論文の概要: A Real-Time Driver Drowsiness Detection System Using MediaPipe and Eye Aspect Ratio
- arxiv url: http://arxiv.org/abs/2511.13618v1
- Date: Mon, 17 Nov 2025 17:22:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 18:52:09.636624
- Title: A Real-Time Driver Drowsiness Detection System Using MediaPipe and Eye Aspect Ratio
- Title（参考訳）: MediaPipe と Eye Aspect Ratio を用いたリアルタイムドライバの眠気検知システム
- Authors: Ashlesha G. Sawant, Shreyash S. Kamble, Raj S. Kanade, Raunak N. Kanugo, Tanishq A. Kapse, Karan A. Bhapse,
- Abstract要約: 本研究は, ドロージーの兆候を示すドライバーに警告を行うことにより, 道路の安全を向上することを目的としたドライバ・ドローシー検知システムの開発について述べる。
このシステムは、運転者の顔の特徴を追跡する標準的なウェブカメラに基づいており、眼球運動の検査に重点を置いている。
システムは、長時間の目が閉じた瞬間や、悲しみの現れである点滅率の非常に低い瞬間を検出し、音でドライバーに警告して注意を戻す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: One of the major causes of road accidents is driver fatigue that causes thousands of fatalities and injuries every year. This study shows development of a Driver Drowsiness Detection System meant to improve the safety of the road by alerting drivers who are showing signs of being drowsy. The system is based on a standard webcam that tracks the facial features of the driver with the main emphasis on the examination of eye movements that can be conducted with the help of the Eye Aspect Ratio (EAR) method. The Face Mesh by MediaPipe is a lightweight framework that can identify facial landmarks with high accuracy and efficiency, which is considered to be important in real time use. The system detects the moments of long eye shutdowns or a very low rate of blinking which are manifestations of drowsiness and alerts the driver through sound to get her attention back. This system achieves a high-performance and low-cost driver monitoring solution with the help of the computational power of OpenCV to process the image and the MediaPipe to identify faces. Test data experimental analyses indicate that the system is very accurate and responds quicker; this confirms that it can be a component of the current Advanced Driving Assistance System (ADAS).
- Abstract（参考訳）: 道路事故の主な原因の1つはドライバーの疲労であり、毎年数千人の死者と負傷の原因となっている。
本研究は, ドロージーの兆候を示すドライバーに警告を行うことにより, 道路の安全を向上することを目的としたドライバ・ドローシー検知システムの開発について述べる。
このシステムは、運転者の顔の特徴を追跡する標準的なウェブカメラに基づいており、Eye Aspect Ratio (EAR) 法による眼球運動検査に重点を置いている。
MediaPipeのFace Meshは、顔のランドマークを高精度かつ効率的に識別する軽量フレームワークであり、リアルタイム使用において重要であると考えられている。
システムは、長時間の目が閉じた瞬間や、悲しみの現れである点滅率の非常に低い瞬間を検出し、音でドライバーに警告して注意を戻す。
このシステムは、OpenCVの計算能力を利用して、画像とMediaPipeを処理して顔を特定することにより、高性能で低コストなドライバ監視ソリューションを実現する。
テストデータ実験分析により、システムは極めて正確であり、より迅速に応答できることが示され、これは現在の高度な運転支援システム(ADAS)の構成要素であることを示す。
関連論文リスト
- Real-Time Drivers' Drowsiness Detection and Analysis through Deep Learning [0.1274452325287335]
運転中の眠気は、あらゆる個人にとって命の危険であり、他のドライバーの安全に影響を及ぼす可能性がある。
本研究では,ディープ畳み込みニューラルネットワーク(DCNN)とOpenCVを用いたリアルタイムドライバの眠気検知システムを開発した。
論文 参考訳（メタデータ） (2025-11-16T03:39:17Z) - 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) - Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。
データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
論文 参考訳（メタデータ） (2023-12-13T23:06:30Z) - 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) - FBLNet: FeedBack Loop Network for Driver Attention Prediction [50.936478241688114]
非客観的運転経験のモデル化は困難であり,既存手法では運転経験蓄積手順を模擬する機構が欠如している。
本稿では,運転経験蓄積手順をモデル化するFeedBack Loop Network (FBLNet)を提案する。
提案モデルでは,既存の手法に対して強い優位性を示し,2つのドライバー注意ベンチマークデータセットの性能向上を実現している。
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) - 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) - 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) - 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) - 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)
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。