Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Study on Air-Conditioning Refrigeration Performance of Electric Vehicle Based on Flow Field Optimization Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Driver Drowsiness Analysis Based on Eyelid Feature

verfasst von : Shu Wang, Zhao Zhang, Zheng Wu, Jie Liu, Chunmei Mo

Erschienen in: Proceedings of China SAE Congress 2019: Selected Papers

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Definition of different drowsiness levels has been a problem for driver monitoring system. This paper proposes a new method of analyzing driver drowsiness. Based on extracted eyelid feature and vehicle speed and with consideration that emergency occurs randomly, a probabilistic damage model is built. For a long time before, drowsiness levels are defined according to experiences. In this paper, for the first time, effect of driver drowsiness on road safety is analyzed and resulting probabilistic model provides a possibility to deduce thresholds of drowsiness levels reversely.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Research on Trajectory Tracking Lateral Control of Intelligent Vehicle Based on Nested Sliding Mode
Nächstes Kapitel A Unified Spatio-Temporal Description Model of Environment for Intelligent Vehicles
Literatur
1.
Jung S-J, Shin H-S, Chung W-Y (2014) Driver fatigue and drowsiness monitoring system with embedded electrocardiogram sensor on steering wheel. IET Intell Transp Syst 43–50
2.
Borghini G, et al (2012) Assessment of mental fatigue during car driving by using high resolution eeg activity and neurophysiologic indices. In: Proceedings of the annual international conference on IEEE engineering medical biology society (EMBC), pp 6442–6445
3.
Balasubramanian V, Adalarasu K (2017) EMG-based analysis of change in muscle activity during simulated driving. J. Bodywork Movement Therapies 151–158
4.
Zhu X, Zheng W-L, Lu BL, Chen X, Chen S, Wang C (2014) EOG-based drowsiness detection using convolutional neural networks. In: Proceedings of international joint conference neural network (IJCNN), pp 128–134
5.
Sigari M-H, Fathy M, Soryani M (2013) A driver face monitoring system for fatigue and distraction detection. Int J Veh Technol, Art no 263983
6.
Alioua N, Amine A, Rziza M (2014) Driver’s fatigue detection based on yawning extraction. Int J Veh Technol, Art no 678786
7.
Dwivedi K, Biswaranjan K, Sethi A (2014) Drowsy driver detection using representation learning. In: Proceedings of IEEE international advances computer conference (IACC), pp 995–999
8.
McDonald AD, Schwarz C, Lee JD, Brown TL (2012) Real-time detection of drowsiness related lane departures using steering wheel angle. In: Proceedings of the human factors ergonomics society annual meeting, pp 2201–2205
9.
Kowalski M, Naruniec J, Trzcinski T (2017) Deep Alignment Network: A convolutional neural network for robust face arXiv
10.
Wu W, Qian C, Yang S, Wang Q, Cai Y, Zhou Q (2017) Look at boundary: a boundary-aware face alignment algorithm. Department of Computer Science and Technology, Tsinghua University
11.
Wierwille WW, Ellsworth LA, Wreggit SS, Fairbanks RJ, Kirn CL (1994) Research on vehicle-based driver status/performance monitoring; development, validation, and refinement of algorithms for detection of driver drowsiness. In: National Highway Traffic Safety Administration
12.
Dinges DF, Grace R (1998) PERCLOS: a valid psychophysiological measure of alertness as assessed by psychomotor vigilance. Federal Highway Administration
13.
Soukupová T, Čech J (2016) Real-time eye blink detection using facial landmarks. Center for Machine Perception, Department of Cybernetics, Faculty of Electrical Engineering, Czech Technical University in Prague
Metadaten
Titel
Driver Drowsiness Analysis Based on Eyelid Feature
verfasst von
Shu Wang
Zhao Zhang
Zheng Wu
Jie Liu
Chunmei Mo
Copyright-Jahr
2021
Verlag
Springer Singapore
Buch
Proceedings of China SAE Congress 2019: Selected Papers

Print ISBN: 978-981-15-7944-8

Electronic ISBN: 978-981-15-7945-5

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-981-15-7945-5_40

    Premium Partner

    Bildnachweise