基于眼部宽高比和面部关键点检测的实时眼困意检测
计算机视觉与模式识别
2024-08-13 v1 人工智能
摘要
眼困意检测对于提高交通和职场健康等领域的安全性至关重要。本研究提出一种实时系统，用于检测眼困意，采用眼部宽高比（Eye Aspect Ratio, EAR）和面部关键点检测技术。该系统利用Dlib预训练的形状预测模型准确检测和监控68个面部关键点，用于计算EAR。通过设定EAR阈值，系统识别眼睛闭合，从而判断是否存在潜在的眼困意。过程包括捕获实时视频流、检测每帧中的人脸、提取眼部关键点并计算EAR以评估警觉性。我们的实验表明，该系统在保持低计算需求的同时，能够可靠地高精度检测眼困意。该研究为实时眼困意检测提供了强有力的解决方案，具有广泛的应用前景，包括驾驶员监控和职场安全。未来研究将探索 incorporating additional physiological and contextual data 以进一步提升检测精度和可靠性。
引用
@article{arxiv.2408.05836,
title = {Real-Time Drowsiness Detection Using Eye Aspect Ratio and Facial Landmark Detection},
author = {Varun Shiva Krishna Rupani and Velpooru Venkata Sai Thushar and Kondadi Tejith},
journal= {arXiv preprint arXiv:2408.05836},
year = {2024}
}