CN104537806A - 一种基于摄像头的疲劳驾驶实时检测*** - Google Patents
一种基于摄像头的疲劳驾驶实时检测*** Download PDFInfo
- Publication number
- CN104537806A CN104537806A CN201410630621.8A CN201410630621A CN104537806A CN 104537806 A CN104537806 A CN 104537806A CN 201410630621 A CN201410630621 A CN 201410630621A CN 104537806 A CN104537806 A CN 104537806A
- Authority
- CN
- China
- Prior art keywords
- image
- driver
- fatigue
- real
- detection system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000011897 real-time detection Methods 0.000 claims description 24
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000000875 corresponding effect Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 3
- 229910044991 metal oxide Inorganic materials 0.000 claims description 3
- 150000004706 metal oxides Chemical class 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 239000004065 semiconductor Substances 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 abstract 2
- 238000011156 evaluation Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种基于摄像头的疲劳驾驶实时检测***，包括视频图像采集模块、图像数据存储模块、视频图像处理模块以及报警装置，由视频图像采集模块的摄像头实时地采集驾驶室内的驾驶员的视频图像，存储在图像数据存储模块中，并由视频图像处理模块使用算法提取视频图像中的驾驶员疲劳评价参数和驾驶员疲劳状态识别标准，判断检测***输出的疲劳结果的不同等级，再控制报警装置发出对应的报警信息。不仅适合在汽车驾驶室内安装，而且充分发挥了图像检测方法所具有的优点，对被监测的驾驶员干扰小，准确性更强，抗干扰能力好，特别是可以在驾驶员做出关键性失误前检测到其疲劳状态，满足实时性的要求，还可以根据量化的疲劳程度的不同等级发出相应的报警信息。
Description
技术领域
本发明涉及汽车安全控制，特别是涉及一种基于摄像头的疲劳驾驶实时检测***。
背景技术
汽车驾驶员的警觉和安全驾驶能力会随着驾驶员的疲劳而下降，有必要对驾驶员的疲劳状态进行实时检测，并实时预警，以有效减少由驾驶员疲劳驾驶而引发的交通事故。现有利用检测驾驶员疲劳时的诸如脑电图、眼电图、肌电图、呼吸气流和呼吸效果等生理特征来监测驾驶员的疲劳状态的方法，测量结果比较准确，但是在驾驶室内无法安装测量仪器，其测量结果只能是超前或滞后的。此外，通过检测驾驶员的驾驶行为来监测驾驶员的疲劳状态的方法也难以在驾驶员做出关键性失误前检测到驾驶员的疲劳状态，不能满足实时性的要求。
发明内容
本发明所要解决的技术问题是弥补上述现有技术的缺陷，提供一种基于摄像头的疲劳驾驶实时检测***。
本发明的技术问题通过以下技术方案予以解决。
这种基于摄像头的疲劳驾驶实时检测***，是安装在汽车驾驶室内的在线实时图像处理***。
这种基于摄像头的疲劳驾驶实时检测***的特点是：
所述实时图像处理***包括视频图像采集模块、图像数据存储模块、视频图像处理模块，以及报警装置，由所述视频图像采集模块的摄像头实时地采集驾驶室内的驾驶员的视频图像，存储在所述图像数据存储模块中，并由所述视频图像处理模块使用算法提取视频图像中的驾驶员疲劳评价参数和驾驶员疲劳状态识别标准，判断检测***输出的疲劳结果的不同等级，再控制所述报警装置发出对应的报警信息。
本发明的技术问题通过以下进一步的技术方案予以解决。
所述图像采集模块由包括互补金属氧化物半导体（Complementary Metal Oxide Semiconductor，缩略词为CMOS）图像传感器芯片的摄像头和现场可编程门阵列（Field Programmable Gate Array，缩略词为FPGA）组成，所述CMOS图像传感器芯片内置传感器阵列、模拟/数字（Analog/Digital，缩略词为A/D）转换器和相关双采样电路，所述CMOS图像传感器芯片实时采集驾驶室内的驾驶员的视频图像数据，输出贝叶尔格式的图像数据到FPGA的视频接口，再解码相应数字流得到图像数据，自动传输到所述视频图像存储模块的存储器中存储，其中的红(R)、绿(G)、蓝(B)三个颜色分量RGB由数字增益调整，反馈给所述图像处理模块进行色彩处理或压缩，所述图像采集模块在FPGA控制下完成图像数据采集、图像数据的预处理、边缘检测、模板区域匹配，且与所述图像处理模块进行通讯。
所述图像处理模块包括STM32F417微处理器，同时完成数据接收、状态识别和预警，满足实时性要求，所述STM32F417微处理器是基于ARM Cortex-M4内核的32位闪存微控制器，内部集成DSP和FPU指令，具备高性能的信号处理和浮点运算能力，还集成1 MB的Flash和196 KB的SRAM，通过访问读取所述视频图像存储模块的存储器中的图像数据，对图像进行匹配和算法解析，确定驾驶员是否处于疲劳状态，并解析出驾驶员疲劳程度的量化值，将对应的数据流通过总线传输至所述报警装置，所述报警装置根据相应的数据信息选择不同的报警方式。
所述视频图像存储模块包括存储器，存储由视频解码、A/D转换后的信号数字流经所述图像采集模块解码后的图像信息，同时提供所述图像处理模块调用。
所述报警装置包括声音报警电路和蜂鸣器，由视频图像处理模块控制，与所述图像处理模块输出的驾驶员的不同疲劳程度量化值进行匹配报警，由蜂鸣器以不同的频率发出不同的声音，当驾驶员处于轻度疲劳驾驶状态时，蜂鸣器发出短而急促的嘟嘟声，对驾驶员给出警告；当驾驶员处于中、重度疲劳驾驶状态时，蜂鸣器发出连续的轰鸣声，直至驾驶员停车休息。
本发明的技术问题通过以下技术方案再进一步予以解决。
所述图像采集模块中的FPGA采用高斯平滑滤波算法有效去除所述摄像头输出的模拟信号经解码后的相应数字流得到的图像信号中的噪声，并平滑图像信号，提高图像信号的质量，有效保护图像信号的边缘和细节，以便直接用于图像识别和检测，同时避免光照变化制约疲劳驾驶实时检测***的性能。
所述图像采集模块中的FPGA对图像进行边缘检测，是采用局部图像微分技术的边缘检测算子对图像进行边缘检测，以发现图像中关于形状和反射或透射比的信息，进一步提高疲劳驾驶实时检测***的精度。
所述图像处理模块中的STM32F417微处理器对图像进行匹配，是将对图像灰度整体改变不敏感的信息作为匹配特征，以提高约疲劳驾驶实时检测***的实时性，所述对图像灰度整体改变不敏感的信息包括图像的特征点、图像的边缘和图像的纹理。
所述图像处理模块中的STM32F417微处理器对图像进行算法解析，是采用模糊神经网络算法提取相关的疲劳信息有机融合成一个整体进行疲劳检测，以增强疲劳驾驶实时检测***的鲁棒性，防止因一个特征提取失败而导致整个实时检测***失败。
所述图像处理模块中的STM32F417微处理器解析驾驶员疲劳程度的量化值，是将驾驶员的疲劳程度量化为五等级，其中一、二等级为驾驶员处于正常驾驶状态，三等级为驾驶员处于轻度疲劳驾驶状态，四等级为驾驶员处于中度疲劳驾驶状态，五等级为驾驶员处于重度疲劳驾驶状态。
本发明与现有技术相比的有益效果是：
本发明通过对摄像头输出的视频图像信息进行分析和处理，将机器视觉应用到疲劳驾驶检测***中，不仅结构简单，重量轻，造价低，占用空间小，适合在汽车驾驶室内安装，而且充分发挥了图像检测方法所具有的非接触、高速度、信息量丰富以及成本相对低廉的优点，对被监测的驾驶员干扰小，准确性更强，抗干扰能力好，特别是可以在驾驶员做出关键性失误前检测到其疲劳状态，满足实时性的要求，还可以根据量化的疲劳程度的不同等级发出相应的报警信息。
附图说明
附图1是本发明具体实施方式的硬件结构图。
具体实施方式
下面结合具体实施方式并对照附图对本发明进行说明。
一种如附图所示的基于摄像头的疲劳驾驶实时检测***，是安装在汽车驾驶室内的在线实时图像处理***，包括视频图像采集模块、图像数据存储模块、视频图像处理模块，以及报警装置6。
图像采集模块由包括CMOS图像传感器芯片的摄像头1和现场可编程门阵列FPGA 2组成，CMOS图像传感器芯片内置传感器阵列、A/D转换器3和相关双采样电路，CMOS图像传感器芯片实时采集驾驶室内的驾驶员的视频图像数据，输出贝叶尔格式的图像数据到FPGA 2的视频接口，再解码相应数字流得到图像数据，自动传输到视频图像存储模块的存储器4中存储，其中的红(R)、绿(G)、蓝(B)三个颜色分量RGB由数字增益调整，反馈给图像处理模块进行色彩处理或压缩，图像采集模块在FPGA 2控制下完成图像数据采集、图像数据的预处理、边缘检测、模板区域匹配，且与图像处理模块进行通讯。FPGA2采用高斯平滑滤波算法有效去除摄像头1输出的模拟信号经解码后的相应数字流得到的图像信号中的噪声，并平滑图像信号，提高图像信号的质量，有效保护图像信号的边缘和细节，以便直接用于图像识别和检测，同时避免光照变化制约疲劳驾驶实时检测***的性能。FPGA2对图像进行边缘检测，是采用局部图像微分技术的边缘检测算子对图像进行边缘检测，以发现图像中关于形状和反射或透射比的信息，进一步提高疲劳驾驶实时检测***的精度。
图像处理模块包括STM32F417微处理器5，同时完成数据接收、状态识别和预警，满足实时性要求，STM32F417微处理器5是基于ARM Cortex-M4内核的32位闪存微控制器，内部集成DSP和FPU指令，具备高性能的信号处理和浮点运算能力，还集成1 MB的Flash和196 KB的SRAM，通过访问读取视频图像存储模块的存储器4中的图像数据，对图像进行匹配和算法解析，确定驾驶员是否处于疲劳状态，并解析出驾驶员疲劳程度的量化值，将对应的数据流通过总线传输至报警装置6。STM32F417微处理器5对图像进行匹配，是将对图像灰度整体改变不敏感的信息作为匹配特征，以提高约疲劳驾驶实时检测***的实时性，对图像灰度整体改变不敏感的信息包括图像的特征点、图像的边缘和图像的纹理。STM32F417微处理器5对图像进行算法解析，是采用模糊神经网络算法提取相关的疲劳信息有机融合成一个整体进行疲劳检测，以增强疲劳驾驶实时检测***的鲁棒性，防止因一个特征提取失败而导致整个实时检测***失败。STM32F417微处理5器解析驾驶员疲劳程度的量化值，是将驾驶员的疲劳程度量化为五等级，其中一、二等级为驾驶员处于正常驾驶状态，三等级为驾驶员处于轻度疲劳驾驶状态，四等级为驾驶员处于中度疲劳驾驶状态，五等级为驾驶员处于重度疲劳驾驶状态。
视频图像存储模块包括存储器4，存储由视频解码、A/D转换后的信号数字流经图像采集模块解码后的图像信息，同时提供图像处理模块调用。
报警装置6包括声音报警电路和蜂鸣器，由视频图像处理模块控制，与图像处理模块输出的驾驶员的不同疲劳程度量化值进行匹配报警，由蜂鸣器以不同的频率发出不同的声音，当驾驶员处于轻度疲劳驾驶状态时，蜂鸣器发出短而急促的嘟嘟声，对驾驶员给出警告；当驾驶员处于中、重度疲劳驾驶状态时，蜂鸣器发出连续的轰鸣声，直至驾驶员停车休息。
本具体实施方式的实时检测过程如下：
由视频图像采集模块的摄像头1实时地采集驾驶室内的驾驶员的视频图像，存储在图像数据存储模块的存储器4中，并由视频图像处理模块使用算法提取视频图像中的驾驶员疲劳评价参数和驾驶员疲劳状态识别标准，判断检测***输出的疲劳结果的不同等级，再控制报警装置6发出对应的报警信息。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。
Claims (10)
1.一种基于摄像头的疲劳驾驶实时检测***，是安装在汽车驾驶室内的在线实时图像处理***，其特征在于：
所述实时图像处理***包括视频图像采集模块、图像数据存储模块、视频图像处理模块，以及报警装置，由所述视频图像采集模块的摄像头实时地采集驾驶室内的驾驶员的视频图像，存储在所述图像数据存储模块中，并由所述视频图像处理模块使用算法提取视频图像中的驾驶员疲劳评价参数和驾驶员疲劳状态识别标准，判断检测***输出的疲劳结果的不同等级，再控制所述报警装置发出对应的报警信息。
2.如权利要求1所述的基于摄像头的疲劳驾驶实时检测***，其特征在于：
所述图像采集模块由包括互补金属氧化物半导体CMOS图像传感器芯片的摄像头和现场可编程门阵列FPGA组成，所述CMOS图像传感器芯片内置传感器阵列、模拟/数字A/D转换器和相关双采样电路，所述CMOS图像传感器芯片实时采集驾驶室内的驾驶员的视频图像数据，输出贝叶尔格式的图像数据到FPGA的视频接口，再解码相应数字流得到图像数据，自动传输到所述视频图像存储模块的存储器中存储，其中的红、绿、蓝三个颜色分量RGB由数字增益调整，反馈给所述图像处理模块进行色彩处理或压缩，所述图像采集模块在FPGA控制下完成图像数据采集、图像数据的预处理、边缘检测、模板区域匹配，且与所述图像处理模块进行通讯。
3.如权利要求1或2所述的基于摄像头的疲劳驾驶实时检测***，其特征在于：
所述图像处理模块包括STM32F417微处理器，同时完成数据接收、状态识别和预警，满足实时性要求，所述STM32F417微处理器是基于ARM Cortex-M4内核的32位闪存微控制器，内部集成DSP和FPU指令，还集成1 MB的Flash和196 KB的SRAM，通过访问读取所述视频图像存储模块的存储器中的图像数据，对图像进行匹配和算法解析，确定驾驶员是否处于疲劳状态，并解析出驾驶员疲劳程度的量化值，将对应的数据流通过总线传输至所述报警装置。
4.如权利要求3所述的基于摄像头的疲劳驾驶实时检测***，其特征在于：
所述视频图像存储模块包括存储器，存储由视频解码、A/D转换后的信号数字流经所述图像采集模块解码后的图像信息，同时提供所述图像处理模块调用。
5.如权利要求4所述的基于摄像头的疲劳驾驶实时检测***，其特征在于：
所述报警装置包括声音报警电路和蜂鸣器，由视频图像处理模块控制，与所述图像处理模块输出的驾驶员的不同疲劳程度量化值进行匹配报警，由蜂鸣器以不同的频率发出不同的声音。
6.如权利要求5所述的基于摄像头的疲劳驾驶实时检测***，其特征在于：
所述图像采集模块中的FPGA采用高斯平滑滤波算法有效去除所述摄像头输出的模拟信号经解码后的相应数字流得到的图像信号中的噪声，并平滑图像信号。
7.如权利要求6所述的基于摄像头的疲劳驾驶实时检测***，其特征在于：
所述图像采集模块中的FPGA对图像进行边缘检测，是采用局部图像微分技术的边缘检测算子对图像进行边缘检测。
8.如权利要求7所述的基于摄像头的疲劳驾驶实时检测***，其特征在于：
所述图像处理模块中的STM32F417微处理器对图像进行匹配，是将对图像灰度整体改变不敏感的信息作为匹配特征，所述对图像灰度整体改变不敏感的信息包括图像的特征点、图像的边缘和图像的纹理。
9.如权利要求8所述的基于摄像头的疲劳驾驶实时检测***，其特征在于：
所述图像处理模块中的STM32F417微处理器对图像进行算法解析，是采用模糊神经网络算法提取相关的疲劳信息有机融合成一个整体进行疲劳检测。
10.如权利要求9所述的基于摄像头的疲劳驾驶实时检测***，其特征在于：
所述图像处理模块中的STM32F417微处理器解析驾驶员疲劳程度的量化值，是将驾驶员的疲劳程度量化为五等级，其中一、二等级为驾驶员处于正常驾驶状态，三等级为驾驶员处于轻度疲劳驾驶状态，四等级为驾驶员处于中度疲劳驾驶状态，五等级为驾驶员处于重度疲劳驾驶状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410630621.8A CN104537806A (zh) | 2014-11-11 | 2014-11-11 | 一种基于摄像头的疲劳驾驶实时检测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410630621.8A CN104537806A (zh) | 2014-11-11 | 2014-11-11 | 一种基于摄像头的疲劳驾驶实时检测*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104537806A true CN104537806A (zh) | 2015-04-22 |
Family
ID=52853325
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410630621.8A Pending CN104537806A (zh) | 2014-11-11 | 2014-11-11 | 一种基于摄像头的疲劳驾驶实时检测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104537806A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105828026A (zh) * | 2016-02-23 | 2016-08-03 | 华北理工大学 | 一种基于教育心理学的看书疲劳智能检测***与方法 |
| CN108352119A (zh) * | 2015-11-06 | 2018-07-31 | 大陆汽车***公司 | 具有车辆到车辆通信能力的用于安静车辆的增强声音生成 |
| CN108460284A (zh) * | 2017-02-17 | 2018-08-28 | 广州亿三电子科技有限公司 | 一种计算机关键数据保护***及方法 |
| CN108491858A (zh) * | 2018-02-11 | 2018-09-04 | 南京邮电大学 | 基于卷积神经网络的疲劳驾驶检测方法及*** |
| CN108509923A (zh) * | 2018-03-30 | 2018-09-07 | 百度在线网络技术（北京）有限公司 | 课堂注意力检测方法、装置、设备及计算机可读介质 |
| CN109493565A (zh) * | 2018-11-02 | 2019-03-19 | 南京泰晟科技实业有限公司 | 一种及时性疲劳提醒装置 |
| CN110381288A (zh) * | 2019-04-14 | 2019-10-25 | 泰州悦诚科技信息咨询中心 | 信号接收应对*** |
| CN110910610A (zh) * | 2019-11-22 | 2020-03-24 | 辽宁工程技术大学 | 一种基于dsp的疲劳驾驶预警*** |
| WO2020082242A1 (zh) * | 2018-10-23 | 2020-04-30 | 黄正民 | 一种基于fpga+arm控制的驾驶员疲劳监控*** |
| CN111709396A (zh) * | 2020-07-08 | 2020-09-25 | 六盘水达安驾驶培训有限公司 | 一种基于人体姿态的驾驶技能科目二、三考试辅助评判方法 |
| CN112581509A (zh) * | 2020-12-25 | 2021-03-30 | 北京环境特性研究所 | 一种基于sopc的无人机载地面目标实时跟踪***及跟踪方法 |
| CN113558621A (zh) * | 2021-07-23 | 2021-10-29 | 福州数据技术研究院有限公司 | 一种驾驶员疲劳检测与提醒的方法和*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005018656A (ja) * | 2003-06-27 | 2005-01-20 | Nissan Motor Co Ltd | 運転者状態検出装置 |
| CN101746269A (zh) * | 2010-01-08 | 2010-06-23 | 东南大学 | 基于软计算的疲劳驾驶融合检测方法 |
| CN102663758A (zh) * | 2012-04-20 | 2012-09-12 | 北京工业大学 | 一种基于fpga控制核心的图像采集及处理方法 |
| CN103318023A (zh) * | 2013-06-21 | 2013-09-25 | 同济大学 | 车载实时智能疲劳监控及辅助装置 |
-
2014
- 2014-11-11 CN CN201410630621.8A patent/CN104537806A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005018656A (ja) * | 2003-06-27 | 2005-01-20 | Nissan Motor Co Ltd | 運転者状態検出装置 |
| CN101746269A (zh) * | 2010-01-08 | 2010-06-23 | 东南大学 | 基于软计算的疲劳驾驶融合检测方法 |
| CN102663758A (zh) * | 2012-04-20 | 2012-09-12 | 北京工业大学 | 一种基于fpga控制核心的图像采集及处理方法 |
| CN103318023A (zh) * | 2013-06-21 | 2013-09-25 | 同济大学 | 车载实时智能疲劳监控及辅助装置 |
Non-Patent Citations (2)
| Title |
|---|
| 徐建华: "《图像处理与分析》", January 1992, 科学出版社 * |
| 王燕: "STM32的条状指纹采集与拼接***", 《单片机与嵌入式***应用》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108352119A (zh) * | 2015-11-06 | 2018-07-31 | 大陆汽车***公司 | 具有车辆到车辆通信能力的用于安静车辆的增强声音生成 |
| CN105828026A (zh) * | 2016-02-23 | 2016-08-03 | 华北理工大学 | 一种基于教育心理学的看书疲劳智能检测***与方法 |
| CN108460284A (zh) * | 2017-02-17 | 2018-08-28 | 广州亿三电子科技有限公司 | 一种计算机关键数据保护***及方法 |
| CN108460284B (zh) * | 2017-02-17 | 2023-12-29 | 广州亿三电子科技有限公司 | 一种计算机关键数据保护***及方法 |
| CN108491858A (zh) * | 2018-02-11 | 2018-09-04 | 南京邮电大学 | 基于卷积神经网络的疲劳驾驶检测方法及*** |
| CN108509923A (zh) * | 2018-03-30 | 2018-09-07 | 百度在线网络技术（北京）有限公司 | 课堂注意力检测方法、装置、设备及计算机可读介质 |
| WO2020082242A1 (zh) * | 2018-10-23 | 2020-04-30 | 黄正民 | 一种基于fpga+arm控制的驾驶员疲劳监控*** |
| CN109493565A (zh) * | 2018-11-02 | 2019-03-19 | 南京泰晟科技实业有限公司 | 一种及时性疲劳提醒装置 |
| CN110381288A (zh) * | 2019-04-14 | 2019-10-25 | 泰州悦诚科技信息咨询中心 | 信号接收应对*** |
| CN110910610A (zh) * | 2019-11-22 | 2020-03-24 | 辽宁工程技术大学 | 一种基于dsp的疲劳驾驶预警*** |
| CN111709396A (zh) * | 2020-07-08 | 2020-09-25 | 六盘水达安驾驶培训有限公司 | 一种基于人体姿态的驾驶技能科目二、三考试辅助评判方法 |
| CN112581509A (zh) * | 2020-12-25 | 2021-03-30 | 北京环境特性研究所 | 一种基于sopc的无人机载地面目标实时跟踪***及跟踪方法 |
| CN112581509B (zh) * | 2020-12-25 | 2023-08-15 | 北京环境特性研究所 | 一种基于sopc的无人机载地面目标实时跟踪***及跟踪方法 |
| CN113558621A (zh) * | 2021-07-23 | 2021-10-29 | 福州数据技术研究院有限公司 | 一种驾驶员疲劳检测与提醒的方法和*** |
| CN113558621B (zh) * | 2021-07-23 | 2023-08-01 | 福州数据技术研究院有限公司 | 一种驾驶员疲劳检测与提醒的方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104537806A (zh) | 一种基于摄像头的疲劳驾驶实时检测*** | |
| CN101470951B (zh) | 汽车安全驾驶监控*** | |
| CN103824420B (zh) | 基于心率变异性非接触式测量的疲劳驾驶识别*** | |
| CN110751051B (zh) | 一种基于机器视觉的异常驾驶行为检测方法 | |
| CN108287002A (zh) | 一种远程环境监测装置 | |
| CN105469035A (zh) | 基于双目视频分析的驾驶员不良驾驶行为检测*** | |
| CN105100758A (zh) | 用于安防监控的方法、设备以及摄像头 | |
| WO2022062775A1 (zh) | 一种基于车辆终端***的监控处理方法、***及相关设备 | |
| CN108836324B (zh) | 一种基于脑电信号监测的疲劳驾驶预警方法及*** | |
| JP2020531929A (ja) | テレメトリデータおよびウェアラブルセンサデータを用いたレーシングデータ分析のためのシステムおよび方法 | |
| CN103456168B (zh) | 一种交通路口行人行为监测***和方法 | |
| CN205490904U (zh) | 一种基于视频图像识别的考场监控*** | |
| CN108303140A (zh) | 一种环境在线检测方法 | |
| CN110737201B (zh) | 一种监护方法、装置、存储介质及空调 | |
| CN104068868A (zh) | 一种基于机器视觉的驾驶人疲劳监测方法及装置 | |
| CN108303141A (zh) | 一种城市环境质量监测*** | |
| CN108489536A (zh) | 一种环境在线检测方法 | |
| CN108449571A (zh) | 一种车内监控方法及设备 | |
| CN108344446A (zh) | 一种防止人为干扰的环境监测方法 | |
| CN109567832A (zh) | 一种基于智能手环的检测愤怒驾驶状态的方法及*** | |
| CN116386277A (zh) | 疲劳驾驶检测方法、装置、电子设备及介质 | |
| CN102610057B (zh) | 车载信息智能处理***和方法 | |
| CN117576632B (zh) | 基于多模态ai大模型的电网监控火灾预警***及方法 | |
| JP2022043238A (ja) | 車両駐車検出方法、システム、電子機器及び記憶媒体 | |
| CN112052774B (zh) | 行为检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150422 |
|
| RJ01 | Rejection of invention patent application after publication |