TWI799343B - 運用田口法於汽車駕駛人夜間瞌睡偵測方法 - Google Patents
運用田口法於汽車駕駛人夜間瞌睡偵測方法 Download PDFInfo
- Publication number
- TWI799343B TWI799343B TW111132351A TW111132351A TWI799343B TW I799343 B TWI799343 B TW I799343B TW 111132351 A TW111132351 A TW 111132351A TW 111132351 A TW111132351 A TW 111132351A TW I799343 B TWI799343 B TW I799343B
- Authority
- TW
- Taiwan
- Prior art keywords
- eye
- infrared
- night
- ratio
- aspect ratio
- Prior art date
Links
Images
Landscapes
- Lighting Device Outwards From Vehicle And Optical Signal (AREA)
- Traffic Control Systems (AREA)
Abstract
一種運用田口法於汽車駕駛人夜間瞌睡偵測方法,係先對汽車駕駛人的臉部進行偵測,然後透過臉部特徵點定位,從影像中找出臉部的左眼、右眼、嘴巴、下巴、鼻子、左眉毛和右眉毛等位置,以利用眼睛長寬比來判定汽車駕駛人是否打瞌睡。由於在夜間辨別正確率偏低,所以本發明以田口方法進行夜間實驗,以達成在不確定環境下之強健設計(Robust Design)。田口法實驗中,將長寬比閾值、紅外線光源的紅外線強度、影像色彩、及框架大小設定為控制因子,紅外線夜視攝影機與紅外線燈到眼睛的距離為輸入,戴眼鏡與不戴眼鏡為干擾因子,正確率為輸出。所得之裝置設計結果由嵌入式系統實現後,證實正確率大大提高。
Description
本發明係有關於一種運用田口法於汽車駕駛人夜間瞌睡偵測方法,尤指涉及一種使用田口直交實驗,可快速設計出新組合來增加偵測的正確率以縮短開發時間,特別係指可適用在不確定環境下,仍然可以在考量最大化信號對雜訊比(Signal-to-Noise Ratio,S/N)比,且兼顧品質特性下,得到最佳強健控制因子(設計參數)組合者。
現今社會使用車輛通行的比例越來越高,尤其家家戶戶都有小型車輛。每天工作以及假日出遊都需要用到汽車,因此汽車駕駛的安全是非常重要,如果車程中發生車禍,將會造成駕駛或乘客受傷或死亡。110年整年的交通事故前10名,其中前10項有未依規定讓車、未注意車前狀況、及左轉彎未依規定等,這些常常是因為駕駛精神狀況不佳而造成。根據美國國家高速公路交通安全局(National Highway Traffic Safety Administration,NHTSA),在2019年統計發現因昏昏欲睡而造成高速公路駕駛車禍並且導致死亡人數為697人,佔總車禍死亡人數的1.9%,這個死亡比率相當高。因此汽車若有瞌睡偵測裝置將可以有效防止駕駛人因打嗑睡而造成車禍發生。
一般習知解決方法係使用嘗試錯誤(trial-and-error)的方式,找出一個偵測瞌睡裝置的設計參數,然而這樣的實驗方式不僅需要耗費相當多的時間,且不保證所得的設計參數可在例如:駕駛人臉部離攝影機距離不同、環
境照度不同、及駕駛人是否有戴眼鏡等不確定環境下使用。由於此種習知解決方法並未有系統地進行產品控制因子的選用,因此無法達到最佳化的產品合格(正確)率的最佳化選擇。
目前瞌睡偵測比較廣泛運用於汽車行業中,因為汽車駕駛時需要很高度的注意力,才可以防止駕駛意外發生,因此瞌睡偵測很適合運用在汽車業。職是之故,鑑於在汽車的輔助駕駛系統中安裝瞌睡偵測裝置,除了可防止駕駛意外發生,更能有效提高汽車的年銷售數量。因此發展一套可解決前案技術缺點與使用田口法運用於夜間行車駕駛人瞌睡偵測與嵌入式系統實現之發明實有必要。
本發明之主要目的係在於,克服習知技藝所遭遇之上述問題並提供一種使用田口直交實驗,可快速設計出新組合來增加偵測的正確率以縮短開發時間,可適用在不確定環境下,仍然可以在考量最大化S/N比,且兼顧品質特性下,得到最佳強健控制因子(設計參數)組合之運用田口法於汽車駕駛人夜間瞌睡偵測方法。
為達以上之目的,本發明係一種運用田口法於汽車駕駛人夜間瞌睡偵測方法,係應用於一瞌睡偵測裝置並且對該瞌睡偵測裝置中一微型單板電腦、一紅外線夜視攝影機以及一紅外線燈進行夜間汽車駕駛人瞌睡偵測(Nodding-off Detection),透過即時與連續自動偵測人臉及臉部相關特徵,以計算眼睛長寬比來判定該汽車駕駛人是否打瞌睡,該方法至少包含下列步驟:偵測環境建立步驟:使用該紅外線夜視攝影機搭配該紅外線燈在夜間對汽車駕駛
人進行臉部攝影,其中該紅外線夜視攝影機與該紅外線燈係位在汽車駕駛座前方,該紅外線夜視攝影機係與該微型單板電腦相連接;影響品質特性的因子選出步驟:選出影響品質特性的數個控制因子,該些控制因子係可被控制之參數,其包括眼睛長寬比(Eye Aspect Ratio,EAR)的閾值、紅外線光源(mW/cm2)、影像色彩、及框架大小;各種控制因子變動的水準決定步驟:每個控制因子各設有三個水準(level)個數,在該些控制因子中,該眼睛長寬比的閾值以0.21、0.22及0.23作為其變動的三個水準,該紅外線光源的紅外線強度以4、5及6mW/cm2作為其變動的三個水準,該影像色彩以灰階、彩色及黑白作為其變動的三個水準,該框架大小以520、620及720pixel作為其變動的三個水準;實驗直交表選用步驟:依據該各種控制因子變動的水準決定步驟中每個控制因子及其水準建立直交表,選用的該直交表為L9(34),以該紅外線夜視攝影機與該紅外線燈到眼睛的距離為輸入,戴眼鏡與不戴眼鏡為干擾因子,根據該些輸入與該些干擾因子來獲得對應量測值的正確率為輸出,並依據該直交表實驗,紀錄辨識該些量測值(即正確率);實驗數據與S/N比計算步驟:使用該L9(34)田口實驗直交表分析,進行正交實驗,計算該直交表中各組實驗所得的該些量測值(即正確率)的平均值與標準偏差,最後再根據該些量測值(即正確率)的該平均值與該標準偏差計算出S/N比,取得該些量測值的變異程度;因子反應分析步驟:將該S/N比或品質特性放入因子反應分析表並依水準區分,再經由水準分類取平均值,重新取得新的S/N比或品質特性的因子反應分析表,從該新的S/N比或品質特性的因子反應分析表分類該眼睛長寬比的閾值、該紅外線光源、該影像色彩、及該框架大小四類控制因子來最大化S/N比,通過均值分析取其最大值以得到新的最佳控制因子組合,其中該眼睛長寬比的閾值為0.22,該紅外線光源的紅外線強度
為4mW/cm2,該影像色彩為灰階,及該框架大小為620pixel為該新的最佳控制因子組合;以及設計結果確認步驟:將該新的最佳控制因子組合重新進行夜間汽車駕駛人瞌睡偵測的實驗比較後,與原設計相比,得到更高的S/N比,確認該新的最佳控制因子組合為最佳且強健的控制因子組合。
於本發明上述實施例中,該微型單板電腦更包括有一觸控螢幕顯示模組。
於本發明上述實施例中,該紅外線夜視攝影機到眼睛的距離與該紅外線燈到眼睛的距離相等。
於本發明上述實施例中,該紅外線夜視攝影機與該紅外線燈到眼睛的距離為55~65公分。
於本發明上述實施例中,該微型單板電腦內設有一應用程式庫,用以連續對該臉部攝影之影像自動偵測臉部與眼睛辨識,透過臉部特徵點定位,從該影像中找出左眼位置、右眼位置、嘴巴位置、下巴位置、鼻子位置、左眉毛位置及右眉毛位置,以計算該眼睛長寬比。
於本發明上述實施例中,該微型單板電腦係使用該應用程式庫中的Dlib-ml程式模組所提供的前臉偵測與臉部特徵點擷取指令定位眼睛座標並計算該眼睛長寬比,然後使用OpenCV程式模組所提供的凸殼(convex)指令畫出眼睛輪廓。
100:瞌睡偵測裝置
1:微型單板電腦
11:觸控螢幕顯示模組
12:應用程式庫
121:Dlib-ml程式模組
122:OpenCV程式模組
2:紅外線夜視攝影機
3:紅外線燈
4:車輛
s11~s17:步驟
第1圖,係本發明瞌睡偵測裝置之架構示意圖。
第2圖,係本發明所提瞌睡偵測方法之偵測流程示意圖。
第3圖,係本發明之睜眼與閉眼偵測照片。
第4圖,係本發明之眼睛長寬比照片。
請參閱『第1圖~第4圖』所示,係分別為本發明瞌睡偵測裝置之架構示意圖、本發明所提瞌睡偵測方法之偵測流程示意圖、本發明之睜眼與閉眼偵測照片、及本發明之眼睛長寬比照片。如圖所示:本發明係一種運用田口法於汽車駕駛人夜間瞌睡偵測方法,係使用田口方法(Taguchi Method)運用在汽車駕駛人瞌睡偵測(Nodding-off Detection),並使用Raspberry Pi 4 Model B為微型單板電腦1、Raspberry Pi Noir Camera V2 8MP為紅外線夜視攝影機2、以及外接式48顆燈泡850nm為紅外線燈3來實現一瞌睡偵測裝置100,而該瞌
睡偵測裝置100是架設在車輛4內。當運用時,先選出控制因子及干擾因子以進行正交實驗以獲得信號雜訊比,透過均值分析最後得到最佳且強健的控制因子組合。
上述所提之控制因子為一個可被控制之設計參數,本發明採用眼睛長寬比(Eye Aspect Ratio,EAR)的閾值、紅外線光源(mW/cm2)、影像色彩、及框架大小來進行實驗並作為控制因子,每個控制因子有三個水準,故田口法直交表採用L9(34)直交表分析。本發明所設計的控制因子水準表如表一所示,其中:
該眼睛長寬比的閾值為A因子,選定其為0.21、0.22及0.23這三個值來進行實驗。如果閾值過高則會發生眼睛睜開,卻會誤判成眼睛閉上;如果閾值過低則會誤判成張開眼睛。
該紅外線光源的紅外線強度為B因子,其單位為mW/cm2,如果紅外線強度太弱會造成Raspberry Pi Noir Camera V2 8MP紅外線夜視攝影機無法辨識到臉部與眼睛;如果紅外線強度太強,會造成Raspberry Pi Noir Camera V2 8MP紅外線夜視攝影機辨識模糊,因此將紅外線光源設定為4、5及6mW/cm2。
該影像色彩為C因子,由於夜間的紅外線辨識情況不好,所以加入灰階或黑白情況下進行實驗,減少光線對於臉部與眼睛辨識的影響。因此針對灰階、彩色、及黑白三種色彩來進行實驗。
該框架大小為D因子,框架大小會影響臉部、眼睛判讀、與程式運行速度,所以設定框架為520、620及720pixel來進行實驗。
以下實施例僅舉例以供了解本發明之細節與內涵,但不用於限制本發明之申請專利範圍。
於本發明之一較佳具體實施例中,本發明係針對夜間時段,使用田口法正交實驗來設計一個以嵌入式系統為基礎的偵測裝置,透過即時與連續自動偵測人臉及臉部相關特徵,以計算眼睛長寬比來判定該汽車駕駛人是否打瞌睡,從而提高夜間瞌睡偵測的正確率。本發明所提方法如第2圖所示,其至少包含下列步驟:
偵測環境建立步驟s11:使用該紅外線夜視攝影機2搭配該紅外線燈3在夜間對汽車駕駛人進行臉部攝影,其中該紅外線夜視攝影機2與該紅外線燈3係位在汽車駕駛座前方,該紅外線夜視攝影機2係與該微型單板電腦1相連接。
影響品質特性的因子選出步驟s12:選出影響品質特性的數個控制因子,該些控制因子係可被控制之參數,其包括眼睛長寬比(Eye Aspect Ratio,EAR)的閾值、紅外線光源(mW/cm2)、影像色彩、及框架大小。
各種控制因子變動的水準決定步驟s13:每個控制因子各設有三個水準(level)個數,在該些控制因子中,該眼睛長寬比的閾值以0.21、0.22及
0.23作為其變動的三個水準,該紅外線光源的紅外線強度以4、5及6mW/cm2作為其變動的三個水準,該影像色彩以灰階、彩色及黑白作為其變動的三個水準,該框架大小以520、620及720pixel作為其變動的三個水準。
實驗直交表選用步驟s14:依據該各種控制因子變動的水準決定步驟中每個控制因子及其水準建立直交表,選用的該直交表為L9(34),以該紅外線夜視攝影機2與該紅外線燈3到眼睛的距離為輸入,戴眼鏡與不戴眼鏡為干擾因子,根據該些輸入與該些干擾因子來獲得對應量測值的正確率為輸出,並依據該直交表實驗,紀錄辨識該些量測值(即正確率)。
實驗數據與S/N比計算步驟s15:使用該L9(34)田口實驗直交表分析,進行正交實驗,計算該直交表中各組實驗所得的該些量測值(即正確率)的平均值與標準偏差,最後再根據該些量測值的該平均值與該標準偏差計算出信號對雜訊比(Signal-to-Noise Ratio,S/N),取得該些量測值的變異程度。
因子反應分析步驟s16:將該S/N比或品質特性放入因子反應分析表並依水準區分,再經由水準分類取平均值,重新取得新的S/N比或品質特性的因子反應分析表,從該新的S/N比或品質特性的因子反應分析表分類該眼睛長寬比的閾值、該紅外線光源、該影像色彩、及該框架大小四類控制因子來最大化S/N比,通過均值分析取其最大值以得到新的最佳控制因子組合,其中該眼睛長寬比的閾值為0.22,該紅外線光源的紅外線強度為4mW/cm2,該影像色彩為灰階,及該框架大小為620pixel為該新的最佳控制因子組合。
設計結果確認步驟s17:將該新的最佳控制因子組合重新進行夜間汽車駕駛人瞌睡偵測的實驗比較後,與原設計相比,得到更高的S/N比,確認該新的最佳控制因子組合為最佳且強健的控制因子組合。如是,藉由上述揭露
之流程構成一全新之運用田口法於汽車駕駛人夜間瞌睡偵測方法。
在上述實驗步驟s11中,本發明使用Raspberry Pi Noir Camera V2 8MP紅外線夜視攝影機2,搭配外接式48顆燈泡850nm紅外線燈3在夜間進行攝影,且該微型單板電腦1更包括有一觸控螢幕顯示模組11,其內設有一應用程式庫12。臉部攝影之影像由Raspberry Pi 4 Model B微型單板電腦1的應用程式庫12連續自動偵測人臉及相關特徵,透過臉部特徵點定位,從該影像中找出左眼位置、右眼位置、嘴巴位置、下巴位置、鼻子位置、左眉毛位置及右眉毛位置,以計算眼睛長寬比,實驗架構圖如第1圖所示。本發明使用該應用程式庫12中的Dlib-ml程式模組121所提供的前臉偵測與臉部特徵點擷取指令定位眼睛座標並計算該眼睛長寬比,然後使用OpenCV程式模組122所提供的凸殼(conyex)指令畫出眼睛輪廓,再將上述該些程式模組121、122燒入Raspberry Pi 4 Model B微型單板電腦1來即時偵測,如第3、4圖所示。
在實驗實施方面,首先要選定直交表,選定的直交表為L9(34),然後輸入為眼睛對紅外線夜視攝影機與紅外線燈的距離(紅外線夜視攝影機與紅外線燈兩個距離相等),其距離為55、60、65cm。干擾因子為戴眼鏡與不戴眼鏡,輸出為正確率(百分比,符號為y)。實驗完成後要進行的計算,是n個量測值(即正確率)的平均值,n為正整數,計算式如式(1),其中,該yi為第
i個正確率:
再來計算S,S是此n個量測值的標準偏差,計算式如式(2):
最後計算S/N比,S/N比為量測值的變異程度,計算式如式(3):
計算完後各組實驗的正確率的平均值、標準偏差、及S/N比的結果如表二所示。
所謂的因子反應是指控制因子的變動對S/N比或品質特性的影響的大小,譬如A因子由第1水準(Level 1)變動到第2水準(Level 2),也就是閾值0.21到0.22時,S/N比(或品質特性)的平均變動量稱為A的因子反應,可表示為;而B因子由第2水準變動到第3水準時,S/N比(或品質特性)的平均變動量可表示為。其中為在A因子的所有Level1的S/N比總和取平均,為
在A因子的所有Level2的S/N比總和取平均,計算方式如下所示:
由所有組合計算可以整理成表三所示之S/N比的因子反應表。
由上可知一個因子的變動會對S/N比(或品質特性)產生顯著(significant)影響時,稱此因子為重要因子。統計學中的變異分析就是用來決定因子的重要性,目前本發明使用一半原則來決定重要因子。
接下來是品質特性的因子反應表,如表四所示。
第1類是對S/N具有影響力的因子,可以用來最大化S/N比,也就縮小變異。第2類是對品質特性有影響力的因子,用來調整品質特性的平均值至目標值而不致於改變品質特性的變異,此類因子稱為調整因子。第3類是對S/N及品質特性都不具影響的因子,此因子是用來降低成本,如表五所示之控制因子的分類。
再來進行製程最佳化,首先調整第1類控制因子(B、D)來最大化S/N比:A? B1 C? D2再來調整第2類控制因子(A)來使品質特性達到目標值:A2 B1 C? D2再來調整第3類控制因子(C),由於第3類控制因子不會有影響,因此用來降低成本,所以選擇如下:A2 B1 C1 D2
即最佳強健設計參數為眼睛長寬比(A控制因子)為0.22(Level 2)、紅外線光源的紅外線強度(B控制因子)為4mW/cm2(Level 1)、影像色彩(C控制因子)為灰階(Level 1)、及框架大小(D控制因子)為620pixel(Level 2)。其中表六中的實驗10為最佳強健設計的最後正確率確認實驗。
由表六的實驗10可知S/N比高於表二的各9個實驗的任何一個S/N比,因此實驗10為最佳且強健的控制因子組合。
由上述可知,本發明係先對汽車駕駛人的臉部進行偵測,然後透過臉部特徵點定位,從影像中找出臉部的左眼、右眼、嘴巴、下巴、鼻子、左眉毛和右眉毛等位置,以利用眼睛長寬比來判定汽車駕駛人是否打瞌睡。由於在夜間辨別正確率偏低,所以本發明以田口方法進行夜間實驗,以達成在不確定環境下之強健設計(Robust Design)。田口法實驗中,將長寬比閾值、紅外線光源的紅外線強度、影像色彩、及框架大小設定為控制因子,紅外線夜視攝影機與紅外線燈到眼睛的距離為輸入,戴眼鏡與不戴眼鏡為干擾因子,正確率為輸出。所得之裝置設計結果由嵌入式系統實現後,證實正確率大大提高。
藉此,本發明係可應用在夜間對汽車駕駛人瞌睡偵測裝置的設計方法,提出田口直交實驗決定瞌睡偵測裝置的控制因子及其可能水準,所獲得的最佳強健控制因子(設計參數)組合的眼睛長寬比閾值、紅外線光源的紅外線強度、影像色彩、及框架大小,可在不確定環境下維持裝置優異的辨識正確率。此最佳強健設計參數將搭配微型單板電腦、紅外線夜視攝影機、紅外線燈及一偵測眼睛長寬比的應用程式庫來使用。
綜上所述,本發明係一種運用田口法於汽車駕駛人夜間瞌睡偵測
方法,可有效改善習用之種種缺點,可適用在不確定環境下,仍然可以在考量最大化S/N比,且兼顧品質特性下,得到最佳強健控制因子(設計參數)組合;因為使用田口直交實驗,可快速設計出夜間行車駕駛人瞌睡偵測的最佳控制因子新組合來增加偵測的正確率,因此可以縮短開發時間,進而使本發明之產生能更進步、更實用、更符合使用者之所須,確已符合發明專利申請之要件,爰依法提出專利申請。
惟以上所述者,僅為本發明之較佳實施例而已,當不能以此限定本發明實施之範圍;故,凡依本發明申請專利範圍及發明說明書內容所作之簡單的等效變化與修飾,皆應仍屬本發明專利涵蓋之範圍內。
s11~s17:步驟
Claims (8)
- 一種運用田口法於汽車駕駛人夜間瞌睡偵測方法,係應用於一瞌睡偵測裝置並且對該瞌睡偵測裝置中一微型單板電腦、一紅外線夜視攝影機以及一紅外線燈進行夜間汽車駕駛人瞌睡偵測(Nodding-off Detection),透過即時與連續自動偵測人臉及臉部相關特徵,以計算眼睛長寬比來判定該汽車駕駛人是否打瞌睡,該方法至少包含下列步驟:偵測環境建立步驟a:使用該紅外線夜視攝影機搭配該紅外線燈在夜間對汽車駕駛人進行臉部攝影,其中該紅外線夜視攝影機與該紅外線燈係位在汽車駕駛座前方,該紅外線夜視攝影機係與該微型單板電腦相連接;影響品質特性的因子選出步驟b:選出影響品質特性的數個控制因子,該些控制因子係可被控制之參數,其包括眼睛長寬比(Eye Aspect Ratio,EAR)的閾值、紅外線光源(mW/cm2)、影像色彩、及框架大小;各種控制因子變動的水準決定步驟c:每個控制因子各設有三個水準(level)個數,在該些控制因子中,該眼睛長寬比的閾值以0.21、0.22及0.23作為其變動的三個水準,該紅外線光源的紅外線強度以4、5及6mW/cm2作為其變動的三個水準,該影像色彩以灰階、彩色及黑白作為其變動的三個水準,該框架大小以520、620及720pixel作為其變動的三個水準;實驗直交表選用步驟d:依據該各種控制因子變動的水準決定步驟中每個控制因子及其水準建立直交表,選用的該直交表為L9(34),以該紅外線夜視攝影機與該紅外線燈到眼睛的距離為輸入,戴眼鏡與不戴眼鏡為干擾因子,根據該些輸入與該些干擾因子來獲得對應量測值的正確率為輸出,並依據該直交表實驗,紀錄辨識該些量測值(即正確率); 實驗數據與S/N比計算步驟e:使用該L9(34)田口實驗直交表分析,進行正交實驗,計算該直交表中各組實驗所得的該些量測值(即正確率)的平均值與標準偏差,最後再根據該些量測值(即正確率)的該平均值與該標準偏差計算出信號對雜訊比(Signal-to-Noise Ratio,S/N),取得該些量測值的變異程度;因子反應分析步驟f:將該S/N比或品質特性放入因子反應分析表並依水準區分,再經由水準分類取平均值,重新取得新的S/N比或品質特性的因子反應分析表,從該新的S/N比或品質特性的因子反應分析表分類該眼睛長寬比的閾值、該紅外線光源、該影像色彩、及該框架大小四類控制因子來最大化S/N比,通過均值分析取其最大值以得到新的最佳控制因子組合,其中該眼睛長寬比的閾值為0.22,該紅外線光源的紅外線強度為4mW/cm2,該影像色彩為灰階,及該框架大小為620pixel為該新的最佳控制因子組合;以及設計結果確認步驟g:將該新的最佳控制因子組合重新進行夜間汽車駕駛人瞌睡偵測的實驗比較後,與原設計相比,得到更高的S/N比,確認該新的最佳控制因子組合為最佳且強健的控制因子組合。
- 依申請專利範圍第1項所述之運用田口法於汽車駕駛人夜間瞌睡偵測方法,其中,該微型單板電腦更包括有一觸控螢幕顯示模組。
- 依申請專利範圍第1項所述之運用田口法於汽車駕駛人夜間瞌睡偵測方法,其中,該紅外線夜視攝影機到眼睛的距離與該紅外線燈到眼睛的距離相等。
- 依申請專利範圍第1或3項所述之運用田口法於汽車駕駛人夜間瞌睡偵測方法,其中,該紅外線夜視攝影機與該紅外線燈到眼睛的距離為55~65公分。
- 依申請專利範圍第1項所述之運用田口法於汽車駕駛人夜間瞌睡偵測方法,其中,該微型單板電腦內設有一應用程式庫,用以連續對該臉部攝影之影像自動偵測臉部與眼睛辨識,透過臉部特徵點定位,從該影像中找出左眼位置、右眼位置、嘴巴位置、下巴位置、鼻子位置、左眉毛位置及右眉毛位置,以計算該眼睛長寬比。
- 依申請專利範圍第5項所述之運用田口法於汽車駕駛人夜間瞌睡偵測方法,其中,該微型單板電腦係使用該應用程式庫中的Dlib-ml程式模組所提供的前臉偵測與臉部特徵點擷取指令定位眼睛座標並計算該眼睛長寬比,然後使用OpenCV程式模組所提供的凸殼(convex)指令畫出眼睛輪廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111132351A TWI799343B (zh) | 2022-08-26 | 2022-08-26 | 運用田口法於汽車駕駛人夜間瞌睡偵測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111132351A TWI799343B (zh) | 2022-08-26 | 2022-08-26 | 運用田口法於汽車駕駛人夜間瞌睡偵測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI799343B true TWI799343B (zh) | 2023-04-11 |
TW202409905A TW202409905A (zh) | 2024-03-01 |
Family
ID=86948759
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111132351A TWI799343B (zh) | 2022-08-26 | 2022-08-26 | 運用田口法於汽車駕駛人夜間瞌睡偵測方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI799343B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201608532A (zh) * | 2014-08-26 | 2016-03-01 | 國立臺南大學 | 駕駛告警方法與駕駛告警裝置 |
TW201638837A (zh) * | 2015-04-22 | 2016-11-01 | 緯創資通股份有限公司 | 人眼偵測方法及系統 |
CN106529421A (zh) * | 2016-10-21 | 2017-03-22 | 燕山大学 | 基于混合脑机接口技术的情绪及疲劳检测辅助驾驶系统 |
TW201913585A (zh) * | 2017-08-28 | 2019-04-01 | 緯創資通股份有限公司 | 瞌睡偵測裝置及其瞌睡偵測方法 |
-
2022
- 2022-08-26 TW TW111132351A patent/TWI799343B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201608532A (zh) * | 2014-08-26 | 2016-03-01 | 國立臺南大學 | 駕駛告警方法與駕駛告警裝置 |
TW201638837A (zh) * | 2015-04-22 | 2016-11-01 | 緯創資通股份有限公司 | 人眼偵測方法及系統 |
CN106529421A (zh) * | 2016-10-21 | 2017-03-22 | 燕山大学 | 基于混合脑机接口技术的情绪及疲劳检测辅助驾驶系统 |
TW201913585A (zh) * | 2017-08-28 | 2019-04-01 | 緯創資通股份有限公司 | 瞌睡偵測裝置及其瞌睡偵測方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104809445B (zh) | 基于眼部和嘴部状态的疲劳驾驶检测方法 | |
WO2016038784A1 (ja) | ドライバ状態判定装置 | |
JP5737400B2 (ja) | 赤目検出装置 | |
CN108309311A (zh) | 一种列车驾驶员实时盹睡检测装置及检测算法 | |
CN110443102B (zh) | 活体人脸检测方法及装置 | |
CN111062292B (zh) | 一种疲劳驾驶检测装置与方法 | |
JP4989249B2 (ja) | 目検知装置、居眠り検知装置及び目検知装置の方法 | |
CN109344802A (zh) | 一种基于改进的级联卷积神经网的人体疲劳检测方法 | |
CN109002774A (zh) | 一种基于卷积神经网络的疲劳监测装置及方法 | |
CN108609018A (zh) | 用于分析危险驾驶行为的预警终端、预警系统及分析算法 | |
CN113140093A (zh) | 一种基于AdaBoost算法的疲劳驾驶检测方法 | |
CN108256378A (zh) | 基于眼球动作识别的驾驶员疲劳检测方法 | |
TWI799343B (zh) | 運用田口法於汽車駕駛人夜間瞌睡偵測方法 | |
CN114220158A (zh) | 基于深度学习的疲劳驾驶检测方法 | |
CN113887386A (zh) | 基于深度学习和机器学习的多特征融合的疲劳检测方法 | |
JP2008224565A (ja) | 目状態判別装置、目状態判別方法及び目状態判別プログラム | |
CN108256397A (zh) | 基于投影积分的虹膜区域定位方法 | |
KR102258332B1 (ko) | 운전자 졸음방지 경고 및 자동 통화연결 시스템 | |
WO2023160075A1 (zh) | 图像修复方法、装置、设备和介质 | |
CN109800640A (zh) | 一种基于二维曲面拟合的吸烟检测方法 | |
US11851003B2 (en) | Driving assistance system and method for driver | |
TW202409905A (zh) | 運用田口法於汽車駕駛人夜間瞌睡偵測方法 | |
Zeng et al. | A driving assistant safety method based on human eye fatigue detection | |
KR102288753B1 (ko) | 운전자 모니터링 장치 및 방법 | |
CN110287795A (zh) | 一种基于图像分析的眼部年龄检测方法 |