آنالیز تصاویر چهره به منظور تشخیص خواب آلودگی

سال انتشار: 1387
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 22

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJBM-2-3_007

تاریخ نمایه سازی: 20 اسفند 1404

چکیده مقاله:

تشخیص خواب آلودگی در موارد زیادی از جمله کاهش تصادفات جاده ای اهمیت دارد. در این مقاله، الگوریتم های جدیدی به منظور تعیین مکان مردمک ها و دایره های عنبیه، لب ها و تشخیص وضعیت باز و بسته بودن چشم ها ارائه می شود که در نهایت بر اساس آنالیز چهره (باز و بسته بودن چشم ها و دهان) میزان سطح خواب آلودگی فرد تعیین می شود. در بیشتر روش های مبتنی بر آنالیز چهره با استفاده از یک پارامتر، خواب آلودگی فرد تشخیص داده شده است. روش های معدودی وجود دارند که از چندین پارامتر برای تشخیص خواب آلودگی استفاده می کنند و آنها نیز مبتنی بر داده های آموزشی و روشنگرهای مادون قرمزند. استفاده طولانی مدت از این روشنگر ها موجب آسیب شبکیه چشم می شود. بنابراین در این مقاله از روشنگرهای مادون قرمز استفاده نخواهد شد. همچنین با ترکیب چند پارامتر خواب آلودگی و عوامل محیطی، میزان سطح خواب آلودگی با دقت بالایی بدون نیاز به داده های آموزشی و سخت افزار خاص تعیین می شود. روش پیشنهادی به منظور تشخیص خواب آلودگی شامل ۴ مرحله تشخیص ناحیه چهره، تعیین معیارهای خواب آلودگی به کمک چشم ها، تعیین معیار خواب آلودگی به وسیله دهان و تشخیص میزان سطح خواب آلودگی شخص است. مراحل مختلف روش پیشنهادی با روش های پیشین در شرایط متفاوت نوری و محیطی به وسیله مجموعه داده هایIMM ، HCE،CVL و ۳۰ فیلم گرفته شده از ۱۵ نفر مقایسه شده اند. در نهایت نیز قابلیت تشخیص سطح خواب آلودگی به وسیله روش پیشنهادی در ۱۵ فرد خواب آلوده به طور موفقیت آمیز ارزیابی شده است. بدین صورت که در ابتدا وضعیت باز و بسته بودن چشم ها و دهان به ترتیب ۹۴.۳% و ۹۵.۱% درست تشخیص داده شده اند. سپس میزان سطح خواب آلودگی شخص در حالت های مختلف پلک زدن عادی، پلک زدن تند، صحبت کردن عادی، خمیازه کشیدن و بسته بودن طولانی مدت چشم ها مشخص شده است. در نهایت نیز اگر میزان سطح خواب آلودگی به دست آمده از حد آستانه ۹۵% تجاوز کند، به شخص هشدار داده می شود.

نویسندگان

پونه روشنی تبریزی

کارشناس ارشد مهندسی پزشکی، قطب کنترل و پردازش هوشمند، دانشکئه مهندسی برق و کامپیوتر، دانشگاه تهران

رضا آقایی زاده ظروفی

دانشیار، قطب کنترل و پردازش هوشمند، دانشکده مهندسی برق و کامپیوتر، دانشگاه تهران