هوش مصنوعی و رباتیک طراحی سیستم نظارت چهره راننده جهت تشخیص ... |
2-2- آشکارسازی چهره………………….. 13
2-2-1- روشهای مبتنی بر مدل رنگ…………………….. 13
2-2-2- روشهای مبتنی بر ویژگیهای شبه هار…………………… 14
2-2-3- روشهای مبتنی بر شبکه عصبی……………………. 14
2-3- آشکارسازی چشم…………………… 15
2-3-1- روشهای مبتنی بر نورپردازی و تصویربرداری در طیف مادون قرمز……. 15
2-3-2- روشهای مبتنی بر دوسطحی کردن تصویر…………………… 18
2-3-3- روشهای مبتنی بر پروجکشن……………………. 19
2-3-4- روشهای مبتنی بر یادگیری……………………. 20
2-4- آشکارسازی سایر اجزای چهره………………….. 21
2-4-1- آشکارسازی دهان (لب) …………………..21
2-4-2- آشکارسازی بینی……………………. 21
2-5- ردیابی چهره و اجزای آن…………………… 22
2-5-1- تخمین حرکت…………………….. 23
2-5-2- تطابق……………………. 23
2-6- استخراج ویژگیهای مربوط به کاهش هوشیاری……………………. 24
2-6-1- ویژگیهای ناحیه چشم…………………… 24
2-6-2- ویژگیهای دهان…………………… 30
2-6-3- ویژگیهای سر……………………30
2-7- تشخیص خستگی و عدم تمرکز حواس…………………….. 31
2-7-1- روشهای مبتنی بر حد آستانه…………………… 31
2-7-2- روشهای مبتنی بر دانش…………………….. 32
2-7-3- روشهای مبتنی بر آمار و احتمال…………………… 33
2-8- سیستمهای نظارت چهره راننده در خودروهای تجاری……………………. 34
3- سیستم پیشنهادی……………………. 35
3-1- پیکربندی کلی سیستم پیشنهادی……………………. 35
3-1-1- نورپردازی و تصویربرداری……………………. 36
3-1-2- سختافزار و پردازنده …………………..37
3-1-3- نرمافزار هوشمند…………………… 37
3-2- آشکارسازی چهره………………….. 38
3-2-1- ویژگیهای شبه هار…………………… 39
3-2-2- انتخاب و تعیین اهمیت ویژگیها برای تشکیل یک طبقه بندی کننده قوی…….. 41
3-2-3- درخت تصمیم آبشاری تقویت شده………………….. 42
3-3- ردیابی چهره………………….. 44
3-3-1- پنجره جستجو…………………… 45
3-3-2- معیار تطابق……………………. 46
3-4- استخراج ویژگیهای مربوط به کاهش هوشیاری……………………. 47
3-4-1- ویژگیهای ناحیه چشم…………………… 47
3-4-2- ویژگیهای ناحیه چهره و سر…………………… 55
یک مطلب دیگر :
3-5- تشخیص کاهش هوشیاری……………………. 58
3-5-1- سیستم خبره فازی……………………. 58
3-5-2- تولید خروجی نهایی……………………. 64
4- نتایج آزمایشها و ارزیابی سیستم…………………… 69
4-1- نحوه آزمایش سیستم…………………… 69
4-2- معیارهای ارزیابی……………………. 72
4-3- آشکارسازی چهره………………….. 73
4-4- ردیابی چهره …………………..75
4-5- استخراج ویژگیهای ناحیه چشم…………………… 77
4-6- استخراج ویژگیهای ناحیه سر و چهره …………………..82
4-7- تشخیص کاهش هوشیاری……………………. 86
4-8- ارزیابی کلی سیستم و الگوریتمها………………….. 93
4-8-1- بررسی سرعت پردازش سیستم پیشنهادی……………………. 93
4-8-2- بررسی پیچیدگی محاسباتی الگوریتمها………………….. 94
5- نتیجهگیری و پیشنهادات…………………….. 95
6- مراجع……………………99
چکیده:
هر ساله تصادفات رانندگی زیادی به دلیل خوابآلودگی و عدم تمرکز حواس راننده در سراسر دنیا رخ میدهد که خسارتهای جانی و مالی فراوانی به همراه دارند. یکی از روشهای تشخیص خستگی و عدم تمرکز حواس، استفاده از سیستمهای نظارت چهره راننده است. سیستمهای نظارت چهره راننده با دریافت تصاویر از دوربین و پردازش آنها، نشانههای خوابآلودگی و عدم تمرکز حواس را از چشم، سر و چهره استخراج میکنند. در این پایاننامه یک سیستم نظارت چهره راننده طراحی شده است که با استخراج نشانههای خستگی و عدم تمرکز حواس از ناحیه چشم و چهره، کاهش هوشیاری راننده را تخمین میزند. در این سیستم چهار ویژگی شامل درصد بسته بودن چشم (PERCLOS)، نرخ پلک زدن، کاهش فاصله بین پلکها و میزان چرخش سر استخراج میشود. سه ویژگی اول مربوط به نشانههای بروز خستگی و عدم تمرکز حواس در ناحیه چشم و ویژگی آخر مربوط به نشانههای کاهش هوشیاری در ناحیه چهره و سر میباشد. ویژگیهای ناحیه چشم بر اساس تغییرات پروجکشن افقی ناحیه چشم و ویژگیهای ناحیه چهره بر اساس بررسی قالب چهره استخراج میگردد. سپس این ویژگیها توسط یک سیستم خبره فازی مورد پردازش قرار میگیرد تا میزان خستگی و عدم تمرکز حواس راننده تخمین زده شود. تصویربرداری سیستم پیشنهادی در طیف مرئی و با دوربین سطح خاکستری انجام شده است. نتایج آزمایشها بر روی فیلمهای تهیه شده در محیط واقعی و آزمایشگاهی نشان میدهد که روش پیشنهادی دقت بسیار خوبی در استخراج ویژگی و تشخیص کاهش هوشیاری راننده دارد. از لحاظ سرعت اجرای الگوریتم، سرعت سیستم پیشنهادی حدود 5 فریم در ثانیه میباشد که میتوان آن را سیستم بلادرنگ محسوب کرد.
پیشگفتار:
افزایش تعداد خودروها در جهان و در نتیجه آن افزایش آمار خسارات و تلفات ناشی از تصادفات، باعث شد تا محققین به دنبال کشف علل اصلی تصادفات رانندگی باشند. یکی از مهمترین این علل، خستگی و عدم تمرکز حواس راننده میباشد که علت اصلی حدود 20% از تصادفات محسوب میشود. با توجه به نقش موثر خستگی و عدم تمرکز حواس راننده در بروز تصادفات، راهکارهایی برای مقابله با این عامل معرفی شد. یکی از راهکارهای اصلی و جدید برای تشخیص خستگی و عدم تمرکز حواس راننده و اعلام هشدار در مواقع ضروری، سیستمهای نظارت چهره راننده است. پیشنهاد تولید سیستمهای نظارت چهره راننده اولین بار در اواخر قرن 20 میلادی مطرح شد، اما عمده تحقیقات در این زمینه مربوط به بعد از سال 2000 میلادی میباشد.
تاکنون طراحی و تولید چنین سیستمهایی در ایران به طور جدی مورد بررسی قرار نگرفته است. سیستم ارائه شده در این پایاننامه به عنوان اولین سیستم نظارت چهره راننده در ایران میباشد که قادر است میزان خستگی و عدم تمرکز حواس راننده را با استفاده از پردازش تصاویر چهره راننده تخمین بزند. هرچند تحقیقات بیشتری برای تولید یک سیستم نظارت چهره راننده با هدف کاربرد در خودروهای تجاری مورد نیاز است، اما این پایاننامه میتواند شروع بسیار خوبی برای آغاز تحقیقات در این زمینه باشد.
سعی شده نوشتار پایاننامه به نحوی روشن و ساده بیانگر روش پیشنهادی باشد، با این وجود خواننده گرامی میتواند در صورت داشتن سوال، بیان نظرات یا ارائه انتقاد از طریق پست الکترونیک hoseyn@sigari.ir یا hoseyn_sigari@engineer.com با اینجانب مکاتبه نماید.
1- مقدمه
1-1- تعریف سیستم های نظارت چهره راننده
فرم در حال بارگذاری ...
[جمعه 1399-08-09] [ 03:28:00 ب.ظ ]
|