CN109472224A - 基于eeg与eog融合的疲劳驾驶检测系统 - Google Patents

基于eeg与eog融合的疲劳驾驶检测系统 Download PDF

Info

Publication number
CN109472224A
CN109472224A CN201811259831.5A CN201811259831A CN109472224A CN 109472224 A CN109472224 A CN 109472224A CN 201811259831 A CN201811259831 A CN 201811259831A CN 109472224 A CN109472224 A CN 109472224A
Authority
CN
China
Prior art keywords
module
data
eeg
driver
information
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
Application number
CN201811259831.5A
Other languages
English (en)
Inventor
黄涌
刘雪涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Blue Sensing (beijing) Technology Co Ltd
Original Assignee
Blue Sensing (beijing) Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Blue Sensing (beijing) Technology Co Ltd filed Critical Blue Sensing (beijing) Technology Co Ltd
Priority to CN201811259831.5A priority Critical patent/CN109472224A/zh
Publication of CN109472224A publication Critical patent/CN109472224A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0818—Inactivity or incapacity of driver
    • B60W2040/0827—Inactivity or incapacity of driver due to sleepiness
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0872—Driver physiology

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于EEG与EOG融合的疲劳驾驶检测系统，包括脑电信号模块、眼电信号模块、数据采集模块、数据预处理模块、脸部特征数据库、数据信息处理模块、对比识别模块；所述脑电信号模块和眼电信号模块将脑电信号和眼电信号传输至数据采集模块，该数据采集模块通过数据预处理模块和脸部特征数据库将采集的信息传输至数据信息处理模块，大数据信息处理模块控制该对比识别模块对驾驶员疲劳状态进行判断。本发明在于提供一种通过数据分析处理，智能化程度高，能够准确有效的检测驾驶员疲劳状态的基于EEG与EOG融合的疲劳驾驶检测系统。

Description

基于EEG与EOG融合的疲劳驾驶检测系统
技术领域
本发明涉及检测疲劳困倦系统技术领域，尤其涉及一种基于EEG与EOG融合的疲劳驾驶检测系统。
背景技术
疲劳驾驶是指在一段时间的驾车之后所产生的反应水平下降，反应迟钝，判断迟缓，节奏缓慢等是驾驶员疲劳驾驶的主要表现，疲劳驾驶是引发交通事故的重要因素，我国每年因交通伤亡人数居世界的首位，而且每年以百分之十的速度在递增，疲劳驾驶所导致的交通事故也在以相当快的速度增长，疲劳驾驶已经成为交通事故的重要因素，严重威胁着人们的生命财产安全。
疲劳驾驶时，司机的脑电信号和眼电信号特征会出现显著变化，目前主要是通过采集驾驶员脑电信号(EEG)和眼电信号(EOG)判断驾驶员处于疲劳困倦状态，防止驾驶员出现交通意外状况。
通过检测驾驶员脑部运动和面部状态变化等物流行为的变化，包括检测驾驶员眨眼频率变化判断司机处于疲劳状态。驾驶员眨眼频率一般采用图像采集系统来检测，通过摄像头采集人脸信息，对眼睛进行定位，判断眼睛大小，进而判断眨眼频率，但是受到车内光线和人脸方位的影响，对驾驶员眨眼频率检测会出现一定误差。另外，检测驾驶员脑电信号是认为检测驾驶员疲劳的金标准，通过检测脑电信号快波和慢波变化可以有效检测人体疲劳状态。
当前，还没有出现一种能够利用检测脑电和眼电信号来检测驾驶员行驶过程中的疲劳状态的智能系统，因而，急需研发一种基于EEG与EOG的检测驾驶员疲劳状态的智能系统，防止和减少交通事故意外发生。
中国专利申请号为：201710587711.7，申请日是:2017年07月18日，公开日是：2018年04月16日，专利名称为：一种防疲劳驾驶系统，该发明提供了一种防疲劳驾驶系统，包括处理器、摄像头、GPS系统、方向盘压力传感器、座椅压力传感器和语音系统。摄像头拍摄驾驶员面部特征和驾车线路情况；GPS系统记录驾驶员的驾车距离；方向盘压力传感器监测驾驶员手握方向盘的力度；座椅传感器监测驾驶员连续驾车时间；处理器处理所接收到的时间距离图像信息并通过因系统提醒驾驶员。通过上述方式，本发明能够监测驾驶员驾驶情况，提醒驾驶员，防止驾驶员出现驾驶疲劳情况，也能纠正驾驶员不良驾驶习惯。
上述专利文献公开了一种防疲劳驾驶系统，但是该系统检测驾驶员处于疲劳状态的系统过于简单，智能化程度不高，无法全面有效准确检测驾驶员处于疲劳状态，无法满足现代交通需求。
发明内容
有鉴于此，本发明在于提供一种通过数据分析处理，智能化程度高，能够准确有效的检测驾驶员疲劳状态的基于EEG与EOG融合的疲劳驾驶检测系统。
为了实现本发明目的，可以采取以下技术方案：
一种基于EEG与EOG融合的疲劳驾驶检测系统，包括脑电信号模块、眼电信号模块、数据采集模块、数据预处理模块、脸部特征数据库、数据信息处理模块、对比识别模块；所述脑电信号模块，用于检测驾驶员脑电波信号，所述眼电信号模块，用于检测驾驶员面部特征和眨眼频率信号，所述数据采集模块，用于采集驾驶员脑电信号和眼电信号数据；所述数据预处理模块，用于对采集数据预先处理；所述脸部特征数据库，用于驾驶员脸部特征数据保存；所述数据信息处理模块，用于将数据分析处理；所述对比识别模块，用于通过数据分析识别驾驶员脑电信号和眼电信号处在疲劳状态；
所述脑电信号模块和眼电信号模块将脑电信号和眼电信号传输至数据采集模块，该数据采集模块通过数据预处理模块和脸部特征数据库将采集的信息传输至数据信息处理模块，大数据信息处理模块控制该对比识别模块对驾驶员疲劳状态进行判断。
所述数据信息处理模块包括数据分析模块，用于对数据信息处理模块处理后的信息进行分析处理。
所述数据信息处理模块包括监测模块，用于监测数据信息并发布数据信息。
所述脸部特征数据库包括脸部特征数据分类模块和脸部特征数据索引模块。
所述对比识别模块包括状态判定模块，用于根据识别数据判定驾驶员疲劳程度。
所述数据信息处理模块通过串行或差分信号接口与将分析处理后的信息传输至监测控制模块。
所述监测控制模块包括数据传输模块，该数据传输模块用于监测数据传输。
所述监测控制模块包括触摸屏显示模块，该模块用于显示监测信息数据。
所述监测控制模块包括数据发布模块，该数据发布模块用于对监测模块信息发布。
本发明提供的技术方案的有益效果是:1)本发明通过通过采集驾驶员脑电信号眼电信号进行数据分析处理检测驾驶员脑电和眼电信号的变化，使检测驾驶员疲劳状态更加准确有效，防止和减少了交通事故意外发生；2)本发明通过数据分析处理，检测驾驶员疲劳状态更加方便快捷，功能多样，操作简便；3)本发明通过数据分析处理检测驾驶员疲劳状态，使检测驾驶员疲劳状态设备提高了技术等级，达到了升级换代的目的。
附图说明
图1为本发明实施例基于EEG与EOG融合的疲劳驾驶检测系统方框图。
具体实施方式
下面结合附图及本发明的实施例对发明作进一步详细的说明。
实施例1
参看图1，一种基于EEG与EOG融合的疲劳驾驶检测系统，包括脑电信号模块11、眼电信号模块12、数据采集模块1、数据预处理模块2、脸部特征数据库3、数据信息处理模块4、对比识别模块5；所述脑电信号模块11，用于检测驾驶员脑电波信号，所述眼电信号模块12，用于检测驾驶员面部特征和眨眼频率信号，所述数据采集模块1，用于采集驾驶员脑电信号和眼电信号数据；所述数据预处理模块2，用于对采集数据预先处理；所述脸部特征数据库3，用于驾驶员脸部特征数据保存；所述数据信息处理模块4，用于将数据分析处理；所述对比识别模块5，用于通过数据分析识别驾驶员脑电信号和眼电信号处在疲劳状态；
所述脑电信号模块11和眼电信号模块12将脑电信号和眼电信号传输至数据采集模块1，该数据采集模块1通过数据预处理模块2和脸部特征数据库3将采集的信息传输至数据信息处理模块4，该数据信息处理模块4控制该对比识别模块5对驾驶员疲劳状态进行判断。
优选地，所述数据信息处理模块4为型号是Arm架构的嵌入式CPU。
优选地，所述数据信息处理模块包括数据分析模块8，该数据分析模块8用于对数据信息处理模块处理后的信息进行分析处理。所述数据分析模块8通过数据信息处理模块4采集的该脸部特征数据库3中海量的驾驶员脸部特征，针对所述数据信息处理模块4处理分析地数据进一步进行分析处理，保证对驾驶员疲劳状态更准确的判断，并且将判断结果信号通过该数据信息处理模块4传输至所述对比识别模块5进行对比识别驾驶员是否处于疲劳驾驶状态。
优选地，所述数据信息处理模块4包括监测模块7，该监测模块7用于监测数据信息并发布数据信息。该监测模块7监测驾驶员疲劳状态信息数据，一旦发现驾驶员处于疲劳驾驶，进行预警，提醒驾驶员注意自己已经处于疲劳驾驶状态。
优选地，所述脸部特征数据库3包括脸部特征数据分类模块和脸部特征数据索引模块。该脸部特征数据库3用于将存储的驾驶员脸部信息数据进行分类保存，便于操作人员查找。所述数据索引模块用于将存储的驾驶员脸部信息数据根据分类进行索引，目的也是便于查找。
本实施例中，本发明所述数据分析模块8会随着所述脸部特征数据库3数据量的增加，自动进行数据记录，对不同驾驶员疲劳状态变化信息数据参数针对主次控制关系进行区分，进行自我调节，找出各种控制关系间的相同点，便于在不同情况下进行快速分析，根据不同驾驶员疲劳状态变化信息快速准确分析处理，更有效地通过该大数据信息处理模块4控制所述对比识别模块5进行驾驶员疲劳检测。
本实施例中，本发明所述数据信息处理模块4能够从海量的所述脸部特征数据库3的数据中找出相互间的关联性，并通过BP神经网络进行分析，不断找出数据间相互的影响关系，继而更加精确的检测驾驶员是否处于疲劳驾驶状态。
优选地，本实施例中，所述对比识别模块5包括状态判定模块6，该状态判定模块6用于根据识别数据判定驾驶员疲劳程度。
所述状态判定模块6通过该识别模块5所发出的识别信息数据对驾驶员疲劳状态程度做进一步判定。该状态判定模块6依据所述对比识别模块5采集的脸部特征数据库3中海量的脸部信息数据进行对比判断，能够得出驾驶员行车驾驶的疲劳程度，当该状态判定模块6判定出驾驶员处于疲劳驾驶状态不同程度，针对不同疲劳程度发出不同的预警信号，提醒驾驶员注意，防止交通事故发生。
实施例2
参看图1，与上述实施例的不同之处在于，本实施例中，所述数据信息处理模块4通过串行或差分信号接口与将分析处理后的信息传输至监测控制模块7。
本发明所述监测控制模块7包括数据传输模块71，该数据传输模块71用于监测数据传输。所述数据传输模块71包括无线网络或者以太网传输模块。该监测控制模块7将监测控制信息通过无线网络或者以太网传输至远端控制中心，实现远程监控，方便操作人员监测驾驶员疲劳驾驶的数据分析信息。
所述监测控制模块7还包括触摸屏显示模块72，该触摸屏显示模块72用于显示监测信息数据，方便操作人员查看数据分析结果。
所述监测控制模块7包括数据发布模块73，该数据发布模块73用于对监测模块7监测信息进行发布。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (9)

1.一种基于EEG与EOG融合的疲劳驾驶检测系统，其特征在于：包括脑电信号模块、眼电信号模块、数据采集模块、数据预处理模块、脸部特征数据库、数据信息处理模块、对比识别模块；所述脑电信号模块，用于检测驾驶员脑电波信号，所述眼电信号模块，用于检测驾驶员面部特征和眨眼频率信号，所述数据采集模块，用于采集驾驶员脑电信号和眼电信号数据；所述数据预处理模块，用于对采集数据预先处理；所述脸部特征数据库，用于驾驶员脸部特征数据保存；所述数据信息处理模块，用于将数据分析处理；所述对比识别模块，用于通过数据分析识别驾驶员脑电信号和眼电信号处在疲劳状态；
所述脑电信号模块和眼电信号模块将脑电信号和眼电信号传输至数据采集模块，该数据采集模块通过数据预处理模块和脸部特征数据库将采集的信息传输至数据信息处理模块，大数据信息处理模块控制该对比识别模块对驾驶员疲劳状态进行判断。
2.根据权利要求1所述基于EEG与EOG融合的疲劳驾驶检测系统，其特征在于：所述数据信息处理模块包括数据分析模块，用于对数据信息处理模块处理后的信息进行分析处理。
3.根据权利要求1所述基于EEG与EOG融合的疲劳驾驶检测系统，其特征在于：所述数据信息处理模块包括监测模块，用于监测数据信息并发布数据信息。
4.根据权利要求1所述基于EEG与EOG融合的疲劳驾驶检测系统，其特征在于：所述脸部特征数据库包括脸部特征数据分类模块和脸部特征数据索引模块。
5.根据权利要求1所述基于EEG与EOG融合的疲劳驾驶检测系统，其特征在于：所述对比识别模块包括状态判定模块，用于根据识别数据判定驾驶员疲劳程度。
6.根据权利要求3所述基于EEG与EOG融合的疲劳驾驶检测系统，其特征在于：所述数据信息处理模块通过串行或差分信号接口与将分析处理后的信息传输至监测控制模块。
7.根据权利要求3所述基于EEG与EOG融合的疲劳驾驶检测系统，其特征在于：所述监测控制模块包括数据传输模块，该数据传输模块用于监测数据传输。
8.根据权利要求3所述基于EEG与EOG融合的疲劳驾驶检测系统，其特征在于：所述监测控制模块包括触摸屏显示模块，该模块用于显示监测信息数据。
9.根据权利要求3所述基于EEG与EOG融合的疲劳驾驶检测系统，其特征在于：所述监测控制模块包括数据发布模块，该数据发布模块用于对监测模块信息发布。
CN201811259831.5A 2018-10-26 2018-10-26 基于eeg与eog融合的疲劳驾驶检测系统 Pending CN109472224A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811259831.5A CN109472224A (zh) 2018-10-26 2018-10-26 基于eeg与eog融合的疲劳驾驶检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811259831.5A CN109472224A (zh) 2018-10-26 2018-10-26 基于eeg与eog融合的疲劳驾驶检测系统

Publications (1)

Publication Number Publication Date
CN109472224A true CN109472224A (zh) 2019-03-15

Family

ID=65666137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811259831.5A Pending CN109472224A (zh) 2018-10-26 2018-10-26 基于eeg与eog融合的疲劳驾驶检测系统

Country Status (1)

Country Link
CN (1) CN109472224A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110367967A (zh) * 2019-07-19 2019-10-25 南京邮电大学 一种基于数据融合的便携型轻量化人脑状态检测方法
CN110772268A (zh) * 2019-11-01 2020-02-11 哈尔滨理工大学 一种多模脑电信号及1dcnn迁移的驾驶疲劳状态识别方法
CN110811649A (zh) * 2019-10-31 2020-02-21 太原理工大学 一种基于生物电及行为特征融合的疲劳驾驶检测方法
CN117407807A (zh) * 2023-12-11 2024-01-16 西南交通大学 一种基于单通道eeg信号监测的警觉度干预方法及装置
CN117542025A (zh) * 2023-11-02 2024-02-09 电子科技大学 驾驶员多特征融合的疲劳状态检测系统及方法
CN118303883A (zh) * 2024-02-27 2024-07-09 电子科技大学 基于脑电信号和眼电信号特征融合的疲劳检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101596101A (zh) * 2009-07-13 2009-12-09 北京工业大学 依据脑电信号判定疲劳状态的方法
CN102098955A (zh) * 2008-05-28 2011-06-15 有效调控运输公司 检测微入睡事件的方法和设备
CN104146722A (zh) * 2014-08-18 2014-11-19 吉林大学 一种基于头部信号的驾驶疲劳检测分级预警装置及方法
CN105595996A (zh) * 2016-03-10 2016-05-25 西安科技大学 一种眼电与脑电综合判定的疲劳驾驶脑电监测方法
CN105678959A (zh) * 2016-02-25 2016-06-15 重庆邮电大学 一种疲劳驾驶监控预警方法及系统
TW201626951A (zh) * 2015-01-26 2016-08-01 Sen Science Inc 穿戴式生理監測裝置及系統
CN107280694A (zh) * 2017-07-18 2017-10-24 燕山大学 一种基于多源信息融合的疲劳检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102098955A (zh) * 2008-05-28 2011-06-15 有效调控运输公司 检测微入睡事件的方法和设备
CN101596101A (zh) * 2009-07-13 2009-12-09 北京工业大学 依据脑电信号判定疲劳状态的方法
CN104146722A (zh) * 2014-08-18 2014-11-19 吉林大学 一种基于头部信号的驾驶疲劳检测分级预警装置及方法
TW201626951A (zh) * 2015-01-26 2016-08-01 Sen Science Inc 穿戴式生理監測裝置及系統
CN105678959A (zh) * 2016-02-25 2016-06-15 重庆邮电大学 一种疲劳驾驶监控预警方法及系统
CN105595996A (zh) * 2016-03-10 2016-05-25 西安科技大学 一种眼电与脑电综合判定的疲劳驾驶脑电监测方法
CN107280694A (zh) * 2017-07-18 2017-10-24 燕山大学 一种基于多源信息融合的疲劳检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
庄继德: "《汽车地面运输系统工程》", 30 June 2000, 北京理工大学出版社 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110367967A (zh) * 2019-07-19 2019-10-25 南京邮电大学 一种基于数据融合的便携型轻量化人脑状态检测方法
CN110367967B (zh) * 2019-07-19 2021-11-12 南京邮电大学 一种基于数据融合的便携型轻量化人脑状态检测方法
CN110811649A (zh) * 2019-10-31 2020-02-21 太原理工大学 一种基于生物电及行为特征融合的疲劳驾驶检测方法
CN110772268A (zh) * 2019-11-01 2020-02-11 哈尔滨理工大学 一种多模脑电信号及1dcnn迁移的驾驶疲劳状态识别方法
CN117542025A (zh) * 2023-11-02 2024-02-09 电子科技大学 驾驶员多特征融合的疲劳状态检测系统及方法
CN117407807A (zh) * 2023-12-11 2024-01-16 西南交通大学 一种基于单通道eeg信号监测的警觉度干预方法及装置
CN117407807B (zh) * 2023-12-11 2024-02-27 西南交通大学 一种基于单通道eeg信号监测的警觉度干预方法及装置
CN118303883A (zh) * 2024-02-27 2024-07-09 电子科技大学 基于脑电信号和眼电信号特征融合的疲劳检测方法

Similar Documents

Publication Publication Date Title
CN109472224A (zh) 基于eeg与eog融合的疲劳驾驶检测系统
Hossain et al. IOT based real-time drowsy driving detection system for the prevention of road accidents
Wang et al. Driver fatigue detection: a survey
CN102930693B (zh) 安全驾驶预警方法
CN208498370U (zh) 基于方向盘的疲劳驾驶检测预警装置
CN108407813A (zh) 一种基于大数据的车辆抗疲劳安全驾驶方法
CN111166357A (zh) 多传感器融合的疲劳监测装置系统及其监测方法
CN104637246A (zh) 一种驾驶员多种行为预警系统及危险评估方法
CN104013414A (zh) 一种基于移动智能手机的驾驶员疲劳检测系统
Al-Madani et al. Real-time driver drowsiness detection based on eye movement and yawning using facial landmark
CN102426757A (zh) 基于模式识别的安全驾驶监控系统和方法
CN111645694B (zh) 一种基于姿态估计的驾驶员驾驶状态监测系统及方法
CN103700220A (zh) 一种疲劳驾驶监控装置
Charniya et al. Drunk driving and drowsiness detection
CN109543577A (zh) 一种基于面部表情特征的疲劳驾驶检测预警方法
CN212624073U (zh) 一种安全驾驶预警系统
Guria et al. Iot-enabled driver drowsiness detection using machine learning
Verma et al. DRIVER DROWSINESS DETECTION
CN114492656A (zh) 一种基于计算机视觉和传感器的疲劳度监测系统
CN209895476U (zh) 一种基于角点检测的监测系统
NAREJO et al. Development of vehicle driver drowsiness detection system using eye aspect ratio
Pansare et al. Real-time Driver Drowsiness Detection with Android
Kabir et al. The smart vehicle management system for accident prevention by using drowsiness, alcohol, and overload detection
Kalisetti et al. Analysis of driver drowsiness detection methods
Daengsi et al. Drowsiness/Sleep Detection and Alert System: Development of A Prototype Using Raspberry PI

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190315

RJ01 Rejection of invention patent application after publication