تشخیص خستگی راننده با تعیین حالت چشم مبتنی بر پردازش تصویر
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه تفرش - دانشکده مهندسی برق
- نویسنده مرضیه تفرشی
- استاد راهنما علی محمد فتوحی
- سال انتشار 1392
چکیده
یکی از عوامل مهم در بسیاری از تصادفات، خستگی وکاهش سطح هشیاری راننده است. از این رو در این پروژه روشی مبتنی بر تشخیص باز یا بسته بودن چشم با استفاده از پردازش تصویر پیشنهاد شده است تا با پیاده¬سازی این روش بتوان از وقوع این نوع تصادفات جلوگیری کرد. در این پروژه دو الگوریتم برای تشخیص باز یا بسته بودن چشم پیشنهاد شده است. هریک از این الگوریتم¬ها از سه مرحله تعیین ناحیه چهره، تعیین موقعیت چشم و تشخیص حالت آن تشکیل شده است. دو مرحله اول در دو الگوریتم پیشنهادی یکسان عمل می¬کنند که در این مراحل از روش مبتنی بر ویژگی هار برای تعیین ناحیه¬ی چهره، نگاشت رنگ و روشنایی برای استخراج نواحی کاندیدای چشم و روابط هندسی ساده برای تأیید نهایی ناحیه¬ی چشم استفاده شده است. در الگوریتم اول برای تشخیص حالت چشم ویژگی¬های بافت استخراج شده از هیستوگرام الگوی باینری محلی (lbp) و الگوی باینری محلی میانگین (mlbp) در نواحی چشم، به طبقه¬بندی¬کننده svm اعمال می¬شوند. در نهایت، در صورت عدم تأیید حالت چشم مبتنی بر دو ویژگی lbp و mlbp، ایده میزان نمایان بودن سفیده¬ی چشم برای تصمیم گیری نهایی بکار رفته است. گرچه در این روش از دو طبقه¬بندی¬کننده استفاده می¬شود ولی این الگوریتم از دقت تشخیص بالایی برخوردار است و در مواردی که هدف، بالا بودن دقت تشخیص باشد این الگوریتم پیشنهاد می-شود. قابل ذکر است که الگوریتم پیشنهادی در پایگاه داده موجود هیچ چشم بسته¬ای را به اشتباه باز تشخیص نداده است و این در کاربرد موردنظر که تشخیص خواب¬آلودگی راننده است می¬تواند ارزشمند باشد. در الگوریتم دوم که به منظور کاهش هزینه محاسباتی پیشنهاد شده است، از توصیف کننده ویژگی پیشنهادی به نام الگوی محلی ماکزیمم مشتق عمودی (lmvdp) و طبقه¬بندی¬کننده¬ی svm برای تعیین حالت چشم استفاده می¬شود. این توصیف کننده، اطلاعات مکانی و شدت روشنایی لبه¬های افقی در تصویر چشم را در اختیار طبقه¬بندی-کننده قرار می¬دهد و از این رو برای مشخص و جداسازی چشم باز و بسته مناسب می¬باشد. پایگاه داده مورد استفاده در این پروژه بدلیل در دسترس نبودن پایگاه داده استاندارد، با همکاری دانشجویان دانشگاه تفرش تهیه شده است. دقت تشخیص الگوریتم پیشنهادی اول بر روی 894 تصویر چشم 1/99% و دقت تشخیص الگوریتم پیشنهادی دوم 2/98% می¬باشد که نسبت به الگوریتم¬های مشابه از عملکرد بهتری برخوردار هستند.
منابع مشابه
تشخیص اتوماتیک بیمارهای شبکیه چشم با استفاده از مدل های ریاضیاتی پردازش تصویر، مبتنی بر یادگیری دیکشنری چند لایه
هدف از این مطالعه بهبود عملکرد طبقه بندی روش های نوین، با استفاده از مدلی چند لایه به منظور کمک به تشخیص بیماریهای شبکیه ی چشم است. این مدل از الگوریتم K-SVD پیشرفته، برای یادگیری ماتریس دیکشنری و الگو های پایه استفاده می کند تا بتواند با الگوپذیری از معماری چند لایه، ویژگی های بهتری را در تصاویر OCT شبکیه بیاموزد. همچنین در این معماری، علاوه بر استفاده از برچسب های کلاس داده های آموزشی، اطلاع...
متن کاملتشخیص خواب آلودگی راننده با استفاده از تکینک های پردازش تصویر
خواب آلودگی راننده یکی از مهمترین عوامل تصادفات جاده ای می باشد. به همین دلیل اخیرا تحقیقات زیادی برای تشخیص آن انجام گرفته است. روش های تشخیص خواب آلودگی را می توان بر اساس نوع نشانه هایی که استفاده می کنند، به سه گروه روش های مبتنی بر علائم فیزیولوژی، مبتنی بر عملکرد خودرو، و مبتنی بر وضعیت و ظاهر شخص تقسیم نمود. از بین این سه گروه، روش های مبتنی بر وضعیت و ظاهر، به علت نداشتن مزاحمت برای ران...
15 صفحه اولارائه یک الگوریتم پردازش تصویر هوشمند جدید برای تشخیص و شناسایی علائم راهنمایی و رانندگی مبتنی بر منطق فازی
در این مقاله یک الگوریتم هوشمند جدید برای تشخیص و شناسایی علائم راهنمایی و رانندگی، براساس پردازش تصویر و منطق فازی، ارائه میشود. این الگوریتم شامل سه مرحله پیشپردازش، تشخیص و شناسایی میباشد. در مرحله پیشپردازش با اعمال الگوریتمهای پردازش تصویر، تغییرات به منظور بهبود کیفیت تصویر دریافتی و حذف دادههای نامرتبط با هدف مورد نظر انجام میگیرد. در مرحله شناسایی یک الگوریتم بینایی ماشین هوشمند ...
متن کاملطراحی و ساخت یک سیستم تشخیص خواب آلودگی راننده مبتنی بر پردازشگر سیگنال TMS320C5509A
Every year, many people lose their lives in road traffic accidents while driving vehicles throughout the world. Providing secure driving conditions highly reduces road traffic accidents and their associated death rates. Fatigue and drowsiness are two major causes of death in these accidents; therefore, early detection of driver drowsiness can greatly reduce such accidents. Results of NTSB inves...
متن کاملتشخیص خستگی راننده به کمک تحلیل تصاویر چهره
آمار تصادفات نشان¬دهنده آن است که خطاهای انسانی علت اصلی تصادفات منجر به جراحت و فوت در سرتاسر جهان است. این خطاها به خصوص در لحظاتی که راننده خسته است به اوج خود می-رسد. برای به حداقل رساندن این خطاها نیاز به سامانه¬ای جهت تشخیص خستگی و جلوگیری از ادامه رانندگی داریم. عملکرد این سامانه باید به صورت بی¬درنگ باشد تا مانع از تصادفات جانی و مالی شود. در این پژوهش،الگوریتم هوشمندی جهت تشخیص خستگی ر...
منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه تفرش - دانشکده مهندسی برق
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023