پس از استخراج ويژگي، بحث چگونگي ارتباط ميان ويژگيها و نحوه تعيين ميزان خستگي و عدم تمرکز حواس راننده بر اساس اين ويژگيها مطرح ميشود. تعيين وضعيت راننده يک مسئله طبقهبندي[1] (دستهبندي) محسوب ميشود. سادهترين شکل آن، طبقهبندي وضعيت راننده به دو حالت هوشيار و غيرهوشيار ميباشد. در حالت ديگر ميتوان ميزان هوشياري راننده را با يک عدد حقيقي بين صفر و يک مشخص کرد.
1-1-1- روشهاي مبتني بر حد آستانه
سادهترين روش براي تشخيص خستگي و عدم تمرکز حواس، استفاده از حد آستانه است. اگر تنها از يک ويژگي براي تشخيص خستگي و عدم تمرکز حواس استفاده شود، مرحله تشخيص با اعمال حد آستانه به پايان ميرسد. ولي اگر از چند ويژگي براي تشخيص کاهش هوشياري استفاده شود، پس از اعمال حد آستانه بر روي هر ويژگي، تشخيص نهايي بايد روشي براي ترکيب[2] نتايج استفاده کرد. در واقع اعمال حد آستانه بر روي هر ويژگي، وضعيت راننده را به دو دسته طبقهبندي ميکند، اما هنوز طبقهبندي نهايي سيستم براي تشخيص وضعيت راننده انجام نشده است. براي توليد خروجي نهايي سيستم ميتوان از روش قوانين ابتکاري[3] يا راي اکثريت[4] استفاده کرد. در اکثر سيستمهاي نظارت چهره براي تشخيص خستگي و عدم تمرکز حواس از روشهاي مبتني بر حد آستانه استفاده شده است.
راي اکثريت
يکي از روشهاي ساده براي ترکيب نتايج حاصل از چند طبقهبنديکننده، استفاده از راي اکثريت است. اين ايده برگرفته از قوانين دموکراسي ميباشد و به سه شکل قابل استفاده است: راي مطلق[5]، راي اکثريت ساده[6] و راي ائتلافي[7] [62]. در سيستمهاي نظارت چهره راننده معمولا از روش راي ائتلافي استفاده شده است. به اين معني که خروجي سيستم بر اساس راي اکثريت تعيين ميشود. مثلا اگر وضعيت راننده بر اساس 60% ويژگيها هوشيار و بر اساس 40% ديگر غيرهوشيار تعيين شود، سيستم وضعيت هوشيار را براي راننده تعيين خواهد کرد.
1-1-2- روشهاي مبتني بر دانش
در روشهاي مبتني بر دانش، تصميمگيري در مورد تعيين خستگي و خوابآلودگي راننده بر اساس دانش يک فرد خبره[8] انجام ميگيرد. در اين روشها معمولا دانش در قالب قوانين اگر-آنگاه ظاهر ميشود. يکي از سادهترين روشهاي ترکيب نتايج، تعريف چند قانون ابتکاري ساده است. در اين روش چند قانون اگر-آنگاه بر روي نتايج هر ويژگي اعمال شده تا وضعيت نهايي راننده تخمين زده شود. در حالت پيچيدهتر، ميتوان از سيستمهاي خبره نيز استفاده کرد. هرچند قوانين ابتکاري يک نوع سيستم خبره ساده ميباشد.
يکي از راهکارهاي قابل استفاده براي ترکيب اطلاعات حاصل از چند ويژگي، منطق فازي[9] است. در سيستمهاي خبره فازي يا سيستمهاي استنتاج فازي با تعريف چند قانون فازي، ميتوان اطلاعات حاصل از مرحله استخراج ويژگي را مورد پردازش قرار داد. در [21-23] براي تعيين ميزان خستگي راننده از قوانين فازي در قالب سيستم استنتاج فازي استفاده شده است. در اين روش ميزان خستگي راننده در بازه صفر و يک تعيين ميگردد.
1-1-3- روشهاي مبتني بر آمار و احتمال
در روشهاي مبتني بر آمار و احتمال، تخمين ميزان خستگي و عدم تمرکز حواس بر اساس اطلاعات آماري و احتمالي انجام ميگيرد. معمولا اين اطلاعات در قالب دانش اوليه يا اطلاعات استخراج شده از دادههاي آموزشي ميباشد. سپس با استفاده از روشهاي آماري و احتمالي مانند شبکه بيز يا شبکه عصبي، ميزان کاهش هوشياري راننده مشخص ميشود.
شبکه بيز
تشخيص خستگي و عدم تمرکز حواس راننده از روي ويژگيهاي استخراج شده، مسئله مشکلي است. در واقع ويژگيهاي استخراج شده از چهره راننده حاوي دانش غيرقطعي[10] ميباشد که بايد از آن براي تعيين ميزان هوشياري راننده استفاده کرد. شبکه بيز[11] به عنوان ابزاري مناسب براي مدل کردن دانش غيرقطعي در قالب يک گراف جهتدار بدونسيکل[12]، از روشهاي احتمالي استفاده ميکند. در واقع علت استفاده از شبکه بيز براي سيستم نظارت چهره راننده اين است که شبکه بيز امکان پيشبيني و استنتاج وقايع آينده را بر اساس وقايع گذشته و دادههاي حال حاضر امکانپذير ميسازد. در [6, 44, 63] براي تشخيص خستگي راننده از شبکه بيز استفاده شده است.
شبکه عصبي
شبکه عصبي نوعي روش آماري براي يادگيري مسائل طبقهبندي و تخمين توابع است. اسکندريان و همکارش [64, 65] با استفاده از شبکه عصبي دو دسته ويژگي استخراج شده از روش مبتني بر نحوه رانندگي و روش نظارت چهره راننده را ترکيب کرده و تشخيص خوابآلودگي را بر اساس آن انجام دادهاند. در اين سيستم ميزان خوابآلودگي توسط يک شبکه عصبي ترکيبي[13] تعيين ميگردد.
[1] Classification
[2] Fusion
[3] Heuristic Rules
[4] Majority Vote
[5] Unanimity
[6] Simple Majority Vote
[7] Plurality
[8] Expert
[9] Fuzzy Logic
[10] Non-Deterministic
[11] Bayesian Network
[12] Directed Acyclic Graph
[13] Hybrid