18096

18096

تشخيص عدم توجه به جلو و خواب آلودگي راننده با استفاده از اطلاعات رنگ و عمق تصوير

كارشناسي ارشد

هوش مصنوعي

شهريور ماه 1396

دكتر محسن سرياني

كامپيوتر

يكي ازدلايل مهم حوادث رانندگي خستگي و خواب‌آلودگي راننده است. در اين پايان نامه يك راه حل مبتني بر بينايي ماشين براي نظارت بر راننده و تشخيص خواب‌آلودگي بر اساس اطلاعات رنگ و عمق دوربين كينكت ارائه شده است. اين سيستم تركيبي از روش‌هاي دو بعدي و سه بعدي را براي شناسايي نواحي مورد علاقه (ROI) و تشخيص رفتار چشم و دهان استفاده مي‌كند. براساس اطلاعات عمق گرفته شده از حسگركينكت و تحليل اطلاعات رنگ، ناحيه صورت، نوك بيني، دهان و چشم‌ها شناسايي مي‌شود و همچنين حالت دهان ( بسته يا نيمه باز و باز بزرگ) و حالت چشم‌ها (بسته، باز)تشخيص داده مي‌شود. نتيجه، يك سيستم كاربردي نظارت بر راننده با استفاده از حسگر‌هاي كم هزينه است. از اطلاعات رنگ و عمق براي تشخيص صورت و سپس از اطلاعات عمق براي تشخيص نوك بيني و ناحيه دهان و خميازه كشيدن استفاده شده است. حالت باز يا بسته بودن چشم‌ها توسط يك شبكه عصبي عميق انجام شده است. نتايج ارزيابي سيستم روي 2 مجموعه داده متفاوت نشان دهنده دقت بيش از90 درصد مي‌باشد.

1396/09/04

11/25/2017 12:00:00 AM

One of the most important reasons for driving accidents is fatigue and driver sleepiness. In this thesis a solution is presented based on computer vision for monitoring the driver and detecting drowsiness based on Kinect camera color and depth information. The system uses a combination of two-dimensional and three-dimensional methods to identify reagion of interest (ROI) and to detect eye and mouth behavior. Depending on the depth of information taken from the Kinect sensor and the analysis of color information, the face, nose, mouth and eyes are detected, as well as the mouth state (closed, semi open or wide open) and the eye state (closed, open). The result is a functional driver monitoring system using low-cost sensors. Color and depth information is used to detection the face, and then the depth information is used to recognize the tip of the nose and the area of the mouth and yawning. The state of the open or closed eyes are done by a deep nervous system. The system's eva​luation results on two different data sets represent a precision of over 90%.