Álmosság figyelő rendszer
Drowsiness detection system
Keywords:
microsleep, fatigue, facial landmarks, mobile phone, image processing, /, mikroalvás, fáradtság, arc tájékozódási pont, mobiltelefon, képfeldolgozásAbstract
Car accidents caused by fatigue have a major impact on our daily lives. The aim of this paper is to describe a solution to help prevent such accidents. The paper presents a non-invasive external monitoring solution that uses the front-facing camera of the user’s mobile phone to take pictures while driving. The images are uploaded to a server to monitor drowsiness and the results are sent back to the phone.
Kivonat
A fáradtság okozta autóbalesetek jelentős hatással vannak mindennapjainkra. A dolgozat célja egy megoldás leírása, amely segíti az ilyen balesetek megelőzését. A dolgozatban egy nem-invazív, kívülről megfigyelő megoldás kerül bemutatásra, amely a felhasználó mobiltelefonjának előlapi kameráját használja képek készítéséhez vezetés közben. A képeket felküldve egy szerveren végezzük az álmosság figyelését, majd az eredményt visszaküldjük a telefonra.
References
Yaman Albadawi, Aneesa AlRedhaei, and Maen Takruri. Real-time machine learning-based driver drowsi- ness detection using visual features. Journal of Imaging, 9(5), 2023.
Yue Wu and Qiang Ji. Facial landmark detection: A literature survey. International Journal of Computer Vision, 127:115–142, 2019.
Israt Jahan, K. M. Aslam Uddin, Saydul Akbar Murad, M. Saef Ullah Miah, Tanvir Zaman Khan, Mehedi Masud, Sultan Aljahdali, and Anupam Kumar Bairagi. 4d: A real-time driver drowsiness detector using deep learning. Electronics, 12(1), 2023.
Mohammed Imran Basheer Ahmed, Halah Alabdulkarem, Fatimah Alomair, Dana Aldossary, Manar Alah- mari, Munira Alhumaidan, Shoog Alrassan, Atta Rahman, Mustafa Youldash, and Gohar Zaman. A deep- learning approach to driver drowsiness detection. Safety, 9(3), 2023.
Rateb Jabbar, Khalifa Al-Khalifa, Mohamed Kharbeche, Wael Alhajyaseen, Mohsen Jafari, and Shan Jiang. Real-time driver drowsiness detection for android application using deep neural networks techniques. 11 2018.
J.S. Wijnands, J. Thompson, K.A. Nice, et al. Real-time monitoring of driver drowsiness on mobile plat- forms using 3d neural networks. Neural Computing and Applications, 32:9731–9743, 2020.
