حسین حسینی - دانشجوی کارشناسی ارشد دانشگاه جامع امام حسین (ع)
محمدرضا حسنی آهنگر - استاد تمام دانشگاه جامع امام حسین (ع)

خواب آلودگی راننده ها در دنیا و بخصوص در کشور ما یکی از عوامل جدی در ایجاد حوادث رانندگی منجر به فوت تلقی می شود. دردهه گذشته پیشرفت های مداوم در فناوری محاسبات و هوش مصنوعی، منجر به بهبود سیستمهای نظارت بر رانندگان شده است. مطالعات تجربی متعددی داده های خواب آلودگی رانندگان را جمع آوری کرده و از الگوریتم های هوش مصنوعی مختلف و همچنین ترکیب های ویژگی ها در راستای افزایش قابل توجه عملکرد این سیستم ها در زمان واقعی بهره گرفته اند. به طور کلی سیستم های تشخیص خواب آلودگی راننده براساس اطلاعات مورد استفاده در یکی از چهار دسته ممکن قرار می گیرد که در این مقاله تمرکز بر روی سیستم های تشخیص خواب آلودگی راننده مبتنی بر تصویر است.هر یکی از سیستم های ارائه شده در این مقاله با شرح مفصلی از ویژگی ها و الگوریتم های طبقه بندی همراه است که همگی بر روی یک مجموعه داده یکسان با نام NTHUDDD اعمال شده اند. علاوه بر این مقاله چالش های اخیر در زمینه تشخیص خواب الودگی راننده را برجسته می کند و همچنین عملی بودن و قابلیت اطمینان آن را مورد بحث قرار می دهدو برخی از کارهای آینده در این زمینه را ارائه می دهد. مقایسه های صورت گرفته میان پژوهش های انجام گرفته اخیر نشان می دهد که دقت های به دست آمده بین ۷۲.۲۵% و ۹۷.۳% متغیر است که بهترین حالت آن تاکنون ۹۷.۳% بوده است.

خواب آلودگی راننده، تشخیص مبتنی بر تصویر، هوش مصنوعی، مجموعه داده NTHUDDD