基于YOLOv5的司机状态检测系统研究

为了提高工程车司机驾驶行为识别的精度和效率,本系统使用YOLOv5实现机车司机操作行为识别与视频监控,保证行车安全。本系统可实现疲劳驾驶监测、分心驾驶监测等多种不规范驾驶行为的检测,并且支持多路视频监测,提高监测效率。首先,利用车载摄像头采集司机驾驶状态视频流,传入检测模型;其次,通过网络模型进行实时监测,若出现不规范驾驶行为将发出警报并储存违规信息。为提高检测精度,本系统可通过人机交互界面自行绘制异形检测框,降低复杂背景对检测的不良影响。经过试验测试,该系统的损失在0.02左右,单类别检测准确率达到了92.5%,平均精度达到83.6%以上,能有效检测疲劳驾驶和驾驶时的不良行为,并及时发出语音警报提醒驾驶员。该系统将在减少工程事故、提高作业安全水平上发挥重要作用。

基于结构方程模型的电动出租汽车司机状态研究

电动汽车在中国发展迅速,以深圳市为例,大量的燃油出租汽车改换为电动出租汽车。通过文献综述研究和实地调研发现,随着出租汽车的动力形式改变,车型参数、监管形式、营运规律也发生改变,司机状态随之产生变化,包括驾驶体验、营运规律、收入变化、身心情况变化等。同时,过去的司机状态研究已经不足以全面了解现在的出租汽车司机情况,需对此进行修正和更新。本文以身体健康、心理健康和满意度、人口学信息、收入、营运规律6个潜变量及其观测变量建立结构方程模型,得出结论司机状态中的身心健康和满意度之间具有显著的正向影响关系,司机的人口学信息对其满意度有显著的正向影响关系。提升薪资可能不是最有效改进司机状态的办法,改善司机状态可以起到提升司机服务和改进乘客体验的作用。

人脸检测技术在司机工作状态监控系统中的应用

文章提出了一种在实时视频图像中快速检测人脸并检测司机工作状态的的方案，并利用Vc设计了软件将其实现。对摄像机采集的日间图像，先进行光线补偿和中值滤波，然后采用肤色检测定位人脸，最后运用双眼模板判断司机的工作状态；对于夜间图像，采用差分方法进行处理：实验证明该方法快速，准确率高，有效适用于实际工作环境.

基于人脸检测技术的司机工作状态监控系统设计

文章提出了一种在实时视频图像中快速检测人脸并检测司机工作状态的的方案。利用VC设计了软件将其实现。对摄像机采集的日间图像,先进行光线补偿和中值滤波,然后采用肤色检测定位人脸,最后运用双眼模板判断司机的工作状态;对于夜间图像,采用差分方法进行处理。实验证明该方法快速,准确率高,有效适用于实际工作环境。

城市轨道交通列车司机驾驶状态监测研究

该文为了降低轨道交通列车运行的安全风险,提出了基于视觉识别和智能手环的能够监测司机注意力集中程度、规范操作手势和关键身体指标的司机驾驶状态监测方法。首先根据列车司机的工作内容和工作特点,提出了监测对象。然后研究了关键检测技术和司机状态的判别方法,并设计了多数据的融合方法。最后在模拟环境中验证了监测方法的准确性和可靠性。

城市轨道交通列车司机驾驶状态监测系统设计

针对轨道交通列车司机人为因素对列车运行安全带来的风险,设计了一种司机驾驶状态监测系统.首先,根据轨道交通发展趋势,采用两级架构设计该监测系统;然后,对监测系统的关键技术进行了研究;最后,使用列车模拟驾驶平台,对监测系统的功能进行了验证.仿真结果表明系统功能稳定,对异常驾驶状态识别率高.

基于轻量化神经网络的司机使用手机行为检测

在司机驾驶车辆过程中,利用深度学习与神经网络等方法对其使用手机的行为进行检测,比使用传统视觉检测方法具备更高的精度与稳定性。本文基于MobileNet神经网络搭建轻量化辨识模型。同时,本文还采集了司机驾驶图像以构建数据集,并将数据集用于训练模型。最后,构建检测算法在测试集上进行验证。此方法性能稳定,轻量化程度高,适用场景广泛。