تشخیص حواس پرتی و خواب آلودگی راننده از طریق روشهای مبتنی بر پردازش تصویر و یادگیری عمیق

این تحقیق به بررسی یک رویکرد جدید جهت تشخیص حواس پرتی و خواب آلودگی راننده جهت هوشمندسازی رانندگی پرداخته است.به دلیل عدم وجود یک مجموعه داده دقیق و جامع در حوزه مجموعه داده های چشم، نویسندگان یک مجموعه داده نوین جمع آوری کرده اند، همچنین شبکه عصبی مصنوعی ای در جهت تشخیص خواب آلودگی راننده به گونه ای طراحی شده که دو هدف مهم پردازش های بلادرنگ، از جمله دقت بالا و سرعت بالا، همزمان در نظر گرفته شوند. اهداف این مقاله به شرح زیر است: تخمین موقعیت سر راننده جهت تشخیص حواس پرتی، معرفی یک مجموعه داده جامع جدید برای تشخیص بسته بودن چشم، و همچنین، طراحی سه شبکه عصبی مصنوعی که یکی از آنها یک شبکه عصبی کاملا طراحی شده (FD-NN) است و دو شبکه ی دیگر از تکنیک انتقال یادگیری از طریق شبکه های VGG۱۶ و VGG۱۹با لایه های اضافی استفاده می کنند (TL-VGG). نتایج نشان می دهد دقت شبکه های پیشنهادی بالا و پیچیدگی محاسباتی کم است، به طوری که روش پیشنهادی نسبت به کارهای قبلی ۴ برابر سریع تر و دارای صحت ۹۸.۱۵% است.

تشخیص حواس پرتی و خواب آلودگی راننده از طریق روشهای مبتنی بر پردازش تصویر و یادگیری عمیق Keywords:

شبکه ی عصبی کانولوشنی , انتقال یادگیری , حواس پرتی , خواب آلودگی , رانندگی هوشمند