پیوندهای مفید
آمار
| تعداد نشریات | 8 |
| تعداد شماره‌ها | 414 |
| تعداد مقالات | 5,478 |
| تعداد مشاهده مقاله | 6,010,551 |
| تعداد دریافت فایل اصل مقاله | 5,299,927 |
تشخیص خواب آلودگی راننده با استفاده از تلفیق روش پردازش تصویر ویولا-جونز و آشکارسازی لندمارک‌های تصویر | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 17 فروردین 1404 اصل مقاله (1.92 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2025.23159.8122 | ||
| نویسندگان | ||
| امیر مسعود رحیمی* 1؛ ساناز اسکندری2؛ احسان رمضانی خوانساری3 | ||
| 1زنجان - بلوار دانشگاه - دانشگاه زنجان - دانشکده مهندسی - گروه عمران | ||
| 2دانشگاه زنجان | ||
| 3دانشگاه بین المللی امام خمینی (ره) قزوین | ||
| چکیده | ||
| 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. | ||
| کلیدواژه‌ها | ||
| ایمنی ترافیک؛ خستگی؛ ردیابی چهره؛ خواب&lrm؛ آلودگی؛ پردازش تصویر | ||
| موضوعات | ||
| پردازش تصویر؛ راه و ترابری و حمل و نقل - ترابری هوشمند | ||
| عنوان مقاله [English] | ||
| Detecting driver drowsiness by combining Viola-Jones image processing method and image landmarks detection | ||
| نویسندگان [English] | ||
| Amir Masoud Rahimi1؛ sanaz eskandari2؛ ehsan ramezani khansari3 | ||
| 1Civil Engineering Dep | ||
| 2University of zanjan | ||
| 3Imam Khomeini Int. University | ||
| چکیده [English] | ||
| 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. | ||
| کلیدواژه‌ها [English] | ||
| car accidents, fatigue, Viola-Jones, drowsiness, facial tracking | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 80 تعداد دریافت فایل اصل مقاله: 93 |
||
