您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201905-250
论文题目 基于深度学习的疲劳驾驶监测融合算法的研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于深度学习的疲劳驾驶监测融合算法的研究

首发时间:2019-05-24

杨非 1   

杨非(1992-),男,主要研究方向:深度学习、图像处理

刁鸣 1   

刁鸣(1960-),男,教授、博导,主要研究方向:宽带信号检测、处理与识别及数字通信

  • 1、哈尔滨工程大学信息与通信工程学院,哈尔滨 150001

摘要:现代物流交通行业发达,疲劳驾驶是大量交通事故发生的主要原因,如何精准地检测驾驶员的疲劳状态是当今的研究热点。近年来,机器学习为很多行业的技术都带来了巨大的变革,尤其是卷积神经网络在图像领域的广泛应用。它能够实现自动的特征提取,解决了图像识别中特征提取的难点问题。本文基于深度学习算法的思想展开研究,提取了眼部状态和头部姿态这两个特征,采用特征融合的方法来判断和评估驾驶员的疲劳状态。将最终提取到的特征送入神经网络进行识别,并取得了93%的准确率,证明本文的方法是可行的。

关键词: 疲劳驾驶 深度学习 眼部区域提取 头部姿态估计

For information in English, please click here

Research on A Fusion Algorithm for Fatigue Driving Detection Based on Deep Learning

Yang Fei 1   

杨非(1992-),男,主要研究方向:深度学习、图像处理

Diao Ming 1   

刁鸣(1960-),男,教授、博导,主要研究方向:宽带信号检测、处理与识别及数字通信

  • 1、School of Information and Communication Engineering, Harbin Engineering University, Harbin 150001

Abstract:The modern logistics and transportation industry are developed, and fatigue driving is one of the causes of many vehicle traffic accidents. How to accurately detect the driver\'s fatigue state is a hot research topic today. Recently, machine learning methods have brought great changes to many industries. In particular, convolutional neural networks are widely used in the field of imaging. It can realize automatic feature extraction and solve the difficulty of feature extraction in image recognition. Based on deep learning algorithms, this paper extracted the two characteristics of eye state and head posture, and used the method of feature fusion to judge and evaluate the driver\'s fatigue state. The extracted features were sent to the neural network for identification, and 93% accuracy was obtained, which proves that the method in this paper is feasible.

Keywords: fatigue driving deep learning eye region extraction head pose estimation

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
杨非,刁鸣. 基于深度学习的疲劳驾驶监测融合算法的研究[EB/OL]. 北京:中国科技论文在线 [2019-05-24]. https://www.paper.edu.cn/releasepaper/content/201905-250.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于深度学习的疲劳驾驶监测融合算法的研究