Driver Safety Enhancement Using Computer Vision and Embedded for Effective Drowsiness Detection

Dieses Kapitel widmet sich dem kritischen Thema der Müdigkeit von Fahrern und ihrer Rolle bei Verkehrsunfällen. Es führt ein hochmodernes System ein, das die Computervision und eingebettete Technologien nutzt, um frühe Ermüdungserscheinungen zu erkennen. Das System verwendet ein leichtgewichtiges Convolutional Neural Network (CNN) zur Analyse von Echtzeit-Videoströmen, wobei Augenverschlussmuster als zuverlässiger Indikator für Schläfrigkeit im Mittelpunkt stehen. Ein Vibrationsmotor sorgt für eine unmittelbare haptische Rückmeldung, um den Fahrer zu warnen, was ein proaktives Eingreifen gewährleistet. In diesem Kapitel wird auch die Integration einer Wi-Fi-fähigen Node-MCU zur nahtlosen Kommunikation und Steuerung diskutiert. Die Validierung anhand des NTHU-DDD-Datensatzes zeigt die hohe Genauigkeit und Robustheit des Systems und übertrifft traditionelle Modelle wie LSTM, InceptionV3 und MLP. Die praktische Umsetzung des Systems, einschließlich Hardwarekomponenten und Echtzeitanalyse, wird gründlich untersucht. Dieser innovative Ansatz erhöht nicht nur die Sicherheit im Straßenverkehr, sondern trägt auch zu den umfassenderen Bemühungen in den Bereichen Sicherheitstechnik und künstliche Intelligenz bei.