دانلود پایان نامه ارشد: طراحی سیستم نظارت چهره راننده جهت تشخیص خستگی و عدم تمرکز حواس | ... | |
(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- تعریف سیستمهای نظارت چهره راننده 1 1-2- ضرورت سیستمهای نظارت چهره راننده 2 1-3- چالشهای اساسی در سیستمهای نظارت چهره راننده 3 1-4- مفاهیم خستگی، خوابآلودگی و عدمتمرکزحواس… 4 1-4-1- خستگی و خوابآلودگی.. 4 1-4-2- عدم تمرکز حواس… 6 1-5- روشهای تشخیص خستگی و عدم تمرکز حواس راننده 6 1-6- طرح کلی پایان نامه. 7 2- مروری بر کارهای گذشته. 8 2-1- پیکربندی کلی سیستمهای نظارت چهره راننده 9 2-1-1- تصویربرداری.. 9 2-1-2- سختافزار و پردازنده 10 2-1-3- نرمافزار هوشمند. 11 2-2- آشکارسازی چهره 13 2-2-1- روشهای مبتنی بر مدل رنگ… 13 2-2-2- روشهای مبتنی بر ویژگیهای شبه هار. 14 2-2-3- روشهای مبتنی بر شبکه عصبی.. 14 2-3- آشکارسازی چشم. 15 2-3-1- روشهای مبتنی بر نورپردازی و تصویربرداری در طیف مادون قرمز. 15 2-3-2- روشهای مبتنی بر دوسطحی کردن تصویر. 18 2-3-3- روشهای مبتنی بر پروجکشن.. 19 2-3-4- روشهای مبتنی بر یادگیری.. 20 2-4- آشکارسازی سایر اجزای چهره 21 2-4-1- آشکارسازی دهان (لب) 21 2-4-2- آشکارسازی بینی.. 21 2-5- ردیابی چهره و اجزای آن. 22 2-5-1- تخمین حرکت… 23 2-5-2- تطابق.. 23 2-6- استخراج ویژگیهای مربوط به کاهش هوشیاری.. 24 2-6-1- ویژگیهای ناحیه چشم. 24 2-6-2- ویژگیهای دهان. 30 2-6-3- ویژگیهای سر. 30 2-7- تشخیص خستگی و عدم تمرکز حواس… 31 2-7-1- روشهای مبتنی بر حد آستانه. 31 2-7-2- روشهای مبتنی بر دانش… 32 2-7-3- روشهای مبتنی بر آمار و احتمال. 33 2-8- سیستمهای نظارت چهره راننده در خودروهای تجاری.. 34 3- سیستم پیشنهادی.. 35 3-1- پیکربندی کلی سیستم پیشنهادی.. 35 3-1-1- نورپردازی و تصویربرداری.. 36 3-1-2- سختافزار و پردازنده 37 3-1-3- نرمافزار هوشمند. 37 3-2- آشکارسازی چهره 38 3-2-1- ویژگیهای شبه هار. 39 3-2-2- انتخاب و تعیین اهمیت ویژگیها برای تشکیل یک طبقهبندیکننده قوی.. 41 3-2-3- درخت تصمیم آبشاری تقویتشده 42 3-3- ردیابی چهره 44 3-3-1- پنجره جستجو. 45 3-3-2- معیار تطابق.. 46 3-4- استخراج ویژگیهای مربوط به کاهش هوشیاری.. 47 3-4-1- ویژگیهای ناحیه چشم. 47 3-4-2- ویژگیهای ناحیه چهره و سر. 55 3-5- تشخیص کاهش هوشیاری.. 58 3-5-1- سیستم خبره فازی.. 58 3-5-2- تولید خروجی نهایی.. 64 4- نتایج آزمایشها و ارزیابی سیستم. 69 4-1- نحوه آزمایش سیستم. 69 4-2- معیارهای ارزیابی.. 72 4-3- آشکارسازی چهره 73 4-4- ردیابی چهره 75 4-5- استخراج ویژگیهای ناحیه چشم. 77 4-6- استخراج ویژگیهای ناحیه سر و چهره 82 4-7- تشخیص کاهش هوشیاری.. 86 4-8- ارزیابی کلی سیستم و الگوریتمها 93 4-8-1- بررسی سرعت پردازش سیستم پیشنهادی.. 93 4-8-2- بررسی پیچیدگی محاسباتی الگوریتمها 94 5- نتیجهگیری و پیشنهادات… 95 6- مراجع. 99 فهرست شکلها شکل 2‑1: فلوچارت کلی برای سیستمهای نظارت چهره راننده 12 شکل 2‑2: نمونههایی از ماسکهای ویژگی برای استخراج ویژگیهای شبه هار. 14 شکل 2‑3: درخت تصمیم آبشاری برای آشکارسازی چهره 14 شکل 2‑4: سیستم نورپردازی مادون قرمز شامل دو دسته LED به شکل دو حلقه کوچک و بزرگ [6] 16 شکل 2‑5: نمایش ایجاد پدیده مردمک روشن و مردمک تیره در نورپردازی مادون قرمز. 17 شکل 2‑6: آشکارسازی چشم بر اساس ویژگی مردمک تیره و روشن: شکلها از سمت راست به ترتیب فریم زوج با تصویر مردمک روشن، فریم فرد با تصویر مردمک تیره و تفاضل فریمهای زوج و فرد [6] 17 شکل 3‑1: محل قرارگیری دوربین در خودرو برای سیستم پیشنهادی.. 36 شکل 3‑2: فلوچارت بخش نرمافزار هوشمند در سیستم پیشنهادی.. 38 شکل 3‑3: نمونههایی از ماسکهای ویژگی برای آشکارسازی چهره [32] 39 شکل 3‑4: محاسبه مجموع پیکسلهای بخشی از تصویر با بهره گرفتن از تصویر انتگرالی.. 40 شکل 3‑5: محاسبه یک نمونه ویژگی شبه هار بر اساس تصویر انتگرالی.. 41 شکل 3‑6: الگوریتم تشکیل یک طبقهبندیکننده قوی بر اساس چند ویژگی [33] 42 شکل 3‑7: درخت تصمیم آبشاری برای آشکارسازی چهره 43 شکل 3‑8: الگوریتم تشکیل یک درخت تصمیم آبشاری بر اساس چند طبقهبندیکننده قوی [33] 44 شکل 3‑9: نمایش چگونگی انجام جستجوی سه مرحلهای.. 46 شکل 3‑10: نمایش بازه تعریف ویژگیهای درصد بسته بودن چشم (PERCLOS)، نرخ پلک زدن و فاصله بین پلکها 51 شکل 3‑11: نمایش تاثیر پارامتر α در تغییر شکل تابع سیگموئید (β=0) 53 شکل 3‑12: نمایش تاثیر پارامتر β در تغییر شکل تابع سیگموئید (α=1) 54 شکل 3‑13: منحنی تغییرات فاصله بین پلکها (ELDC) (محور عمودی) نسبت به تغییرات ضریب همبستگی HPO و HPLO (محور افقی) 55 شکل 3‑14: مدل کلی سیستم خبره فازی.. 59 شکل 3‑15: شکل توابع عضویت تعریف شده برای ورودی درصد بسته بودن چشم (PERCLOS) 60 شکل 3‑16: شکل توابع عضویت تعریف شده برای ورودی نرخ پلک زدن (CLOSNO) 60 شکل 3‑17: شکل توابع عضویت تعریف شده برای تغییرات فاصله بین پلکها نسبت به حالت طبیعی (ELDC) 61 شکل 3‑18: شکل توابع عضویت تعریف شده برای میانگین چرخش سر (ROT) 61 شکل 3‑19: شکل توابع عضویت تعریف شده برای میزان خستگی (Fatigue) 61 شکل 3‑20: شکل توابع عضویت تعریف شده برای میزان عدم تمرکز حواس (Distraction) 62 شکل 3‑21: نمایش تغییرات پیوسته مقدار تغییرات فاصله بین پلکها (ELDC) 65 شکل 3‑22: نمایش تغییرات پیوسته مقدار میانگین چرخش سر (ROT) 65 شکل 3‑23: نمایش تغییرات گسسته درصد بسته بودن چشم (PERCLOS) 66 شکل 3‑24: نمایش تغییرات گسسته نرخ پلک زدن (CLOSNO) 66 شکل 3‑25: نمایش تغییرات شکل خروجی نهایی سیستم با تغییر مقدار α در رابطه میانگینگیری مداوم. از بالا به پایین مقادیر α برابر است با صفر، 8/0 و 9/0 68 شکل 4‑1: نمونههایی از تصاویر تهیه شده در محیط واقعی (داخل خودرو) برای آزمایش سیستم. 70 شکل 4‑2: نمونههایی از تصاویر تهیه شده در محیط آزمایشگاهی برای آزمایش سیستم. 70 شکل 4‑3: نمونههایی از تصاویر چهره مورد استفاده برای آموزش الگوریتم آشکارسازی چهره 74 شکل 4‑4: نمونههایی از تصاویر غیرچهره مورد استفاده برای آموزش الگوریتم آشکارسازی چهره 74 شکل 4‑5: نمونههایی از تصاویر چهره که آشکارسازی نشدهاند. 74 شکل 4‑6: نمونههایی از تصاویر غیرچهره که به اشتباه آشکارسازی شدهاند. 74 شکل 4‑7: یکی از ماسکهای مهم برای استخراج ویژگی در الگوریتم آشکارسازی چهره 75 شکل 4‑8: نمونههایی از تصاویر چهره که به درستی آشکارسازی شدهاند. 75 شکل 4‑9: نمونههایی از خطای ردیابی با بهره گرفتن از روش جستجوی کامل و محاسبه ضریب همبستگی.. 76 شکل 4‑10: نمایش تغییر مکان چهره به دلیل تکان خوردن خودرو در دو فریم با فاصله زمانی یک ثانیه و بروز اشتباه در آشکارسازی بسته بودن چشم به دلیل عدم توانایی الگوریتم ردیابی در تعیین مکان دقیق چهره 78 شکل 4‑11: نمایش دو فریم از تصاویر چهره راننده در حالت چرت زدن. تصویر سمت راست حالت چشم باز راننده و تصویر سمت چپ حالت چشم بسته راننده است. در این حالت پلک زدن به آرامی و به طور نامحسوس انجام میشود. بنابراین نرخ عدم آشکارسازی بسته شدن چشم افزایش مییابد. 79 شکل 4‑12: تصاویر پلک زدن چشم در افرادی که عینک به چشم دارند. 79 شکل 4‑13: نمونه تصاویر تهیه شده از افرادی که عینک آفتابی به چشم دارند. 80 شکل 4‑14: نمونه فریمهایی از یک فیلم 9 دقیقهای که در آن روند تغییرات فاصله بین پلکها از حالت کاملا هوشیار به حالت خوابآلوده نشان داده شده است. تصاویر از بالا به پایین و از راست به چپ مربوط به زمانهای دقیقه اول، دقیقه سوم، دقیقه پنجم، دقیقه هفتم، دقیقه هشتم و دقیقه نهم میباشد. 80 شکل 4‑15: نمودار تغییرات ELDC نسبت به زمان. 81 شکل 4‑16: نمایش وضعیت سر نسبت به محورهای مختصات… 83 شکل 4‑17: نمایش تغییرات میزان چرخش سر ® در یک فیلم دو دقیقهای که در آن پنج بار چرخش رخ داده است… 84 شکل 4‑18: نمونه فریمهایی از یک فیلم دو دقیقهای که در آن آشکارسازی چرخش سر مورد ارزیابی قرار گرفته است. تصویر راست بالا مربوط به حالت چهره بدون چرخش و سایر تصاویر مربوط به چرخش سر در جهتهای مختلف میباشد. 84 شکل 4‑19: نمودار وقوع رخداد پلک زدن در طول زمان. 87 شکل 4‑20: نمودار تغییرات درصد بسته بودن چشم (PERCLOS) در طول زمان. 88 شکل 4‑21: نمودار تغییرات نرخ پلک زدن (CLOSNO) در طول زمان. 88 شکل 4‑22: نمودار تغییرات فاصله بین پلکها (ELDC) در طول زمان. 89 شکل 4‑23: نمودار تغییرات میانگین چرخش سر (ROT) در طول زمان. 89 شکل 4‑24: میزان تخمین عدم تمرکز حواس راننده در طول زمان. 90 شکل 4‑25: میزان تخمین خستگی راننده در طول زمان. 90 شکل 4‑26: میانگین چرخش سر راننده در طول زمان. 91 شکل 4‑27: مقدار تخمین عدم تمرکز حواس راننده در طول زمان. 91 شکل 4‑28: نمودار پلک زدن یک فرد در فیلم سه دقیقهای. در این فیلم فرد بعد از دقیقه یک، به دلیل مشغله ذهنی (عدم تمرکز حواس درونی) به یک نقطه خیره شده و پلک نمیزند. 92 شکل 4‑29: میزان عدم تمرکز حواس راننده در حالتی که وی به دلیل مشغله ذهنی دچار عدم تمرکز حواس درونی شده است… 93 فهرست جدولها جدول 3‑1: قوانین فازی تشخیص خستگی.. 63 جدول 3‑2: قوانین فازی تشخیص عدم تمرکز حواس… 64 جدول 4‑1: تعداد و مدت زمان فیلمهای تهیه شده برای آزمایش سیستم به تفکیک شرایط محیط.. 71 جدول 4‑2: تعداد و مدت زمان فیلمهای تهیه شده برای آزمایش سیستم به تفکیک جنسیت افراد 71 جدول 4‑3: تعداد و مدت زمان فیلمهای تهیه شده برای آزمایش سیستم به تفکیک شرایط عینک داشتن.. 71 جدول 4‑4: بیان مفاهیم FPR، FNR، TPR و TNR در قالب ماتریس اغتشاش… 73 جدول 4‑5: ارزیابی الگوریتم آشکارسازی چهره 74 جدول 4‑6: ارزیابی الگوریتم ردیابی بر اساس نوع روش جستجو و نوع روش محاسبه میزان انطباق.. 76 جدول 4‑7: ارزیابی الگوریتم آشکارسازی بسته شدن چشم. 78 جدول 4‑8: مقایسه الگوریتم پیشنهادی با سایر الگوریتمهای ارائه شده برای آشکارسازی بسته شدن چشم. 82 جدول 4‑9: توانایی سیستم پیشنهادی در آشکارسازی چرخش سر حول محورهای مختصات… 83 جدول 4‑10: ارزیابی الگوریتم آشکارسازی چرخش سر. 83 جدول 4‑11: مقایسه الگوریتم پیشنهادی با سایر الگوریتمهای ارائه شده برای آشکارسازی چرخش سر. 86 جدول 4‑12: مقایسه حجم محاسباتی بخشهای مختلف سیستم پیشنهادی.. 94 چکیده هر ساله تصادفات رانندگی زیادی به دلیل خوابآلودگی و عدم تمرکز حواس راننده در سراسر دنیا رخ میدهد که خسارتهای جانی و مالی فراوانی به همراه دارند. یکی از روشهای تشخیص خستگی و عدم تمرکز حواس، استفاده از سیستمهای نظارت چهره راننده است. سیستمهای نظارت چهره راننده با دریافت تصاویر از دوربین و پردازش آنها، نشانههای خوابآلودگی و عدم تمرکز حواس را از چشم، سر و چهره استخراج میکنند. در این پایان نامه یک سیستم نظارت چهره راننده طراحی شده است که با استخراج نشانههای خستگی و عدم تمرکز حواس از ناحیه چشم و چهره، کاهش هوشیاری راننده را تخمین میزند. در این سیستم چهار ویژگی شامل درصد بسته بودن چشم (PERCLOS)، نرخ
[جمعه 1398-07-12] [ 05:12:00 ب.ظ ]
لینک ثابت |