يك سيستم مؤثر براي تشخيص حالت خواب‌آلودگي چهره با استفاده از ويژگي‌هاي محلي در يك ساختار تصميم‌گيري سلسله مراتبي

با پيشرفت روزافزون فناوري‌هاي ديجيتال هرروزه حضور آن‌ها در زندگي بيشتر حس مي‌شود. يكي از موضوعاتي كه اخيرا شاهد حضور اين فناوري‌ها در آن هستيم، مبحث ايمني وسايل نقليه و رانندگي با آن‌ها است. طبق گزارش‌هاي به‌دست‌آمده، علت وقوع اكثر حوادث رانندگي، خواب‌آلودگي راننده است كه هرساله خسارات جبران‌ناپذيري را به بار مي‌آورد. ازاين‌رو طراحي سيستمي كه با دقت زياد بتواند خواب‌آلودگي راننده را تشخيص دهد بسيار حائز اهميت است. سيستم‌هاي كمك‌راننده مي‌توانند با بررسي وضعيت راننده، در شرايطي كه خواب‌آلودگي راننده حس مي‌شود به راننده هشدار دهند و مانع از بروز حوادث رانندگي شوند. در اين مقاله، الگوريتمي براي تشخيص خواب‌آلودگي به‌صورت آني ارائه‌شده است. اين الگوريتم چهار پارامتر؛ بسته بودن چشم، باز بودن دهان، نرخ پلك زدن و نرخ خميازه كشيدن را محاسبه كرده و با استفاده از جستجوي هارموني براي آن‌ها اولويت تعيين مي‌كند، سپس يك شبكه عصبي، خواب‌آلودگي راننده را تشخيص مي‌دهد. نتايج آزمايش طرح بر روي ديتاست YawDD نشان مي‌دهد طرح ارائه‌شده بسيار موفق بوده است و توانسته79% تا 82% خواب‌آلودگي را به‌خوبي تشخيص دهد. الگوريتم در مقايسه باكارهاي گذشته 4% تا 14% از بهترين الگوريتم، بهتر عمل كرده است.