این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی عمران امیرکبیر، جلد ۵۷، شماره ۳، صفحات ۴۸۹-۵۰۶
عنوان فارسی تشخیص خواب آلودگی راننده با استفاده از تلفیق روش پردازش تصویر ویولا-جونز و آشکارسازی لندمارک‌های تصویر
چکیده فارسی مقاله خستگی یکی از دلایل اصلی تصادفات رانندگی است که سالانه منجر به مرگ و میر بسیاری از مردم در جاده‌ها می‌شود. خواب آلودگی یکی از اثرات خستگی در هنگام رانندگی است. روش‌های تشخیص خواب‎آلودگی به سه دسته جامع؛ روش‌های مبتنی بر علائم فیزیولوژی، روش‌های مبتنی بر عملکرد راننده و روش‌های مبتنی بر ظاهر و حالت راننده تقسیم می‌شوند. روش‌های مبتنی بر ظاهر راننده به دلیل عدم ایجاد مزاحمت برای رانندگان و دقت مناسب، بیشتر از دو روش دیگر مورد توجه محققین قرار گرفته‎اند. یکی از روش‌های نوین، تشخیص خستگی هوشمند و استفاده از پارامترهای مختلف (ابزار‎ها) در زمان طولانی و با استفاده از سابقه رانندگی است. این مزیت منجر به تشخیص خستگی در مراحل اولیه و فعال‎سازی زنگ هشدار قبل از وقوع تصادف رانندگی می‌شود. هدف این تحقیق، تشخیص خواب‎آلودگی از روی حالت چهره می‌باشد. با استخراج و ردیابی نقاط کلیدی می‌توان حالت چهره شخص مانند حالت عادی یا خواب‎آلوده را تشخیص داد. در این مقاله روش جدیدی برای تشخیص خواب‎آلودگی از روی فریم‌های ویدئویی با استفاده از پایگاه داده YawDD ارائه شده است. نحوه عملکرد سیستم پیشنهادی براساس ردیابی لندمارک‌های چهره استخراج شده از فریم‌های ویدئویی است. در ابتدا موقعیت اولیه چهره با استفاده از الگوریتم ویولا-جونز مشخص می‌شود، سپس نقاط کلیدی توسط الگوریتم سیفت استخراج می‌شوند. این روش قادر است با دقت خوبی عملیات تشخیص خواب‎آلودگی راننده را انجام دهد. از دیگر مزایای روش پیشنهادی می‌توان به اجرای بلادرنگ 47 فریم بر ثانیه و دقت 94 درصد و خطای 6% بر روی پایگاه داده YawDD اشاره کرد.
کلیدواژه‌های فارسی مقاله ایمنی ترافیک،خستگی،ردیابی چهره،خواب&،amp lrm،آلودگی،پردازش تصویر،
عنوان انگلیسی Detecting driver drowsiness by combining Viola-Jones image processing method and image landmarks detection
چکیده انگلیسی مقاله Fatigue is one of the main causes of traffic accidents which leads to the death of many people on the roads every year. Several methods have been developed to detect the level of fatigue, one of which is intelligent fatigue detection and the use of various parameters in a long time and based on driving history. This advantage leads to the detection of fatigue in the early stages and activating the alarm before the accident happens. In this paper, a new method is applied to detect drowsiness from video frames using the YawDD database. The operation of the proposed system is based on the tracking of facial landmarks extracted from video frames. The purpose of this paper is to detect drowsiness from facial expressions. By extracting and tracking key points, facial expressions such as normal or sleepy can be detected. First, the initial position of the face is determined and then the key points are extracted using Viola-Jones and SIFT algorithms respectively. This method is capable of detecting the driver's drowsiness with good accuracy.
کلیدواژه‌های انگلیسی مقاله ایمنی ترافیک,خستگی,ردیابی چهره,خواب&,amp lrm,آلودگی,پردازش تصویر
نویسندگان مقاله ساناز اسکندری |
گروه عمران، دانشکده مهندسی، دانشگاه زنجان، زنجان، ایران

امیر مسعود رحیمی |
گروه عمران، دانشکده مهندسی، دانشگاه زنجان، زنجان، ایران

احسان رمضانی خوانساری |
دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی، قزوین، ایران

نشانی اینترنتی https://ceej.aut.ac.ir/article_5719_338bb7d7aacfa2c020c3a561e18e8d0f.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات