“目”字纵横谈

说“目”是个象形字大家可能觉得不怎么像,但是它确实是个象形字。《说文解字》的解释是:“人眼也,象形,重,童子也。”这是解释小篆的,“重”指重复的两横,“童子”即“瞳子”,现在说眼球。不论甲骨文还是金文,“目”都是横写的,作平视状,上下眼睑裹着眼球,你能说不像眼睛吗?

基于改进YOLOv7的疲劳驾驶检测算法研究

疲劳驾驶是一种常见的危险驾驶行为,准确检测驾驶员是否处于疲劳驾驶状态对于道路安全至关重要。提出一种基于YOLOv7的疲劳驾驶检测算法,该方法使用改进的YOLOv7模型识别驾驶员的眼部、嘴部疲劳状态,再通过计算眼睑纵横比(Eye Aspect Ratio,EAR)、嘴巴纵横比(Mouth Aspect Ratio,MAR)、头部3个欧拉角来判别驾驶员是否疲劳驾驶。实验结果表明,使用MobileOne轻量化的网络作为主干网络,使模型检测速度达到每秒71帧,在Neck部分引入卷积块注意力模块(Convolutional Block Attention Module,CBAM)和Focal EIoU Loss损失函数,在基本不影响速度的情况下使检测精度达到95.35%。本方法在公开数据集NTHU-DDD上取得了较好的疲劳检测效果,可应用于实际场景中的实时安全监测。

基于人脸识别技术的汽车防疲劳驾驶系统

本文使用Dlib人脸识别库,进行驾驶员人脸的识别和眼睛的定位,通过检测眼睛纵横比(EAR)的变化及眼睛闭合的持续时间,来判定驾驶员的眼睛状态,利用Python、dlib等运行环境进行驾驶员疲劳判断,一旦检测到驾驶员处于疲劳状态时,系统即发出语音警示,提示驾驶员停车休息。同时,针对驾驶员低头、左顾右盼等分心行为,系统将实时检测驾驶员头部的运动状态,并及时予以提醒,从而进一步防止各种交通事故的发生。实验结果表明,系统对驾驶员裸眼疲劳状态的识别率为94.7%,驾驶员戴眼镜疲劳状态的识别率为86.7%,平均识别率为91.2%,疲劳判断的响应时间为100ms,驾驶员分心状态的识别率为90%,响应时间为100ms,具有较好的应用价值。