論文の概要: Blinking Beyond EAR: A Stable Eyelid Angle Metric for Driver Drowsiness Detection and Data Augmentation

• arxiv url: http://arxiv.org/abs/2511.19519v1
• Date: Mon, 24 Nov 2025 04:26:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-26 17:37:04.067353
• Title: Blinking Beyond EAR: A Stable Eyelid Angle Metric for Driver Drowsiness Detection and Data Augmentation
• Title（参考訳）: Blinking Beyond EAR: ドライバの眠気検知とデータ拡張のための安定型アイライド角計
• Authors: Mathis Wolter, Julie Stephany Berrio Perez, Mao Shan,
• Abstract要約: 我々は,3次元顔のランドマークから得られる目開きの再現可能な新しい指標であるEyelid Angle (ELA)を紹介した。 ELAは、カメラアングルの変動に対して頑丈な眼球運動の安定した幾何学的記述を提供する。 我々は、ERA信号を用いて、Blender 3Dで引き裂かれたアバターをアニメーション化し、リアルな合成データセットの作成を可能にします。
• 参考スコア（独自算出の注目度）: 3.3416139969033924
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting driver drowsiness reliably is crucial for enhancing road safety and supporting advanced driver assistance systems (ADAS). We introduce the Eyelid Angle (ELA), a novel, reproducible metric of eye openness derived from 3D facial landmarks. Unlike conventional binary eye state estimators or 2D measures, such as the Eye Aspect Ratio (EAR), the ELA provides a stable geometric description of eyelid motion that is robust to variations in camera angle. Using the ELA, we design a blink detection framework that extracts temporal characteristics, including the closing, closed, and reopening durations, which are shown to correlate with drowsiness levels. To address the scarcity and risk of collecting natural drowsiness data, we further leverage ELA signals to animate rigged avatars in Blender 3D, enabling the creation of realistic synthetic datasets with controllable noise, camera viewpoints, and blink dynamics. Experimental results in public driver monitoring datasets demonstrate that the ELA offers lower variance under viewpoint changes compared to EAR and achieves accurate blink detection. At the same time, synthetic augmentation expands the diversity of training data for drowsiness recognition. Our findings highlight the ELA as both a reliable biometric measure and a powerful tool for generating scalable datasets in driver state monitoring.
• Abstract（参考訳）: 道路の安全性を高め,高度運転支援システム(ADAS)を支援するためには,運転者の眠気を確実に検出することが重要である。 我々は,3次元顔のランドマークから得られる目開きの再現可能な新しい指標であるEyelid Angle (ELA)を紹介した。 従来の二眼状態推定器や、アイ・アスペクト比(EAR)のような2次元測度とは異なり、眼球運動の安定な幾何学的記述は、カメラの角度の変動に頑健である。 ELAを用いて,閉鎖時間,閉鎖時間,再開時間などの時間的特徴を抽出する瞬き検出フレームワークを設計した。 自然の眠気データ収集の難しさとリスクに対処するために、我々はさらにERA信号を利用して、Blender 3Dでリップしたアバターをアニメーション化し、制御可能なノイズ、カメラ視点、および点滅ダイナミクスを備えたリアルな合成データセットを作成することができる。 公共ドライバー監視データセットの実験的結果は、ERAがEARと比較して視点変化下でのばらつきを低くし、正確な瞬き検出を実現していることを示している。 同時に、合成増強は、眠気認識のためのトレーニングデータの多様性を拡大する。 この結果から,ERAは信頼性の高い生体計測指標であり,運転状態監視においてスケーラブルなデータセットを生成する強力なツールであることがわかった。

関連論文リスト

• Privacy-Preserving Driver Drowsiness Detection with Spatial Self-Attention and Federated Learning [10.067641629547014]
  ドライバーの眠気は道路事故の主な原因の1つであり、交通事故による死亡事故の主要な原因と認識されている。 本研究では,不均質データと分散データとを効果的に扱えるよう設計した,眠気検出のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-01T03:12:01Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• Cross-Camera Distracted Driver Classification through Feature Disentanglement and Contrastive Learning [13.613407983544427]
  ドライバ行動監視ネットワーク(DBMNet)は軽量のバックボーンに依存しており、カメラのビュー情報を破棄するためにアンタングルモジュールを統合する。 DBMNetは、既存のアプローチと比較して、Top-1の精度が7%向上している。
  論文  参考訳（メタデータ） (2024-11-20T10:27:12Z)
• 4D Contrastive Superflows are Dense 3D Representation Learners [62.433137130087445]
  我々は,LiDARとカメラのペアを連続的に利用して事前学習の目的を確立するための,新しいフレームワークであるSuperFlowを紹介する。 学習効率をさらに向上するため,カメラビューから抽出した知識の整合性を高めるプラグイン・アンド・プレイ・ビュー・一貫性モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2024-07-08T17:59:54Z)
• Cross-Cluster Shifting for Efficient and Effective 3D Object Detection in Autonomous Driving [69.20604395205248]
  本稿では,自律運転における3次元物体検出のための3次元点検出モデルであるShift-SSDを提案する。 我々は、ポイントベース検出器の表現能力を解き放つために、興味深いクロスクラスタシフト操作を導入する。 我々は、KITTI、ランタイム、nuScenesデータセットに関する広範な実験を行い、Shift-SSDの最先端性能を実証した。
  論文  参考訳（メタデータ） (2024-03-10T10:36:32Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
  自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。 これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。 我々は、最先端の核融合法を初めてベンチマークした。
  論文  参考訳（メタデータ） (2022-05-30T09:35:37Z)
• Time-to-Label: Temporal Consistency for Self-Supervised Monocular 3D Object Detection [46.077668660248534]
  オブジェクトのポーズのレベルにおける時間的一貫性は、重要な監視信号を提供する、と我々は主張する。 具体的には、この一貫性とレンダリング・アンド・コンパレート・ロスを利用する自己教師付き損失を提案する。 我々は,実データから生成した擬似ラベルを用いて,合成訓練されたモノクル3次元物体検出モデルを微調整する。
  論文  参考訳（メタデータ） (2022-03-04T08:55:49Z)
• 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。