論文の概要: Detecting Driver Fatigue With Eye Blink Behavior

• arxiv url: http://arxiv.org/abs/2407.02222v1
• Date: Tue, 2 Jul 2024 12:41:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-03 15:35:30.766909
• Title: Detecting Driver Fatigue With Eye Blink Behavior
• Title（参考訳）: 点眼行動によるドライバ疲労の検出
• Authors: Ali Akin, Habil Kalkan,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Traffic accidents, causing millions of deaths and billions of dollars in economic losses each year globally, have become a significant issue. One of the main causes of these accidents is drivers being sleepy or fatigued. Recently, various studies have focused on detecting drivers' sleep/wake states using camera-based solutions that do not require physical contact with the driver, thereby enhancing ease of use. In this study, besides the eye blink frequency, a driver adaptive eye blink behavior feature set have been evaluated to detect the fatigue status. It is observed from the results that behavior of eye blink carries useful information on fatigue detection. The developed image-based system provides a solution that can work adaptively to the physical characteristics of the drivers and their positions in the vehicle
• Abstract（参考訳）: 交通事故は世界中で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おり、重大な問題となっている。 これらの事故の主な原因の1つは、ドライバーが眠く、疲労していることである。 近年,ドライバと物理的に接触する必要のないカメラベースのソリューションを用いて,ドライバの睡眠/覚醒状態の検出に重点を置いている。 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。 その結果,眼の瞬き行動は疲労検出に有用な情報をもたらすことが明らかとなった。 開発した画像ベースシステムは、運転者の身体的特徴と車内位置に適応的に対応できるソリューションを提供する。

関連論文リスト

• 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)
• SleepyWheels: An Ensemble Model for Drowsiness Detection leading to Accident Prevention [0.0]
  SleepyWheelsは、顔のランドマークを識別すると同時に、軽量なニューラルネットワークを使用する革命的な方法だ。 このモデルは、ドライバーの眠気に関する特別なデータセットに基づいて訓練され、精度は97%に達する。
  論文  参考訳（メタデータ） (2022-11-01T19:36:47Z)
• In-Vehicle Interface Adaptation to Environment-Induced Cognitive Workload [55.41644538483948]
  車両内ヒューマンマシンインタフェース(HMI)は長年にわたって進化し、ますます多くの機能を提供している。 この問題に対処するために,ドライバの精神的負荷に応じて変化する適応的HMIを提案する。
  論文  参考訳（メタデータ） (2022-10-20T13:42:25Z)
• Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
  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。
  論文  参考訳（メタデータ） (2022-08-31T08:42:28Z)
• What's on your mind? A Mental and Perceptual Load Estimation Framework towards Adaptive In-vehicle Interaction while Driving [55.41644538483948]
  精神的な作業量と知覚的負荷が心理生理学的次元に及ぼす影響を分析する。 これらの測定値の融合により、心的および知覚的負荷レベルを分類する。 我々は、最大89%のメンタルワークロード分類精度を報告し、リアルタイムに最小限のソリューションを提供する。
  論文  参考訳（メタデータ） (2022-08-10T21:19:49Z)
• 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)
• An active approach towards monitoring and enhancing drivers' capabilities -- the ADAM cogtec solution [1.0312968200748118]
  特定の瞬間における運転者の認知能力は、運転者の安全性を評価する上で最も明白な変数である。 視覚刺激に対するドライバーの眼反応が記録された閉ループ法を開発した。 機械学習アルゴリズムは、警戒状態の眼反応に基づいて訓練され、疲労や物質乱用による能力低下を検出することができた。
  論文  参考訳（メタデータ） (2022-04-05T07:46:07Z)
• Detection of Driver Drowsiness by Calculating the Speed of Eye Blinking [0.0]
  そこで我々は,視線点滅率に基づく眠気の簡易リアルタイム検出システムについて検討した。 目が点滅する速度が、経験的に決められた閾値を下回ると、システムはアラームを起動する。 顔がカメラに向けられた場合、このシステムはうまく機能するが、頭部が大きく傾くと信頼性が低下する。
  論文  参考訳（メタデータ） (2021-10-21T16:02:05Z)

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。