《表2 检测平均耗时：基于图像处理的疲劳驾驶预警研究》
提示：宽带有限、当前游客访问压缩模式
测试人员戴眼镜与未戴眼镜的人脸定位测试结果如图9所示，人脸定位平均耗时如表2所示，眼部定位准确率如表3所示。
| 图表编号 | XD0057396500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.06 |
| 作者 | 刘朝涛、张雪佼 |
| 绘制单位 | 重庆交通大学机电与车辆工程学院、重庆交通大学机电与车辆工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 基于共生矩阵的眼部疲劳检测算法主要模块耗时分析》2021.01.16
- 《表1 样本高校基本情况：基于眼部自商图—梯度图共生矩阵的疲劳驾驶检测》2021.01.16
- 《表2 视频输入算法测试：基于深度学习的多维疲劳驾驶检测系统》2020.12.05
- 《表1 平纵线形设计参数：基于Viola-Jones框架人脸检测算法的汽车疲劳驾驶检测》2021.03.01
- 《表2 试验路段构成：基于脉搏波特征融合的驾驶疲劳检测方法》2020.06.01
- 《表4 各类算法实验结果：基于车辆运行数据的疲劳驾驶状态检测》2020.08.01
- 《表3 实验结果：基于车辆运行数据的疲劳驾驶状态检测》2020.08.01
- 《表1 检测结果对比：基于人脸识别的驾驶人员疲劳检测系统设计》2020.02.01
- 《表5 眼部参数权重：基于眼部信息融合的疲劳驾驶检测的研究》2019.10.01
- 《表3 国内文献检索结果：基于多信息融合的疲劳驾驶检测研究综述》2019.09.10
- 《表2 国外专利检索结果：基于多信息融合的疲劳驾驶检测研究综述》2019.09.10
- 《表1 国内专利检索结果：基于多信息融合的疲劳驾驶检测研究综述》2019.09.10
- 《表2 深浅哈欠推荐阈值：基于视频序列的危险驾驶预警技术研究》2019.09.18
- 《表1 疲劳分级表：基于机器学习的疲劳检测及预警系统设计》2019.07.20
- 《表2 不同方法下地震图像边缘检测平均耗时比较 (s)》2019.06.05
- 《表1 实验结果比对：基于空间聚类心率检测算法的疲劳驾驶预警手环设计》2019.05.01
- 《表3 心率统计：基于空间聚类心率检测算法的疲劳驾驶预警手环设计》2019.05.01
- 《表2 实验结果：基于空间聚类心率检测算法的疲劳驾驶预警手环设计》2019.05.01
- 《表4 参数测试结果：基于图像处理的疲劳驾驶预警研究》2019.08.06
- 《表3 眼部定位准确率：基于图像处理的疲劳驾驶预警研究》2019.08.06