۳- سیستم پیشنهادی ۳۵
۳-۱- پیکربندی کلی سیستم پیشنهادی ۳۵
۳-۱-۱- نورپردازی و تصویربرداری ۳۶
۳-۱-۲- سختافزار و پردازنده ۳۷
۳-۱-۳- نرمافزار هوشمند ۳۷
۳-۲- آشکارسازی چهره ۳۸
۳-۲-۱- ویژگیهای شبه هار ۳۹
۳-۲-۲- انتخاب و تعیین اهمیت ویژگیها برای تشکیل یک طبقهبندیکننده قوی ۴۱
۳-۲-۳- درخت تصمیم آبشاری تقویتشده ۴۲
۳-۳- ردیابی چهره ۴۴
۳-۳-۱- پنجره جستجو ۴۵
۳-۳-۲- معیار تطابق ۴۶
۳-۴- استخراج ویژگیهای مربوط به کاهش هوشیاری ۴۷
۳-۴-۱- ویژگیهای ناحیه چشم ۴۷
۳-۴-۲- ویژگیهای ناحیه چهره و سر ۵۵
۳-۵- تشخیص کاهش هوشیاری ۵۸
۳-۵-۱- سیستم خبره فازی ۵۸
۳-۵-۲- تولید خروجی نهایی ۶۴
۴- نتایج آزمایشها و ارزیابی سیستم ۶۹
۴-۱- نحوه آزمایش سیستم ۶۹
۴-۲- معیارهای ارزیابی ۷۲
۴-۳- آشکارسازی چهره ۷۳
۴-۴- ردیابی چهره ۷۵
۴-۵- استخراج ویژگیهای ناحیه چشم ۷۷
۴-۶- استخراج ویژگیهای ناحیه سر و چهره ۸۲
۴-۷- تشخیص کاهش هوشیاری ۸۶
۴-۸- ارزیابی کلی سیستم و الگوریتمها ۹۳
۴-۸-۱- بررسی سرعت پردازش سیستم پیشنهادی ۹۳
۴-۸-۲- بررسی پیچیدگی محاسباتی الگوریتمها ۹۴
۵- نتیجهگیری و پیشنهادات ۹۵
۶- مراجع ۹۹
فهرست شکلها
شکل ۲‑۱: فلوچارت کلی برای سیستمهای نظارت چهره راننده ۱۲
شکل ۲‑۲: نمونههایی از ماسکهای ویژگی برای استخراج ویژگیهای شبه هار ۱۴
شکل ۲‑۳: درخت تصمیم آبشاری برای آشکارسازی چهره ۱۴
شکل ۲‑۴: سیستم نورپردازی مادون قرمز شامل دو دسته LED به شکل دو حلقه کوچک و بزرگ [۶] ۱۶
شکل ۲‑۵: نمایش ایجاد پدیده مردمک روشن و مردمک تیره در نورپردازی مادون قرمز ۱۷
| برای دانلود متن کامل این پایان نامه به سایت fumi.ir مراجعه نمایید. |