475 views
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.
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
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.
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.
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].
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.
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.
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.
ارسال نظر