شکل ۳‑۱۰: نمایش بازه تعریف ویژگیهای درصد بسته بودن چشم (PERCLOS)، نرخ پلک زدن و فاصله بین پلکها
تعداد فریمهای لازم برای استخراج ویژگیهای PERCLOS و CLOSNO برابر تعداد فریمهای مرحله یادگیری در نظر گرفته شده است. برای این منظور از یک لیست حلقوی به نام Leye_closure با طول NL استفاده شده که مقادیر آن صفر و یک است. صفر به معنی بسته بودن چشمها و یک به معنی باز بودن آن میباشد. لیست حلقوی باید معادل تعداد فریمهای مرحله یادگیری (حدود ۱۵۰۰-۳۰۰۰ فریم) ظرفیت داشته باشد. بنابراین طول لیست حلقوی حدود ۱۵۰۰-۳۰۰۰ خواهد بود. پس از پر شدن کامل لیست حلقوی، دادههای جدید بر روی دادههای قدیمیتر قرار خواهند گرفت، به این ترتیب لیست حلقوی همواره اطلاعات بستهبودن چشم در فریمهای اخیر را در خود نگهداری میکند.
روش استخراج PERCLOS و CLOSNO مشابه روش استخراج PERCLOSN و CLOSNON است. با توجه به اینکه اگر چشم بسته باشد، مقادیر Leye_closure صفر خواهند شد، درصد بسته بودن چشم (PERCLOS) از رابطه (۱۵) قابل محاسبه است.
برای محاسبه تعداد دفعات پلکزدن از مشتق اول Leye_closure استفاده میشود. مشتق اول Leye_closure با DLeye_closure نمایش داده شده و از رابطه (۱۶) محاسبه میگردد.
DLeye_closure زمان تغییر حالت چشم از حالت باز به بسته و بالعکس را نشان میدهد. در تغییر حالت چشم از باز به بسته مقدار DLeye_closure برابر ۱- و در تغییر حالت از بسته به باز مقدار DLeye_closure برابر ۱+ خواهد شد. اگر حالت چشم تغییری نکند، مقدار DLeye_closure صفر است. بنابراین با شمارش تعداد مقادیر ۱- یا ۱+ در DLeye_closure، تعداد دفعات پلک زدن مشخص خواهد شد. به این ترتیب مقدار CLOSNO از رابطه (۱۷) محاسبه میشود. در این رابطه، نماد برای محاسبه تعداد عناصر لیست که در شرط مذکور صدق میکنند، استفاده گردیده است.
به طریق دیگری نیز میتوان CLOSNO را محاسبه کرد. در این روش CLOSNO برابر نصف مجموع قدرمطلق مقادیر DLeye_closure خواهد بود (رابطه (۱۸)).
مقدار CLOSNO از هر دو رابطه (۱۷) و (۱۸) یکسان محاسبه خواهد شد.
برای تشخیص تغییر فاصله بین دو پلک از بررسی میزان انطباق پروجکشن چشم باز در مرحله کنونی و پروجکشن چشم باز در مرحله یادگیری استفاده شده است. در این روش ضریب همبستگی پروجکشن افقی چشم باز HPO با پروجکشن افقی چشم باز در مرحله یادگیری (HPLO) محاسبه میشود. هرچه میزان انطباق HPO و HPLO کم باشد، به معنی کاهش فاصله بین پلکها است. به این ترتیب از ضریب همبستگی HPO و HPLO به عنوان معیاری برای تشخیص کاهش فاصله بین پلکها استفاده خواهد شد. میزان تغییرات فاصله بین پلکها با ELDC[121] نمایش داده میشود. مقدار ELDC مطابق رابطه (۱۹) از اعمال یک تابع سیگموئید[۱۲۲] بر ضریب همبستگی HPO و HPLO بدست میآید.
در رابطه فوق Sigm تابع سیگموئید، Corr تابع محاسبه ضریب همبستگی و α و β پارامترهای تابع سیگموئید هستند. تابع سیگموئید برای مقدار x همواره بین صفر و یک بوده و از رابطه (۲۰) بدست میآید.
این تابع دو پارامتر به نام α و β دارد که به ترتیب شیب تابع در محل گذار[۱۲۳] از مقدار ۵/۰ و محل گذار را تعیین مینماید. در شکل ۳‑۱۱ و شکل ۳‑۱۲ به ترتیب تاثیر پارامتر α و β بر روی شکل منحنی تابع سیگموئید نشان داده شده است. هر چه مقدار α بیشتر باشد، شکل منحنی تابع سیگموئید به تابع پله نزدیکتر خواهد شد، به طوری که برای مقدار α بینهایت، شکل تابع سیگموئید همان تابع پله میشود.
α = ۵
α = ۲
α = ۱
شکل ۳‑۱۱: نمایش تاثیر پارامتر α در تغییر شکل تابع سیگموئید (β=۰)
β = -۲
β = ۰
β = +۲
شکل ۳‑۱۲: نمایش تاثیر پارامتر β در تغییر شکل تابع سیگموئید (α=۱)
در رابطه (۱۹) برای محاسبه ELDC مقادیر α و β تابع سیگموئید به ترتیب ۵۰ و ۹/۰ انتخاب گردید. انتخاب این مقادیر بر اساس روش آزمون و خطا بوده است، به طوری که منحنی ELDC برای حالت طبیعی چشم باز به مقدار صفر میل کند و برای حالت چشم کاملا بسته به مقدار یک میل نماید؛ همچنین مقدار ELDC برای چشم نیمهباز تقریبا ۵/۰ باشد. به این ترتیب منحنی تغییرات مقدار ELDC برحسب ضریب همبستگی HPO و HPLO مطابق شکل ۳‑۱۳ خواهد شد. هر چه ضریب همبستگی HPO و HPLO به یک نزدیک باشد، تغییرات (کاهش) فاصله بین پلکها نسبت به حالت طبیعی کمتر و در نتیجه مقدار ELDC به صفر نزدیکتر است. با کاهش ضریب همبستگی HPO و HPLO به ۹/۰، مقدار ELDC به ۵/۰ نزدیک خواهد شد. با توجه به نمودار شکل ۳‑۱۳ در صورتیکه ضریب همبستگی HPO و HPLO کمتر از ۸/۰ شود، مقدار ELDC به صفر میل خواهد کرد. در این حالت چشم فرد کاملا بسته میباشد.
شکل ۳‑۱۳: منحنی تغییرات فاصله بین پلکها (ELDC) (محور عمودی) نسبت به تغییرات ضریب همبستگی HPO و HPLO (محور افقی)
ویژگیهای ناحیه چهره و سر
در سیستم پیشنهادی از پردازش ناحیه چهره، ویژگی چرخش سر استخراج شده است. چرخش سر میتواند نشانه عدم تمرکز حواس راننده یا خستگی او باشد. در صورتیکه راننده سرش را به اطراف بچرخاند، تمرکز کافی به سمت جلو نداشته و ممکن است باعث بروز حاد
برای دانلود متن کامل پایان نامه به سایت ۴۰y.ir مراجعه نمایید. |
ثه شود. همچنین چرخش سر ممکن است به دلیل چرت زدن اتفاق بیفتد. در این حالت به دلیل عدم انقباض کافی عضلات گردن، سر به سمت پایین یا طرفین خواهد افتاد. در تمام این موارد سر راننده به سمت جلو نیست و چرخش سر (حول یکی از محورهای مختصات) رخ داده است.
برای آشکارسازی تغییر جهت سر، روشی جدید ارائه شده است که به جای استفاده از نقاط ویژگی مانند چشمها، بینی و دهان، از قالب کلی چهره استفاده میکند. در روشهای قبلی برای تخمین جهت سر، ابتدا چند نقطه ویژگی در تصویر چهره آشکارسازی شده و در فریمهای متوالی ردیابی میشدند. با تغییر فاصله نقاط ویژگی، تغییر زاویه خطوط اتصال این نقاط و یا تغییر شکل هندسی نقاط ویژگی، جهت سر تخمین زده میشد. اما در روش پیشنهادی، هدف تخمین جهت سر نیست، بلکه هدف آشکارسازی چرخش سر است. برای این منظور ابتدا یک قالب از چهره رو به جلو[۱۲۴] از راننده تهیه میشود. این قالب از میانگینگیری فریمهای ابتدایی محاسبه میگردد (رابطه (۲۱)). در رابطه (۲۱)، Ft تصویر چهره در فریم t و N تعداد فریمهای استفاده شده برای تهیه قالب چهره راننده است. محاسبه قالب چهره مشابه روشهای تخمین پسزمینه[۱۲۵] است.
هنگامیکه چهره راننده در حالت روبهجلو قرار گرفته باشد، تصویر چهره راننده و قالب چهره با هم منطبق است. اما هنگامیکه سر راننده حول هر یک از محورهای سهگانه مختصات بچرخد، تصویر چهره با تصویر قالب متفاوت میشود. هرچه چرخش بیشتر باشد، این تفاوت بیشتر خواهد بود. بنابراین پس از محاسبه قالب روبهجلو از چهره، با محاسبه میانگین قدرمطلق تفاضل تصویر قالب و تصویر کنونی چهره، میزان انطباق تصویر کنونی چهره و قالب مشخص میشود. برای تعیین میزان انطباق تصویر کنونی چهره و قالب، از روشی مشابه روش پیشنهادی سیگاری و همکارانش [۶۷] برای تفاضل پسزمینه فازی استفاده شده است. محاسبه میزان انطباق تصویر کنونی چهره و قالب، مشابه آشکارسازی اشیا متحرک از یک پسزمینه ثابت است. بنابراین میزان انطباق تصویر کنونی چهره و قالب بر اساس رابطه (۲۲) محاسبه میگردد.
در این رابطه m میزان انطباق را مشخص میکند که عددی در بازه [۰,۱] است. هر چه مقدار m بیشتر باشد، میزان انطباق تصویر کنونی چهره و قالب بیشتر و در نتیجه چرخش سر کمتر است. بنابراین اگر میزان چرخش سر با R نمایش داده شود، مقدار R از رابطه (۲۳) بدست میآید. مقدار R عددی در بازه [۰,۱] است.
در هر فریم میتوان قالب چهره را بهروزرسانی کرد. برای این منظور از روشی مشابه روش بهروزرسانی فازی پسزمینه که توسط سیگاری و همکارانش [۶۷] ارائه شده، استفاده شد. در روش بهروزرسانی فازی پسزمینه، میزان بهروزرسانی پسزمینه با پارامتری به نام αmin و یک تابع نمایی کنترل میشود. هرچه فریم جاری با تصویر پسزمینه تطابق بیشتری داشته باشد، فریم جاری با ضریب بیشتری در بهروزرسانی تصویر پسزمینه موثر است. در سیستم پیشنهادی برای بهروزرسانی قالب چهره، از همین روش استفاده شده، با این فرض که قالب همان پسزمینه است. به این ترتیب بهروزرسانی قالب چهره در هر فریم بر اساس رابطه (۲۴) انجام میگیرد. در این رابطه Tempt و Tempt+1 به ترتیب قالب چهره در فریمهای t و t+1 و Ft تصویر کنونی چهره در فریم t است.
مقدار α در رابطه (۲۴) از رابطه (۲۵) محاسبه میشود. در این رابطه αmin مقدار کمینه α را مشخص میکند و در روش پیشنهادی برابر ۸/۰ در نظر گرفته شده است.