تشخیص حواس پرتی و خواب آلودگی راننده از طریق روشهای مبتنی بر پردازش تصویر و یادگیری عمیق

این تحقیق به بررسی یک رویکرد جدید جهت تشخیص حواس‌پرتی و خواب‌آلودگی راننده جهت هوشمندسازی رانندگی پرداخته‌است.
به دلیل عدم وجود یک مجموعه داده دقیق و جامع در حوزه مجموعه داده‌های چشم، نویسندگان یک مجموعه داده نوین جمع‌آوری کرده‌اند، همچنین شبکه عصبی مصنوعی‌‌‌ای در جهت تشخیص خواب‌آلودگی راننده به گونه‌ای طراحی شده‌ که دو هدف مهم پردازش‌های بلادرنگ، از جمله دقت بالا و سرعت بالا، همزمان در نظر گرفته شوند. اهداف این مقاله به شرح زیر است: تخمین موقعیت سر راننده جهت تشخیص حواس‌پرتی، معرفی یک مجموعه داده جامع جدید برای تشخیص بسته‌بودن چشم، و همچنین، طراحی سه شبکه عصبی مصنوعی که یکی از آنها یک شبکه عصبی کاملا طراحی شده (FD-NN) است و دو شبکه‌ی دیگر از تکنیک انتقال یادگیری از طریق شبکه‌های VGG16 و VGG19با لایه‌های اضافی استفاده می‌کنند (TL-VGG).
نتایج نشان می‌دهد دقت شبکه‌های پیشنهادی بالا و پیچیدگی محاسباتی کم است، به طوری که روش پیشنهادی نسبت به کارهای قبلی 4 برابر سریع‌تر و دارای صحت 98.15% است.