طراحي يك سيستم نظارت چهره راننده به منظور تشخيص خوا ب آلودگي و عدم تمركز حواس

Designing a Driver,s Face Monitoring System for Driver,s Fatigue and Distraction Detection

هر ساله تصادفات رانندگي زيادي به دليل خواب‏آلودگي و عدم تمركز حواس راننده در سراسر دنيا رخ مي‏دهد كه خسارت‏هاي جاني و مالي فراواني به همراه دارند. يكي از روش‏هاي تشخيص خواب‌آلودگي و عدم تمركز حواس، استفاده از سيستم‏هاي نظارت چهره راننده است. سيستم‏هاي نظارت چهره راننده با دريافت تصاوير از دوربين و پردازش آنها، نشانه‏هايخستگي و عدم تمركز حواس را از چهره استخراج مي‏كنند. در اين مقاله يك سيستم نظارت چهره راننده طراحيشده است كه با استخراج نشانه‏هايخستگي و عدم تمركز حواس از ناحيه چشم، كاهش هوشياري راننده را تخمين مي‏زند. در اين سيستم دو ويژگي شامل (1) درصد بسته بودن چشم (PERCLOS) و (2) نرخ پلك زدن، از تصاوير چهره استخراج مي‏شود. هر دو ويژگي استخراج شده مي‌تواند در تشخيص خواب‌آلودگي و عدم تمركز حواس راننده مورد استفاده قرار گيرد. نتايج آزمايش‏ها بر روي فيلم‏هاي تهيه شده در محيط واقعي و آزمايشگاهي نشان مي‏دهد كه روش پيشنهادي دقت بسيار خوبي در استخراج ويژگي و تشخيص كاهش هوشياري راننده دارد.

Annually, many vehicle crashes happen in the world because of driver,s fatigue or distraction (inattention). These crashes lead to many fatalities and losses. Driver,s face monitoring is one of the main approaches, for driver,s fatigue/distraction detection. A system based on this approach, through getting image sequence from camera and processing it, extracts fatigue and distraction symptoms from driver,s face. In this article, a driver,s face monitoring system is designed that can estimate driver,s hypovigilance based on extracting fatigue and inattention symptoms from eye regions. In the proposed system, two features are extracted: (1) percentage of eye closure (PERCLOS) and (2) eye blink rate. Experimental results on such films made in both real conditions (in vehicle) and laboratory conditions show that this proposed system is accurate in feature extraction and hypo-vigilance estimation.