研究旨在通过理论和实践相结合的方式，以眼睑闭合持续时间百分比，即PERCLOS算法为核心，收集包括眼睛、嘴部和头部在内的多个部位的疲劳信息，深入探讨驾驶人在驾驶过程中的身体状态，从而构建出一种检测疲劳的新途径。为了检测图像中的人脸位置，这里使用DLIB库提供的人脸68个关键点DAT模型进行分析。然后提取驾驶人面部的68个特征点和坐标，再利用特征点中储存的信息进行眼部张合程度比(EAR)、眼睑闭合持续时间百分比、嘴部张合程度比(MAR)和俯仰角(PITCH)的运算，按照所设条件阈值，对驾驶人的疲劳状态进行评判。该方法能在车辆行驶过程中，无直接接触的情况下，实时地对驾驶人所处的疲劳状态进行准确检测与提示。

轮边封闭行星减速器结构紧凑、传动比大、制造工艺成熟,在设计中多采用薄壁轮缘行星轮结构和无外圈的非标双列圆柱滚子轴承结构。介绍薄壁轮缘行星轮弯曲疲劳强度计算及利用ANSYS对其进行有限元仿真,并对非标滚动轴承寿命进行校核,经实践验证该行星轮结构比较可靠。

MATLAB疲劳检测（眼部疲劳，人脸分割，人眼定位，开闭度检测，疲劳判别，可做眼睛+嘴巴+点头率综合检测版本）

Toast_dem是Android studio api level33 编译打包的 后端实现部分就是灵魂了加载自己的模型即可

基于Python实现的疲劳检测。通过YOLOv5加dlib对人脸进行标记，对驾驶员进行打哈欠（规定时间内打哈欠三次以上，视为瞌睡）、抽烟、喝水、玩手机行为的检测。实时显示眨眼次数，眼睛闭合程度，眨眼持续时间，打哈欠次数，嘴巴张开程度。可以调用摄像头检测或者是对视频进行检测，运行video. py对视频进行检测，把要检测的视频命名为input.mp4文件放在目录下，检测完成后会生成output.mp4文件。运行main.py调用电脑摄像头进行检测。安装好pycharm和anaconda，接着把Pytorch-GPU环境配置好，安装一些包，按照你解压的路径，改一下代码中对应文件的路径基本就可以运行了。GPU环境不会配的话可以直接用CPU，就是会卡一点。不会配置环境运行，有偿代运行wx:18256215256------------------------------------------------------------------------------------------------------------------------------------------------

开发技术环境： Pycharm + Python3.6 + PyQt5 + OpenCV + 卷积神经网络模型 本文采用卷积神经算法对驾驶室内的驾驶员进行实时的面部图像抓拍，通过图像处理的技术分析人眼的闭合程度，从而判断驾驶员的疲劳程度。本文介绍了对目标图像进行人脸检测，然后在分割出的人脸图像中，对人脸图像进行水平投影，并根据水平投影得到的人眼上下眼睑，定位出人眼的位置，而且根据人眼的上下眼睑可以通过事先给出的一定判别标准，判断眼部是否处于疲劳状态，从而达到疲劳检测的目的。当检测出驾驶员处于疲劳时，系统会自动报警，使驾驶员恢复到正常状态，从而尽量规避了行车的安全隐患，并且系统做出预留功能，可以将驾驶员的疲劳状态图片发送给指定的服务器以备查询。因此组成本系统中系统模块如下： （1）视频采集模块 （2）图像预处理模块 （3）人脸定位模块 （4）人眼定位模块 （5）疲劳程度判别模块 （6）报警模块

数据集包含四种类别，分别是张嘴闭嘴、睁眼闭眼 扣：2046删532除381 注意: 1.可定制！检测车辆，树木，火焰，人员，安全帽，烟雾，情绪，口罩佩戴……各种物体都可以定制，价格私聊另商！ 2.包安装！如果安装不上可以保持联系，3天安装不上可申请退货！

MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab MATLAB疲劳专注度检测系统（GUI框架，图片可换）Matlab

设计主要是基于MATLAB的疲劳驾驶视觉性检测，其研究方案总体处理框架一般包括以下五个阶段： （1） 视频输入阶段：通过摄像头或者其他视频设备获取司机的面部图像数据。 （2） 预处理阶段：对采集到的图像数据进行预处理，去除噪声、调整亮度、对比度等，以提高后续处理的效果。 （3）特征提取阶段：采用图像特征提取算法，从预处理后的图像中提取与疲劳状态相关的特征信息。一般用来检测眼睛状态。可以使用灰度积分投影技术进行眼睛定位。 （4）特征分类阶段：将特征信息与已知模型进行比较和分析，判断司机是否处于疲劳状态。可以使用神经网络、perclos技术进行分类判别。 （5）结果输出阶段：根据特征分类结果，输出报警信号或其他措施，提醒司机注意安全行车。

基于累积损伤的复合材料层合板拉-拉疲劳寿命预测，魏武国，，复合材料层合板在拉-拉疲劳载荷作用下的损伤形式主要是基体开裂、纤维拉断和分层，因此重点考虑这三种损伤的失效判据,并基于疲劳�