疲劳检测

摘要： 随着飞行负荷以及飞行时长的增加,因飞行疲劳导致的航空事件时有发生,对飞行疲劳进行量化、评估、检测与预防等具有重要意义。基于神经网络的疲劳检测方法在陆地交通领域的应用较早也较多,但在民航领域的应用较少。因此,将基于神经网络的疲劳检测方法迁移应用到民航领域,对于促进飞行安全有重大意义。阐述传统飞行疲劳检测的方法及其特点,以及神经网络在飞行疲劳检测中的应用,并对飞行疲劳检测方法的发展趋势进行展望。

摘要： 为了填补储氢气瓶在大温域跨度条件下的疲劳检测试验系统的研究空白,针对氢气瓶充放氢过程中存在的易燃易爆等风险特性设计了符合国家标准的氢气瓶疲劳检测实验舱温度控制系统,采用液体载冷进行间接温控,隔绝了电气设备与氢气瓶检测实验舱的直接接触,降低了爆炸风险,试验验证了系统可以实现实验舱内-40—85°C温度范围内的温度环境模拟和高精度控制,温度均匀度最高达±0.5°C,单点控制精度最高达±0.1°C,满足测试环境温度需求。

摘要： 针对日益凸显的船舶值班人员疲劳驾驶问题,为有效预警值班驾驶员的疲劳状态,保障船舶航行安全,研究了基于深度学习的疲劳检测算法。考虑到船舶驾驶台空间大、背景复杂等特点,使用深度可分离卷积改进RetinaFace人脸检测模型,优化模型的检测速度;基于Channel Split和Channel Shuffle思想,结合批量归一化、全局平均池化等技术搭建改进的ShuffleNetV2网络,自动提取图像特征,识别眼睛、嘴巴的开闭状态;根据PERCLOS准则融合眼睛、嘴巴2个特征参数综合判定驾驶员是否疲劳。实验结果表明:改进后RetinaFace模型的检测速度由9.33帧/s提升至22.60帧/s,人脸检测精度和速度均优于多任务卷积神经网络(MTCNN);改进的ShuffleNetV2网络识别眼睛、嘴巴状态的准确率高达99.50%以上;算法在模拟驾驶台环境中识别疲劳状态的精确率达到95.70%,召回率达到96.73%,均高于目前常见的Haar-like+Adaboost以及MTCNN+CNN疲劳检测算法。算法检测每帧图片仅需0.083 s,基本满足实时检测的要求。

摘要： 为了更好地提高学生在远程教育中的学习效率,避免学生出现走神瞌睡等情况,文中提出了一种基于视频分析的学生眼睛疲劳状态的检测方法。该方法的原理是将疲劳检测视为基于图像的序列识别。首先采用深度级联的多任务框架从视频中提取人眼区域;然后通过深层卷积学习空间特征,并通过长-短期记忆单元分析相邻帧之间的关系;最后,对学生状态进行序列级预测。实验结果表明,与现有的方法相比,所提出的方法具有较高的准确率和精度。

摘要： 疲劳驾驶是造成交通事故的主要原因之一,为提高驾驶员疲劳驾驶状态的智能化检测水平,提出一种基于计算机视觉的面部多特征疲劳驾驶检测算法,采用多线程优化后的Dlib(图像处理开源库)实现对驾驶员面部的定位与追踪,利用Dlib开源库中的人脸关键点检测器对驾驶员面部关键特征点进行提取,实时计算驾驶员眼部的纵横比和嘴部长宽比,并以视频流数据集作为实验样本计算出相关阈值,有效提高了检测算法的普适性,在此基础上,计算出眨眼频率、闭眼次数、眼睛闭合时间百分比以及打哈欠频率这4个反映驾驶员疲劳状态的指标,并利用数学方法进行指标实时融合,根据融合指标的数值对驾驶员疲劳状态进行分级,最终通过实验验证该疲劳检测系统的准确性。结果表明:所提出的综合疲劳指标能够准确反映在不同环境和光照下驾驶员的疲劳状态和发展趋势,驾驶员疲劳判定的正确率达到97.5%以上。

摘要： 针对嵌入式设备性能受限问题,设计了一种基于改进的SSD算法的疲劳检测系统。系统采用改进的SSD算法进行人脸检测和轻量级PFLD算法定位面部特征点,最后进行面部关键特征的疲劳判断。通过优化SSD算法网络结构和使用轻量级特征点定位算法,实现了在嵌入式处理器上疲劳检测。实验结果表明,轻量级疲劳检测系统在嵌入式处理器上具有良好的实时疲劳检测性能,并能够及时给予疲劳报警。

摘要： 针对轨道交通列车高速行驶过程中,轨道交通列车司机因长时间工作而产生的疲劳,将影响行车安全,对机车司机作业行为以及工作条件、工作状态和监督环节重要一部分。在列车司机长时间驾驶疲劳检测其中最关键技术之一是人脸检测和人脸感兴趣区域(ROI)定位,利用高斯肤色模型对列车司机驾驶图像中的人脸感兴趣区域(ROI)进行预分割,得到列车司机的人脸感兴趣区域,提出一种面向轨道交通列车司机疲劳检测关键技术之一是人脸检测的方法,针对轨道交通列车司机疲劳检测,如人脸检测技术进行了研究,经过实验分析表明,在复杂光照下列车司机人脸方法能有效提高人脸检测率,鲁棒性较好,为后续研究精准定位列车司机的眼睛张开和闭合进行疲劳检测奠定一定基础。

摘要： 随着神经网络算法的高速发展,计算机视觉领域发展越来越迅猛,对算法精确度和识别速度的要求也越来越高。MTCNN(Multi-task Convolutional Neural Networks)作为一种基于深度学习的人脸检测和人脸特征点对齐的方法,以速度快、精度高而广为人知,并且被应用得最广泛。根据改进的MTCNN作为主干网络,构造一个精度高识别速度快的特征点检测算法,在开源的LFW数据集上获得0.003的特征点损失,并将其应用于疲劳检测算法,取得较好的效果。

摘要： 为了预防驾驶员因疲劳驾驶引发交通事故,提出一种基于改进的HOG(histogram of oriented gra⁃dients)算法与CNN-SVM结合的人脸疲劳检测方法。首先,针对传统HOG特征提取过程中的不足,对HOG特征提取时加入了对角线像素的灰度信息,使得提取到的灰度边缘信息更加丰富,从而提升对人脸检测的准确度。其次,使用级联回归(ensemble of regression trees,ERT)算法对脸部68个关键点标定并裁剪眼部区域。最后,使用CNN结合SVM对人眼状态识别,并结合PERCLOS等参数进行疲劳判断。

摘要： 为了准确、快速地检测驾驶员疲劳状态,设计一种基于深度学习和ERT算法的车载疲劳检测系统。该系统采用MTCNN算法进行人脸定位,使用KCF算法进行人脸追踪,应用ERT算法进行人脸特征点检测。获得特征点后,测定了眨眼动作的EAR阈值与哈欠动作的MAR阈值,在YawDD数据集上眨眼识别的准确率达到88.07%,哈欠识别的F1-measure达到了92.31。通过计算眨眼时的PERCLOS值与检测嘴巴张度MAR的大小来判断眼部与嘴部状态,使用决策树进行多特征融合疲劳判断,进而决定是否进行预警。

摘要： 基于车载疲劳驾驶检测系统的需要,使用手机的前置摄像头设计了用于手机的疲劳驾驶检测系统.通过使用Haar-like特征和Adaboost分类器进行人脸的定位,并在此之上以同样的方法进行人眼的粗略检测.然后通过灰度投影结合Otsu法二值化得到眼睛的精确开度,判断人眼的状态.以此根据PERCLOS方法对驾驶员的疲劳程度进行检测.实验结果表明该系统具有较高的准确度,并对光照的变化有一定的适应性,能够有效地应用到疲劳检测中。

摘要： 针对机车驾驶员疲劳检测现状，提出了基于人脸面部表情的机车驾驶员疲劳检测方法，设计了相应的检测系统。该系统能实时检测和监控机车驾驶员的疲劳状态，在其产生疲劳的时候及时报警，让驾驶员本人和远方的监管人员对事故隐患早发现、早预防、早处理。系统对于提高铁路部门的安全生产水平，实现科学管理具有积极而重要的意义。

摘要： 为了提高驾驶员疲劳检测的效果,提出了一种新的基于Gobor小波变换的疲劳模式检测方法.新的方法采用Gabor小波提取脸部特征,应用多尺度KNN算法对人脸图像信息进行分类.实验结果表明,新的疲劳检测方法在K值较小的情况下对驾驶员疲劳模式的检测具有很好的效果.

摘要： 作为无损检测的重要手段,兰姆波被广泛的应用于薄板疲劳与缺陷检测。现在使用较多的是零阶模式对称与反对称模式兰姆波（S0/A0）,但受低阶模式兰姆波的传播特性限制，其检测的板材厚度薄；同时由于其声速较慢，检测灵敏度不高。本文通过计算弹性模量变化对兰姆波各阶模式声速的影响，分析了高阶模式兰姆波在金属薄板疲劳检测的优势。

摘要： 本文主要研究目的是根据国内表面肌电技术在运动训练中的发展与研究现状，对短跑运动训练的影响过程做一综述，借以激发学者的进一步研究兴趣并引起教练员的重视，使表面肌电技术进入更深层次的发展，运动训练的方法与手段更加科学化。研究指出，表面肌电技术具有非损伤性、针对性、局部性、实时性等优点，表面肌电技术对短跑运动员科学的选材、训练计划的制定、专门性准备活动、肌肉力量训练、疲劳检测及运动损伤的预防都有一定的指导作用。表面肌电技术的运用能使教练员的训练更加有针对性，训练手段更加科学化，进而提高短跑的运动成绩，并进一步激发科研人员的深层次研究。

摘要： 提出了一种基于眼睛状态识别的驾驶员疲劳状态实时监测的方法。为了实现眼睛状态的检测,首先通过计算累计背景和当前帧的差分图像的质心确定脸部范围,然后通过二值化和轮廓检测确定眼睛的搜索区域.在利用启发式规则进行筛选定位之后,计算眼睛骨架曲线和两眼角连线之间的距离得到眼睛的睁开程度。通过计算相应的疲劳指标如PERCLOS,平均睁眼程度、最长眼睛闭合时间来推测驾驶员的疲劳状态.以驾驶员面部视频的主观评分作为评价依据对检测方法进行评价,结果显示上述3个指标在不同的疲劳等级下均存在显著性差异,通过对不同指标的融合可达到较好的疲劳检测准确率。

摘要： 本文介绍了在某型飞机疲劳试验过程中,以增强目视方法为裂纹跟踪方法,对某型飞机疲劳试验过程中出现的疲劳裂纹扩展进行跟踪的方法.该方法简单、快捷、测量精度高,减少了人为因素对检查结果的影响和检测人员的劳动强度.

摘要： 本文介绍了在某型飞机疲劳试验过程中,以增强目视方法为裂纹跟踪方法,对某型飞机疲劳试验过程中出现的疲劳裂纹扩展进行跟踪的方法.该方法简单、快捷、测量精度高,减少了人为因素对检查结果的影响和检测人员的劳动强度.

摘要： 本文介绍了在某型飞机疲劳试验过程中,以增强目视方法为裂纹跟踪方法,对某型飞机疲劳试验过程中出现的疲劳裂纹扩展进行跟踪的方法.该方法简单、快捷、测量精度高,减少了人为因素对检查结果的影响和检测人员的劳动强度.

摘要： 本文介绍了在某型飞机疲劳试验过程中,以增强目视方法为裂纹跟踪方法,对某型飞机疲劳试验过程中出现的疲劳裂纹扩展进行跟踪的方法.该方法简单、快捷、测量精度高,减少了人为因素对检查结果的影响和检测人员的劳动强度.

摘要： 本发明提供一种疲劳驾驶检测系统及疲劳驾驶检测方法，疲劳驾驶检测系统包括：压力检测模块，用于获取驾驶员的握持压力状态信息；血氧心率检测模块，用于获取驾驶员的血氧含量状态信息和驾驶员的第一心率状态信息；心率检测模块，用于获取驾驶员的第二心率状态信息；处理模块，分别与压力检测模块、血氧心率检测模块和心率检测模块相连接，处理模块基于驾驶员的握持压力状态信息、驾驶员的血氧含量状态信息、驾驶员的第一心率状态信息和驾驶员的第二心率状态信息两者中的一者判断驾驶员是否处于疲劳状态；通过第一心率状态信息和第二心率状态信息双重判断心率状态信息，使判断结果更准确，降低误判率。

摘要： 本发明的疲劳状态检测装置，用于检测驾驶员的疲劳状态，具备：图像获取部，获取检测图像；眼睛开合度计算部，针对多张检测图像，分别计算每张检测图像中的眼睛开合度；第一阈值获取部，获取用于判断眼睛是否张开的第一阈值；第一判断部，将每张检测图像中的眼睛开合度与第一阈值进行比较，判断眼睛是否张开；计数运算部，计数判断为眼睛张开的检测图像的数量，并计算所述数量与检测图像总数量的比值；疲劳状态判断部，将比值与第一设定阈值进行比较，在该比值为第一设定阈值以下的情况下，判断为驾驶员处于重度疲劳状态，在该比值大于第一设定阈值且小于等于比第一设定阈值大的第二设定阈值的情况下，判断为驾驶员处于轻度疲劳状态。

摘要： 本发明涉及一种视觉疲劳的检测方法，包括如下步骤：对瞳孔施加设定参数的刺激光；获得在所述刺激光作用下的瞳孔图像采样，得到时间相关的准连续变化的瞳孔图像中瞳孔尺寸的数据；根据设定时间内所获得的多帧瞳孔图像中的瞳孔的尺寸数据，得到设定时间内瞳孔时间相关变化数据；对得到的所述瞳孔的变化数据进行处理，得到设定时间内瞳孔的调节速率；将得到的瞳孔的调节速率和预设值比较，当得到的瞳孔调节速率小于预设值时，判断出现视觉疲劳状态。本发明还涉及一种视觉疲劳的检测装置。实施本发明的视觉疲劳的检测方法和实现视觉疲劳状态检测的装置，具有以下有益效果：成本较低、便于操作且便于推广。

摘要： 本申请公开了一种疲劳检测方法、装置、系统及疲劳检测头盔。该方法包括：采集飞行员的眼部活动图像和头部活动信息；依据飞行员的眼部活动图像，确定飞行员的第一疲劳指数；依据飞行员的头部活动信息，确定飞行员的第二疲劳指数；依据第一疲劳指数和第二疲劳指数，确定飞行员的疲劳等级。通过本申请，解决了相关技术中军机飞行员在执行长航飞行任务时，无法高效实时准确的判定其觉醒状态的技术问题。

摘要： 本发明公开了一种驾驶员疲劳检测系统，包括图像预处理模块将图像处理为预设格式；面部以及面部特征点检测模块采用第一卷积神经网络检测获得面部区域和面部特征点；面部区域调整归一化模块根据人脸特征点形成面部位置框，利用面部位置框裁剪面部区域，将裁剪后的面部区域归一化处理；面部特征提取网络模块采用第二卷积神经网络在归一化后的图像中获取面部特征并获取各面部特征的置信度；疲劳程度及疲劳状态判断模块，根据疲劳判断规则获取当前图像疲劳程度，根据前图像疲劳程度利用PERCLOS算法获得驾驶员疲劳状态。本发明还公开了一种驾驶员疲劳检测方法。本发明能精确获取驾驶员的面部信息，并进行融合决策准确判断驾驶员疲劳状态。

摘要： 本发明提供一种疲劳检测装置与疲劳检测方法，其疲劳检测装置，包括第一检测单元、第二检测单元以及处理单元。第一检测单元用以取得第一生理信号，第二检测单元用以取得第二生理信号。处理单元耦接于第一检测单元以及第二检测单元，依据第一生理信号以及第二生理信号取得多个特征时间差，并且依据所取得的多个特征时间差随着时间的变化趋势来判定疲劳检测结果。此外，一种疲劳检测方法也被提出。本发明能够准确且即时的判定使用者的精神状态变化。

摘要： 本发明涉及嵌入式疲劳检测平台，包括嵌入式硬件测试系统和软件测试系统；嵌入式硬件测试系统针对数字电源控制模块的硬件测试，包括核心系统板、第一检测模块、第二检测模块、通信模块；第一检测模块用于检测数字电源控制模块的正常开启后的第一数据；第二检测模块用于检测在高能同步辐射光源的电源工作时的第二数据；通信模块用于发送第一数据和第二数据至核心系统板；核心系统板，用于根据第一数据生成第一模型，根据第二数据生成第二模型；获取第二模型相对于第一模型的变化数据，判断变化数据是否超过阈值；如果超过阈值，生成第一预警信号；软件测试系统针对嵌入式硬件测试系统进行软件测试。本发明可避免加速器控制系统软件错误和硬件板卡错误出现混淆，保证系统稳定性。

摘要： 本发明公开了一种疲劳检测模型构建方法、疲劳检测方法、装置及设备。其中，疲劳检测模型构建方法包括：获取训练数据集和测试数据集；其中，所述训练数据集和所述测试数据集中的各数据样本均包含多种模态信号；采用迁移学习中的域适应方法，将所述训练数据集中的训练样本以及所述测试数据集中的测试样本映射到同一特征空间，得到处理数据集；基于域对抗迁移网络构建初始疲劳检测模型；利用所述处理数据集对所述初始疲劳检测模型进行训练，得到最终的疲劳检测模型。上述方法通过利用迁移学习中的域适应方法克服了不同数据样本之间生理信号数据分布的差异性，建立了具有高泛化性能且更精准的疲劳检测模型。

摘要： 本发明提供高压气瓶的疲劳检测方法及疲劳检测组件，涉及疲劳检测领域，包括中部具有圆柱形容器的铝合金内胆，所述铝合金内胆的外侧设置有多个具有光纤栅点的光纤光栅应变传感器以及用于与所述光纤光栅应变传感器相互配合使用的光纤光栅温度传感器，本发明提供高压气瓶的疲劳检测方法及疲劳检测组件，通过在同一温度场中同时布置光纤光栅温度传感器和光纤光栅应变传感器，并通过光纤光栅温度传感器对光纤光栅应变传感器的温度进行补偿，使光纤光栅温度传感器和光纤光栅应变传感器发生相同温度效应，从而使光纤光栅应变传感器消除温度变化引起的波长偏移并得处应变单独引起的波长偏移，从而使气瓶测量更精确。

摘要： 本发明公开了一种用于电视的视觉疲劳检测方法和视觉疲劳检测系统，其中方法包括S1，实时采集影像数据和距离数据并上传至处理器；S2，处理器将采集的数据合并，并传输至三维建模模块；S3，三维建模模块进行建模，并依据全景拼接处理模块进行优化处理，生成模型数据并上传至控制器；S4，控制器根据预设阈值与模型数据进行对比，若在阈值范围内，则不发送指令给执行器，若超过阈值，则进入下一步骤；S5，控制器发送指令给执行器，执行器接收该指令后进行相应的操作，以提醒用户注意用眼卫生或调整电视屏幕至合适的位置。本发明通过视觉传感器捕捉用户的用眼数据，根据预设的阈值控制执行器动作，用以提醒用户注意用眼卫生，辅助用户纠正用眼习惯。