هادی سلطانی زاده - استاد یار گروه الکترونیک، دانشکده مهندسی برق و کامپیوتر ، دانشگاه سمنان ، سمنان ،ایران
سروناز بوربور - گروه مخابرات ، دانشکده مهندسی برق و کامپیوتر ، دانشگاه سمنان ، سمنان ، ایران

خواب آلودگی راننده یکی از علل اصلی وقوع تصادفات رانندگی در نظر گرفته شده است. سیستم های تشخیص خواب آلودگی بر دو نوع سیستم هاینظارتی و مبتنی بر حرکت خودرو می باشند . که هرکدام مزایا و معایبی دارند. روشهای نظارتی با استفاده از حسگرهای عملکرد راننده به دلیل آنکه دارای مزاحمتی برای راننده نیستند، نسبت به سایر روشها عملی تر میباشند. در این پژوهش، ابتدا تصاویری از چشمهای بسته و باز برای آموزش به سامانه طراحی شده داده میشوند. سپس با استفاده از سامانه آموزش دیده، بسته بودن چشمها برای مدت طولانی شناسایی میشود. در این سامانه تصاویر چشم های باز و بسته از 5 نفر و از هر نفر 40 عکس شامل عکسهای چشمهای چپ و راست برای فاز آموزش استفاده گردید. ابتدا ازالگوریتم PCA برای استخراج ویژگی ها استفاده شده و به سامانههای مختلف دستهبندی کننده داده میشود. در فاز آزمایش همان تعداد تصاویر جدید مورد استفاده قرار گرفت. چهار روش دسته بندی فاصله ی اقلیدسی ، Max likelihood ، شبکه های عصبی و به عنوان روش پیشنهادی سیستم ایمنی مصنوعی، مورد مقایسه و ارزیابی قرار گرفت و نتایج نشان داد که دو روش نخست با وجود عدم نیاز به فاز آموزش ، زمان آزمایش بیشتری نیاز داشتند . استفاده از شبکه های عصبی علیرغم کوتاه بودن زمان آزمایش، به زمان آموزش زیادی نیاز دارند. در حالیکه سیستم ایمنی مصنوعی هم برای فاز آموزش و هم برای فاز آزمایش نیاز به زمان کوتاهی دارد. این در شرایطی هست که درصد شناسایی در روش های مختلف، تقاوت چندانی ندارند .

سیستم ایمنی مصنوعی، استخراج ویژگی، تشخیص خواب آلودگی راننده، شبکه های عصبی