پیشینه تحقیق سیستم های نظارت چهره راننده و آشکارسازی چهره دارای ۴۱  صفحه می باشد   فایل پیشینه تحقیق به صورت ورد  word و قابل ویرایش می باشد. بلافاصله بعد از پرداخت و خرید لینک دنلود فایل نمایش داده می شود و قادر خواهید بود  آن را دانلود و دریافت نمایید . ضمناً لینک دانلود فایل همان لحظه به آدرس ایمیل ثبت شده شما ارسال می گردد.

فهرست مطالب

۱-۱- تعریف سیستم‏های نظارت چهره راننده    ۳
۱-۲- ضرورت سیستم‏های نظارت چهره راننده    ۳
۱-۳- چالش‏های اساسی در سیستم‏های نظارت چهره راننده    ۵
۱-۴- مفاهیم خستگی، خواب‏آلودگی و عدم‏تمرکز‏حواس    ۶
۱-۴-۱- خستگی و خواب‏آلودگی    ۶
۱-۴-۲- عدم تمرکز حواس    ۷
۱-۵- روش‏های تشخیص خستگی و عدم تمرکز حواس راننده    ۸
۲-۱- پیکربندی کلی سیستم‏های نظارت چهره راننده    ۱۰
۲-۱-۱- تصویربرداری    ۱۰
۲-۱-۲- سخت‏افزار و پردازنده    ۱۱
۲-۱-۳- نرم‏افزار هوشمند    ۱۲
۲-۲- آشکارسازی چهره    ۱۴
۲-۲-۱- روش‏های مبتنی بر مدل رنگ    ۱۴
۲-۲-۲- روش‏های مبتنی بر ویژگی‏های شبه هار    ۱۵
۲-۲-۳- روش‏های مبتنی بر شبکه عصبی    ۱۵
۲-۳- آشکارسازی چشم    ۱۶
۲-۳-۱- روش‏های مبتنی بر نورپردازی و تصویربرداری در طیف مادون قرمز    ۱۶
۲-۳-۲- روش‏های مبتنی بر دوسطحی کردن تصویر    ۱۹
۲-۳-۳- روش‏های مبتنی بر پروجکشن    ۲۰
۲-۳-۴- روش‏های مبتنی بر یادگیری    ۲۱
۲-۴- آشکارسازی سایر اجزای چهره    ۲۲
۲-۴-۱- آشکارسازی دهان (لب)    ۲۲
۲-۴-۲- آشکارسازی بینی    ۲۲
۲-۵- ردیابی چهره و اجزای آن    ۲۳
۲-۵-۱- تخمین حرکت    ۲۴
۲-۵-۲- تطابق    ۲۴
۲-۶- استخراج ویژگی‏های مربوط به کاهش هوشیاری    ۲۵
۲-۶-۱- ویژگی‏های ناحیه چشم    ۲۵
۲-۶-۲- ویژگی‏های دهان    ۳۱
۲-۶-۳- ویژگی‏های سر    ۳۱
۲-۷- تشخیص خستگی و عدم تمرکز حواس    ۳۲
۲-۷-۱- روش‏های مبتنی بر حد آستانه    ۳۲
۲-۷-۲- روش‏های مبتنی بر دانش    ۳۳
۲-۷-۳- روش‏های مبتنی بر آمار و احتمال    ۳۴
۲-۸- سیستم‏های نظارت چهره راننده در خودروهای تجاری    ۳۵

منابع

Measurement and Crash Countermeasures”, Human Factors Group, Department of Psychology, Monash University, June, 1988.

[۲]       محمدرضا احدی، علی زایرزاده، «پارامترهای موثر بر خستگی رانندگان و نقش آن در وقوع تصادفات»، نخستین کنفرانس بین‏المللی حوادث رانندگی و جاده‏ای، تهران، ایران، صفحه ۳۵۸-۳۶۴، دی ۱۳۸۴٫

[۳]       Chin Teng Lin, Li Wei Ko, I Fang Chung, Teng Yi Huang, Yu Chieh Chen, Tzyy Ping Jung, Sheng Fu Liang, “Adaptive EEG-Based Alertness Estimation System by Using ICA-Based Fuzzy Neural Networks”, IEEE Transactions on Circuits and Systems, vol. 53, no. 11, pp. 2469-2476, November, 2006.

[۴]       G. Yang, Y. Lin, P. Bhattacharya, “A Driver Fatigue Recognition Model Using Fusion of Multiple Features”, in IEEE International Conference on Systems, Man and Cybernetics (SMC), Hawaii, USA, pp. 1777-1784, 2005.

[۵]       Christos Papadelis, Chrysoula Kourtidou-Papadeli, Panagiotis D. Bamidis, Ioanna Chouvarda, D. Koufogiannis, E. Bekiaris, Nikos Maglaveras, “Indicators of Sleepiness in an Ambulatory EEG Study of Night Driving”, in 28th IEEE Annual International Conference of the Engineering in Medicine and Biology Society (EMBS), New York, USA, pp. 6201-6204, 2006.

[۶]       Qiang Ji, Xiaojie Yang, “Real-Time Eye, Gaze, and Face Pose Tracking for Monitoring Driver Vigilance”, Elsevier Real-Time Imaging, vol. 8, pp. 357–۳۷۷, ۲۰۰۲٫

[۷]       T. Brandt, R. Stemmer, B. Mertsching, A. Rakotonirainy, “Affordable Visual Driver Monitoring System for Fatigue and Monotony”, in IEEE International Conference on Systems, Man and Cybernetics (SMC), Hague, Netherlands, pp. 6451- 6456, 2004.

[۸]       Paul Stephen Rau, “Drowsy Driver Detection and Warning System for Commercial Vehicle Drivers: Field Operational Test Design, Data Analyses and Progress”, National Highway Traffic Safety Administration of USA (NHTSA), 2005.

[۹]       T. Von Jan, T. Karnahl, K. Seifert, J. Hilgenstock, R. Zobel, “Don’t Sleep and Drive – VW’s Fatigue Detection Technology”, Centre for Automotive Safety Research, Adelaide University, Australia, 2005.

[۱۰]     S. Boverie, D. Daurenjou, D. Esteve, H. Poulard, J Thomas, “Driver Vigilance Monitoring – New Developments”, in 15th IFAC World Congress on Automatic Control, Barcelona, Spain, 2002.

[۱۱]     «آمار متوفیات و مصدومین ناشی از تصادفات رانندگی ارجاعی به مراکز پزشکی قانونی کشور در سال ۱۳۸۶»، کمسیون ایمنی راه، وزارت راه و ترابری، ۱۳۸۷٫

[۱۲]     میرفاضل نیک زاد، «تصادفات ترافیکی جاده‏های ایران – پیش‏بینی می‏کنیم اما نمی‏توانیم پیشگیری کنیم»، سومین کنفرانس منطقه‏ای مدیریت ترافیک، تهران، ایران، ۱۳۸۵٫

[۱۳]     Luke B. Connelly, Richard Supangan, “The Economic Costs of Road Traffic Crashes: Australia, States and Territories”, Elsevier Accident Analysis and Prevention, vol. 38, no. 36, pp. 1087-1093, November, 2006.

 مقدمه

۱-۱- تعریف سیستم‏های نظارت چهره راننده

همراه با توسعه صنعت خودرو در جهان، کاربرد فناوری‏های نوین در اتومبیل نیز افزایش یافته است. سیستم‏های حمل و نقل هوشمند[۱] یا به اختصار ITS، کاربرد کامپیوتر و فناوری اطلاعات و ارتباطات در شبکه‏های حمل و نقل انسان و کالا است. سیستم پیشرفته دستیار راننده[۲] 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[۳] 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[۴] می‏کند.

۱-۲- ضرورت سیستم‏های نظارت چهره راننده

یکی از مهمترین عوامل موثر در تصادفات، خصوصا در جاده‏های بین شهری[۵]، 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 [۱-۳]. 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 ۶-۲ یا ۱۶-۱۵ به وقوع می‏پیوندد [۲].

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 ۲۰% از تصادفات و ۳۰% از تصادفات منجر به مرگ، خواب‏آلودگی و عدم تمرکز حواس راننده است. در تصادفات تک خودرو[۶] یا تصادفات خودرو‏های سنگین این رقم تا ۵۰% نیز گزارش شده است [۱, ۴-۱۰].

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 ۱۳۸۶، بر اثر تصادفات رانندگی بیش از ۲۳۰۰۰ نفر کشته و ۲۴۵۰۰۰ نفر مجروح شده‏اند [۱۱]. بر اساس آمار اعلام شده، خسارت‏های ناشی از تصادفات در ایران بیش از ۶۵۰۰۰ میلیارد ریال (معادل ۶۷ میلیارد دلار) برآورد شده که حدود ۴/۶% تولید ناخالص ملی[۷] را تشکیل می‏دهد [۱۲]. این در حالی است که کشور استرالیا به عنوان یک کشور توسعه یافته، خسارت ناشی از تصادفات را حدود ۱۷ میلیارد دلار و معادل ۳/۲% تولید ناخالص ملی اعلام کرده است [۱۳].

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 خواب‏آلودگی و عدم تمرکز حواس بتواند بین ۱۰% تا ۲۰% از تصادفات بکاهد [۱۴].

۱-۳- 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[۸] نمی‏توان برای آن ارائه کرد [۹]. 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 [۳, ۹, ۱۵, ۱۶]. 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 [۹].

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.

۱-۴- مفاهیم خستگی، خواب‏آلودگی و عدم‏تمرکز‏حواس

در این بخش مفاهیم خستگی[۱۰]، خواب‏آلودگی[۱۱] و عدم تمرکز حواس[۱۲] از دیدگاه فیزیولوژی و روان‏شناسی مورد بررسی قرار می‏گیرد. هر چند از لحاظ فیزیولوژی و روان‏شناسی مفاهیم خستگی و خواب‏آلودگی با هم متفاوت است، اما در این گزارش مشابه بسیاری از مقالات ارائه شده در این زمینه، خستگی و خواب‏آلودگی دو مفهوم مترادف هم تلقی می‏شوند. همچنین اصطلاحات مراقبت[۱۳] و هوشیاری[۱۴] به یک معنا بوده و منظور حالت طبیعی و ایده‏آل راننده است. در مقابل اصطلاح هوشیاری و مراقبت، مفهوم کاهش هوشیاری[۱۵] مطرح می‏شود که ممکن است شامل خواب‏آلودگی یا عدم تمرکز و یا هر دو باشد.

۱-۴-۱- خستگی و خواب‏آلودگی

هنوز یک تعریف دقیق برای خستگی و معیار کمی برای اندازه‏گیری آن ارائه نشده است. خستگی در سه نوع مختلف بروز می‏کند: خستگی اعصاب حسی[۱۶]، خستگی ماهیچه‏ای[۱۷] و خستگی ادراکی[۱۸]. از این سه نوع خستگی، تنها خستگی اعصاب حسی و ماهیچه‏ای قابل اندازه‏گیری هستند و تاکنون روشی برای اندازه‏گیری خستگی ادراکی کشف نشده است [۷, ۹]. مهمترین علل خستگی و خواب‏آلودگی به هنگام رانندگی عبارتند از [۱, ۲]:

مدت زمان طولانی کار

جابجایی زمان خواب و رانندگی

استفاده از مواد الکلی یا دارو‏هایی که عدم تمرکز حواس و خواب‏آلودگی به همراه دارند

رانندگی طولانی مدت

رانندگی بدون خواب کافی (کمتر از ۸ ساعت) قبل از آن

بیماری

با وجود این که هنوز تعریف دقیقی برای خستگی ارائه نشده، اما ارتباطاتی میان میزان خواب‏آلودگی و دمای سطح بدن، مقاومت الکتریکی پوست، فعالیت و حرکت چشم، نرخ تنفس، نرخ تپش قلب و فعالیت‏های الکتریکی مغز وجود دارد [۳, ۹, ۱۵, ۱۶]. در این میان، بهترین ابزار برای اندازه‏گیری خستگی و خواب‏آلودگی، بررسی فعالیت‏های الکتریکی مغز است. اما برای دریافت سیگنال‏های الکتریکی مغز باید الکترود بر روی سر راننده نصب شود که از نظر عملی کار دشواری است.

[۱] Intelligent Transportation System (ITS)

[۲] Advanced Driver Assistant System (ADAS)

[۳] Real-Time

[۴] Alarm

[۵] Rural Road

[۶] Single-Vehicle Accident

[۷] Gross Domestic Product (GDP)

[۸] Quantitative

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

[۱۰] Fatigue

[۱۱] Drowsiness

[۱۲] Distraction / Inattention

[۱۳] Vigilance

[۱۴] Alertness / Consciousness

[۱۵] Hypo-Vigilance

[۱۶] Sensory Fatigue

[۱۷] Muscular Fatigue

[۱۸] Cognitive Fatigue

تمامی فایل های پیشینه تحقیق و پرسشنامه و مقالات مربوطه به صورت فایل دنلودی می باشند و شما به محض پرداخت آنلاین مبلغ همان لحظه قادر به دریافت فایل خواهید بود. این عملیات کاملاً خودکار بوده و توسط سیستم انجام می پذیرد. جهت پرداخت مبلغ شما به درگاه پرداخت یکی از بانک ها منتقل خواهید شد، برای پرداخت آنلاین از درگاه بانک این بانک ها، حتماً نیاز نیست که شما شماره کارت همان بانک را داشته باشید و بلکه شما میتوانید از طریق همه کارت های عضو شبکه بانکی، مبلغ  را پرداخت نمایید.