حسین عباسی - دکتری سیستم های کامپیوتری، دانشگاه آزاد اسلامی، واحد اهرم
محبوبه شکاری - دکتری زبانشناسی همگانی، دانشگاه پیام نوراهرم
مریم سلیمی مفرد - کارشناسی ارشد تاریخ ،گرایش مطالعات خلیج فارس، دانشگاه ملی خلیج فارس بوشهر

هر ساله تصادفات رانندگی زیادی به دلیل خواب آلودگی و عدم تمرکز حواس راننده در سراسر دنیا رخ می دهد کهخسارت های جانی و مالی فراوانی به همراه دارند. یکی از روش های تشخیص خستگی و عدم تمرکز حواس، استفاده ازسیستم های نظارت چهره راننده است. سیستم های نظارت چهره راننده با دریافت تصاویر از دوربین و پردازش آنها، نشانه هایخواب آلودگی و عدم تمرکز حواس را از چشم، سر و چهره استخراج می کنند. در این مقاله یک سیستم نظارت چهره رانندهطراحی شده است که با استخراج نشانه های خستگی و عدم تمرکز حواس از ناحیه چشم و چهره، کاهش هوشیاری راننده راتخمین می زند. در این سیستم چهار ویژگی شامل درصد بسته بودن چشم (PERCLOS) ، نرخ پلک زدن، کاهش فاصلهبین پلک ها و میزان چرخش سر استخراج می شود. سه ویژگی اول مربوط به نشانه های بروز خستگی و عدم تمرکز حواس درناحیه چشم و ویژگی آخر مربوط به نشانه های کاهش هوشیاری در ناحیه چهره و سر می باشد. ویژگی های ناحیه چشم براساس تغییرات پروجکشن افقی ناحیه چشم و ویژگی های ناحیه چهره بر اساس بررسی قالب چهره استخراج می گردد. سپساین ویژگی ها توسط یک سیستم خبره فازی مورد پردازش قرار می گیرد تا میزان خستگی و عدم تمرکز حواس رانندهتخمین زده شود. تصویربرداری سیستم پیشنهادی در طیف مرئی و با دوربین سطح خاکستری انجام شده است. نتایجآزمایش ها بر روی فیلم های تهیه شده در محیط واقعی و آزمایشگاهی نشان می دهد که روش پیشنهادی دقت بسیار خوبی دراستخراج ویژگی و تشخیص کاهش هوشیاری راننده دارد. از لحاظ سرعت اجرای الگوریتم، سرعت سیستم پیشنهادی حدود5 فریم در ثانیه می باشد که می توان آن را سیستم بلادرنگ محسوب کرد.

نظارت چهره راننده، تشخیص خستگی، تشخیص خواب آلودگی، تشخیص عدم تمرکز حواس، پیشگیری از تصادف