Виявлення сонливості водія

Виявлення сонливості водія — технологія безпеки автомобіля, яка допомагає запобігти аваріям з причин сонливості водія. Різні дослідження показали, що близько 20 % усіх дорожньо-транспортних пригод пов'язані зі втомою, а на деяких дорогах — до 50 %[1][2].

2010 Система моніторингу водія

Деякі з існуючих систем вивчають шаблони поведінки водія і можуть визначати, коли він стає сонним.

Технології

Моніторинг моделі рульового управління

В основному використовується рульове управління від системи рульового управління з електропідсилювачем. Такий спосіб спостереження за водієм працює тільки до тих пір, поки водій дійсно активно управляє транспортним засобом, а не за допомогою автоматичної системи утримання смуги руху[1].

Положення автомобіля у смузі руху

Використовує камеру спостереження за смугою руху. Такий спосіб спостереження за водієм аналогічно є ефективним лише за умови, коли водій активно керує транспортним засобом, без допомоги автоматичної системи утримання смуги руху[3].

Контроль очей / обличчя водія

Використовує комп'ютерний зір для спостереження за особою водія за допомогою вбудованої відеокамери[4] або відеокамер на мобільних пристроях[5][6].

Фізіологічні вимірювання

Потрібні датчики на тілі для вимірювання таких параметрів, як активність мозку, частота серцевих скорочень, провідність шкіри, м'язова активність.

Див. також

Примітки
  1. DRIVER FATIGUE AND ROAD ACCIDENTS A LITERATURE REVIEW and POSITION PAPER. Royal Society for the Prevention of Accidents. February 2001. Архів оригіналу за 1 березня 2017. Процитовано 28 лютого 2017.
  2. 4.1.03. Driver Drowsiness Detection System for Cars. Процитовано 5 листопада 2015.
  3. Hupp, Stephen L. (October 1998). Landmark Documents in American History. Version 2.0.. Electronic Resources Review 2 (10): 120–121. ISSN 1364-5137. doi:10.1108/err.1998.2.10.120.111.
  4. Walger, D.J.; Breckon, T.P.; Gaszczak, A.; Popham, T. (November 2014). A Comparison of Features for Regression-based Driver Head Pose Estimation under Varying Illumination Conditions. Proc. International Workshop on Computational Intelligence for Multimedia Understanding (IEEE): 1–5. ISBN 978-1-4799-7971-4. doi:10.1109/IWCIM.2014.7008805. walger14headpose.
  5. Wijnands, J.S.; Thompson, J.; Nice, K.A.; Aschwanden, G.D.P.A.; Stevenson, M. (2019). Real-time monitoring of driver drowsiness on mobile platforms using 3D neural networks. Neural Computing and Applications 32 (13): 9731–9743. Bibcode:2019arXiv191006540W. arXiv:1910.06540. doi:10.1007/s00521-019-04506-0.
  6. Hossain, M. Y.; George, F. P. (2018). IOT Based Real-Time Drowsy Driving Detection System for the Prevention of Road Accidents. 2018 International Conference on Intelligent Informatics and Biomedical Sciences (ICIIBMS) 3: 190–195. ISBN 978-1-5386-7516-8. doi:10.1109/ICIIBMS.2018.8550026.
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.