Международный Журнал Теоретических и Прикладных Вопросов Цифровых Технологий, 2024, т. 7, № 3, с. 131-136
Интеллектуальные алгоритмы определения физиологических состояний зевания для оценки усталости
Аннотация · Abstract
В данном исследовании были использованы зевота, считающаяся одним из физиологических отклонений человека, классификация состояния открывания рта и несколько алгоритмов машинного обучения. Модель CNN превзошла традиционные методы машинного обучения, такие как SVM, MLP и KNN, с точностью 97,07%. В ходе исследования был сформирован набор данных с использованием изображений части рта, извлеченных из изображений лица с использованием CNN, и была обучена модель. Кроме того, общая производительность модели улучшается с помощью методов нормализации набора данных и исключения. Результаты демонстрируют эффективность алгоритма CNN в обнаружении состояния открытия рта (зевания) и открывают возможность дальнейшего совершенствования систем обнаружения состояния усталости в будущем.
Сведения · Details
- DOI 10.62132/ijdt.v7i3.207
- Журнал · Journal Международный Журнал Теоретических и Прикладных Вопросов Цифровых Технологий
- Язык · Language русский
- Цитирования (Crossref) · Citations 0
- Лицензия · License creativecommons.org/licenses/by/4.0