برای تشخیص کاهش هوشیاری راننده از یک لیست حلقوی استفاده شده که مقدار R فریم‌های متوالی در آن ذخیره می‌شود. این لیست با نام LRot نامگذاری شده و تغییرات R در یک مدت معین را جمع‌آوری می‌کند. پس از پر شدن لیست، داده‌های جدید بر روی داده‌های قدیمی‌تر ذخیره خواهند شد. اندازه این لیست معادل تعداد فریم‏های مرحله یادگیری (حدود ۱۵۰۰ تا ۳۰۰۰ فریم) انتخاب شده است. برای تشخیص چرخش سر راننده، ابتدا مقادیر لیست با حدآستانه thRot مقایسه شده و مقادیر کمتر از حدآستانه صفر خواهد شد (رابطه ‏(۲۶)). سپس میانگین مقادیر بزرگتر از thRot به عنوان متوسط چرخش سر (ROT) استخراج می‏گردد (رابطه ‏(۲۷)). از ROT برای تشخیص کاهش هوشیاری راننده استفاده خواهد شد.
 
 
تشخیص کاهش هوشیاری
استفاده از قوانین ابتکاری و اعمال چند حد آستانه برای تصمیم‏گیری در مورد میزان خستگی و عدم تمرکز حواس راننده چندان مناسبی نیست. هرچند در این حالت، تصمیم‏گیری بسیار ساده خواهد شد، اما احتمال بروز خطا در این گونه سیستم‏ها بیشتر است.
در سیستم پیشنهادی برای تشخیص کاهش هوشیاری راننده از یک سیستم خبره فازی[۱۲۶] استفاده شده است. علت انتخاب سیستم خبره فازی به عنوان بخش تشخیص کاهش هوشیاری، استفاده از دانش بشری در قالب سیستم هوشمند و وجود عدم قطعیت در اطلاعات استخراج شده از تصاویر چهره و چشم است. سیستم‏های خبره فازی می‏توانند دانش بشری را به شکلی مناسب برای تصمیم‏گیری در مورد اطلاعات غیرقطعی استفاده کنند.
سیستم خبره فازی
یک سیستم خبره فازی شامل سه بخش اصلی است: فازی‏ساز[۱۲۷] داده‏های ورودی، موتور استنتاج فازی[۱۲۸] و غیرفازی‏ساز[۱۲۹] داده‏های خروجی. شمای کلی سیستم خبره فازی در شکل ‏۳‑۱۴ نشان داده شده است. انتخاب روش‏های فازی‏سازی و غیرفازی‏سازی معمولا با استفاده از روش آزمون و خطا و بر اساس نوع کاربرد و ماهیت داده‏های ورودی و خروجی تعیین می‏گردد. همان‏گونه که در شکل مشاهده می‏شود، موتور استنتاج فازی از یک پایگاه قوانین فازی[۱۳۰] استفاده می‏کند. این قوانین فازی، تعدادی قانون اگر-آنگاه[۱۳۱] می‏باشد که توسط فرد خبره تعیین می‏گردد. در واقع سیستم خبره فازی، هوشمندی خود را بر اساس قوانینی بدست می‏آورد که فرد خبره آنها را تعیین می‏کند. در قوانین فازی از متغیر‏های زبانی[۱۳۲] استفاده می‏شود [۶۸].
فازی‏ساز
غیرفازی‏ساز
موتور استنتاج فازی
پایگاه قوانین فازی
شکل ‏۳‑۱۴: مدل کلی سیستم خبره فازی
این سیستم چهار ورودی و دو خروجی دارد.
ورودی‏های سیستم خبره فازی عبارتند از:
درصد بسته بودن چشم (PERCLOS)
نرخ پلک زدن (CLOSNO)
میزان تغییرات فاصله بین پلک‏ها نسبت به حالت طبیعی (ELDC)
میانگین چرخش سر (ROT)
خروجی‏های سیستم عبارتند از:
میزان خستگی (خواب‏آلودگی)
میزان عدم تمرکز حواس
فازی‏ساز سیستم خبره پیشنهادی فازی‏ساز منفرد[۱۳۳] است. در این روش درواقع فازی‏سازی انجام نمی‏گیرد، بلکه عدد قطعی[۱۳۴] ورودی (ویژگی‏های استخراج شده) بدون هیچ تغییری به موتور استنتاج داده می‏شود. استفاده از سایر روش‏های فازی‏سازی مانند توابع مثلثی، ذوزنقه‏ای، گوسی و … باعث افزایش حجم محاسبات در بخش موتور استنتاج خواهد شد.
برای هر یک از ورودی‏ها و خروجی‏های سیستم خبره فازی، باید چند مقدار فازی و توابع عضویت[۱۳۵] آنها به شکل مناسب تعیین گردد. برای ورودی درصد بسته بودن چشم (PERCLOS) توابع عضویت براساس مقدار طبیعی آن (PERCLOSN) که در مرحله یادگیری محاسبه شد، مطابق شکل ‏۳‑۱۵ پیشنهاد شده است. برای ورودی نرخ پلک زدن (CLOSNO) نیز توابع عضویت براساس مقدار طبیعی آن (CLOSNON) مطابق شکل ‏۳‑۱۶ استفاده شده است.
PERCLOSN
۲×PERCLOSN
۳×PERCLOSN
Normal
High
Dangerous
PERCLOS
شکل ‏۳‑۱۵: شکل توابع عضویت تعریف شده برای ورودی درصد بسته بودن چشم (PERCLOS)
۰٫۵×CLOSNON
CLOSNON
Normal
Low

برای دانلود متن کامل پایان نامه به سایت azarim.ir مراجعه نمایید.

Tags: