Detection of drowsiness by using deep cascade based on a convolution neural network (CNN)
Bir evrişim sinir ağı (CNN) tabanlı derin kademeli kullanarak uyuşukluk tespiti
- Tez No: 767923
- Danışmanlar: Prof. Dr. GALİP CANSEVER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 78
Özet
Sürücü sersemliği ve yorgunluk, otomobil kazalarının en yaygın nedenlerinden ikisidir. Her yıl, çeşitli faktörler nedeniyle bir miktar ölüm ve ölüm oranı önemli ölçüde artmaktadır. Örneğin, son 10 yılda 66 binin üzerinde otomobil kazası meydana geldi ve 22.952 ölüm ve 79.545 yaralanma ile sonuçlandı. Sonuç olarak, bu tür yapı, sürücüyü trafik kazalarından kaçınmak ve böylece hayatları ve kamu malını kurtarmak için gerekli olduğu konusunda uyarır. Bu araştırmada, sürücüyü kazalardan korumak için göz ve ağız hareketi üzerinde oluşturulan Sürücü Uyuşukluk Tespit Sistemi (DDDS) oluşturulmuş ve devreye alınmıştır. Bu araştırma, güvenliği sağlamak, yüksek çözünürlüklü bir kamera kullanarak bir DDDS geliştirmek ve Derin Basamaklı Evrişimli Sinir Ağları (DCCNN) kullanarak sürücü uykusunu yüksek doğrulukla tespit etmek için sürücüyü hızlı bir şekilde uyarabilen düşük fiyatlı bir DDDS tasarlamayı ve uygulamayı amaçladı. . Sürücü uykululuğunu tespit etmek için DDDS önerilir. Teknik, yüksek çözünürlüklü bir kamera tarafından yakalanan göz hareketi (kapalı veya açık) gibi görsel özellikleri kullanan sürücünün davranışına dayanmaktadır. Göz resimlerinin özellikleri çıkarıldı ve girdi olarak DCCNN'ye gönderildi. Yüz bölgesini ayırt etmek için, mevcut çalışmada Dlib araç setinden sınırdaki ön sürücü yüzüne Landmarks kullanılmıştır.“Eyes Aspect Ratio”adlı yeni bir kısıtlama gözler aracılığıyla keşfedildi Otomobil kullanıcılarının yorgunluğunun güncel bir referans çerçevesinde değerlendirilmesi yönergesinde yer işaretleri araştırılıyor. DCCNN çıkışı daha sonra sürücü kasasında bir uyarıyı tetiklemek için kullanıldı. Deneyde, saniyede 60 kare (f/s) kare hızıyla 450320 göz küresi çözünürlüklü bir görüntü kullanıldı. Uyuşukluk algılama doğruluğu, deneysel bir bilgiye göre mükemmel aydınlatmada yüzde 99.9'dan ve zayıf aydınlatmada yüzde 99.8'den fazlaydı. Uykululuk tespiti doğruluğu açısından, mevcut araştırma önceki birkaç çalışmayı geride bıraktı.
Özet (Çeviri)
Driver drowsiness and tiredness be two of a most public causes of automobile accidents. Every year, a quantity of deaths and mortalities rises dramatically owing of a variety of factors. For example, over 66 thousand automobile crashes have occurred in the last 10 years, resulting in 22,952 deaths and 79,545 injuries. As a result, the structure such warns the driver are needed to avoid road traffic accidents and thereby save lives and public property. To protect the driver from accidents, the Driver Drowsiness Detection System (DDDS) created on eye movement, mouth movement was created and deployed in this research. This research aimed to design and implement a low-priced DDDS capable of speedily warning a driver for ensuring safety, for develop a DDDS using a high-resolution camera, and to detect driver drowsiness with high accuracy using Deep Cascaded Convolutional Neural Networks (DCCNN). For detecting driver sleepiness, DDDS is suggested. The technique is based on the driver's conduct using visual characteristics such as eye movement (closed or open) captured by a high-resolution camera. The characteristics of eyes pictures were extracted and sent into the DCCNN as input. To differentiate the facial district, the Landmarks to front driver face at the border from the Dlib toolkit were used in the current study. A novel constraint named“Eyes Aspect Ratio”was discovered through eyes Landmarks are investigated at directive of evaluating a car user tiredness in a current frame of reference. The DCCNN output was then utilized to trigger an alert on the drive casing. A 450320 eyeballs resolution image was used in the experiment, with a 60 frames per second (f/s) frame rate. Drowsiness detection accuracy was more than 99.9 percent in excellent lighting and more than 99.8 percent in poor lighting, accordance of an experimental information. At terms of the sleepiness detection accuracy, the current research beat several prior studies.
Benzer Tezler
- Fatigue detection of drivers using image processing and artificialintelligence techniques
Kullanarak sürücülerin yorgunluk tespiti görüntü işleme ve yapayzeka teknikleri
OMER NASIH ISMAEL ALHURMUZI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TİMUR İNAN
- Derin öğrenme tabanlı sürücü yorgunluğu sezme ve tahmin sistemi geliştirilmesi
Detecting drivers' fatigue and development of a prediction system based on deep learning
BURCU KIR SAVAŞ
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR BECERİKLİ
- Sürücülerde uykululuk hali tespit sistemi tasarımı ve uygulaması
Design and implementation of drowsiness detection system for drivers
NUR YASİN PEKER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ZENGİN
- Video based detection of driver fatigue
Görüntü aracılığıyla sürücüde yorgunluğun sezimi
ESRA VURAL
Doktora
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiPROF. DR. AYTUL ERCİL
YRD. DOÇ. DR. MUJDAT CETİN
- Görünüm temelli yöntemlerle gerçek zamanlı göz bakış yönü kestirimi ve insan bilgisayar etkileşimi
Real time eye gaze direction detection using appearance based methods and human computer interaction
ÇAĞATAY MURAT YILMAZ
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEMAL KÖSE