ارائه روشی ترکیبی جهت تشخیص حالت راننده مبتنی بر تکنیک های پردازش تصویر، یادگیری عمیق و سیستم استنتاج عصبی فازی

هدف از این مقاله، ارائه روشی ترکیبی جهت تشخیص حالت راننده مبتنی بر تکنیک های پردازش تصویر، یادگیری عمیق و سیستم استنتاج عصبی- فازی (ANFIS) می باشد. سیستم تشخیص چهره یک تکنولوژی توانمند در شناسایی و تایید یک فرد از یک عکس دیجیتالی یا ویدئو است که بر اساس تکنولوژی هوش مصنوعی و الگوریتم های یادگیر ی عمیق قادر به شناسایی چهره افراد با دقت بالا می باشد. در بازشناخت تصویر یک چهره، تصویر ورودی با توجه به اطلاعات موجود در بانک اطلاعات، مورد شناسایی قرار می گیرد. این بانک شامل مشخصاتی از تصویر چهره افراد شناسایی شده است. روش های طبقه بندی به طور کلی برحسب مجموعه داده در دسترس به دو دسته با نظارت و بدون نظارت تقسیم می شوند. انسان برای طبقه بندی تصاویر از روش شناخت الگو براساس قرار گرفتن در معرض چندین نمونه استفاده می کند. در واقع، انسان همیشه یک الگوی ذهنی از تصاویر درست می کند تا به کمک دیگر اطلاعات مربوط به شیء به همراه مقداری عینیت بخشی بتواند سریعا تصویر را طبقه بندی نماید. هدف طبقه بندی تصاویر، سازماندهی و تخصیص داده ها به کلاس های مجزا می باشد. در این فرآیند بر اساس داده های توزیع شده، مدل اولیه ای ایجاد می گردد. سپس این مدل برای طبقه بندی تصاویر جدید مورد استفاده قرار می گیرد. تصاویری که در این مقاله از آن استفاده شده است دارای حالت مختلف چهره از قبیل انواع احساسات شامل خنده، عصبانیت، بی تفاوتی و دارای زوایای مختلف چهره می باشد. در این پژوهش، پس از انجام مراحل پیش پردازش توسط تکنیک های پردازش تصویر، در مرحله طبقه بندی این ویژگی ها به شبکه عصبی عمیق و سیستم استنتاج عصبی فازی (ANFIS) داده می شود و حالت های راننده در حین رانندگی بررسی می گردد. کلیه تحلیل ها با استفاده از نرم افزار MATLAB صورت گرفته است. نتایج نهایی به دست آمده در این مطالعه نشان دهنده برتری روش پیشنهادی، در راستای تشخیص تشخیص حالت راننده می باشد.