یک سیستم موثر برای تشخیص حالت خواب آلودگی چهره با استفاده از ویژگی های محلی در یک ساختار تصمیم گیری سلسله مراتبی

با پیشرفت روزافزون فناوری های دیجیتال هرروزه حضور آنها در زندگی بیشتر حس می شود. یکی از موضوعاتی که اخیرا شاهدحضور این فناوری ها در آن هستیم، مبحث ایمنی وسایل نقلیه و رانندگی با آنها است. طبق گزارش های به دست آمده، علت وقوع اکثرحوادث رانندگی، خواب آلودگی راننده است که هرساله خسارات جبران ناپذیری را به بار می آورد. ازاینرو طراحی سیستمی که با دقتزیاد بتواند خواب آلودگی راننده را تشخیص دهد بسیار حایز اهمیت است. سیستم های کمک راننده می توانند با بررسی وضعیت راننده،در شرایطی که خواب آلودگی راننده حس می شود به راننده هشدار دهند و مانع از بروز حوادث رانندگی شوند. در این مقاله، الگوریتمیبرای تشخیص خواب آلودگی به صورت آنی ارایه شده است. این الگوریتم چهار پارامتر؛ بسته بودن چشم، باز بودن دهان، نرخ پلکزدن و نرخ خمیازه کشیدن را محاسبه کرده و با استفاده از جستجوی هارمونی برای آنها اولویت تعیین می کند، سپس یک شبکهعصبی، خواب آلودگی راننده را تشخیص می دهد. نتایج آزمایش طرح بر روی دیتاست YawDD نشان می دهد طرح ارایه شده بسیار موفق بوده است و توانسته 79 % تا 82 % خواب آلودگی را به خوبی تشخیص دهد. الگوریتم در مقایسه باکارهای گذشته 4% تا 14 % ازبهترین الگوریتم، بهتر عمل کرده است.

یک سیستم موثر برای تشخیص حالت خواب آلودگی چهره با استفاده از ویژگی های محلی در یک ساختار تصمیم گیری سلسله مراتبی Keywords:

تشخیص خواب آلودگی , جستجوی هارمونی , شبکه عصبی , YawDD , HSV