基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
人眼定位是疲劳驾驶的研究关键.由粗到精,先后进行了人脸检测、瞳孔定位.针对现有方向梯度直方图人脸检测算法泛化能力不佳的问题,提出了一种基于信息熵加权的 HOG 特征提取算法,该算法将待分类的人脸特征进行信息熵阈值加权,形成新的 HOG 特征,然后通过支持向量机进行分类;针对现有瞳孔定位算法准确率不高的问题,提出了多算法协同工作的瞳孔定位方法,以自商图为基准寻找二值分割点,实现了眼部区域光照不变性,以灰度积分投影为依据实现了瞳孔精确定位.实验结果表明,该文提出的人脸检测算法在 CelebA 验证数据集准确率可达到 98.26%,较传统识别方法有更高的准确率;而瞳孔定位算法也可达到令人满意的精确度,提高了瞳孔定位的准确性.
推荐文章
疲劳驾驶检测中人眼实时定位与跟踪
AdaBoost
ASM
人眼跟踪
Unscented卡尔曼滤波
疲劳驾驶
一种疲劳驾驶检测系统中快速人眼检测方法
人眼检测
疲劳驾驶
变模板匹配
LBP
多特征分类器
基于Adaboost的疲劳驾驶眨眼检测
疲劳驾驶
分类器
人脸检测
眨眼检测
疲劳驾驶检测技术研究
PERCLOS
疲劳驾驶检测
Adaboost
实时性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于疲劳驾驶的人眼定位方法研究
来源期刊 信息技术与网络安全 学科 工学
关键词 瞳孔定位 信息熵 自商图像 光照不变性
年,卷(期) 2020,(6) 所属期刊栏目 ITNS主题专栏:人工智能技术
研究方向 页码范围 19-23,30
页数 6页 分类号 TP391.41
字数 4197字 语种 中文
DOI 10.19358/j.issn.2096-5133.2020.06.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨耀权 华北电力大学控制与计算机学院 69 681 13.0 24.0
2 杜永昂 华北电力大学控制与计算机学院 2 0 0.0 0.0
3 金玥佟 华北电力大学控制与计算机学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (73)
共引文献  (9)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(9)
  • 参考文献(0)
  • 二级参考文献(9)
2015(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(7)
  • 参考文献(2)
  • 二级参考文献(5)
2017(13)
  • 参考文献(1)
  • 二级参考文献(12)
2018(6)
  • 参考文献(3)
  • 二级参考文献(3)
2019(2)
  • 参考文献(1)
  • 二级参考文献(1)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
瞳孔定位
信息熵
自商图像
光照不变性
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术与网络安全
月刊
2096-5133
10-1543/TP
大16开
北京市海淀区清华东路25号(北京927信箱)
82-417
1982
chi
出版文献量(篇)
10909
总下载数(次)
33
总被引数(次)
35987
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导