Read more
Immer mehr Berufe erfordern heute eine langfristige Orientierung. Fahrer müssen die Straße sorgfältig überwachen, damit sie auf unerwartete Ereignisse sofort reagieren können. Die Übermüdung des Fahrers ist oft die direkte Ursache für viele Verkehrsunfälle. Daher ist es notwendig, ein System zu entwickeln, das einen schlechten psychophysischen Zustand des Fahrers erkennt und ihn darüber informiert, wodurch die Zahl der Verkehrsunfälle aufgrund von Übermüdung erheblich reduziert werden kann. Die Entwicklung solcher Systeme ist jedoch mit vielen Schwierigkeiten verbunden, wenn es darum geht, die Müdigkeit des Fahrers schnell und relevant zu erkennen. Eine der technischen Möglichkeiten für die Erkennung von Müdigkeit beim Fahrer ist die Verwendung eines bildgestützten Ansatzes. Mehrere Studien haben gezeigt, dass Schläfrigkeit und Müdigkeit die Hauptursachen für Verkehrsunfälle sind. In diesem Artikel wird ein Modul für ein fortschrittliches Fahrerassistenzsystem vorgeschlagen, um die Zahl der durch Müdigkeit der Fahrer verursachten Unfälle zu verringern und somit die Verkehrssicherheit zu erhöhen. Dieses System befasst sich mit der automatischen Erkennung von Schläfrigkeit des Fahrers auf der Grundlage visueller Informationen und maschinellen Lernens. Wir schlagen einen Algorithmus zur Lokalisierung, Verfolgung und Analyse des Gesichts und der Augen des Fahrers vor, die ein wissenschaftlich unterstütztes Maß für Müdigkeit sind.
About the author
A. Sai Suneel travaille en tant que professeur assistant au département ECE, School of Engineering and Technology, Sri Padmavati Mahila Visvavidyalayam, Tirupati. Il a plus de 15 ans d'expérience dans l'enseignement et la recherche dans le domaine de l'ingénierie des communications. Il est l'auteur de 4 livres et de plus de 28 articles de recherche.
