صفحه اصلی فهرست مقالات مشخصات مقاله
نشریه مهندسی مکانیک امیرکبیر
شماره‌های پیشین نشریه
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), 191-200. 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, 191-200. 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. 191-200. 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): 191-200. doi: 10.22060/mej.2017.12098.5257

طراحی و پیاده سازی سیستم هوشمند تشخیص عدم تمرکز‌حواس راننده

مقاله 20، دوره 50، شماره 5، آذر و دی 1397، صفحه 191-200  XML
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22060/mej.2017.12098.5257
نویسندگان
علی غفاری1؛ علیرضا خدایاری 2؛ سمانه عابدینی3
1استاد دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
2دانشگاه ازاد اسلامی واحد پردیس*مهندسی مکانیک
3کارشناس ارشد مکاترونیک
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 تمرکز‌حواس راننده در مدت زمان رانندگی رخ می‌دهند. درصد عمده‌ای از تصادفات رانندگی بر اثر عدم تمرکز حواس راننده در مدت زمان رانندگی است. این مقاله یک الگوریتم هوشمند کنترلی جهت تشخیص حالت راننده بر اساس پردازش تصویر ارائه می‌دهد. این الگوریتم هوشمند کنترلی بر اساس حالت چشم راننده است که از مهم‌ترین و دقیق‌ترین علائم قابل مشاهده در ظاهر راننده می‌باشد،‌ 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]
Ali Reza Khadayari2؛
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. From an experimental perspective, it is proved that losing concentration plays a 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 reduce accident rates and create an advancement in Smart Cars knowledge.
کلیدواژه‌ها [English]
Driver's lack of concentration detection, face tracking, eye-driver mode, Intelligent Auto
مراجع
آمار
تعداد مشاهده مقاله: 811