論文の概要: Real-Time Drowsiness Detection Using Eye Aspect Ratio and Facial Landmark Detection
- arxiv url: http://arxiv.org/abs/2408.05836v1
- Date: Sun, 11 Aug 2024 17:34:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-13 15:15:52.372648
- Title: Real-Time Drowsiness Detection Using Eye Aspect Ratio and Facial Landmark Detection
- Title(参考訳): 目視率と顔のランドマーク検出を用いたリアルタイムドローズネス検出
- Authors: Varun Shiva Krishna Rupani, Velpooru Venkata Sai Thushar, Kondadi Tejith,
- Abstract要約: 本研究は、視線量比(EAR)と顔のランドマーク検出技術を用いて、眠気を検出するために設計されたリアルタイムシステムを提案する。
EARのしきい値を確立することで、システムはいつ目を閉じているかを識別し、潜在的な眠気を示す。
実験の結果,システムは低計算要求を維持しながら,高い精度で眠気を確実に検出できることがわかった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Drowsiness detection is essential for improving safety in areas such as transportation and workplace health. This study presents a real-time system designed to detect drowsiness using the Eye Aspect Ratio (EAR) and facial landmark detection techniques. The system leverages Dlibs pre-trained shape predictor model to accurately detect and monitor 68 facial landmarks, which are used to compute the EAR. By establishing a threshold for the EAR, the system identifies when eyes are closed, indicating potential drowsiness. The process involves capturing a live video stream, detecting faces in each frame, extracting eye landmarks, and calculating the EAR to assess alertness. Our experiments show that the system reliably detects drowsiness with high accuracy while maintaining low computational demands. This study offers a strong solution for real-time drowsiness detection, with promising applications in driver monitoring and workplace safety. Future research will investigate incorporating additional physiological and contextual data to further enhance detection accuracy and reliability.
- Abstract(参考訳): 交通や職場の健康などの分野での安全性向上には、眠気検知が不可欠である。
本研究は、視線量比(EAR)と顔のランドマーク検出技術を用いて、眠気を検出するために設計されたリアルタイムシステムを提案する。
このシステムは、Dlibsの事前訓練された形状予測モデルを利用して、EARを計算するために使用される68の顔のランドマークを正確に検出し、監視する。
EARのしきい値を確立することで、システムはいつ目を閉じているかを識別し、潜在的な眠気を示す。
このプロセスでは、ライブビデオストリームをキャプチャし、各フレームの顔を検出し、目印を抽出し、EARを計算して警告を評価する。
本実験により,低計算要求を維持しつつ,高い精度で眠気を確実に検出できることが示唆された。
この研究は、ドライバーの監視と職場の安全に有望な応用をもたらす、リアルタイムの眠気検知のための強力なソリューションを提供する。
今後の研究は、検出精度と信頼性をさらに高めるために、追加の生理的および文脈的データを統合することを検討する。
関連論文リスト
- Analyzing Participants' Engagement during Online Meetings Using Unsupervised Remote Photoplethysmography with Behavioral Features [50.82725748981231]
エンゲージメント測定は、医療、教育、サービスに応用される。
生理的特徴と行動的特徴の使用は可能であるが、従来の生理的測定の非現実性は接触センサーの必要性により生じる。
コンタクトセンサの代替として, 教師なし光胸腺造影(胸腔鏡)の有用性を実証する。
論文 参考訳(メタデータ) (2024-04-05T20:39:16Z) - RLPeri: Accelerating Visual Perimetry Test with Reinforcement Learning
and Convolutional Feature Extraction [8.88154717905851]
RLPeriは、視覚的ペリメトリテストの最適化のための強化学習に基づくアプローチである。
我々は、正確な結果を提供しながら、視覚的腹腔鏡検査をより効率的かつ患者に優しいものにすることを目指している。
論文 参考訳(メタデータ) (2024-03-08T07:19:43Z) - Detection Latencies of Anomaly Detectors: An Overlooked Perspective ? [1.8492669447784602]
本稿では,攻撃とエラーの時間的遅延を測定することの関連性について論じる。
本稿では,検知器の評価手法を提案する。
論文 参考訳(メタデータ) (2024-02-14T10:52:39Z) - Attention Consistency Refined Masked Frequency Forgery Representation
for Generalizing Face Forgery Detection [96.539862328788]
既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。
ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。
いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
論文 参考訳(メタデータ) (2023-07-21T08:58:49Z) - Unsupervised out-of-distribution detection for safer robotically guided
retinal microsurgery [1.4367226581254677]
本研究は、OoD検出器を用いて、ii OCTプローブからの画像が機械学習による距離推定に不適切であるかどうかを特定することの実現可能性について検討する。
マハラノビス距離に基づく単純なOoD検出器が、実際の外生ブタの眼から得られた劣化サンプルをうまく除去できることを示す。
論文 参考訳(メタデータ) (2023-04-11T07:54:11Z) - Adversarially-Aware Robust Object Detector [85.10894272034135]
本稿では,ロバスト検出器 (RobustDet) を提案する。
本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
論文 参考訳(メタデータ) (2022-07-13T13:59:59Z) - A Deep Learning Approach for the Segmentation of Electroencephalography
Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。
エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。
我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文 参考訳(メタデータ) (2022-06-17T10:17:24Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳(メタデータ) (2021-10-19T11:45:01Z) - VideoForensicsHQ: Detecting High-quality Manipulated Face Videos [77.60295082172098]
偽造検知器の性能は、人間の目で見られる人工物の存在にどのように依存するかを示す。
前例のない品質の顔ビデオ偽造検出のための新しいベンチマークデータセットを導入する。
論文 参考訳(メタデータ) (2020-05-20T21:17:43Z) - ReRe: A Lightweight Real-time Ready-to-Go Anomaly Detection Approach for
Time Series [0.27528170226206433]
本稿では,リアルタイム・レディ・トゥ・ゴー・プロアクティブ・異常検出アルゴリズムReReを紹介する。
ReReは2つの軽量Long Short-Term Memory (LSTM)モデルを使用して、次のデータポイントが異常であるか否かを予測し、共同で判断する。
実世界の時系列データセットに基づく実験は、リアルタイム異常検出におけるReReの優れた性能を示す。
論文 参考訳(メタデータ) (2020-04-05T21:26:24Z) - Driver Safety Development Real Time Driver Drowsiness Detection System
Based on Convolutional Neural Network [1.7188280334580195]
本稿では,道路上での運転者の安全に関する課題に焦点をあて,眠気検知のための新しいシステムを提案する。
眠気の兆候としてドライバの睡眠状態を検出するために、畳み込みニューラルネットワーク(CNN)を用いる。
論文 参考訳(メタデータ) (2020-01-15T05:38:24Z)
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。