基于卷积神经网络与ECG信息的多模态疲劳驾驶检测研究

为解决驾驶员疲劳驾驶引发的交通事故问题,本研究致力于设计一款高精度、及时预警的疲劳驾驶检测与预警装置。文章提出了一种基于卷积神经网络与ECG信息的多模态疲劳驾驶检测方法:首先,通过训练数据集获取模型文件,并将其与预设行为进行对比,得出预警结果;接着,结合ECG信号对驾驶员的驾驶状态进行进一步分析,输出最终结果并触发预警。实验结果表明,该方法能够准确识别驾驶员的疲劳状态并及时发出预警,最高检测正确率达到了99%,验证了方法的可行性。

基于CNN和激光雷达融合的智能语音避障导盲眼镜的研究与设计

为了辅助视障人士的独立出行,本项目基于CNN(Convolutional Neural Networks)卷积神经网络,采用主控芯片K210、毫米波激光雷达、AI芯片ASRPRO、ATK-1218-BD北斗GPS双模高精度定位等模块与自主绘制的电路图,制作出智能语音避障导盲眼镜。产品能够有效识别出行过程中遇到的红绿灯、斑马线和道路障碍等路况信息,最终能够实现实时位置追踪、智能路径规划、人机语音交互导航,使得产品用户借助本产品提供的环境信息判断出行路线上是否有障碍物,提高用户出行的安全性与日常生活的成就感,使得导盲眼镜变得真正可需要化与人性化。