توضیحات
طراحی و پیاده سازی نرم افزار تشخیص خواب آلودگی رانندگان با استفاده از پردازش تصویر
طراحی و پیاده سازی نرم افزار تشخیص خواب آلودگی رانندگان با استفاده از پردازش تصویر
فرمت: PDF تعداد صفحات: 93
چکیده
هدف از نگارش این پایان نامه ارائه نرم افزاری است که بتواند خواب آلودگی رانندگان را با استفاده از پردازش تصویر به موقع ارزیابی کند و در صورت نیاز هشداری به راننده بدهد، تا از وقوع حوادث دلخراش جلوگیری نماید. در این نرم افزار با تحلیل تصویر چهره و چشم های راننده و بررسی ویژگی هایی از قبیل پلک زدن و میزان باز و بسته بودن چشم ها و با استفاده از شبکه عصبی میزان خواب آلودگی راننده بدست آمده. برای تشخیص چهره از الگوریتم ويولا-جونز استفاده شد و با تقسیم پیکسل های سیاه قسمت بالایی چشم به قسمت پایین چشم، مقدار باز و بسته بودن چشم ها بدست آمد.
کلیدواژه: تشخیص خواب آلودگی، پردازش تصویر، تصویر راننده، چهره راننده، تحلیل چشم، پلک زدن، میزان باز و بسته بودن
فهرست مطالب:
فصل ۱- مقدمه
- ضرورت تشخیص خواب آلودگی
- عوامل تأثیرگذار بر تصادفات ناشی از خستگی
- محرومیت از خواب
- زمان روز و ریتم سیرکادین
- یکنواختی جاده رانندگی پیوسته
- خصوصیات شخصیتی و سن راننده
- علائم خواب آلودگی
- مشخصه های تصادفات ناشی از خواب آلودگی خستگی
- روش های تشخیص خواب آلودگی
- روش های مبتنی بر علائم فیزیولوژی
- روش های مبتنی بر عملکرد راننده
- روش های مبتنی بر ظاهر و حالت راننده
- ساختار پایان نامه
فصل ۲- سیستم های تشخیص خواب آلودگی
- محصولات تولید شده جهت تشخیص خواب آلودگی راننده
فصل ۳- اصول پردازش تصویر و شبکه عصبی
- پردازش تصویر
- بینایی ماشین
- کتاب خانه OpenCV
- نور پردازی
- اهداف اصلی در پردازش تصاویر
- ساختار و محتوا OpenCV
- عملیات اصلی در پردازش تصاویر به وسیله OpenCV
- شبکه عصبی
- مقدمه
- انواع یادگیری
- مدل نرون مصنوعی
- تقسیم بندی کلی شبکه های عصبی
- شبکه های استاتیک یا بدون حافظه
- شبکه های دینامیک یا حافظه دار
- شبکه های عصبی چندلایه پرسپترون (MLP)
- نرون MLP
- توابع محرک در شبکه های عصبی
- معیارهای اندازه گیری (کارایی)
- الگوریتم پس انتشار خطا
- فرمول بندی الگوریتم BP
- شبکه های عصبی پایه شعاعی RBF
- شبکه های عصبی دینامیک
- شبکه های عصبی تاخیر زمانی (TDNN)
- شبکه های عصبی بازگشتی داخلی (RNN)
- شبکه های عصبی کاملا بازگشتی
- شبکه های عصبی به طور جزئی بازگشتی
- شبکه های به طور محلی بازگشتی و به طور سراسری پیش خوران
- آموزش شبکه عصبی توسط الگوریتم ژنتیک
فصل ۴- استفاده از پردازش تصویر در طراحی سیستم پیشنهادی تشخیص خواب آلودگی
- گام اول: دید کلی از سخت افزار های مورد نیاز
- گام دوم: پیدا کردن صورت در تصویر
- کلیات یک سیستم تشخیص چهره
- تشخیص چهره با الگوریتم ویولا – جونز
- گام سوم: پیدا کردن چشم ها در صورت
- گام چهارم: استخراج ویژگی ها
- گام پنجم: تشخیص خواب آلودگی
- شبکه عصبی مصنوعی
- استفاده از شبکه عصبی۔
- گام ششم: هشدار
فصل ۵- پیاده سازی در نرم افزار
فصل ۶- نتیجه گیری و پیشنهادات
- نتیجه گیری
- پیشنهادات
ضرورت تشخیص خواب آلودگی
ایمنی و امنیت در جاده ها یکی از نگرانی های جامعه مدرن امروزی است. مطالعات اخیر نشان می دهند که خواب آلودگی رانندگان یکی از عوامل اصلی تصادفات در جاده های سرتاسر دنیا می باشد [۱]. خستگی و یکنواختی دو عامل مهم و تأثیرگذار در کاهش سطح هوشیاری راننده به شمار می آیند و خطر مرگ یا جراحت در راننده و سایر افراد اجتماع را افزایش می دهد (۲). در در گزارش منتشر شده توسط اداره کل ایمنی ترافیک بزرگراه های آمریکا (NHTSA) در سال ۱۹۹۴، نیپلینگ و ونگ مشخص کردند طی سال های ۱۹۸۹ تا ۱۹۹۳ به طور متوسط سالانه ۱۰۰,۰۰۰ تصادف به علت خستگی و خواب آلودگی رانندگان رخ داده که در نتیجه آن ۴۰٫۰۰۰ نفر مجروح و ۱٬۵۵۰ نفر کشته شده اند [۳]. از نقطه نظر اقتصادی سالانه حدود ۱۲/۴ بیلیون دلار در آمریکا به علت خواب آلودگی رانندگان به اقتصاد این کشور لطمه وارد می شود [۴] و [۵]. در گزارش مشابه دیگری که توسط همین سازمان در سال ۲۰۱۱ منتشر گردید، تعداد تصادفاتی که به علت خواب آلودگی رانندگان در سال های ۲۰۰۵ تا ۲۰۰۹ به وقوع پیوسته، به طور میانگین ۸۳٫۰۰۰ فقره در سال اعلام شده که در نتیجه آن ۳۷,۰۰۰ نفر مجروح و ۸۸۶ نفر جان باخته اند [۶].
همچنین در بخش دیگری از این گزارش آمده است، تعداد تصادفاتی که به علت خستگی و خواب ۔ آلودگی رخ می دهند در دوره ۵ ساله ۱۹۸۹ تا ۱۹۹۳، ۱/۴ درصد کل تصادفات در آن سال هاست و در دوره ۵ ساله ۲۰۰۵ تا ۲۰۰۹ میلادی نیز این مقدار تغییر چشمگیری نداشته و چیزی در حدود ۱/۴ درصد کل تصادفات را شامل شده است. این در حالی است که تعداد کل تصادفات به میزان ۱۷ درصد کاهش داشته است.
در ۲۰٪ تصادفات رانندگی در راه های یکنواخت بریتانیا عامل خستگی راننده، یکی از دلایل اصلی بروز این سوانح بوده است [۷]. در ۱۸٪ تصادفات مرگبار در استرالیا خستگی نقش اصلی را دارد (۸). براساس یک مطالعه انجام شده توسط مؤسسه ملی تحقیقات ترافیک و حمل و نقل سوئد در سال ۲۰۰۸ میلادی، مشخص شد حدود ۲۰٪ تصادفات جاده ای در این کشور به علت خواب آلودگی بوده است.
بر اساس آمارهای منتشر شده از سوی اداره اتوبان های آلمان یک پنجم تصادفات اتفاق افتاده در این کشور به علت خوابیدن راننده ها پشت فرمان بوده است. این در حالی است که سازمان ایمنی جاده های آلمان، تعداد تصادفات مرتبط با خواب آلودگی یا بی توجهی رانندگان را یک چهارم کل تصادفات اعلام می کند. خسارات وارده از این دسته تصادفات بر اقتصاد آلمان سالانه در حدود ۵ بیلیون یورو (۶/۴ بیلیون) دلار تخمین زده می شود.
در گزارش سال ۲۰۰۸ سازمان بهداشت جهانی (W.H.O)، سوانح جاده ای دهمین عامل اصلی مرگ و میر انسان ها در سرتاسر جهان بوده است. این رتبه در بین کشورهای با درآمد متوسط به عدد هفت می۔ رسد و پیش بینی می شود با گذشت زمان، این میزان به گونه ای افزایش یابد که رتبه نخست علل آسیب رسان به سلامت انسانها را به خود اختصاص دهد.
در گزارش دیگری از W.H.O در سال ۲۰۱۱، ایران با کسب رتبه پنجم در صدر پر حادثه ترین کشورهای دنیا از حیث تعداد کشته شدگان سوانح رانندگی قرار گرفت. بنا بر گزارش منتشر شده از سوی این سازمان، تعداد کشته شدگان تصادفات رانندگی در ایران ۴۳/۸ نفر در بین هر ۱۰۰ هزار نفر می باشد.
فایل کامل پایان نامه را بعد از پرداخت در حساب کاربری دانلود کنید.
حتما بخوانید:
نقد و بررسیها
هنوز بررسیای ثبت نشده است.