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].
Деякі з існуючих систем вивчають шаблони поведінки водія і можуть визначати, коли він стає сонним.
Технології[ред. | ред. код]
Моніторинг моделі рульового управління[ред. | ред. код]
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[ред. | ред. код]
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[ред. | ред. код]
Використовує комп'ютерний зір для спостереження за особою водія за допомогою вбудованої відеокамери[4] або відеокамер на мобільних пристроях[5][6].
Фізіологічні вимірювання[ред. | ред. код]
Потрібні датчики на тілі для вимірювання таких параметрів, як активність мозку, частота серцевих скорочень, провідність шкіри, м'язова активність.
Див. також[ред. | ред. код]
Примітки[ред. | ред. код]
- ↑ а б DRIVER FATIGUE AND ROAD ACCIDENTS A LITERATURE REVIEW and POSITION PAPER (PDF). Royal Society for the Prevention of Accidents. February 2001. Архів оригіналу (PDF) за 1 березня 2017. Процитовано 28 лютого 2017.
- ↑ 4.1.03. Driver Drowsiness Detection System for Cars. Архів оригіналу за 23 червня 2016. Процитовано 5 листопада 2015.
- ↑ Hupp, Stephen L. (October 1998). Landmark Documents in American History. Version 2.0. Electronic Resources Review. 2 (10): 120—121. doi:10.1108/err.1998.2.10.120.111. ISSN 1364-5137.
- ↑ 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 (PDF). Proc. International Workshop on Computational Intelligence for Multimedia Understanding. IEEE: 1—5. doi:10.1109/IWCIM.2014.7008805. ISBN 978-1-4799-7971-4. walger14headpose.
- ↑ 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. arXiv:1910.06540. Bibcode:2019arXiv191006540W. doi:10.1007/s00521-019-04506-0.
- ↑ 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. doi:10.1109/ICIIBMS.2018.8550026. ISBN 978-1-5386-7516-8.
