DRIVER FATIGUE ASSESSMENT BASED ON A NEURAL NETWORK MODEL USING THE OPENCV LIBRARY
Keywords:
fatigue detection methods, Haar cascade classifier, computer vision, deep learning, convolutional neural network, image fatigue assessment, face recognition, eye recognitionAbstract
Fatigue at the wheel is one of the most common causes of road accidents. This article reviews the existing methods for determining fatigue based on biological and physiological signs, presents the results of implementing a simple algorithm for detecting fatigue using eye classification (open/closed) and face classification (yawning/not yawning). using image preprocessing by the Haar cascade classifier of the OpenCV library. The results of the study can serve as a basis for the development of a neural network model for fatigue detection and contain ways to use Haar cascades to detect eyes and faces in images.
References
Нефедьев А. И., Нефедьев Д. И., Безбородов С. А., Гусев В. Г. Контроль состояния водителя во время движения автотранспортного средства // Измерение. Мониторинг. Управление. Контроль. 2021. №2 (36).
Самофалов, И. В., Нефедьев А. И. Интеллектуальная система контроля психоэмоционального состояния водителя автотранспортного средства // Энерго- и ресурсосбережение: промышленность и транспорт. 2020. № 2. С. 46–49.
Ядав Н., Банерджи К., Бали В. Исследование по выявлению усталости работников с помощью машинного обучения // Международный журнал электронного здравоохранения и медицинских коммуникаций. 2020. Т. 11. № 3. С. 1-8.
Байрамов А. И., Фасхутдинов Т. Р., Тимергалин Д. М., Ямиков Р. Р., Муртазин В. Р., Туманов Н. А. Оценка усталости человека методом анализа фотографий лица с помощью сверточных нейронных сетей // Электронные библиотеки. 2021. Т. 24. № 4.
Булыгин А. О., Кашевник А. М. Анализ современных исследований в области детектирования утомления водителя в кабине транспортного средства // Системы анализа и обработки данных. 2021. Т. 83. № 3. С. 19–36.
Сикандер Г., Анвар С. Системы обнаружения усталости водителя: обзор // Труды по интеллектуальным транспортным системам. 2019. Т. 20. № 6. С. 2339-2352.
OpenCV: Распознавание лиц с помощью каскадов Хаара [Электронный ресурс]. – URL: https://docs.opencv.org/4.x/d2/d99/tutorial_js_face_detection.html (дата обращения: 15.05.2023).
Виола П., Джонс М. Быстрое обнаружение объектов с использованием расширенного набора простых функций // Материалы конференции по компьютерному зрению и распознаванию образов. 2001.
OpenCV: каскадный классификатор [Электронный ресурс]. – URL: https://docs.opencv.org/3.4/db/d28/tutorial_cascade_classifier.html (дата обращения: 15.05.2023).
Амеличев Г. Э., Панина В. С., Белов Ю. С. Распознавание лиц с использованием каскадов Хаара // EScio. 2020. №8 (47).
Бенгио Ю., Лекун Ю. Сверточные сети для изображений, речи и временных рядов. 1997.
Чжичао С., Инань М., Юнг Ю. Дж., Е Сыль К., Гюхэ П. Сверточная нейронная сеть для определения усталости водителя на основе слияния черт лица // Инженерные приложения искусственного интеллекта. 2023. Т. 126.
Документация по API Keras 3 [Электронный ресурс]. – URL: https://keras.io/api/ (дата обращения: 09.04.2023).
Drowsiness_dataset | Kaggle [Электронный ресурс]. – URL: https://www.kaggle.com/datasets/dheerajperumandla/drowsiness-dataset (дата обращения: 09.04.2023).
GitHub · opencv/data at 3.4 · opencv/opencv [Электронный ресурс]. – URL: https://github.com/opencv/opencv/tree/3.4/data (дата обращения: 09.04.2023).
