پیش بینی خواب آلودگی راننده با استفاده از ویژگی های تصویر چشم به کمک الگوریتم های درخت تصمیم

درچند سال اخیر موضوع ایمنی خودروها اهمیت ویژهای پیدا کرده است و به تازگی تحقیقات زیادی بر روی آن انجامگرفته است. سیستم های هوشمند نظارت بر راننده از جمله مواردی است که در ایمنی خودروها مورد توجه قرار گرفتهاست؛ به طوری که این سیستم ها با تشخیص هوشمند شرایط حادثه ساز در کمک و هشدار دادن به راننده نقش دارند. بااستفاده از این گونه سیستم های هوشمند میتوان حوادث و تصادفات رانندگی را به طور قابل ملاحظه ای کاهش داد. هدفاصلی این تحقیق بررسی و تشخیص خواب آلودگی راننده با استفاده از ویژگی های تصاویر چشم می باشد. این هدف بهکمک الگوریتم درخت تصمیم انجام شده است. ویژگی های هدف، شامل ویژگی های آماری عمومی و محلی است کهتوسط عملگرها از تصاویر استخراج شدند. به دلیل ابعاد بزرگ ویژگی ها، از روشهای وزن دهی به ویژگی ها جهتکاهش ابعاد استفاده شد. سپس با استفاده از الگوریتم های مختلف درخت تصمیم، به دسته بندی تصاویر چشم که شامل دوکلاس باز و بسته بود، پرداختیم. الگوریتم های مورد استفاده شامل CHAID, CA4.5, ID3 و CART می باشند. پس از اجرای روشها در نرم افزار RapidMiner عملکرد هر مدل مورد ارزیابی قرار گرفت. نتایج نشان داد الگوریتم CART در بین چهار روش، بر روی بانک اطلاعاتی مورد نظر، از دقت بالاتری برخوردار بود.

کلیدواژه ها:

خواب آلودگی ، درخت تصمیم ، استخراج ویژگی ، دسته بندی