فرهاد نساء - گروه مهندسی کامپیوتر ، هوش مصنوعی ، موسسه آموزش عالی روزبه زنجان
علی اصغر خواصی - گروه مهندسی کامپیوتر، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران

هر ساله تصادفات رانندگی زیادی به دلیل خوا بآلودگی و عدم تمرکز حواس راننده در سراسر دنیا رخ می دهد که خسارت های جانی و مالی فراوانی به همراه دارند. یکی از رو شهای تشخیص خستگی و عدم تمرکز حواس، استفاده از سیست مهای نظارت چهره راننده است. سیست مهای نظارت چهره راننده با دریافت تصاویر از دوربین و پردازش آنها، نشانه های خوا بآلودگی و عدم تمرکز حواس را از چشم، سر و چهره استخراج می کنند. در این پایان نامه یک سیستم نظارت چهره راننده طراحی شده است که با استخراج نشانه های خستگی و عدم تمرکز حواس از ناحیه چشم، کاهش هوشیاری راننده را تخمین می زند. سپس این ویژگی ها توسط الگوریتم KNN مورد پردازش قرار می گیرد تا میزان عدم تمرکز حواس راننده تخمی نزده شود. پایگاه داده سیستم پیشنهادی در طیف مریی و با دوربین سطح خاکستری انجام شده است. نتایج آزمایش ها بر روی عکس های تهیه شده در محیط واقعی نشان می دهد که روش پیشنهادی دقت بسیار خوبی دارد. از لحاظ اجرای الگوریتم، دقت سیستم پیشنهادی حدود 95 درصد می باشد که می توان آن را سیستم دقیقی محسوب کرد.

نظارت چهره راننده، تشخیص خواب آلودگی، تشخیص عدم تمرکز حواس، پیشگیری از تصادف