تشخیص خستگی راننده در تصاویر ویدیویی با استفاده از روش های یادگیری عمیق توسعه یافته

نوع: Type: پایان نامه

مقطع: Segment: کارشناسی ارشد

عنوان: Title: تشخیص خستگی راننده در تصاویر ویدیویی با استفاده از روش های یادگیری عمیق توسعه یافته

ارائه دهنده: Provider: مهدی صفری پور - مهندسی کامپیوتر

اساتید راهنما: Supervisors: دکتر حسن ختن‌لو

اساتید مشاور: Advisory Professors:

اساتید ممتحن یا داور: Examining professors or referees: دکتر محرم منصوری زاده - دکتر رضا محمدی

زمان و تاریخ ارائه: Time and date of presentation: ساعت 17:30 - 1404/7/29

مکان ارائه: Place of presentation: اتاق سمینار گروه کامپیوتر

چکیده: Abstract: تصادفات رانندگی یکی از مهم‌ترین عوامل مرگ‌ومیر در جهان است که بخش قابل توجهی از آن‌ها ناشی از خستگی و خواب‌آلودگی راننده می‌باشد. خستگی راننده موجب کاهش تمرکز، کند شدن واکنش‌ها و افزایش احتمال خطا در تصمیم‌گیری می‌شود و در نتیجه احتمال بروز حوادث جاده‌ای را به‌طور چشمگیری افزایش می‌دهد. ازاین‌رو، توسعه سامانه‌های هوشمند تشخیص خستگی راننده با قابلیت پایش لحظه‌ای و ارائه هشدارهای به‌موقع، اهمیت ویژه‌ای دارد. در این پژوهش، مدل ترکیبی با رویکرد ادغام ویژگی برای تشخیص خستگی راننده ارائه شده است. این روش با ترکیب اطلاعات تصویری و ساختاری چهره، از مدل‌های Vision Transformer (ViT) برای تحلیل تصاویر و از شبکه‌های عصبی گرافی (Graph Neural Networks) برای تحلیل ویژگی‌های ساختاری چهره استفاده می‌کند. خروجی‌های این دو شاخه باهم ترکیب شده و مدل قادر است حالات «خستگی» و «هوشیاری» راننده را با دقت بالا تشخیص دهد. مدل پیشنهادی بر روی مجموعه داده های استاندارد Drowsiness Prediction Dataset و YawDD آموزش و ارزیابی شد و نتایج نشان داد که ترکیب توانایی مدل‌های مبتنی بر تصویر و گراف از طریق ادغام ویژگی، موجب بهبود چشمگیر دقت و افزایش مقاومت مدل در برابر تغییرات نور محیطی نسبت به روش‌های تک مدلی می‌شود. این پژوهش می‌تواند گامی مؤثر در توسعه سیستم‌های پایش هوشمند راننده و کاهش تصادفات ناشی از خستگی باشد.