تشخیص خواب آلودگی راننده با استفاده از هوش مصنوعی

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 22

تعداد کلمات : 4700

مجله : International Journal of All Research Education and Scientific Methods (IJARESM),

انتشار : 2020

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

فونت ترجمه : Bنازنین 12

تاریخ انتشار
23 می 2024
دسته بندی
تعداد بازدیدها
3129 بازدید
99,000 تومان

عنوان فارسی مقاله:تشخیص خواب آلودگی راننده با استفاده از هوش مصنوعی

چکیده

 خواب آلودگی و خستگی یکی از دلایل اصلی تصادفات جاده‌ای است. می‌توان با تلاش برای خواب کافی قبل از رانندگی، نوشیدن قهوه یا نوشیدنی انرژی زا، یا استراحت در صورت بروز علائم خواب آلودگی از آنها پیشگیری کرد. روش رایج تشخیص خواب آلودگی از روش‌های پیچیده‌ای مانند EEG و ECG استفاده می‌کند. این روش دقت بالایی برای اندازه گیری دارد اما نیاز به استفاده از اندازه گیری تماسی دارد و محدودیت‌های زیادی در مانیتور خستگی و خواب آلودگی راننده دارد. بنابراین، استفاده از آن در زمان واقعی رانندگی راحت نیست. این مقاله روشی را برای تشخیص علائم خواب آلودگی در بین رانندگان با اندازه‌گیری میزان بسته شدن چشم و خمیازه پیشنهاد می‌کند. این پروژه نحوه تشخیص چشم و دهان را در یک ویدیوی ضبط شده از آزمایش انجام شده توسط AIROS (موسسه ایمنی جاده‌ای آمریکا) شرح می‌دهد. در این ویدئو، یک شرکت‌کننده سیستم شبیه‌سازی رانندگی را رانندگی می‌کند و یک وب‌کم در مقابل شبیه‌ساز رانندگی قرار می‌گیرد. ویدیو با استفاده از وب کم ضبط می‌شود تا انتقال از حالت بیداری به خستگی و در نهایت خواب آلودگی را مشاهده کنید. سیستم طراحی شده با تشخیص ناحیه صورت تصویر گرفته شده از ویدئو سر و کار دارد. هدف از استفاده از ناحیه صورت است تا بتوان آن را برای تشخیص چشم و دهان در ناحیه صورت باریک کرد. هنگامی که صورت پیدا شد، چشم‌ها و دهان با ایجاد چشم برای تشخیص چشم چپ و راست و همچنین تشخیص دهان پیدا می‌شوند. از افکار مبتنی بر بینایی کامپیوتری برای ایجاد یک سیستم تشخیص راننده خواب‌آلود استفاده شده است. دوربین کوچک توسط چارچوبی استفاده شده است که مستقیماً به سمت جوهر راننده متمرکز می‌شود و چشمان راننده را با هدف نهایی خاص برای درک ضعف بررسی می‌کند. در چنین شرایطی که احساس خستگی می‌شود، یک علامت هشدار برای هشدار به راننده صادر می‌شود. این چارچوب بر استفاده از اطلاعات جمع‌آوری‌شده برای تصویر برای یافتن نقاط توریستی صورت نظارت می‌کند، که منطقه‌ای را که ممکن است چشم‌های یک فرد وجود داشته باشد، نشان می‌دهد. در صورتی که چشم‌های راننده برای اندازه‌گیری مشخصی از محفظه‌ها از نزدیک کشف شود، چارچوب پیشنهادی می‌پذیرد که راننده به خواب می‌رود و هشدار احتیاط صادر شده است. این سازه می‌تواند درست زمانی که چشم پیدا می‌شود کار کند و در شرایط نوری نیز کار می‌کند.

 

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Driver Drowsiness Detection Using AI

 

Abstract

 Drowsiness and fatigue are one of the main causes leading to road accidents. They can be prevented by taking effort to get enough sleep before driving, drink coffee or energy drink, or have a rest when the signs of drowsiness occur. The popular drowsiness detection method uses complex methods, such as EEG and ECG. This method has high accuracy for its measurement but it need to use contact measurement and it has many limitations on driver fatigue and drowsiness monitor. Thus, it is not comfortable to be used in real time driving. This paper proposes a way to detect the drowsiness signs among drivers by measuring the eye closing rate and yawning. This project describes on how to detect the eyes and mouth in a video recorded from the experiment conducted by AIROS (American Institute of Road Safety). In the video, a participant will drive the driving simulation system and a webcam will be place in front of the driving simulator. The video will be recorded using the webcam to see the transition from awaketo fatigue and finally, drowsy. The designed system deals with detecting the face area of the image captured from the video. The purpose of using the face area so it can narrow down to detect eyes and mouth within the face area. Once the face is found, the eyes and mouth are foundby creating the eye for left and right eye detection and also mouth detection. A computer vision based thoughts have been used for the creation of a Drowsy Driver Detection System. The little camera has been utilized by framework that concentrates straight towards the essence of driver and checks the driver's eyes with a particular ultimate objective to perceive weakness. A notice sign is issued to alert the driver, in such circumstance when exhaustion is perceived. The framework oversees using information picked up for the picture to find the facial tourist spots, which gets the area where the eyes of an individual may exist. On the off chance that the eyes of driver are discovered close for a specific measure of casings, the proposed framework accept that the driver is falling asleep and an alarm of caution has been issued. The structure can work just when the eye are found, and works in encompassing lighting conditions too.