صفحه اصلی فهرست مقالات مشخصات مقاله
نشریه مهندسی مکانیک امیرکبیر
شماره‌های پیشین نشریه
دوره دوره 52 (1399)
دوره دوره 51 (1398)
دوره دوره 50 (1397)
دوره دوره 49 (1396)
دوره دوره 48 (1395)
دوره دوره 47 (1394)
دوره دوره 46 (1393)
دوره دوره 45 (1392)
دوره دوره 44 (1391)
دوره دوره 43 (1390)
دوره دوره 42 (1389)
دوره دوره 41 (1388)
غفاری, علی, خدایاری, علیرضا, عابدینی, سمانه. (1397). طراحی و پیاده سازی سیستم هوشمند تشخیص عدم تمرکز‌حواس راننده. نشریه مهندسی مکانیک امیرکبیر, 50(5), 1145-1154. doi: 10.22060/mej.2017.12098.5257
علی غفاری; علیرضا خدایاری; سمانه عابدینی. "طراحی و پیاده سازی سیستم هوشمند تشخیص عدم تمرکز‌حواس راننده". نشریه مهندسی مکانیک امیرکبیر, 50, 5, 1397, 1145-1154. doi: 10.22060/mej.2017.12098.5257
غفاری, علی, خدایاری, علیرضا, عابدینی, سمانه. (1397). 'طراحی و پیاده سازی سیستم هوشمند تشخیص عدم تمرکز‌حواس راننده', نشریه مهندسی مکانیک امیرکبیر, 50(5), pp. 1145-1154. doi: 10.22060/mej.2017.12098.5257
غفاری, علی, خدایاری, علیرضا, عابدینی, سمانه. طراحی و پیاده سازی سیستم هوشمند تشخیص عدم تمرکز‌حواس راننده. نشریه مهندسی مکانیک امیرکبیر, 1397; 50(5): 1145-1154. doi: 10.22060/mej.2017.12098.5257

طراحی و پیاده سازی سیستم هوشمند تشخیص عدم تمرکز‌حواس راننده

مقاله 19، دوره 50، شماره 5، آذر و دی 1397، صفحه 1145-1154  XML | اصل مقاله [English] اصل مقاله (902 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22060/mej.2017.12098.5257
نویسندگان
علی غفاری1؛ علیرضا خدایاری 2؛ سمانه عابدینی3
1دانشکده مهندسی مکانیک، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران
2دانشکده مهندسی مکانیک، واحد پردیس، دانشگاه آزاد اسلامی، تهران، ایران
3دانشکده مهندسی مکاترونیک، واحد تهران جنوب، دانشگاه آزاد اسلامی،تهران، ایران
چکیده
یکی از چالش‌های بزرگ جهان امروز تصادفات رانندگی است که با خسارات متعدد مالی و جانی همراه است. تصادفات رانندگی بر اثر عوامل مختلفی همچون نقص فنی خودرو، رعایت نکردن قوانین راهنمایی و رانندگی و یا عدم تمرکز حواس راننده در مدت زمان رانندگی رخ می‌دهند. درصد عمده ای از تصادفات رانندگی بر اثر عدم تمرکز حواس راننده در مدت زمان رانندگی است. این مقاله یک الگوریتم هوشمند کنترلی جهت تشخیص حالت راننده براساس پردازش تصویر ارائه می‌دهد. این الگوریتم هوشمند کنترلی براساس حالت چشم راننده طراحی شده و دارای سه فاز، تشخیص اجزایی صورت، شناسایی حالت راننده و هشدار به راننده است. جهت صحت سنجی این الگوریتم پایگاه داده ای بسیار متنوع و کامل طراحی و تهیه شده است. با انجام آزمایش‌های عملی نشان داده شده است که الگوریتم هوشمند پیشنهادی دارای 96 درصد صحت در تشخیص عدم تمرکز حواس راننده می‌باشد. همچنین یک سامانه تشخیص عدم تمرکز حواس راننده بر مبنای الگوریتم ارائه شده، بر روی خودرو واقعی طراحی و پیاده سازی شده است. نشان داده شده است که این الگوریتم می‌تواند در راستای هوشمندسازی خودرو و جلوگیری از تصادفات رانندگی مورد استفاده قرار گیرد.
کلیدواژه‌ها
تشخیص عدم تمرکز حواس راننده؛ ردیابی چهره؛ حالت چشم راننده؛ خودرو هوشمند
موضوعات
شناسایی و کنترل فرآیند؛ مکاترونیک
عنوان مقاله [English]
Design and Implementation of Intelligent Systems Detect the Driver’s Lack of Concentration
نویسندگان [English]
A. Ghaffari1؛ A. Khadayari2؛ S. Abediny3
1Department of Mechanical Engineering, K.N.Toosi University Of Technology, Tehran, Iran
2Department of Mechanical Engineering, Pardis Branch/ Islamic Azad University, Tehran, Iran
3Department of Mechatronics Engineering, South Branch/ Islamic Azad University, Tehran, Iran
چکیده [English]
Today one of the serious challenges which the world faces is the cars accident. Accident poses irreparable damages to humans all across the globe. Many factors like technical bugs, disregarding of driving rules and loss of concentration contribute most car accidents. An experimental perspective over losing concentration proves its vital role in accidents. In this context, it is very important to monitor the driver’s lack of concentration. This article tries to recommend an intelligent algorithm in order to determine driver consciousness based on visual processing, eye state is one of the most important features to detecting driver’s lack of concentration. The algorithm contains two phases: 1- Face components detection, 2- Driver consciousness detection, The algorithm provides with a full-scale database so as to recover the algorithm instantly. Research findings confirm that our recommended intelligent Algorithm is 96% Successful to predict the driver consciousness. Moreover, we invent a concentration lost cautionary that was tested on a prototype that satisfied our expectations. Finally, we conclude that our recommended Algorithm can act as a deterrent against most terrible accidents successfully. We hope this algorithm reduces accident rate and create an advancement in Smart Cars knowledge.
کلیدواژه‌ها [English]
Driver’s drowsiness detection, face tracking, eye-detection, intelligent car, eye tracking
مراجع

[1] K. Hayashi, K. Ishihara, H. Hashimoto, K. Oguri, Individualized drowsiness detection during driving by pulse wave analysis with neural network, in: Intelligent Transportation Systems, 2005. Proceedings. 2005 IEEE, IEEE, 2005, pp. 901-906.

[2] P. Smith, M. Shah, N.J.I.t.o.i.t.s. da Vitoria Lobo, Determining driver visual attention with one camera, 4(4) (2003) 205-218.

[3] C.-T. Lin, L.-W. Ko, I.-F. Chung, T.-Y. Huang, Y.-C. Chen, T.-P. Jung, S.-F.J.I.T.o.C. Liang, S.I.R. Papers, Adaptive EEG-based alertness estimation system by using ICA-based fuzzy neural networks, 53(11) (2006) 2469-2476.

[4] A. Dasgupta, A. George, S. Happy, A.J.I.T.o.I.T.S. Routray, A vision-based system for monitoring the loss of attention in automotive drivers, 14(4) (2013) 1825-1838.

[5] R.N. Khushaba, S. Kodagoda, S. Lal, G.J.I.T.o.B.E. Dissanayake, Driver drowsiness classification using fuzzy wavelet-packet-based feature-extraction algorithm, 58(1) (2011) 121-131.

[6] M. Matousek, I.J.C.N. Petersén, A method for assessing alertness fluctuations from EEG spectra, 55(1) (1983) 108-113.

[7] S. Gupta, S. Kar, S. Gupta, A. Routray, Fatigue in human drivers: A study using ocular, Psychometric, physiological signals, in: Students' Technology Symposium (TechSym), 2010 IEEE, IEEE, 2010, pp. 234-240.

[8] M. Sigari, Fathi,M., Designing and testing a system to monitor the driver's face In order to detect fatigue and lack of concentration, Iran, The first national conference On Traffic Safety And Promoting Solutions., (2010).

[9] M. Sigari, M. Fathi, M. Soryani, Designing A Driver’s Face Monitoring System For Driver’s Fatigue And Distraction Detection, (2012).

[10] P. Viola, M.J.J.I.j.o.c.v. Jones, Robust real-time face detection, 57(2) (2004) 137-154.

[11] Z. Bian, Y.J.F.p.r.f.E.i.p. Zhang, reconstruction, Retinex image enhancement techniques: algorithm, application and advantages, (2002).

[12] R.O. Mbouna, S.G. Kong, M.-G.J.I.t.o.i.t.s. Chun, Visual analysis of eye state and head pose for driver alertness monitoring, 14(3) (2013) 1462-1469.

[13] T. Nguyen, M.-T. Chew, S. Demidenko, Eye tracking system to detect driver drowsiness, in: Automation, Robotics and Applications (ICARA), 2015 6th International Conference on, IEEE, 2015, pp. 472-477.

[14] B.D. Lucas, T. Kanade, An iterative image registration technique with an application to stereo vision, (1981).

[15] C. Tomasi, T. Kanade, Detection and Tracking of Point Features. Carnegie Mellon University Technical Report CMU-CS-91-132, (1991).

[16] A. Królak, P.J.U.A.i.t.I.S. Strumiłło, Eye-blink detection system for human–computer interaction, 11(4) (2012) 409-419.

[17] B. Cyganek, S.J.N. Gruszczyński, Hybrid computer vision system for drivers' eye recognition and fatigue monitoring, 126 (2014) 78-94.

آمار
تعداد مشاهده مقاله: 1,026
تعداد دریافت فایل اصل مقاله: 1,291