دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی کامپیوتر

گرایش هوش مصنوعی

با عنوان: طراحي سيستم نظارت چهره راننده جهت تشخيص خستگي و عدم تمرکز حواس

دانشگاه علم و صنعت ایران

دانشکده مهندسي کامپيوتر

پايان ‏نامه جهت دريافت کارشناسي ارشد

رشته مهندسي کامپيوتر- هوش مصنوعي و رباتيک

عنوان:

طراحي سيستم نظارت چهره راننده جهت تشخيص خستگي و عدم تمرکز حواس

اساتيد راهنما:

آقاي دکتر محمود فتحي و آقاي دکتر محسن سرياني

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- تعريف سيستم‏هاي نظارت چهره راننده………………….. 1

1-2- ضرورت سيستم‏هاي نظارت چهره راننده………………….. 2

1-3- چالش‏هاي اساسي در سيستم‏هاي نظارت چهره راننده………………….. 3

1-4- مفاهيم خستگي، خواب‏آلودگي و عدم‏تمرکز‏حواس…………………….. 4

1-4-1- خستگي و خواب‏آلودگي……………………. 4

1-4-2- عدم تمرکز حواس…………………….. 6

1-5- روش‏هاي تشخيص خستگي و عدم تمرکز حواس راننده………………….. 6

1-6- طرح کلي پايان‏ نامه…………………… 7

2- مروري بر کارهاي گذشته…………………… 8

2-1- پيکربندي کلي سيستم‏هاي نظارت چهره راننده………………….. 9

2-1-1- تصويربرداري……………………. 9

2-1-2- سخت‏افزار و پردازنده………………….. 10

2-1-3- نرم‏افزار هوشمند…………………… 11

2-2- آشکارسازي چهره………………….. 13

2-2-1- روش‏هاي مبتني بر مدل رنگ…………………….. 13

2-2-2- روش‏هاي مبتني بر ويژگي‏هاي شبه هار…………………… 14

2-2-3- روش‏هاي مبتني بر شبکه عصبي……………………. 14

2-3- آشکارسازي چشم…………………… 15

2-3-1- روش‏هاي مبتني بر نورپردازي و تصويربرداري در طيف مادون قرمز……. 15

2-3-2- روش‏هاي مبتني بر دوسطحي کردن تصوير…………………… 18

2-3-3- روش‏هاي مبتني بر پروجکشن……………………. 19

2-3-4- روش‏هاي مبتني بر يادگيري……………………. 20

2-4- آشکارسازي ساير اجزاي چهره………………….. 21

2-4-1- آشکارسازي دهان (لب) …………………..21

2-4-2- آشکارسازي بيني……………………. 21

2-5- رديابي چهره و اجزاي آن…………………… 22

2-5-1- تخمين حرکت…………………….. 23

2-5-2- تطابق……………………. 23

2-6- استخراج ويژگي‏هاي مربوط به کاهش هوشياري……………………. 24

2-6-1- ويژگي‏هاي ناحيه چشم…………………… 24

2-6-2- ويژگي‏هاي دهان…………………… 30

2-6-3- ويژگي‏هاي سر……………………30

2-7- تشخيص خستگي و عدم تمرکز حواس…………………….. 31

2-7-1- روش‏هاي مبتني بر حد آستانه…………………… 31

2-7-2- روش‏هاي مبتني بر دانش…………………….. 32

2-7-3- روش‏هاي مبتني بر آمار و احتمال…………………… 33

2-8- سيستم‏هاي نظارت چهره راننده در خودروهاي تجاري……………………. 34

3- سيستم پيشنهادي……………………. 35

3-1- پيکربندي کلي سيستم پيشنهادي……………………. 35

3-1-1- نورپردازي و تصويربرداري……………………. 36

3-1-2- سخت‏افزار و پردازنده …………………..37

3-1-3- نرم‏افزار هوشمند…………………… 37

3-2- آشکارسازي چهره………………….. 38

3-2-1- ويژگي‏هاي شبه هار…………………… 39

3-2-2- انتخاب و تعيين اهميت ويژگي‏ها براي تشکيل يک طبقه‏ بندي ‏کننده قوي…….. 41

3-2-3- درخت تصميم آبشاري تقويت‏ شده………………….. 42

3-3- رديابي چهره………………….. 44

3-3-1- پنجره جستجو…………………… 45

3-3-2- معيار تطابق……………………. 46

3-4- استخراج ويژگي‏هاي مربوط به کاهش هوشياري……………………. 47

3-4-1- ويژگي‏هاي ناحيه چشم…………………… 47

3-4-2- ويژگي‏هاي ناحيه چهره و سر…………………… 55

3-5- تشخيص کاهش هوشياري……………………. 58

3-5-1- سيستم خبره فازي……………………. 58

3-5-2- توليد خروجي نهايي……………………. 64

4- نتايج آزمايش‏ها و ارزيابي سيستم…………………… 69

4-1- نحوه آزمايش سيستم…………………… 69

4-2- معيار‏هاي ارزيابي……………………. 72

4-3- آشکارسازي چهره………………….. 73

4-4- رديابي چهره …………………..75

4-5- استخراج ويژگي‏هاي ناحيه چشم…………………… 77

4-6- استخراج ويژگي‏هاي ناحيه سر و چهره …………………..82

4-7- تشخيص کاهش هوشياري……………………. 86

4-8- ارزيابي کلي سيستم و الگوريتم‏ها………………….. 93

4-8-1- بررسي سرعت پردازش سيستم پيشنهادي……………………. 93

4-8-2- بررسي پيچيدگي محاسباتي الگوريتم‏ها………………….. 94

5- نتيجه‏گيري و پيشنهادات…………………….. 95

6- مراجع……………………99

چکیده:

هر ساله تصادفات رانندگي زيادي به دليل خواب‏آلودگي و عدم تمرکز حواس راننده در سراسر دنيا رخ مي‏دهد که خسارت‏هاي جاني و مالي فراواني به همراه دارند. يکي از روش‏هاي تشخيص خستگي و عدم تمرکز حواس، استفاده از سيستم‏هاي نظارت چهره راننده است. سيستم‏هاي نظارت چهره راننده با دريافت تصاوير از دوربين و پردازش آنها، نشانه‏هاي خواب‏آلودگي و عدم تمرکز حواس را از چشم، سر و چهره استخراج مي‏کنند. در اين پايان‏نامه يک سيستم نظارت چهره راننده طراحي شده است که با استخراج نشانه‏هاي خستگي و عدم تمرکز حواس از ناحيه چشم و چهره، کاهش هوشياري راننده را تخمين مي‏زند. در اين سيستم چهار ويژگي شامل درصد بسته بودن چشم (PERCLOS)، نرخ پلک زدن، کاهش فاصله بين پلک‏ها و ميزان چرخش سر استخراج مي‏شود. سه ويژگي اول مربوط به نشانه‏هاي بروز خستگي و عدم تمرکز حواس در ناحيه چشم و ويژگي آخر مربوط به نشانه‏هاي کاهش هوشياري در ناحيه چهره و سر مي‏باشد. ويژگي‏هاي ناحيه چشم بر اساس تغييرات پروجکشن افقي ناحيه چشم و ويژگي‏هاي ناحيه چهره بر اساس بررسي قالب چهره استخراج مي‏گردد. سپس اين ويژگي‏ها توسط يک سيستم خبره فازي مورد پردازش قرار مي‏گيرد تا ميزان خستگي و عدم تمرکز حواس راننده تخمين ‏زده شود. تصويربرداري سيستم پيشنهادي در طيف مرئي و با دوربين سطح خاکستري انجام شده است. نتايج آزمايش‏ها بر روي فيلم‏هاي تهيه شده در محيط واقعي و آزمايشگاهي نشان مي‏دهد که روش پيشنهادي دقت بسيار خوبي در استخراج ويژگي و تشخيص کاهش هوشياري راننده دارد. از لحاظ سرعت اجراي الگوريتم، سرعت سيستم پيشنهادي حدود 5 فريم در ثانيه مي‏باشد که مي‏توان آن را سيستم بلادرنگ محسوب کرد.

پیشگفتار:

افزايش تعداد خودروها در جهان و در نتيجه آن افزايش آمار خسارات و تلفات ناشي از تصادفات، باعث شد تا محققين به دنبال کشف علل اصلي تصادفات رانندگي باشند. يکي از مهمترين اين علل، خستگي و عدم تمرکز حواس راننده مي‏باشد که علت اصلي حدود 20% از تصادفات محسوب مي‏شود. با توجه به نقش موثر خستگي و عدم تمرکز حواس راننده در بروز تصادفات، راهکارهايي براي مقابله با اين عامل معرفي شد. يکي از راهکارهاي اصلي و جديد براي تشخيص خستگي و عدم تمرکز حواس راننده و اعلام هشدار در مواقع ضروري، سيستم‏هاي نظارت چهره راننده است. پيشنهاد توليد سيستم‏هاي نظارت چهره راننده اولين بار در اواخر قرن 20 ميلادي مطرح شد، اما عمده تحقيقات در اين زمينه مربوط به بعد از سال 2000 ميلادي مي‏باشد.

تاکنون طراحي و توليد چنين سيستم‏هايي در ايران به طور جدي مورد بررسي قرار نگرفته است. سيستم ارائه شده در اين پايان‏نامه به عنوان اولين سيستم نظارت چهره راننده در ايران مي‏باشد که قادر است ميزان خستگي و عدم تمرکز حواس راننده را با بهره گرفتن از پردازش تصاوير چهره راننده تخمين بزند. هرچند تحقيقات بيشتري براي توليد يک سيستم نظارت چهره راننده با هدف کاربرد در خودروهاي تجاري مورد نياز است، اما اين پايان‏نامه مي‏تواند شروع بسيار خوبي براي آغاز تحقيقات در اين زمينه باشد.

سعي شده نوشتار پايان‏نامه به نحوي روشن و ساده بيانگر روش پيشنهادي باشد، با اين وجود خواننده گرامي مي‏تواند در صورت داشتن سوال، بيان نظرات يا ارائه انتقاد از طريق پست الکترونيک hoseyn@sigari.ir يا hoseyn_sigari@engineer.com با اينجانب مکاتبه نمايد.

1- مقدمه

1-1- تعریف سیستم های نظارت چهره راننده

همراه با توسعه صنعت خودرو در جهان، کاربرد فناوري‏هاي نوين در اتومبيل نيز افزايش يافته است. سيستم‏هاي حمل و نقل هوشمند[1] يا به اختصار ITS، کاربرد کامپيوتر و فناوري اطلاعات و ارتباطات در شبکه‏هاي حمل و نقل انسان و کالا است. سيستم پيشرفته دستيار راننده[2] يکي از بخش‏هاي سيستم حمل و نقل هوشمند محسوب مي‏گردد. اين سيستم‏ها براي بهبود کارايي خودرو و افزايش امنيت راننده و سرنشينان آن استفاده مي‏شوند و در مواقع بحراني، به راننده اعلام هشدار کرده يا به جاي راننده تصميم مناسب را براي کنترل و هدايت خودرو اتخاذ مي‏کنند.

سيستم نظارت چهره راننده، يک سيستم بلادرنگ[3] است که بر اساس پردازش تصوير چهره راننده، وضعيت جسمي و تا حدي وضعيت روحي او را تحت نظارت قرار مي‏دهد. معمولا وضعيت راننده از بسته بودن پلک‏ها، نحوه پلک‏زدن، خيره بودن چشم‏ها به نقطه خاص، جهت نگاه چشم، خميازه کشيدن و حرکت سر قابل تشخيص است. اين سيستم در هنگام خواب‏آلودگي، خستگي و عدم توجه راننده به جاده، اعلام هشدار[4] مي‏کند.

2-1- ضرورت سيستم‏هاي نظارت چهره راننده

يکي از مهمترين عوامل موثر در تصادفات، خصوصا در جاده‏هاي بين شهري[5]، خستگي، خواب‏آلودگي و عدم تمرکز حواس راننده است. خستگي و خواب‏آلودگي باعث کاهش درک و قدرت تصميم‏گيري راننده براي کنترل خودرو مي‏شود. تحقيقات نشان مي‏دهد معمولا به طور طبيعي، پس از يک ساعت رانندگي، راننده دچار خستگي مي‏شود. اما در ساعات ابتدايي بعد از ظهر، بعد از نهار و همچنين در نيمه شب، راننده در مدت زمان بسيار کمتر از يک ساعت احساس خواب‏آلودگي مي‏کند. البته علاوه بر دلايل طبيعي، مصرف الکل، مواد مخدر و دارو‏هايي که منجر به کاهش هوشياري مي‏شوند نيز در خواب‏آلودگي راننده تاثير‏گذار است [1-3]. عمده تصادفاتي که علت اصلي آن خستگي يا عدم تمرکز حواس اعلام مي‏شود، در جاده‏هاي بين شهري و براي خودرو‏هاي سنگين رخ مي‏دهد. اکثر اين تصادفات در حدود ساعت 6-2 يا 16-15 به وقوع مي‏پيوندد [2].

در کشور‏هاي مختلف، آمار متفاوتي در مورد تصادفاتي که به علت خستگي و عدم تمرکز حواس راننده رخ مي‏دهد، ارائه شده اما به طور کلي مي‏توان گفت علت حدود 20% از تصادفات و 30% از تصادفات منجر به مرگ، خواب‏آلودگي و عدم تمرکز حواس راننده است. در تصادفات تک خودرو[6] يا تصادفات خودرو‏هاي سنگين اين رقم تا 50% نيز گزارش شده است [1, 4-10].

کشور ايران به لحاظ امنيت ترافيکي، نه تنها در بين کشور‏هاي دنيا، بلکه در بين کشور‏هاي در حال توسعه نيز وضعيت بحراني دارد. بر اساس آمار پزشکي قانوني در سال 1386، بر اثر تصادفات رانندگي بيش از 23000 نفر کشته و 245000 نفر مجروح شده‏اند [11]. بر اساس آمار اعلام شده، خسارت‏هاي ناشي از تصادفات در ايران بيش از 65000 ميليارد ريال (معادل 67 ميليارد دلار) برآورد شده که حدود 4/6% توليد ناخالص ملي[7] را تشکيل مي‏دهد [12]. اين در حالي است که کشور استراليا به عنوان يک کشور توسعه يافته، خسارت ناشي از تصادفات را حدود 17 ميليارد دلار و معادل 3/2% توليد ناخالص ملي اعلام کرده است [13].

با توجه به خسارات‏هاي جاني و مالي فراوان حاصل از خواب‏آلودگي و عدم تمرکز حواس راننده، طراحي و توسعه سيستم‏هاي تشخيص خواب‏آلودگي و عدم تمرکز حواس بسيار ضروري به نظر مي‏رسد. يکي از بهترين روش‏هاي کاربردي براي اين منظور، نظارت چهره راننده است. بر اساس مطالعات صورت گرفته، پيش‏بيني مي‏شود استفاده از سيستم‏هاي تشخيص خواب ‏آلودگي و عدم تمرکز حواس بتواند بين 10% تا 20% از تصادفات بکاهد [14].

3-1- چالش‏هاي اساسي در سيستم‏هاي نظارت چهره راننده

در يک سيستم نظارت چهره راننده، دو مشکل اصلي مطرح است: «چگونگي اندازه‏گيري خستگي» و «چگونگي اندازه‏گيري تمرکز». اين مشکلات به عنوان چالش‏هاي اصلي سيستم‏هاي نظارت چهره شناخته مي‏شود. با وجود پيشرفت علم در زمينه فيزيولوژي و روان‏شناسي، هنوز هيچ تعريف دقيقي از خستگي ارائه نشده است. مسلما به دليل عدم وجود تعريف دقيق خستگي، هيچ معيار قابل سنجشي[8] نمي‏توان براي آن ارائه کرد [9]. با اين وجود ارتباطاتي ميان ميزان خواب‏آلودگي و دماي سطح بدن، مقاومت الکتريکي پوست، فعاليت و حرکت چشم، نرخ تنفس، نرخ تپش قلب و فعاليت مغزي وجود دارد [3, 9, 15, 16]. يکي از اولين و مهمترين نشانه‏هاي خستگي در چشم ظاهر مي‏شود. بر اساس تحقيقات انجام شده، ارتباط مستقيمي بين ميزان خستگي و درصد بسته بودن پلک‏ها در يک مدت معين وجود دارد. به درصد بسته بودن پلک‏ها در يک دوره زماني PERCLOS[9] مي‏گويند. به همين دليل تقريبا در تمام سيستم‏هاي نظارت چهره راننده، پردازش ناحيه چشم و بررسي ميزان بسته بودن پلک‏ها به عنوان اولين و مهمترين معيار در اندازه‏گيري خستگي استفاده مي‏شود.

مشکل اساسي ديگر، اندازه‏گيري ميزان توجه راننده به جاده است. ميزان توجه راننده را مي‏توان از جهت سر و جايي که چشم‏ها به آنجا نگاه مي‏کند تا حدي تخيمن زد. اما مشکل اين است که اگر جهت سر به سمت جلو و نگاه به سمت جاده باشد، لزوما راننده به جاده توجه نمي‏کند. به عبارت ديگر نگاه کردن به جاده به معني توجه کردن به آن نيست [9].

جدا از چالش‏هاي اصلي سيستم‏هاي نظارت چهره راننده، پياده‏سازي بلادرنگ سيستم بر روي سخت‏افزار‏هاي معمول، کاهش خطاي سيستم در آشکارسازي چهره، کاهش خطاي رديابي چهره، افزايش کارايي روش‏هاي استخراج ويژگي و افزايش دقت الگوريتم‏هاي تشخيص خواب‏آلودگي و عدم تمرکز حواس از ديگر مشکلات اين سيستم‏ها محسوب مي‏شود.

[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 : 14700 تومان

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

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

:       

****         serderehi@gmail.com

جستجو در سایت : کلمه کلیدی خود را وارد نمایید :