TY - JOUR T1 - Real-Time and Intelligent Drivers Fatigue Detection System Based on Video Sequences TT - سیستم بلادرنگ و هوشمند اعلام هشدار خستگی رانندگان بر مبنای تصاویر ویدیویی JF - IOH JO - IOH VL - 10 IS - 3 UR - http://ioh.iums.ac.ir/article-1-753-fa.html Y1 - 2013 SP - 1 EP - 11 KW - Key words: driver fatigue KW - HSV KW - video processing KW - Face segmentation KW - K-means clustering. N2 -   زمینه و هدف : هوشمند­سازی سیستم­های بازدارنده­ی سوانح رانندگی می­تواند در به حداقل رساندن مرگ و میر ناشی از تصادفات مؤثر باشد. یکی از عوامل منجر به مرگ که سهم عمده­ای را در ایجاد تصادفات به خود اختصاص داده، خطاهای انسانی است. خستگی در حین رانندگی از مواردی است که سبب ایجاد خطا و کاهش دقت در کنترل وسیله نقلیه می­شود.   روش بررسی : با تکیه بر تکنیک­های پردازش تصاویر ویدیویی، علائم خستگی و خواب­آلودگی چهره فرد در زمان رانندگی آشکار شده است. سیستم در گام نخست با تصویربرداری از صورت شخص توسط یک دوربین، دنباله­های ویدویی با نرخ 15 فریم بر ثانیه دریافت نموده و با تبدیل فریم­ها از فضای RGB به فضاهای YCbCr و HSV ، ناحیه چهره از سایر بخش­ها جداسازی می­شود. در گام بعدی، در یک فاصله زمانی با تکیه بر آستانه­گذاری و معادلات تقارن چهره انسان، باز یا بسته بودن چشم­ها تعیین شده و در نهایت با استفاده از روش کلاسترینگ K-means ، تکرر خمیازه­ شناسایی خواهد شد. در مرحله ارزیابی، با پیاده­سازی الگوریتم بر دنباله­های ویدیویی ضبط شده تحت شرایط واقعی در فضای شهری و برون شهری و مقایسه با روش­های چون Visual Information و Monitoring Driver Vigilance ، عملکرد مناسب­تری حاصل آمد.   یافته­ها : با آزمایش سیستم برای مجموعه­ای از 5949 فریم ویدیویی گوناگون، دقت میانگین 06/93% و نرخ آشکارسازی ( DR ) برابر با 78/90% نتیجه شد.   نتیجه­گیری : دقت بالا در جداسازی، نرخ ناچیز خطا در اعلام هشدار و سرعت مناسب پردازش داده­های ورودی، سیستم را از سایر روش­های مشابه متمایز می­سازد. بهره­گیری از این سیستم، در به حداقل رساندن سطح تصادفات ناشی از خستگی رانندگان مؤثرخواهد بود. M3 ER -