基于YOLOv5算法的智能安全驾驶监测系统

该文介绍了基于YOLOv5算法的智能安全驾驶监测系统的开发与实现。该系统是聚焦于汽车安全驾驶辅助驾驶软件,针对人们在驾驶汽车时存在的各种驾驶隐患,如异常的驾驶行为动作、异常的驾驶员健康指标数据等各种潜在的危险因素导致的交通事故而提出的一种辅助软件。在可能发生危险情况时,及时向驾驶员提前语音警告提醒,情况严重将自动拨号家属联系人,由此来规避交通事故的发生,提高行车安全。

基于鸿蒙操作系统的智能安全驾驶监测系统

随着汽车的高速发展与大众化,驾驶员群体规模变得越来越庞大。在此基础上人们对汽车安全的关注度也越来越高,怎样有效地减少交通事故,保护人们的生命财产安全就显得尤为重要。针对这一现象设计了一款智能驾驶安全检测系统,对驾驶员的酒后驾驶与疲劳驾驶行为进行监测和报警,检测驾驶员健康数据。智能驾驶安全检测系统的出现,可以大幅度减少交通事故,保护驾驶员安全,同时实现万物互联。

DMS结合智能手表的驾驶安全智能控制系统方案设计

文章针对驾驶员监测系统(DMS)ECG信号测量不准导致的驾驶员突发疾病预估不及时而引发的交通事故问题,提出了一种DMS结合智能手表的驾驶安全智能控制系统方案,该方案能够准确做出对驾驶员身体状况的监测(疲劳驾驶和突发疾病),实现对驾驶员和车辆的智能控制,从而避免或减少由此造成的交通事故及人员伤亡。

基于神经网络学习的公共汽车驾驶安全识别

文章针对目前公交车驾驶员身体突发疾病、乘客抢夺方向盘以及现阶段L2级别的智能驾驶中驾驶权转移的空白等行车安全问题,设计了表情识别和危险动作识别两款程序。其中表情识别程序是利用基于Python语言的Opencv计算机视觉库,以Qt5作上位机设计的一款在视频中实时采集的人脸表情识别程序。首先通过输入图像的处理提高有关信息的可监测性,进而提高监测质量,其次进行表情模型训练和数据采集等,最终实现识别功能。同时还介绍了基于LabVIEW的危险动作识别程序。通过摄像头传入的视频信息,采用帧间差分法以及背景学习等算法监测出运动物体,实现监测范围内可能对驾驶安全构成威胁的外来物体的实时捕捉。实验数据表明,两款程序能够准确、快速地捕捉相应表情和危险动作,在解决上述问题的同时还大大提高了公共汽车的行车安全性。

人工智能驾驶的刑法解构与回应路径

加速到来的智能驾驶时代正在逐步瓦解传统交通安全犯罪的基本观念,引发包括“人的法定驾驶地位”是否丧失等问题。传统交通安全事故犯罪规定正在遭受不同程度的“肢解”,当代公共交通安全理念、犯罪的设定基础、归责逻辑等处于洗牌的机遇期。新型智能驾驶犯罪宜分为“对象型”“工具型”“独立型”,但亟待规范界定。应根据智能驾驶的程度与模式,就智能产品责任犯罪、智能驾驶公共安全犯罪等突出问题,对研发者、设计者、所有者、使用者、销售者、监管者等主体进行差异化归责。传统刑法规范体系陷入供给不足危机,亟待当代刑法提供框架性的保障,应及时回答智能驾驶时代新型犯罪的立法问题。