تشخیص حالات مختلف حواسپرتی راننده با استفاده از شبکه های یادگیری عمیق
Publish place: Seventh international Conference on Knowledge and Technology of Mechanical, Electrical Engineering and Computer Of Iran
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 211
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DMECONF07_120
تاریخ نمایه سازی: 7 شهریور 1401
Abstract:
تلفات ناشی از تصادفات و سوانح رانندگی، یکی از مهمترین عوامل مرگ و میر در انسانها میباشد. اینگونه سوانح علاوه برتلفات جانی باعث وارد شدن میزان زیادی خسارت به ذخایر ملی میشود. دانشمندان همواره به دنبال ارائه راهکارهایی برایجلوگیری از وقوع حوادث و کاهش تلفات و مرگ و میر بودهاند. یکی از تکنولوژیهایی که در سالهای اخیر مورد توجه قرار گرفتهاست، استفاده از سیستمهای هوشمند کمک راننده میباشد که با استفاده از آن میتوان در مواقع وقوع خطر با اعلام هشدار بهموقع به رانندگان از وقوع حادثه جلوگیری نمود. در این گونه سیستمها از روشهای هوش مصنوعی و شبکههای یادگیری عمیق بهمنظور شناسایی حالتهای مختلف خطر استفاده میشود. در این پژوهش از شبکههای یادگیری عمیق برای تشخیص حالاتمختلف حواسپرتی راننده استفاده شده است. برای این منظور از دادههای آموزشی StateFarm و شبکههای VGG۱۶ وGoogLeNet به کار گرفته شدهاند. نتایج حاصله نشان میدهد که روش معرفی شده از دقت بالای ۹۹ درصد برخوردار است کهنشان دهنده این است که روش معرفی شده میتواند در سیستمهای کمک راننده پیادهسازی شود.
Keywords:
Authors
هادی نیکنام شیروان
کارشناسی ارشد مهندسی مکاترونیک دانشگاه تهران
علیرضا رضائی
دانشیار دانشکده علوم و فنون نوین دانشگاه تهران
محمدرضا اکرمی
کارشناسی ارشد مهندسی مکاترونیکدانشگاه تهران