طراحي و پياده سازي سيستم هوشمند تشخيص عدم تمركز‌حواس راننده

Design and Implementation of Intelligent Systems Detect the Driver’s Lack of Concentration

يكي از چالش‌هاي بزرگ جهان امروز تصادفات رانندگي است كه با خسارات متعدد مالي و جاني همراه است. تصادفات رانندگي بر اثر عوامل مختلفي همچون نقص فني خودرو، رعايت نكردن قوانين راهنمايي و رانندگي و يا عدم تمركز حواس راننده در مدت زمان رانندگي رخ مي‌دهند. درصد عمده اي از تصادفات رانندگي بر اثر عدم تمركز حواس راننده در مدت زمان رانندگي است. اين مقاله يك الگوريتم هوشمند كنترلي جهت تشخيص حالت راننده براساس پردازش تصوير ارائه مي‌دهد. اين الگوريتم هوشمند كنترلي براساس حالت چشم راننده طراحي شده و داراي سه فاز، تشخيص اجزايي صورت، شناسايي حالت راننده و هشدار به راننده است. جهت صحت سنجي اين الگوريتم پايگاه داده اي بسيار متنوع و كامل طراحي و تهيه شده است. با انجام آزمايش‌هاي عملي نشان داده شده است كه الگوريتم هوشمند پيشنهادي داراي 96 درصد صحت در تشخيص عدم تمركز حواس راننده مي‌باشد. همچنين يك سامانه تشخيص عدم تمركز حواس راننده بر مبناي الگوريتم ارائه شده، بر روي خودرو واقعي طراحي و پياده سازي شده است. نشان داده شده است كه اين الگوريتم مي‌تواند در راستاي هوشمندسازي خودرو و جلوگيري از تصادفات رانندگي مورد استفاده قرار گيرد.

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.