Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Gao, Guo-Wei"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    基於長短期記憶網路的疲勞檢測
    (2022) 高國瑋; Gao, Guo-Wei
    本論文重點介紹即時疲勞檢測流程。該系統將在 Python 內部完成這一切,並逐步構建它,以便能夠檢測到不同的姿勢,特別是困倦的跡象。 為了做到這一點,我們使用一些關鍵模型並使用 MediaPipe Holistic 來提取關鍵點。 這將使我們能夠從臉部提取關鍵點。 該系統使用 Tensorflow 和 Keras,並建立了一個長短期記憶模型 long short-term memory(LSTM),能夠預測螢幕上顯示的動作。我們需要做的是收集關於我們所有不同關鍵點的一些數據,所以我們收集我們臉上的數據並將它們保存為 Numpy 數據,以便處理多維的陣列或矩陣。人臉檢測方法基於一個深度神經網絡,使用 Sklearn 進行評估和測試,並使用 Matplotlib 幫助進行圖像可視化。能夠從臉部檢測到 468個地標,提取臉部的重要特徵並對數據進行變換,以便將數據導入 LSTM 模型。使用 LSTM 層繼續並預測時間分量,它能夠從多個幀預測動作,而不僅僅是單個幀。使用 Opencv 進行集成,然後使用網路攝影機進行即時預測。本研究成功使用 MediaPipe 與 LSTM 模型相結合,提出一套疲勞檢測的系統。實驗結果顯示,經機器學習後其檢測平均準確率能達到 90%。

DSpace software copyright © 2002-2025 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback