دانشگاه علم و صنعت ایران
دانشکده مهندسی کامپیوتر
پایان نامه جهت دریافت کارشناسی ارشد
رشته مهندسی کامپیوتر- هوش مصنوعی و رباتیک
عنوان:
طراحی سیستم نظارت چهره راننده جهت تشخیص خستگی و عدم تمرکز حواس
اساتید راهنما:
آقای دکتر محمود فتحی و آقای دکتر محسن سریانی
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
فهرست مطالب:
1- مقدمه…………………….. 1
1-1- تعریف سیستمهای نظارت چهره راننده………………….. 1
1-2- ضرورت سیستمهای نظارت چهره راننده………………….. 2
1-3- چالشهای اساسی در سیستمهای نظارت چهره راننده………………….. 3
1-4- مفاهیم خستگی، خوابآلودگی و عدمتمرکزحواس…………………….. 4
1-4-1- خستگی و خوابآلودگی……………………. 4
1-4-2- عدم تمرکز حواس…………………….. 6
1-5- روشهای تشخیص خستگی و عدم تمرکز حواس راننده………………….. 6
1-6- طرح کلی پایان نامه…………………… 7
2- مروری بر کارهای گذشته…………………… 8
2-1- پیکربندی کلی سیستمهای نظارت چهره راننده………………….. 9
2-1-1- تصویربرداری……………………. 9
2-1-2- سختافزار و پردازنده………………….. 10
2-1-3- نرمافزار هوشمند…………………… 11
2-2- آشکارسازی چهره………………….. 13
2-2-1- روشهای مبتنی بر مدل رنگ…………………….. 13
2-2-2- روشهای مبتنی بر ویژگیهای شبه هار…………………… 14
2-2-3- روشهای مبتنی بر شبکه عصبی……………………. 14
2-3- آشکارسازی چشم…………………… 15
2-3-1- روشهای مبتنی بر نورپردازی و تصویربرداری در طیف مادون قرمز……. 15
2-3-2- روشهای مبتنی بر دوسطحی کردن تصویر…………………… 18
2-3-3- روشهای مبتنی بر پروجکشن……………………. 19
2-3-4- روشهای مبتنی بر یادگیری……………………. 20
2-4- آشکارسازی سایر اجزای چهره………………….. 21
2-4-1- آشکارسازی دهان (لب) …………………..21
2-4-2- آشکارسازی بینی……………………. 21
2-5- ردیابی چهره و اجزای آن…………………… 22
2-5-1- تخمین حرکت…………………….. 23
2-5-2- تطابق……………………. 23
2-6- استخراج ویژگیهای مربوط به کاهش هوشیاری……………………. 24
2-6-1- ویژگیهای ناحیه چشم…………………… 24
2-6-2- ویژگیهای دهان…………………… 30
2-6-3- ویژگیهای سر……………………30
2-7- تشخیص خستگی و عدم تمرکز حواس…………………….. 31
2-7-1- روشهای مبتنی بر حد آستانه…………………… 31
2-7-2- روشهای مبتنی بر دانش…………………….. 32
2-7-3- روشهای مبتنی بر آمار و احتمال…………………… 33
2-8- سیستمهای نظارت چهره راننده در خودروهای تجاری……………………. 34
3- سیستم پیشنهادی……………………. 35
3-1- پیکربندی کلی سیستم پیشنهادی……………………. 35
3-1-1- نورپردازی و تصویربرداری……………………. 36
3-1-2- سختافزار و پردازنده …………………..37
3-1-3- نرمافزار هوشمند…………………… 37
3-2- آشکارسازی چهره………………….. 38
3-2-1- ویژگیهای شبه هار…………………… 39
3-2-2- انتخاب و تعیین اهمیت ویژگیها برای تشکیل یک طبقه بندی کننده قوی…….. 41
3-2-3- درخت تصمیم آبشاری تقویت شده………………….. 42
3-3- ردیابی چهره………………….. 44
3-3-1- پنجره جستجو…………………… 45
3-3-2- معیار تطابق……………………. 46
3-4- استخراج ویژگیهای مربوط به کاهش هوشیاری……………………. 47
3-4-1- ویژگیهای ناحیه چشم…………………… 47
3-4-2- ویژگیهای ناحیه چهره و سر…………………… 55
3-5- تشخیص کاهش هوشیاری……………………. 58
3-5-1- سیستم خبره فازی……………………. 58
3-5-2- تولید خروجی نهایی……………………. 64
4- نتایج آزمایشها و ارزیابی سیستم…………………… 69
4-1- نحوه آزمایش سیستم…………………… 69
4-2- معیارهای ارزیابی……………………. 72
4-3- آشکارسازی چهره………………….. 73
4-4- ردیابی چهره …………………..75
4-5- استخراج ویژگیهای ناحیه چشم…………………… 77
4-6- استخراج ویژگیهای ناحیه سر و چهره …………………..82
4-7- تشخیص کاهش هوشیاری……………………. 86
4-8- ارزیابی کلی سیستم و الگوریتمها………………….. 93
4-8-1- بررسی سرعت پردازش سیستم پیشنهادی……………………. 93
4-8-2- بررسی پیچیدگی محاسباتی الگوریتمها………………….. 94
5- نتیجهگیری و پیشنهادات…………………….. 95
6- مراجع……………………99
چکیده:
هر ساله تصادفات رانندگی زیادی به دلیل خوابآلودگی و عدم تمرکز حواس راننده در سراسر دنیا رخ میدهد که خسارتهای جانی و مالی فراوانی به همراه دارند. یکی از روشهای تشخیص خستگی و عدم تمرکز حواس، استفاده از سیستمهای نظارت چهره راننده است. سیستمهای نظارت چهره راننده با دریافت تصاویر از دوربین و پردازش آنها، نشانههای خوابآلودگی و عدم تمرکز حواس را از چشم، سر و چهره استخراج میکنند. در این پایان نامه یک سیستم نظارت چهره راننده طراحی شده است که با استخراج نشانههای خستگی و عدم تمرکز حواس از ناحیه چشم و چهره، کاهش هوشیاری راننده را تخمین میزند. در این سیستم چهار ویژگی شامل درصد بسته بودن چشم (PERCLOS)، نرخ پلک زدن، کاهش فاصله بین پلکها و میزان چرخش سر استخراج میشود. سه ویژگی اول مربوط به نشانههای بروز خستگی و عدم تمرکز حواس در ناحیه چشم و ویژگی آخر مربوط به نشانههای کاهش هوشیاری در ناحیه چهره و سر میباشد. ویژگیهای ناحیه چشم بر اساس تغییرات پروجکشن افقی ناحیه چشم و ویژگیهای ناحیه چهره بر اساس بررسی قالب چهره استخراج میگردد. سپس این ویژگیها توسط یک سیستم خبره فازی مورد پردازش قرار میگیرد تا میزان خستگی و عدم تمرکز حواس راننده تخمین زده شود. تصویربرداری سیستم پیشنهادی در طیف مرئی و با دوربین سطح خاکستری انجام شده است. نتایج آزمایشها بر روی فیلمهای تهیه شده در محیط واقعی و آزمایشگاهی نشان میدهد که روش پیشنهادی دقت بسیار خوبی در استخراج ویژگی و تشخیص کاهش هوشیاری راننده دارد. از لحاظ سرعت اجرای الگوریتم، سرعت سیستم پیشنهادی حدود 5 فریم در ثانیه میباشد که میتوان آن را سیستم بلادرنگ محسوب کرد.
پیشگفتار:
افزایش تعداد خودروها در جهان و در نتیجه آن افزایش آمار خسارات و تلفات ناشی از تصادفات، باعث شد تا محققین به دنبال کشف علل اصلی تصادفات رانندگی باشند. یکی از مهمترین این علل، خستگی و عدم تمرکز حواس راننده میباشد که علت اصلی حدود 20% از تصادفات محسوب میشود. با توجه به نقش موثر خستگی و عدم تمرکز حواس راننده در بروز تصادفات، راهکارهایی برای مقابله با این عامل معرفی شد. یکی از راهکارهای اصلی و جدید برای تشخیص خستگی و عدم تمرکز حواس راننده و اعلام هشدار در مواقع ضروری، سیستمهای نظارت چهره راننده است. پیشنهاد تولید سیستمهای نظارت چهره راننده اولین بار در اواخر قرن 20 میلادی مطرح شد، اما عمده تحقیقات در این زمینه مربوط به بعد از سال 2000 میلادی میباشد.
تاکنون طراحی و تولید چنین سیستمهایی در ایران به طور جدی مورد بررسی قرار نگرفته است. سیستم ارائه شده در این پایان نامه به عنوان اولین سیستم نظارت چهره راننده در ایران میباشد که قادر است میزان خستگی و عدم تمرکز حواس راننده را با بهره گرفتن از پردازش تصاویر چهره راننده تخمین بزند. هرچند تحقیقات بیشتری برای تولید یک سیستم نظارت چهره راننده با هدف کاربرد در خودروهای تجاری مورد نیاز است، اما این پایان نامه میتواند شروع بسیار خوبی برای آغاز تحقیقات در این زمینه باشد.
سعی شده نوشتار پایان نامه به نحوی روشن و ساده بیانگر روش پیشنهادی باشد، با این وجود خواننده گرامی میتواند در صورت داشتن سوال، بیان نظرات یا ارائه انتقاد از طریق پست الکترونیک [email protected] یا [email protected] با اینجانب مکاتبه نماید.
1- مقدمه
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 تصمیمگیری 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 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)
تعداد صفحه : 115
قیمت : 14700 تومان
