本基于MATLAB图像处理的疲劳驾驶检测提出了一种基于视觉信息和人工智能的驾驶员睡意自动检测模块。
该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。
人脸和眼睛的检测都是通过AdaBoost分类器来实现的。
为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。
提出的人脸跟踪方法，还具有自校正能力。
在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。
利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。
该系统的目的是对驾驶员的面部和眼睛进行定位、跟踪和分析，计算睡意指数，以防止事故的发生。
人脸和眼睛的检测都是通过AdaBoost分类器来实现的。
为了提高人脸跟踪的精度，提出了一种检测与目标跟踪相结合的方法。
提出的人脸跟踪方法，还具有自校正能力。
在找到眼睛区域后，利用局部二值模式（LBP）提取眼睛特征。
利用这些特征，训练一个支持向量机分类器（SVM）进行眼睛状态分析。
2025/8/22 21:24:45
741KB
包含冠状病毒群体免疫优化算法(CHIO)和matlab程序及论文，分享给大家学习。
2020年MohammedAzmiAl-Betar等人提出的一种新的基于自然的优化算法——冠状病毒群体免疫优化算法(CHIO)。
其灵感来源于世界传播的灾难性的新冠病毒，模仿了群体免疫策略和社会距离概念。
三种类型的个体病例用于群体免疫:易感、感染和免疫。
本文研究了CHIO对其参数的敏感性。
然后，CHIO使用23个著名的基准测试函数进行评估对七种最先进的方法进行了比较评价。
比较分析表明，与其他成熟的方法相比，CHIO能够产生非常有竞争力的结果。
为了进一步验证，本文使用了三个从IEEECEC2011中提取的实际工程优化问题。
再一次，CHIO被证明是有效率的。
总之，CHIO是一种非常强大的优化算法，可以用来解决各种优化领域的许多优化问题。
2020年MohammedAzmiAl-Betar等人提出的一种新的基于自然的优化算法——冠状病毒群体免疫优化算法(CHIO)。
其灵感来源于世界传播的灾难性的新冠病毒，模仿了群体免疫策略和社会距离概念。
三种类型的个体病例用于群体免疫:易感、感染和免疫。
本文研究了CHIO对其参数的敏感性。
然后，CHIO使用23个著名的基准测试函数进行评估对七种最先进的方法进行了比较评价。
比较分析表明，与其他成熟的方法相比，CHIO能够产生非常有竞争力的结果。
为了进一步验证，本文使用了三个从IEEECEC2011中提取的实际工程优化问题。
再一次，CHIO被证明是有效率的。
总之，CHIO是一种非常强大的优化算法，可以用来解决各种优化领域的许多优化问题。
2025/8/20 8:56:32
2.18MB