| عنوان فارسی مقاله: |
بررسی حرکت آهسته چشم در تشخیص خستگی راننده با روش یادگیری ماشینی |
| عنوان انگلیسی مقاله: |
Recognizing Slow Eye Movement for Driver Fatigue Detection with Machine Learning Approach |
چکیده
حرکت آهسته چشم به عنوان نشانه ای برای خواب در نظر گرفته می شود و برای تشخیص خواب آلودگی راننده اهمیت دارد اما مشخصه ها و الگوریتم های تشخیص آن به مطالعه بر روی انواع خستگی ایجاد شده در رانندگان بستگی دارد. در این مقاله برخی ویژگی های استخراج شده بر اساس تحلیل های آماری و برای تشخیص SEM وجود دارد. 6 نفر در این آزمایش شبیه سازی رانندگی شرکت کردند و برای هر فرد، بیش از دو ساعت نمودارهای الکتریکی (EOG) ثبت شد. هر جلسه به بررسی رفتارهای SEM و NON-SEM برای بررسی های متداول با کمک دو یا سه متخصص و با معیار تخصیص بصری صورت گرفت. در ارتباط با مسائل تشخیص SEM به عنوان مسائل طبقه بندی نامتعادل، و از طریق روش های زیر نمونه و پیش نمونه گیری، روش سیگنال نمودار الکتریکی افقی در نهایت به عنوان روشی برای طبقه بندی و تشخیص SEM و NON-SEM با طبقه بندی SVM، HELM و KNN به ترتیب استفاده گردید. نتایج نشان می دهد ویژگی های مورد نظر یافت شده کمی دارای نتایج بهتری نسبت به ویژگی های انرژی های موجی بود، و در مورد ترکیب ویژگی های موج انرژی و وِزگی های جدید بر اساس تحلیل و آماره تکینگی موجی، طبقه بندی نتایج بهبود یافته بود.
