سیدامیرحسن منجمی - دانشیار، گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، 81746 ، ایران
مریم کیوان آرا - کارشناسی ارشد، گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، 81746 ، ایران
نسرین صالحی - کارشناسی ارشد، گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، 81746 ، ایران
عزت حسنی الصوص - دکتری، گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، 81746 ، ایران

امروزه دنیای فناوری با مجهز کردن سخت افزار به هوش مصنوعی باعث تغییر زندگی انسان هاشده است. یکی از زمینه هایی که فناوری می تواند در آن به انسان ها کمک کند، تضمین و افزایشامنیت رانندگی است. تصادفات جاده ای ناشی از خطاهای انسانی یکی از مهم ترین دلایل مرگ و میردر جهان است و خواب آلودگی و عدم هشیاری هنگام رانندگی یکی از دلایل عمده ی تصادفاتکشنده در بزرگراه ها شناخته شده است. روش های بسیاری برای تشخیص خواب آلودگی راننده طراحیشده اند. یکی از بهترین روش ها برای تشخیص خواب آلودگی رانندگان، استفاده از پردازش تصویر وماشین بینایی است. در این مقاله یک روش نوین برای تشخیص بلادرنگ خواب آلودگی رانندگانوسایل نقلیه ارائه شده است. در این روش ابتدا با استفاده از ویژگی های هار ناحیه ی چهره و چشم هاتشخیص داده می شوند. برای تشخیص حالت چشم ها از روش استخراج ویژگی های تحلیل مولفه یاصلی و آموزش ماشین های بردار پشتیبان با این ویژگی ها استفاده می شود. الگوریتم ارائه شده دراین مقاله روی سیستم های خاص سخت افزاری مبتنی بر پردازنده ARM پیاده سازی و تست شده است. بسته نهایی شامل یک سخت افزار به همراه نرم افزار طراحی شده در مکان مناسب مقابل رانندهنصب می شود. این الگوریتم روی پایگاه داده ی استاندارد BioID دقت 94/41% را نشان داده است.

تشخیص خواب آلودگی راننده، ماشین بینایی، ویژگی های هار، ماشین های بردار پشتیبان