリズムを小型ミニコンピュータ上で処理できる組込みシステムを提案する。
私たちは、AioRTCプロトコルを使用して、クライアントからサーバへのビデオフレームのリアルタイム送信を行います。
- 参考スコア（独自算出の注目度）: 2.314847093228566
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Drowsiness on the road is a widespread problem with fatal consequences; thus,
a multitude of solutions implementing machine learning techniques have been
proposed by researchers. Among existing methods, Ghoddoosian et al.'s
drowsiness detection method utilizes temporal blinking patterns to detect early
signs of drowsiness. Although the method reported promising results,
Ghoddoosian et al.'s algorithm was developed and tested only on a powerful
desktop computer, which is not practical to apply in a moving vehicle setting.
In this paper, we propose an embedded system that can process Ghoddoosian's
drowsiness detection algorithm on a small minicomputer and interact with the
user by phone; combined, the devices are powerful enough to run a web server
and our drowsiness detection server. We used the AioRTC protocol on GitHub to
conduct real-time transmission of video frames from the client to the server
and evaluated the communication speed and processing times of the program on
various platforms. Based on our results, we found that a Mini PC was most
suitable for our proposed system. Furthermore, we proposed an algorithm that
considers the importance of sensitivity over specificity, specifically
regarding drowsiness detection algorithms. Our algorithm optimizes the
threshold to adjust the false positive and false negative rates of the
drowsiness detection models. We anticipate our proposed platform can help many
researchers to advance their research on drowsiness detection solutions in
embedded system settings.
- Abstract（参考訳）: 道路での眠気は致命的な結果をもたらす広範な問題であり、機械学習技術を実装する多数のソリューションが研究者によって提案されている。
既存の方法の中で、Ghoddoosianらは、時間的点滅パターンを用いて、早期の眠気の兆候を検出する。
この手法は有望な結果を報告したが、ghoddoosian et al.のアルゴリズムは強力なデスクトップコンピュータ上でのみ開発され、テストされた。
本稿では,GhoddoosianのDrowsiness検出アルゴリズムを小型のミニコンピュータ上で処理し,ユーザと電話で対話する組込みシステムを提案する。
我々はGitHub上のAioRTCプロトコルを用いて,クライアントからサーバへの映像フレームのリアルタイム伝送を行い,各種プラットフォーム上でのプログラムの通信速度と処理時間を評価した。
その結果,Mini PCが提案システムに最も適していることが判明した。
さらに,特定性よりも感度が重要であること,特に眠気検出アルゴリズムについて検討するアルゴリズムを提案する。
本アルゴリズムは, 失語検出モデルの偽陽性, 偽陰性率を調整するために閾値を最適化する。
提案するプラットフォームは,多くの研究者が組込みシステム環境における眠気検出ソリューションの研究を進めるのに役立つと期待する。
関連論文リスト
- VigilEye -- Artificial Intelligence-based Real-time Driver Drowsiness Detection [0.5549794481031468]
本研究では,深層学習技術とOpenCVフレームワークを組み合わせた新しいドライバの眠気検知システムを提案する。
このシステムは、運転者の顔から抽出された顔のランドマークを、眠気パターンを認識するために訓練された畳み込みニューラルネットワークに入力する。
提案システムは,運転者の疲労による事故を防止するため,タイムリーな警報を提供することで,道路安全を高めることができる。
論文 参考訳（メタデータ） (2024-06-21T20:53:49Z) - RIDE: Real-time Intrusion Detection via Explainable Machine Learning
Implemented in a Memristor Hardware Architecture [24.824596231020585]
本稿では、パケットの任意の長さのシーケンスをよりコンパクトな結合機能埋め込みに統合するために、リカレントオートエンコーダを利用するパケットレベルのネットワーク侵入検出ソリューションを提案する。
提案手法は,パケットレベルで高い検出精度で,極めて効率的かつリアルタイムな解が得られることを示す。
論文 参考訳（メタデータ） (2023-11-27T17:30:19Z) - Online Learning of Wheel Odometry Correction for Mobile Robots with
Attention-based Neural Network [63.8376359764052]
現代のロボットプラットフォームは、人間の横で毎日運用するために、信頼性の高いローカライゼーションシステムを必要としている。
フィルタされた車輪と慣性オドメトリーに基づく単純なポーズ推定アルゴリズムは、急激なキネマティックな変化とホイールスリップの存在下で失敗することが多い。
本稿では,車輪形状補正のための革新的なオンライン学習手法を提案し,ロバストなマルチソースローカライゼーションシステムを提案する。
論文 参考訳（メタデータ） (2023-03-21T10:30:31Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z) - Increasing the Confidence of Deep Neural Networks by Coverage Analysis [71.57324258813674]
本稿では、異なる安全でない入力に対してモデルを強化するために、カバレッジパラダイムに基づく軽量な監視アーキテクチャを提案する。
実験結果から,提案手法は強力な対向例とアウト・オブ・ディストリビューション・インプットの両方を検出するのに有効であることが示唆された。
論文 参考訳（メタデータ） (2021-01-28T16:38:26Z) - Artificial Intelligence Enabled Traffic Monitoring System [3.085453921856008]
本稿では,深層畳み込みニューラルネットワークを用いたリアルタイム交通映像の自動監視手法を提案する。
提案システムは、さまざまなトラフィック監視ニーズを自動化するために、最先端のディープラーニングアルゴリズムをデプロイする。
論文 参考訳（メタデータ） (2020-10-02T22:28:02Z) - Towards End-to-end Car License Plate Location and Recognition in
Unconstrained Scenarios [0.0]
ライセンスプレートの検出と認識を同時に行うための効率的なフレームワークを提案する。
軽量で統一されたディープニューラルネットワークで、エンドツーエンドに最適化され、リアルタイムに動作する。
実験結果から,提案手法は従来の最先端手法よりも高速・高精度で優れていたことが示唆された。
論文 参考訳（メタデータ） (2020-08-25T09:51:33Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - AutoOD: Automated Outlier Detection via Curiosity-guided Search and
Self-imitation Learning [72.99415402575886]
外乱検出は重要なデータマイニングの課題であり、多くの実用的応用がある。
本稿では,最適なニューラルネットワークモデルを探すことを目的とした自動外乱検出フレームワークであるAutoODを提案する。
さまざまな実世界のベンチマークデータセットに対する実験結果から、AutoODが特定したディープモデルが最高のパフォーマンスを達成することが示された。
論文 参考訳（メタデータ） (2020-06-19T18:57:51Z) - An Intelligent and Time-Efficient DDoS Identification Framework for
Real-Time Enterprise Networks SAD-F: Spark Based Anomaly Detection Framework [0.5811502603310248]
我々は、異なる機械学習技術を用いたDDoS異常検出のためのセキュリティ解析技術について検討する。
本稿では,システムへの入力として実際のトラフィックを扱う新しいアプローチを提案する。
提案するフレームワークの性能要因を3つの異なるテストベッドで検討・比較する。
論文 参考訳（メタデータ） (2020-01-21T06:05:48Z) - Adaptive Anomaly Detection for IoT Data in Hierarchical Edge Computing [71.86955275376604]
本稿では,階層型エッジコンピューティング(HEC)システムに対する適応型異常検出手法を提案する。
本研究では,入力データから抽出した文脈情報に基づいてモデルを選択する適応的手法を設計し,異常検出を行う。
提案手法を実際のIoTデータセットを用いて評価し,検出タスクをクラウドにオフロードするのとほぼ同じ精度を維持しながら,検出遅延を84%削減できることを実証した。
論文 参考訳（メタデータ） (2020-01-10T05:29:17Z)
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。