تشخیص خواب‌آلودگی با استفاده از پردازش تصویر ۲۰۱۹
Drowsiness Detection Using Image Processing 2019

پایان‌نامه‌ی کارشناسی از سال 2019 در رشته‌ی مهندسی – رباتیک، نمره: 78، دانشگاه ساندرلند، زبان: انگلیسی، چکیده: این گزارش به توضیح پروژه پایانی، سیستم تشخیص خواب‌آلودگی راننده، می‌پردازد. وقتی راننده به اندازه کافی استراحت نمی‌کند، در حین رانندگی به خواب می‌رود و این منجر به تصادفات مرگبار می‌شود. این مسئله خاص نیازمند راه حلی در قالب سیستمی است که قادر به تشخیص خواب‌آلودگی و انجام اقدامات لازم برای جلوگیری از تصادفات باشد. تشخیص با سه مرحله اصلی انجام می‌شود، با تشخیص چهره و تشخیص ویژگی‌های صورت با استفاده از الگوریتم مشهور ویولا جونز آغاز می‌شود و سپس ردیابی چشم انجام می‌شود. با استفاده از تطبیق الگو با ضریب همبستگی، چشم‌ها ردیابی می‌شوند. بیداری یا خواب بودن راننده با تطبیق تصویر استخراج شده چشم با الگوی تغذیه شده خارجی (چشم‌های باز و چشم‌های بسته) بر اساس باز و بسته شدن چشم‌ها، تشخیص داده می‌شود و پلک زدن تشخیص داده می‌شود. اگر حالت خواب‌آلودگی راننده بیشتر از زمان مشخصی (زمان آستانه) باقی بماند، خودرو متوقف شده و با استفاده از یک میکروکنترلر خاص، هشداری فعال می‌شود، در این نمونه اولیه از آردوینو استفاده شده است.

Bachelor Thesis from the year 2019 in the subject Engineering – Robotics, grade: 78, University of Sunderland, language: English, abstract: This report explains the final project, driver drowsiness detection system. When a driver doesn’t get proper rest, they fall asleep while driving and this leads to fatal accidents. This particular issue demands a solution in the form of a system that is capable of detecting drowsiness and to take necessary actions to avoid accidents. The detection is achieved with three main steps, it begins with face detection and facial feature detection using the famous Viola Jones algorithm followed by eye tracking. By the use of correlation coefficient template matching, the eyes are tracked. Whether the driver is awake or asleep is identified by matching the extracted eye image with the externally fed template (open eyes and closed eyes) based on eyes opening and eyes closing, blinking is recognized. If the driver falling asleep state remains above a specific time (the threshold time) the vehicles stops and an alarm is activated by the use of a specific microcontroller, in this prototype an Arduino is used.