وبلاگ

توضیح وبلاگ من

پایان نامه ارشد رشته هوش مصنوعی و رباتیک: طراحی سیستم نظارت چهره راننده جهت تشخیص خستگی و عدم تمرکز حواس

 
تاریخ: 07-11-99
نویسنده: نویسنده محمدی

1-1- تعریف سیستم های نظارت چهره راننده

 

همراه با توسعه صنعت خودرو در جهان، کاربرد فناوری‏های نوین در اتومبیل نیز افزایش یافته است. سیستم‏های حمل و نقل هوشمند[1] یا به اختصار ITS، کاربرد کامپیوتر و فناوری اطلاعات و ارتباطات در شبکه‏های حمل و نقل انسان و کالا است. سیستم پیشرفته دستیار راننده[2] یکی از بخش‏های سیستم حمل و نقل هوشمند محسوب می‏گردد. این سیستم‏ها برای بهبود کارایی خودرو و افزایش امنیت راننده و سرنشینان آن استفاده می‏شوند و در مواقع بحرانی، به راننده اعلام هشدار کرده یا به جای راننده تصمیم مناسب را برای کنترل و هدایت خودرو اتخاذ می‏کنند.

 

سیستم نظارت چهره راننده، یک سیستم بلادرنگ[3] است که بر اساس پردازش تصویر چهره راننده، وضعیت جسمی و تا حدی وضعیت روحی او را تحت نظارت قرار می‏دهد. معمولا وضعیت راننده از بسته بودن پلک‏ها، نحوه پلک‏زدن، خیره بودن چشم‏ها به نقطه خاص، جهت نگاه چشم، خمیازه کشیدن و حرکت سر قابل تشخیص است. این سیستم در هنگام خواب‏آلودگی، خستگی و عدم توجه راننده به جاده، اعلام هشدار[4] می‏کند.

 

2-1- ضرورت سیستم‏های نظارت چهره راننده

 

یکی از مهمترین عوامل موثر در تصادفات، خصوصا در جاده‏های بین شهری[5]، خستگی، خواب‏آلودگی و عدم تمرکز حواس راننده است. خستگی و خواب‏آلودگی باعث کاهش درک و قدرت تصمیم‏ گیری راننده برای کنترل خودرو می‏شود. تحقیقات نشان می‏دهد معمولا به طور طبیعی، پس از یک ساعت رانندگی، راننده دچار خستگی می‏شود. اما در ساعات ابتدایی بعد از ظهر، بعد از نهار و همچنین در نیمه شب، راننده در مدت زمان بسیار کمتر از یک ساعت احساس خواب‏آلودگی می‏کند. البته علاوه بر دلایل طبیعی، مصرف الکل، مواد مخدر و دارو‏هایی که منجر به کاهش هوشیاری می‏شوند نیز در خواب‏آلودگی راننده تاثیر‏گذار است [1-3]. عمده تصادفاتی که علت اصلی آن خستگی یا عدم تمرکز حواس اعلام می‏شود، در جاده‏های بین شهری و برای خودرو‏های سنگین رخ می‏دهد. اکثر این تصادفات در حدود ساعت 6-2 یا 16-15 به وقوع می‏پیوندد [2].

 

در کشور‏های مختلف، آمار متفاوتی در مورد تصادفاتی که به علت خستگی و عدم تمرکز حواس راننده رخ می‏دهد، ارائه شده اما به طور کلی می‏توان گفت علت حدود 20% از تصادفات و 30% از تصادفات منجر به مرگ، خواب‏آلودگی و عدم تمرکز حواس راننده است. در تصادفات تک خودرو[6] یا تصادفات خودرو‏های سنگین این رقم تا 50% نیز گزارش شده است [1, 4-10].

 

کشور ایران به لحاظ امنیت ترافیکی، نه تنها در بین کشور‏های دنیا، بلکه در بین کشور‏های در حال توسعه نیز وضعیت بحرانی دارد. بر اساس آمار پزشکی قانونی در سال 1386، بر اثر تصادفات رانندگی بیش از 23000 نفر کشته و 245000 نفر مجروح شده‏اند [11]. بر

پایان نامه

 اساس آمار اعلام شده، خسارت‏های ناشی از تصادفات در ایران بیش از 65000 میلیارد ریال (معادل 67 میلیارد دلار) برآورد شده که حدود 4/6% تولید ناخالص ملی[7] را تشکیل می‏دهد [12]. این در حالی است که کشور استرالیا به عنوان یک کشور توسعه یافته، خسارت ناشی از تصادفات را حدود 17 میلیارد دلار و معادل 3/2% تولید ناخالص ملی اعلام کرده است [13].

 

با توجه به خسارات‏های جانی و مالی فراوان حاصل از خواب‏آلودگی و عدم تمرکز حواس راننده، طراحی و توسعه سیستم‏های تشخیص خواب‏آلودگی و عدم تمرکز حواس بسیار ضروری به نظر می‏رسد. یکی از بهترین روش‏های کاربردی برای این منظور، نظارت چهره راننده است. بر اساس مطالعات صورت گرفته، پیش‏بینی می‏شود استفاده از سیستم‏های تشخیص خواب ‏آلودگی و عدم تمرکز حواس بتواند بین 10% تا 20% از تصادفات بکاهد [14].

 

3-1- چالش‏های اساسی در سیستم‏های نظارت چهره راننده

 

در یک سیستم نظارت چهره راننده، دو مشکل اصلی مطرح است: «چگونگی اندازه‏گیری خستگی» و «چگونگی اندازه‏گیری تمرکز». این مشکلات به عنوان چالش‏های اصلی سیستم‏های نظارت چهره شناخته می‏شود. با وجود پیشرفت علم در زمینه فیزیولوژی و روان‏شناسی، هنوز هیچ تعریف دقیقی از خستگی ارائه نشده است. مسلما به دلیل عدم وجود تعریف دقیق خستگی، هیچ معیار قابل سنجشی[8] نمی‏توان برای آن ارائه کرد [9]. با این وجود ارتباطاتی میان میزان خواب‏آلودگی و دمای سطح بدن، مقاومت الکتریکی پوست، فعالیت و حرکت چشم، نرخ تنفس، نرخ تپش قلب و فعالیت مغزی وجود دارد [3, 9, 15, 16]. یکی از اولین و مهمترین نشانه‏های خستگی در چشم ظاهر می‏شود. بر اساس تحقیقات انجام شده، رابطه مستقیمی بین میزان خستگی و درصد بسته بودن پلک‏ها در یک مدت معین وجود دارد. به درصد بسته بودن پلک‏ها در یک دوره زمانی PERCLOS[9] می‏گویند. به همین دلیل تقریبا در تمام سیستم‏های نظارت چهره راننده، پردازش ناحیه چشم و بررسی میزان بسته بودن پلک‏ها به عنوان اولین و مهمترین معیار در اندازه‏گیری خستگی استفاده می‏شود.

 

مشکل اساسی دیگر، اندازه‏گیری میزان توجه راننده به جاده است. میزان توجه راننده را می‏توان از جهت سر و جایی که چشم‏ها به آنجا نگاه می‏کند تا حدی تخیمن زد. اما مشکل این است که اگر جهت سر به سمت جلو و نگاه به سمت جاده باشد، لزوما راننده به جاده توجه نمی‏کند. به عبارت دیگر نگاه کردن به جاده به معنی توجه کردن به آن نیست [9].

 

جدا از چالش‏های اصلی سیستم‏های نظارت چهره راننده، پیاده‏سازی بلادرنگ سیستم بر روی سخت‏افزار‏های معمول، کاهش خطای سیستم در آشکارسازی چهره، کاهش خطای ردیابی چهره، افزایش کارایی روش‏های استخراج ویژگی و افزایش دقت الگوریتم‏های تشخیص خواب‏آلودگی و عدم تمرکز حواس از دیگر مشکلات این سیستم‏ها محسوب می‏شود.

 

[1] Intelligent Transportation System (ITS)

 

[2] Advanced Driver Assistant System (ADAS)

 

[3] Real-Time

 

[4] Alarm

 

[5] Rural Road

 

[6] Single-Vehicle Accident

 

[7] Gross Domestic Product (GDP)

 

[8] Quantitative

 

[9] Percentage of Eyelid Closure Over Time (PERCLOS)


فرم در حال بارگذاری ...

« پایان نامه ارشد رشته هوش مصنوعی: شناسایی نفوذگران با کمک مفهوم شبکه اجتماعیپایان نامه ارشد هوش مصنوعی: طراحی و پیاده­ سازی رفع کننده­ تناقض در یک سیستم تصمیم ­همیار هوشمند مبتنی بر تنوع نقطه نظرات »