1-1- رديابي چهره و اجزاي آن تقريبا در تمام سيستمهاي نظارت چهره راننده، پس از آشکارسازي چهره رديابي آن انجام ميگيرد. رديابي چهره به جاي آشکارسازي آن در فريمهاي متوالي باعث کاهش حجم محاسبات و در نتيجه افزايش سرعت سيستم خواهد شد. به همين دليل معمولا پس از آشکارسازي اوليه چهره، در فريمهاي بعد عمليات […]
در سيستمهاي نظارت چهره راننده کمتر از ويژگيهاي ساير اجزاي چهره مانند بيني و لبها استفاده شده، اما در اين بخش مروري کوتاه بر روشهاي آشکارسازي بيني و لب خواهد شد. معمولا از مکان بيني براي تعيين جهت سر و از مکان لبها براي تشخيص خميازه کشيدن[1] يا صحبت کردن راننده استفاده ميشود. 1-1-1- آشکارسازي
در روشهاي کنوني براي استخراج ويژگيهاي خستگي و عدم تمرکز حواس راننده از تصوير چهره، ابتدا بايد اجزاي چهره آشکارسازي شود. تقريبا در تمام سيستمهاي نظارت چهره راننده از ويژگيهاي ناحيه چشم استفاده شده است، بنابراين آشکارسازي چشم اهميت ويژهاي دارد. مهمترين روشهاي آشکارسازي چشم به سه دسته اصلي قابل تقسيم است: روشهاي مبتني بر
معمولا اولين بخش از نرمافزار هوشمند در سيستمهاي نظارت چهره راننده، مربوط به آشکارسازي چهره است. در سيستمهايي که خستگي و عدم تمرکز حواس را از پردازش ناحيه چهره مشخص ميکنند، آشکارسازي چهره بخش اصلي سيستم محسوب ميشود. همچنين در اکثر روشهاي مبتني بر پردازش ناحيه چشم، به دليل مشکل بودن آشکارسازي مستقيم چشم، ابتدا
يک سيستم نظارت چهره راننده از سه بخش عمده شامل بخش تصويربرداري، بخش سختافزار و پردازنده و بخش نرمافزار هوشمند تشکيل شده است. هر يک از بخشهاي اين سيستم، نقش سازنده و مهمي را در کارايي سيستم دارند و اين بخشها به يکديگر وابستهاند. ميتوان گفت مهمترين بخش سيستم، بخش نرمافزار هوشمند است که به
مهمترين روشهاي استفاده شده براي تشخيص خستگي راننده عبارتند از: روشهاي مبتني بر سيگنالهاي بيوالکتريکي و عصبي، روشهاي مبتني بر نحوه رانندگي و کنترل خودرو، روشهاي مبتني بر نظارت چهره راننده و روشهاي ترکيبي. اما مسئله تشخيص عدم تمرکز حواس راننده پيچيدهتر از تشخيص خستگي است. يک راننده ممکن است در ظاهر کاملا بيدار بوده
3-3-1- استفاده از الگوریتم های تکاملی در ساختار IDSS از جمله سیستم های تصمیم همیار هوشمندی که در ساختار خود از الگوریتم های تکاملی استفاده نموده، سیستمی است که به منظور حل یک مسئله با توزیع داده ی واقعی برای یک شرکت بزرگ سازنده ی ماشین، طراحی و پیاده سازی شده است [17]. این سیستم،
معرفی چند سیستم تصمیم همیار هوشمند با ساختارهای متفاوت بیشتر بخوانید »
3-1- مقدمه بسیاری از تصمیم گیرندگان با محیط هایی سرشار از استرس، به شدت رقابتی، با گام سریع و انبوه از اطلاعات مواجه هستند. ترکیب اینترنت که دسترسی سریع به منابع را فراهم می سازد و پیشرفت تکنیک های مختلف هوش مصنوعی، امکان حمایت از روند اخذ تصمیم در شرایط پرمخاطره و غیرقطعی را فراهم
روند سلسله مراتبی تحلیلی ، یک تکنیک اخذ تصمیم چند معیاری است که بطور گسترده ای برای چارچوب بندی و حل مسائل تصمیم گیری، بکار برده می شود، این روش، با استفاده از یک ساختار سلسله مراتبی، امکان اخذ تصمیم را برطبق تجربه ی فردی، داوری منطقی و یا حتی تصورات شخصی، برای تصمیم گیرندگان،
رفع ناسازگاری با استفاده از روند سلسله مراتبی تحلیلی و بهبود آن بیشتر بخوانید »
این مدل [7]، یک روش ساده ولی منعطف است که برای بررسی ناسازگاری هایی که در آنها دو و یا تعداد بیشتری تصمیم گیرنده در رابطه با یک موضوع، اختلاف دارند، طراحی شده است [8]. محدوده ی وسیعی از موقعیتهای تصمیم گیری در زمینههای مختلف مانند اختلاف در مدیریت محیط، مدیریت نیروی انسانی، استراتژیهای نظامی