سیستم فازی هشدار خواب آلودگی راننده مبتنی بر پردازش چهره در گوشی تلفن همراه با قابلیت تفکیک عینک

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 654

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TTC14_245

تاریخ نمایه سازی: 30 دی 1394

چکیده مقاله:

با توجه به آمار 18 هزار کشته سالیانه در حوادث رانندگی در ایران و سهم قابل توجه خستگی وخواب آلودگی راننده در این موارد، ارائه راه حلی مناسب در جهت کاهش تعداد حوادث جاده ای و رفعاین مشکل الزامی به نظر می رسد. در این مقاله، یک سیستم نرم افزاری ارزان و کارآمد پیشنهاد میشود که خواب آلودگی راننده را با استفاده از فیلم برداری از چهره راننده به وسیله دوربین گوشیهمراه تشخیص میدهد. برای این کار با استخراج ویژگی ها ی چشم و روش منطق فازی ، میزانخواب آلودگی راننده محاسبه می شود و سیستم در مواقع لزوم هشدارهای لازم ارائه می نماید. با انجاماین کار احتمال بروز حادثه به دلیل خواب آلودگ ی پایین می آید . در سیستم پیشنهادی جهتشناسایی چهره و چشم از الگوریتم ادابوست و تطبیق الگو وفقی و همچنین جهت شناسایی دقیقموقعیت چشم از الگوریتم شناسایی لکه بهره برداری شده است. ویژگی های استخراج شده از چشم،شامل PERCLOSE و ECD به عنوان ورودی به سیستم فازی داده خواهند شد تا میزان خواب آلودگی محاسبه شوند. سیستم پیشنهادی قابلیت شناسایی چشم با عینک طبی را نیز دارامیباشد. به دلیل ظریب نفوذ گوشی همراه در کشور، این سیستم دستیار راننده میتواند به صورتکارا در ایران به صورت گسترده مورد استفاده قرار گیرد.

نویسندگان

مهران گلرخی

دانشجوی کارشناسی ارشد علوم کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، ایران

مهدی قطعی

استادیار گروه علوم کامپیوتر و مدیر طرح کلان ملی مطالعه و طراحی سیستم های حمل و نقل هوشمند درون شهری و برون شهری، دانشگاه صنعتی امیرکبیر، تهر

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 :
  • مطالعات مدیریت ترافیک، 1388، بررسی روش‌های هوشمند تشخیص خواب آلودگی ...
  • Sigari, M. H., Fathy, M., & Soryani, M. (2013). A ...
  • Ji, Q., Yang, X. (2002). Real-time eye, gaze, and face ...
  • Jo, J., Lee, S. J., Jung, H. G., Park, K. ...
  • Wierwille, W. W., Ellsworth, L. A., Wreggit, S. S., Fairbanks, ...
  • D'Orazio, T., Leo, M., Guaragnella, C., & Distante, A. (2007). ...
  • Viola, P., Jones, M. (2001). Rapid object detection using a ...
  • Wei, S. D., & Lai, S. H. (2008). Fast template ...
  • Vapnik, V. (1999). An overview of statistical learning theory.IEEE Transactions ...
  • Jain, R., Kasturi, R., , & Schunck, B. G. (1995). ...
  • Turk, M., & Pentland, A. (1991). Eigenfaces for recognition. Journal ...
  • Jo, J. Lee, S. J., Park, K. R., Kim, I. ...
  • Hsu, C. W., Chang, C. C., & Lin, C. J. ...
  • نمایش کامل مراجع