一种疲劳检测的算法 司机疲劳驾驶检测中人脸图像的快速人眼定位

（毕业设计论文）基于脑电采集的汽车疲劳驾驶检测系统硬件设计 全世界每年因驾驶员疲劳驾驶而导致的死亡人数占交通灾难性事故的57%，故针对疲劳驾驶检测方法的研究具有现实意义。而最近十多年来，疲劳检测逐步取得人们的关注，为此本文设计了基于脑电采集的汽车疲劳驾驶检测系统的硬件电路。 脑电图（EEG）信号检测一直被誉为监测疲劳的“金标准”，所以本文将脑电信号作为检测疲劳的主要参数。为了准确采集脑电信号，本文设计的前端调理电路包括前置放大电路、四阶低通滤波电路、二阶高通滤波电路、中间级放大电路、50HZ陷波电路、极性转换以及末级放大电路，并由嵌入式ARM开发板EasyCortex M3-1752将采集到的脑电信号进行A/D转换后通过串口发送到计算机做进一步的处理。最后利用MATLAB对数据进行绘图分析，以及对系统进行整体分析和总结。

MATLAB疲劳检测perclos定理,该课题基本内容 :本设计目标在于利用Matlab强大的图像处理能力和实用便捷的编程方法，通过处理包含人脸的视频帧系列图像，灰度积分投影技术的眼睛定位方法，进而利用perclos计数，计算眨眼率，从而得到比较准确的疲劳状况。包括lun文初稿撰写。本设计基于灰度积分投影技术的眼睛定位方法，再结合perclos技术。首先通过图像预处理技术得到灰度分配较为均匀的图像,然后分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标,实现了准确的眼睛定位,通过perclos技术技术眨眼率，根据先验值得到是否疲劳。算法原理 :视频输入——预处理去除非人脸区域——人脸定位——人眼定位（灰度积分投影）——眼睛张合度——perclos技术统计——输出结果

防疲劳驾驶检测系统设计的全部资料。 包含本设计的，原理图，硬件清单，stm32代码，测试时的串口输出内容txt。

本基于MATLAB图像处理的疲劳驾驶检测提出了一种基于视觉信息和人工智能的驾驶员睡意自动检测模块。该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。人脸和眼睛的检测都是通过AdaBoost分类器来实现的。为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。提出的人脸跟踪方法，还具有自校正能力。在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。

matlab编写程序，通过定位人眼，嘴巴，检测驾驶员是否处于疲劳状态，运行简单，界面清晰

人工智能_深度学习之疲劳驾驶检测，通过检测人脸和嘴巴，来判断驾驶员是否处于疲劳状态。 MATLAB编写程序，界面清晰，运行简单。

人眼检测、疲劳驾驶检测，MATLAB代码，有界面，亲测可用

基于OpenCV的疲劳驾驶检测系统的设计与实现