BlinkRadar: Non-Intrusive Driver Eye-Blink Detection with UWB Radar
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The eye-blink pattern is crucial for drowsy driving diagnostics, which has become an increasingly serious social issue. However, traditional methods (e.g., with EOG, camera, wearable, and acoustic sensors) are less applicable to real-life scenarios due to the disharmony between user-friendliness, monitoring accuracy, and privacy-preserving. In this work, we design and implement BlinkRadar as a low-cost and contact-free system to conduct fine-grained eye-blink monitoring in a driving situation using a customized impulse-radio ultra-wideband (IR-UWB) radar which has superior spatial resolution with the ultra-wide bandwidth. BlinkRadar leverages an IR-UWB radar to achieve contact-free sensing, and it fully exploits the complex radar signal for data augmentation. BlinkRadar aims to single out the eye-blink induced waveforms modulated by body movements and vehicle status. It solves the serious interference caused by the unique characteristics of blinking (i.e., subtle, sparse, and non-periodic) and from the human target itself and surrounding objects. We evaluate BlinkRadar in a laboratory environment and during actual road testing. Experimental results show that BlinkRadar can achieve a robust performance of drowsy driving with a median detection accuracy of 92.2% and eye blink detection of 95.5%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle