論文の概要: Car-Driver Drowsiness Assessment through 1D Temporal Convolutional
Networks
- arxiv url: http://arxiv.org/abs/2308.02415v1
- Date: Thu, 27 Jul 2023 10:59:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-14 01:38:14.692252
- Title: Car-Driver Drowsiness Assessment through 1D Temporal Convolutional
Networks
- Title(参考訳): 1次元畳み込みネットワークによるカードライバーの眠気評価
- Authors: Francesco Rundo, Concetto Spampinato, Michael Rundo
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 7.455416595124159
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, the scientific progress of Advanced Driver Assistance System
solutions (ADAS) has played a key role in enhancing the overall safety of
driving. ADAS technology enables active control of vehicles to prevent
potentially risky situations. An important aspect that researchers have focused
on is the analysis of the driver attention level, as recent reports confirmed a
rising number of accidents caused by drowsiness or lack of attentiveness. To
address this issue, various studies have suggested monitoring the driver
physiological state, as there exists a well-established connection between the
Autonomic Nervous System (ANS) and the level of attention. For our study, we
designed an innovative bio-sensor comprising near-infrared LED emitters and
photo-detectors, specifically a Silicon PhotoMultiplier device. This allowed us
to assess the driver physiological status by analyzing the associated
PhotoPlethysmography (PPG) signal.Furthermore, we developed an embedded
time-domain hyper-filtering technique in conjunction with a 1D Temporal
Convolutional architecture that embdes a progressive dilation setup. This
integrated system enables near real-time classification of driver drowsiness,
yielding remarkable accuracy levels of approximately 96%.
- Abstract(参考訳): 近年,advanced driver assistance system solutions (adas) の科学的進歩が運転の安全性向上に重要な役割を果たしている。
ADAS技術は、車両のアクティブな制御を可能にし、潜在的に危険な状況を防ぐ。
研究者が注力してきた重要な側面は、運転者の注意度の分析であり、最近の報告では、眠気や注意力の欠如による事故の増加が確認されている。
この問題に対処するため、様々な研究により、自律神経系(ANS)と注意レベルとの間に確立されたつながりが存在するため、運転者の生理状態のモニタリングが提案されている。
本研究では、近赤外LEDエミッタと光検出器からなる革新的なバイオセンサー、特にシリコンフォトマルチプライヤデバイスを設計した。
これにより、関連する光Plethysmography(PPG)信号を分析して運転者の生理的状態を評価することができ、さらに、進行性拡張機構を具現化した1次元時間領域ハイパーフィルタ技術を開発した。
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。
関連論文リスト
- 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) - 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) - Deep Learning Systems for Advanced Driving Assistance [1.984879854062214]
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。
論文 参考訳(メタデータ) (2023-04-05T16:11:18Z) - 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) - 3D Object Detection for Autonomous Driving: A Comprehensive Survey [48.30753402458884]
自動運転車の近くで重要な3Dオブジェクトの位置、サイズ、カテゴリをインテリジェントに予測する3Dオブジェクト検出は、認識システムの重要な部分である。
本稿では,自律運転における3次元物体検出技術の進歩を概観する。
論文 参考訳(メタデータ) (2022-06-19T19:43:11Z) - 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) - Driver Drowsiness Classification Based on Eye Blink and Head Movement
Features Using the k-NN Algorithm [8.356765961526955]
この研究は、ドライバー監視カメラの信号を用いて、車両内の運転者の眠気検知を拡張することを目的としている。
この目的のために、運転シミュレータ実験において、運転者の点眼行動と頭部運動に関連する35の特徴を抽出する。
最高の特徴セットの分析は、運転者の瞬き行動と頭部の動きに対する眠気の影響についての貴重な洞察を与える。
論文 参考訳(メタデータ) (2020-09-28T12:37:38Z) - 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) - When Do Drivers Concentrate? Attention-based Driver Behavior Modeling
With Deep Reinforcement Learning [8.9801312307912]
本研究では,運転者の行動を観察に基づいて近似し,運転者の注意度を計測するアクタ批判手法を提案する。
反応時間を考慮してアクターネットワークにアテンション機構を構築し,連続した観測の時間的依存性を捉える。
実世界の車両軌道データを用いて実験を行い,提案手法の精度が7つのベースラインアルゴリズムより優れていることを示す。
論文 参考訳(メタデータ) (2020-02-26T09:56:36Z) - Adversarial vs behavioural-based defensive AI with joint, continual and
active learning: automated evaluation of robustness to deception, poisoning
and concept drift [62.997667081978825]
人工知能(AI)の最近の進歩は、サイバーセキュリティのための行動分析(UEBA)に新たな能力をもたらした。
本稿では、検出プロセスを改善し、人間の専門知識を効果的に活用することにより、この攻撃を効果的に軽減するソリューションを提案する。
論文 参考訳(メタデータ) (2020-01-13T13:54:36Z)
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。