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، ته

ایران با وجود سالیانه 18 هزار کشته در جاده ها، نیازمند راهکارهایی جهت کاهش تصادفات است و با توجه به اینکه خواب آلودگی یکی ازعوامل مهم در تصادفات می باشد، سیستم تشخیص خواب آلودگی می تواند باعث کاهش چشگیر تصادفات شود. در این مقاله با استفاده ازپردازش چهره راننده، سعی در تشخیص خواب آلودگی داشته ایم. در این سیستم شناسایی چهره با استفاده از الگوریتم های ادابوست و تطبیقالگو وفقی و شناسایی چشم با استفاده از الگوریتم های ادابوست، تطبیق الگو وفقی و شناسایی لکه انجام پذیرفته است. ویژگی هایPERCLOS و ECD از وضعیت چشم استخراج شده و به عنوان ورودی سیستم فازی محاسبه میزان خواب آلودگی استفاده می شود.همچنین الگوریتم ماشین بردار پشتیبان جهت صحت شناسایی و تشخیص وضعیت چشم استفاده می شود.

خواب آلودگی، خستگی، پردازش تصویر، ماشی بردار پشتیبان، ادا بوست، شناسایی لکه، تطبیق الگو وفقی