تشخيص خستگي و عدم تمرکز حواس

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

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.