論文の概要: Deep Learning Systems for Advanced Driving Assistance
- arxiv url: http://arxiv.org/abs/2304.06041v1
- Date: Wed, 5 Apr 2023 16:11:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-16 22:08:08.864965
- Title: Deep Learning Systems for Advanced Driving Assistance
- Title(参考訳): 運転支援のための深層学習システム
- Authors: Francesco Rundo
- Abstract要約: 次世代車は、しばしば人工知能の使用に基づいて革新的なソリューションを通じて、車の運転安全性をインテリジェントに評価する。
安全運転監視は、科学文献で広く扱われるいくつかの方法を用いて行うことができる。
そこで本稿では,自動車運転手の生理的注意状況の再構築に適したアドホックバイオセンシングシステムを用いた革新的なアプローチを提案する。
- 参考スコア(独自算出の注目度): 1.984879854062214
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Next generation cars embed intelligent assessment of car driving safety
through innovative solutions often based on usage of artificial intelligence.
The safety driving monitoring can be carried out using several methodologies
widely treated in scientific literature. In this context, the author proposes
an innovative approach that uses ad-hoc bio-sensing system suitable to
reconstruct the physio-based attentional status of the car driver. To
reconstruct the car driver physiological status, the author proposed the use of
a bio-sensing probe consisting of a coupled LEDs at Near infrared (NiR)
spectrum with a photodetector. This probe placed over the monitored subject
allows to detect a physiological signal called PhotoPlethysmoGraphy (PPG). The
PPG signal formation is regulated by the change in oxygenated and
non-oxygenated hemoglobin concentration in the monitored subject bloodstream
which will be directly connected to cardiac activity in turn regulated by the
Autonomic Nervous System (ANS) that characterizes the subject's attention
level. This so designed car driver drowsiness monitoring will be combined with
further driving safety assessment based on correlated intelligent driving
scenario understanding.
- Abstract(参考訳): 次世代車は、しばしば人工知能の使用に基づいて革新的なソリューションを通じて、車の運転安全性をインテリジェントに評価する。
安全運転モニタリングは、科学文献で広く扱われるいくつかの手法を用いて行うことができる。
本研究では, 自動車運転手の生理的注意状況の再構築に適したアドホックバイオセンシングシステムを用いた革新的なアプローチを提案する。
自動車運転者の生理的地位を再構築するために,光検出器を用いた近赤外(NiR)スペクトルで結合したLEDからなるバイオセンシングプローブを提案する。
監視対象の上のこのプローブは、PhotoPlethysmoGraphy(PPG)と呼ばれる生理学的信号を検出することができる。
ppgシグナルの形成は、監視対象血流中の酸素化および非酸素化ヘモグロビン濃度の変化によって制御され、これは、被験者の注意レベルを特徴付ける自律神経系(ans)によって、心臓活動に直接接続される。
この設計されたドライバーの眠気モニタリングは、相関したインテリジェントな運転シナリオ理解に基づいて、さらなる運転安全評価と組み合わせられる。
関連論文リスト
- Passenger hazard perception based on EEG signals for highly automated driving vehicles [23.322910031715583]
本研究は,乗用車間相互作用の神経機構を解明し,乗用車認知モデル(PCM)と乗用車脳波復号戦略(PEDS)の開発に繋がるものである。
Central to PEDSは、空間的および時間的脳波データパターンをキャプチャする新しい畳み込みリカレントニューラルネットワーク(CRNN)である。
我々の研究は、事前観測された脳波データの予測能力、危険シナリオの検出の強化、より安全な自動運転車のためのネットワーク駆動型フレームワークの提供を強調した。
論文 参考訳(メタデータ) (2024-08-29T07:32:30Z) - Masked EEG Modeling for Driving Intention Prediction [27.606175591082756]
本稿では,BCI支援運転における新たな研究方向を開拓し,運転意図に関連する神経パターンについて検討する。
本研究では,左旋回,右旋回,ストレート進行といった人間の運転意図を予測する新しい脳波モデリングフレームワークを提案する。
本モデルでは, 運転意図予測時に85.19%の精度を達成し, 交通事故の軽減に期待できる可能性を示した。
論文 参考訳(メタデータ) (2024-08-08T03:49:05Z) - Enabling the Evaluation of Driver Physiology Via Vehicle Dynamics [2.290169426618366]
本稿では,運転者の生理学を評価できる連結生態系に車両を変換するための構成と手法について述べる。
自動車とデジタルの健康分野からの一連の商用センサーと、車自体からのドライバー入力を統合した。
論文 参考訳(メタデータ) (2023-09-08T02:27:28Z) - Car-Driver Drowsiness Assessment through 1D Temporal Convolutional
Networks [7.455416595124159]
近年,運転支援システムの科学的進歩は,運転の安全性を高める上で重要な役割を担っている。
最近の報告では、眠気や注意不足による事故の増加が確認されている。
この統合システムにより、運転者の眠気のほぼリアルタイムな分類が可能となり、精度は約96%となる。
論文 参考訳(メタデータ) (2023-07-27T10:59:12Z) - Visual Saliency Detection in Advanced Driver Assistance Systems [7.455416595124159]
本稿では,ドライバの眠気検知システムと,サリエンシに基づく情景理解パイプラインを組み合わせたインテリジェントシステムを提案する。
我々は、運転者を監視するために、ハンドルに埋め込まれた革新的なバイオセンサーを使用している。
収集したPSG時系列を分類するために、専用の1D時間深部畳み込みネットワークが考案された。
論文 参考訳(メタデータ) (2023-07-26T15:41:54Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳(メタデータ) (2023-03-08T00:48:32Z) - 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) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳(メタデータ) (2022-03-28T20:29:50Z) - A Survey and Tutorial of EEG-Based Brain Monitoring for Driver State
Analysis [164.93739293097605]
EEGは運転状態のモニタリングとヒューマンエラー検出において最も効果的な方法の1つであることが証明されている。
本稿では,過去30年間の脳波に基づく運転状態検出システムとその解析アルゴリズムについて論じる。
現在のEEGベースの運転状態監視アルゴリズムは、安全アプリケーションに有望である、と結論付けている。
論文 参考訳(メタデータ) (2020-08-25T18:21:35Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳(メタデータ) (2020-07-14T05:25:15Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳(メタデータ) (2020-01-31T17:47:16Z)
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。