基于卷积神经网络的疲劳检测改进算法

为了解决当前的疲劳检测算法准确率低或实时性差的缺点,提出一种改进的卷积神经网络疲劳检测算法。使用HOG检测算法结合KCF跟踪算法对采集的人脸进行检测和跟踪;随后调用Dlib库进行脸部关键点的提取;通过引入可变形卷积神经网络对提取的眼部和嘴部进行状态识别;通过CEW和YAWDD数据集进行测试,疲劳检测准确率达到94.36%。实验表明,与当前的疲劳检测算法相比,提出的方法能够实时地检测驾驶员疲劳,并且具有较高的准确率。

一种口腔检查机器人的设计与定位研究

传统的口腔疾病诊断高度依赖医生的临床经验和专业素养,因此创新设计了一种口腔检查机器人样机,采用标准D-H法建模,利用蒙特卡洛法进行工作空间分析,利用五次多项式插值函数对机械手进行轨迹规划,验证了结构设计的合理性。基于Dlib模型设计了口腔状态判断方法,通过分析Astra S相机、机械手和三维空间之间的坐标系转换关系,获取嘴部中心坐标,经重复定位试验得到误差均在±2 mm之内,验证了嘴部定位方法的可行性。

基于YOLO的可控阈值特定场景疲劳识别系统的设计

系统综合分析了现有的人脸和眼睛图像数据库,使用YOLO框架算法在MS COCO数据集训练能够检测出人脸的特定状态,通过DLib库结合疲劳度公式识别面部疲劳状态,并结合进行疲劳和特定行为的检测,有效实现了由疲劳导致的危险场景的预判,同时减少人为事故的发生概率,通过性能良好,高识别率的训练模型,在相应领域能产生广泛的运用。

基于Python+Dlib方法的人脸识别技术研究

针对OpenCV的HAAR特征分类器在人脸检测方面出现的识别效果和抗遮挡能力较差,误检、漏检以及动态识别实时性不强等问题,文中提出了采用Python+Dlib方法以及开源已训练好的大量人脸模型接口来实现人脸识别,对遮挡鲁棒性较好。通过对正脸以及偏转较小的图片和视频在人脸检测、特征点标定、特征向量提取以及人脸比对识别过程进行测试,实验结果表明,该方法在检测实时性、识别精度和效果上均优于OpenCV方法。

一种信息融合的驾驶员疲劳检测系统设计与实现

疲劳驾驶是交通事故发生的主要原因之一,为减少事故发生概率,以树莓派作为服务器,搭建网站式检测系统,置于驾驶舱采集图像流后多线程处理,线程一采用Dlib(图像处理开源库)人脸关键点检测器,通过实时计算驾驶员眼部的纵横比和嘴部长宽,与设定阈值进行比较,得出眨眼和打哈欠的统计次数和频率,得出疲劳状态;线程二通过混合域CBMA注意力模块改进传统VGG16网络,优化了模型算法,实现疲劳状态自动判别;线程三采用头部姿态检测(HPE)算法,计算驾驶员头部姿态的欧拉角,统计点头次数和频率,得出疲劳状态;各线程处理结果,送至融合算法,综合判别驾驶员状态,若为困倦状态,语音提醒和向绑定邮箱发送抓拍图像及结果。远端用户可通过http网页实时查看驾驶员视频图像,同时接收服务器推送邮件。通过多次实验,验证了系统的有效性和判定结果准确性。

基于Dlib的疲劳驾驶远程监测系统设计

阐述设计疲劳驾驶远程监测系统,利用Dlib人脸检测模型,通过计算EAR与MAR参数值来判断驾驶员是否闭眼或打哈欠,并通过HPE算法判断驾驶员头部姿态。若发现疲劳驾驶,系统会进行警告提示,并通过云端发送到监测平台进行人为干预,实现“双重保险”。经实验测试,此系统可以准确判定货车驾驶员的疲劳状态,降低事故风险。

Intelligent In-Vehicle Safety System Based on Yolov5

In order to reduce the occurrence of traffic accidents and assist drivers to avoid dangerous driving. This paper presents a smart in-vehicle safety system that utilises the Yolov5 algorithm. Yolov5 algorithm is used to anticipate driver fatigue and distraction behaviours, and remind drivers to pay attention to safe driving in time. The system continuously splits the frames and analyses the frame content through the video feedback from the front camera, compared to the traditional machine learning, Yolov5’s mosaic data is enhanced, resulting in a batch size enhancement of 92.3%, and it also uses the Drop Block mechanism to prevent overfitting. The hardware of this system uses STM32 microcontroller and uses system DMA interrupt control and buzzer alarm device to warn about dangerous driving behaviour.

基于Dlib模型的云自习智能检测和监管系统设计

云自习的发展对培养学生的自主学习能力、推动智慧教育的建设有重要意义。然而云自习的用户监管正面临一些困难,如目前已有的视频监控方法仍需由监督者使用完整过程录像观测用户的自习状态。此外,完整的视频监控数据上传云服务器后,有较大的隐私泄露风险。为解决以上问题,文章设计了一种基于Dlib模型的人脸关键点检测算法,通过视频流分析用户自习状态下脸部特征的变化,实现用户自习状态的智能识别检测。根据上述检测算法,文章实现了云自习智能检测和监管系统。该系统无需存储完整的视频数据进行回看,即可展现用户的自习状态变化和自习结果,充分保护用户的隐私。自习场景模拟下的实验数据表明,该系统的平均检测正确率达到80%以上,可实时处理每秒20帧以上的视频流,能够满足自习状态检测准确率和实时性的要求。

戴口罩多人脸识别系统研究

针对新冠疫情及流感流行时期传统的人脸识别系统无法准确识别戴口罩人脸的问题,设计了一个口罩遮挡情况下的多人脸识别系统。该系统利用CLAHE算法对人脸图像进行预处理,通过Dlib库与Dnn模块定位人脸特征点,并对戴口罩人脸进行检测与识别,基于ResNet残差网络训练与质心追踪算法等技术提高检测效率。实验结果表明:本文所设计的戴口罩人脸识别系统成功率高,检测速度快,在多人脸识别应用中更能显示其优势。

基于Dlib的面部疲劳检测模型

为了能够准确、实时地对稳定视频情境下人物的打哈欠等疲劳状态进行检测,文章基于Dlib(机器学习的开源库)设计了针对人物面部特征的疲劳状态检测模型。模型包括人脸检测器、关键点定位器、特征计算器和状态预测器四个模块。首先,通过Dlib的相关函数进行人脸检测,然后跟踪定位面部特征点的实时坐标。其次,通过坐标值实时计算与疲劳状态相关度高的PERCLOS(眼睛闭合时间占单位时间的百分率)参数、PMOT(张嘴时间占单位时间的百分率)参数,经对模型训练确定眼部纵横比和嘴部纵横比的阈值,对疲劳状态发出预警提示。经YawDD数据集验证,该模型的平均查全率约为94.2%、平均准确率约为93.3%,能够满足对面部疲劳检测的实时性和准确率的要求。

基于Dlib和变种Transformer的哈欠检测方法

为及时检测驾驶员的疲劳驾驶情况,提出了一种基于Dlib和变种Transformer的哈欠检测方法。首先,基于Dlib的人脸关键点模型构建驾驶员眼部和嘴部的哈欠特征矩阵,然后在视频检测领域提出一种变种Transformer模型对哈欠特征矩阵进行提取和分类,最后基于YawDD数据集进行验证,结果表明,所提出算法的哈欠检测准确率达96.8%,高于已有算法,适用于驾驶员疲劳驾驶时哈欠行为的检测。

基于K-means和Dlib的脸型分类算法设计与实现

脸型分类是人脸分析领域中的重要任务,对于人脸识别和美学评估等应用具有重要意义。针对传统脸型分类算法准确率低、分类速度慢的问题,提出一种新的基于Dlib和K-means算法的人脸脸型分类算法。首先创建级联分类器和面部特征点预测器进行面部检测和关键点定位,使用高斯滤波器对灰度图像进行平滑处理,使用K-means算法对额头区域进行聚类,通过测量额头线、颧骨线、下颚线、脸长线的长度和脸颊角度根据算法确定面部形状。根据实验集测试结果,相对于现有算法而言,此算法在脸型分类的准确性显著提升。

基于深度学习的人脸疲劳检测系统

针对某些场景人脸部分遮挡引起的疲劳检测模块失准、人脸检测模型在算力较低的机器上帧数低等问题,本文提出了一种改进的人脸疲劳检测系统。首先用Mediapipe的Blaze Face和Controursmodel代替Open CV和Dlib对人脸进行识别和检测。利用可分离卷积,使骨干识别网络具有更少的参数量,其次增大了可分离卷积depthwise层的卷积核尺寸,实现更快的下采样。本文通过实验证明了改进的人脸疲劳检测模型具有较高的鲁棒性。对于实时视频输入,所提出的系统可以优化输出帧数,提高实时性。

基于Dlib与OpenCV的疲劳驾驶检测系统

为有效降低叉车驾驶员由于疲劳驾驶造成的安全事故发生率,实现“以人为主、机器为辅”的智慧工厂,本文设计了基于Dlib与OpenCV的疲劳驾驶检测系统。该系统通过Dlib识别人脸并用OpenCV进行图像处理,结合EAR算法和MAR算法检测驾驶员的眨眼频率以及哈欠频率来判断驾驶员的状态,并对疲劳驾驶状态进行报警提醒。经应用测试发现,针对叉车驾驶员的驾驶特点,该系统可以快速准确地检测出驾驶员的状态,且准确率可高达94.43%。

基于面部特征检测的人脸表情实时识别

针对传统方法特征提取识别准确率低、提取方法复杂以及深度学习方法模型复杂、实时性较差等缺点,提出了一种基于OpenCV和Dlib模型的人脸表情实时识别方法。首先,使用OpenCV实时采集并预处理图像;然后,使用Dlib预训练模型提取人脸特征点;最后,结合本文提出的5个表情识别指标:眉毛的倾斜程度、眼睛的睁开程度、上嘴唇与鼻尖高度占比、嘴巴宽度占比和嘴巴高度占比,对人脸表情进行实时识别。通过搭建系统界面,简化操作,增强了识别方法的实用性。实验表明,所提出算法表情识别的准确率均到达96%以上,验证了其有效性。

独居老人智慧健康监测系统

随着老龄化社会的到来,智慧养老将成为行业趋势。为实现智慧养老,本文设计了基于RNN算法结合Grafana预值检测的心跳异常检测、基于Openpose人体关键节点识别技术的跌倒检测、基于Dlib与支持向量机SVM算法的情绪识别功能。基于以上功能可实现对老人的健康与情绪的实时监测,助力智慧养老。

基于YOLOv5的课堂疲劳状态监测系统的设计与实现

学生上课状态与课堂效果紧密相关,而学生疲劳状态监测是课堂管理中普遍存在,又亟待解决的问题。文章基于YOLOv5与dlib设计并实现一个课堂疲劳状态监测系统。首先,除利用相关数据集外,文章额外标注了1000张图像,加入训练集中;其次,使用merge-NMS优化多目标检测框;然后,利用dlib获取眼睛与嘴巴张合宽度,计算得到眨眼次数与打哈欠次数,结合简化的Perclos计算疲劳指数;最后,利用PySide2实现可视化,并转发监测结果给管理员。

高校图书馆智慧化建设实践——以陕西国际商贸学院图书馆为例

作为未来图书馆的发展方向,智慧图书馆的研究实践是行业共同的机遇和挑战。本文以陕西国际商贸学院图书馆自身建设探究为例,探讨基于高校图书馆智慧化建设的方式和途径。

基于LBP和SVM的人脸表情识别系统的设计与实现

采用一种计算简单快速的LBP特征与SVM进行决策表情分类的方式实现了人脸表情判别在视频方面的应用。首先获取视频流中的图像并进行预处理以减小环境等外部因素对后续处理的影响。其次,使用LBP算子检测人脸并返回人脸区域。然后,使用一系列标定好的人脸图片作为训练集,通过多级级联的回归树模型训练人脸68个关键点模型,预测并标记人脸68个关键点,分别记录下每种表情的人脸特征点的位置信息即表情特征。最后,利用SVM训练表情识别模型,对于基本的7种表情即生气、厌烦、恐惧、开心、平常、伤心、惊讶进行分类。系统界面友好,操作简单,功能完善,性能优越。

面向微机多平台的集成标准件库系统的研究

分析了微机 CAD/ CAM系统的参数化和 OLE自动化功能 ,提出了面向微机多平台的集成标准件库的设计思想和体系结构 .用该方法建立的标准件库可以适合多种微机 CAD/ CAM平台 ,而且将 Inte系列的二、三维软件的标准件库统一起来 .以 Solid Edge软件为例介绍了系统扩展方法 ,并建立了 Inte3 Dlib系统 .