عنوان

یک روش جدید بر اساس شبکه های عصبی کانولوشنی برای تشخیص خواب آلودگی راننده

پ۲۶۰۲۳

per

یک روش جدید بر اساس شبکه های عصبی کانولوشنی برای تشخیص خواب آلودگی راننده

سمیه وزیری

ریاضی

۱۴۰۰

۷۴ص.

سی دی

کارشناسی ارشد

علوم کامپیوتر

۱۴۰۰/۱۱/۰۳

یادگیری عمیق و شبکه های عصبی یک روش موثر و دقیق برای پردازش تصویر است که برخلافیادگیری ماشین، ویژگی های تصویر را بطور اتوماتیک و بدون نیاز به مهندسی ویژگی توسط انسان یاد می گیرد.از این ویژگی برجسته یادگیری عمیق برای پردازش و تشخیص تصویر در مسایل مختلف استفاده شده است.موضوع تشخیص خواب آلودگی راننده یکی از این مسایل است که در سال های اخیر مورد توجه بوده است.بهترین راه بررسی این موضوع، استفاده و ارزیابی مقیاس های رفتاری و چهره راننده می باشد. چالش هایاصلی در این زمینه، توان مدل در برابر تنوع چهره انسان و قابلیت پردازش سریع و بلادرنگ آن است. استفادهاز ترکیب های مناسب شبکه های عصبی کانولوشنی مختلف، مدل های قدرتمند و کارآمدی ایجاد می کند کهدقت و سرعت بالایی در تشخیص و دسته بندی تصاویر دارند. در این پایان نامه، یک مدل ترکیبی از شبکه هایمختلف عصبی کانولوشنی بر پایه مدل YOLOبه نام Scaled-YOLOv۴برای بررسی خواب آلودگی رانندهبر اساس تصویر گرفته شده از چهره او پیشنهاد شده است. مدل Scaled-YOLOv۴جزء تشخیص دهنده هاییک مرحله ای با سرعت استنتاج بالا است که در این پایان نامه با مجموعه داده ی پرکاربرد ،NTHU-DDDآموزش داده شده است. با استفاده از این شبکه توانستیم میزان دقت تشخیص را نسبت به دقیق ترین راهکارقبلی ٣درصد بهبود دهیم . همچنین سرعت تشخیص در این روش به طور کلی نسبت به راکارهای قبلیبیشتر است

Deep learning and Neural Networks are effective and accurate methods for image processing that, unlike machine learning, learn image features automatically, without the need for featureengineering by humans. This outstanding ability of deep learning has been used for image processing and detection in various issues. The issue of driver drowsiness detection is one of the issuesthat has received a lot of attention in recent years. The best way to study this issue is to use andevaluate the driver’s behavioral and face features. The main challenges in this field are the model’srobustness toward the ”variation of the human face” and its ”real-time processing capability”. The useof appropriate combinations of different Convolutional Neural Networks creates robust and efficientmodels that have high accuracy and speed in the detection and classification of the image. In thisdissertation, a hybrid model of different Convolutional Neural Networks based on the YOLO, calledScaled-YOLOv4 is proposed to detect the driver drowsiness based on the image taken of his face.The Scaled-YOLOv4 model is a fast one-stage object detector that improves the accuracy and speedof drowsiness detection compared to previous works by 3 percentage

A new method based on Convolutional Neural Network for driver drowsiness detection

‏‏وزیری،

‏‏ سمیه

تهيه کننده

کریم پور،

‏ایزدخواه،

‏ جابر

‏ حبیب

استاد راهنما

استاد مشاور

‏ تبریز