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

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر

گرایش هوش مصنوعی

با عنوان: طراحی سیستم نظارت چهره راننده جهت تشخیص خستگی و عدم تمرکز حواس

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

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

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 پایان‏نامه 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 پایان‏نامه به عنوان اولین سیستم نظارت چهره راننده در ایران می‏باشد که قادر است میزان خستگی و عدم تمرکز حواس راننده را با استفاده 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 پایان‏نامه می‏تواند شروع بسیار خوبی برای آغاز تحقیقات در این زمینه باشد.

سعی شده نوشتار پایان‏نامه 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 hoseyn@sigari.ir یا hoseyn_sigari@engineer.com 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 : چهارده هزار تومان

بلافاصله پس از پرداخت ، لینک دانلود پایان نامه به شما نشان داده می شود

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        09124404335        info@arshadha.ir

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

شماره کارت :  6037997263131360 بانک ملی به نام محمد علی رودسرابی

11

مطالب مشابه را هم ببینید

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید