تشخیص چشم و حالت آن با استفاده از کلاسه بند چندگانه جهت تشخیص خواب الودگی راننده

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,629

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMVIP06_160

تاریخ نمایه سازی: 20 فروردین 1390

چکیده مقاله:

خواب الودگی راننده یکی از عوامل اصلی تصادفات مرگبار رانندگی می باشد که تاکنون برای تشخیص آن روشهای گوناگونی ارائه شده است هرکدام ازاین روشها براساس پارامترهای خاصی سعی در تشخیص میزان خواب الودگی را دارند که یکی ا ز موثرترین و دقیق ترین آنها بررسی تغییرات چشم می باشد دراین پژوهش روشی مبتنی بر تغییرات چشم ارائه شده است که دارای قابلیت بالایی برای پیاده سازی در خودرو می باشد دراین روش از نو ع خاصی ازتصویربرداری مادون قرمز که توانایی تصویربرداری درشب را نیز دارد استفاده می شود. به منظور بررسی چشم بایستی مکان و وضعیت چشم در تصاویر مشخص شود به همین دلیل با استفاده از ویژگیهای منحصر به فرد تصاویر مادون قرمز بدست امده و تکنیکهای پردازش تصویر نواحیی که کاندید مناسبی از چشم می باشند را انتخاب نموده و سه دسته ویژگی متفاوت را از انها استخراج می نماییم. سپس از شبکه های عصبی در قالب کلاسه بندی چند گانه برای تشخیص چشم و وضعیت ان استفاده می شود. کلاسه بند استفاده شده توانست بخوبی از این ویژگیها استفاده کرده و بادقت 95/14 درصد مکان چشم و حالت آن را از بین کاندیدها تشخیص دهد و به طبع ان ما توانستیم با ررسی وضعیت چشم میزان خواب الودگی راننده را در حد بسیار مطلوبی تشخیص دهیم.

کلیدواژه ها:

خواب الودگی راننده ، شبکه های عصبی مصنوعی ، کلاسه بندی چند گانه ، مادون قرمز

نویسندگان

محسن سرداری زارچی

گروه کامپیوتر دانشکده فنی مهندسی دانشگاه اصفهان

سیدامیرحسن منجمی

گروه کامپیوتر دانشکده فنی مهندسی دانشگاه اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • پونه روشنی تبریزی، رضا آقایی زاده ظروفی، "مکان یابی مردمک ...
  • P. Rau, "Drowsy driver detection and warning system for commercial ...
  • L. M. Bergasa, J. u. Nuevo, M. A. Sotelo, R. ...
  • "Visual Monitoring of Driver Inattention, " Studies in Computational Intelligence ...
  • Classification for Driver Fatigue Detection, " ICIAR 2008, LNCS 5112, ...
  • W. Dong and X. Wu, "DRIVER FATIGUE DETECTION BASED ON ...
  • Q. Wang, J. Yang, M. Ren, and Y. Zheng, "Driver ...
  • _ _ _ Transportation Systems, Boston, pp. 314-319, 1997. ...
  • S. Singh and N. P. Pap anikolopoulos _ "Monitoring driver ...
  • E. Wahlstrom, O. Masoud, and N. P. Pap anikotopoulos _ ...
  • Z. Zhu, K. Fujimura, and Q. Ji, "Real-time eye detection ...
  • k. Laws, "Rapid Texture Identification, " Image Processing for Missile ...
  • I. T. Jolliffe, "Principal Component Analysis, " 2nd ed: Springer, ...
  • R. Beal and T. Jackso. "Nural Computing: An Introduction, " ...
  • R. J. Schalkoff, "Artificial Neural Networks, " McGraw-Hill, 1997. ...
  • Q. Ji, Z. W. Zhu, and P. L. Lan, "Real-time ...
  • D. F. Dinges, _ Maillis, G. Maislin, and J. W. ...
  • M. I. Khan and A. B. Mansoor, "Real Time Eyes ...
  • W. Dong and X. Wu, "DRIVER FATIGUE DETECTION BASED ON ...
  • Q. Wang, J. Yang, M. Ren, and Y. Zheng, "Driver ...
  • نمایش کامل مراجع