ПРИМЕНЕНИЕ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РАЗРАБОТКЕ АЛГОРИТМА ОЦЕНКИ УСТАЛОСТИ ВОДИТЕЛЯ
Аннотация
В данном исследовании разработан алгоритм для оценки уровня усталости водителя, основанный на анализе визуальных признаков, извлекаемых из видеопотока. Ключевыми индикаторами состояния водителя служат параметры, отражающие моргание, зевоту и направление взгляда. Для обработки визуальных данных применяются методы компьютерного зрения, реализованные с использованием библиотеки MediaPipe для обнаружения 3D-модели лица и ключевых точек в реальном времени. Модель классифицирует текущую зону внимания водителя, позволяя определить, куда направлен взгляд. Дополнительно алгоритм анализирует длительность и частоту морганий, а также автоматически фиксирует зевоту у водителя. В ходе тестирования алгоритм показал устойчивую работу в типовых условиях. Полученная точность классификации направления взгляда составила более 64%, что значительно превышает случайную вероятность и позволяет надежно идентифицировать основные зоны внимания. Проведенные тестирования подтвердили применимость предложенного решения в реальных условиях эксплуатации, а также его потенциальную интеграцию в интеллектуальные системы помощи водителю. Разработанный алгоритм имеет высокую практическую значимость и может быть интегрирован в существующие автомобильные системы помощи водителю. Алгоритм позволяет автоматически отслеживать взгляд водителя и его мимику, и при выявлении отклонений генерировать звуковой или визуальный сигнал о необходимости отдыха. Благодаря тому, что в разработанном алгоритме используется только веб-камера и легковесные модели машинного зрения, его внедрение требует минимальных аппаратных затрат по сравнению с дорогими специализированными датчиками.
Литература
Peruzzini M., Tonietti M., Iani C. Transdisciplinary design approach based on driver's work-load monitoring. Journal of Industrial Information Integration. 2019. Vol. 15. N 2. P. 91-102.
Wang F., Wu S., Zhang W. Multiple nonlinear features fusion based driving fatigue detection. Biomedical Signal Processing and Control. 2020. Vol. 62. N 3. P. 67-78.
Barot N. Optimal sleep habits in middle-aged adults. // Reference Module in Neuroscience and Biobehavioral Psychology. 2020. Vol. 30. N 1. P. 213–233.
Zhang Z., Li H., Wang Y., Zhang H. Driver fatigue detection based on video monitoring and deep learning neural networks. EURASIP Journal on Image and Video Processing. 2021. N 75. P. 1-12. DOI: 10.1186/s13640-021-00575-1.
Ghosh S., Dhall A., Sharma,G., Gupta S., Sebe N. Speak2Label: Using Domain Knowledge for Creating a Large Scale Driver Gaze Zone Estimation Dataset. https://ieeexplore.ieee.org/document/9607535/citations#citations.
Zhang K., Zhang Z., Li Z., Qiao Y. Joint Face Detection and Alignment using Multitask Cascaded Convolutional Networks. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2016. N 38(10). Р. 1-1.
Zhu T., Zhang C., Wu T., Ouyang Z., Li H., Na X., Liang J., Li W. Research on a Real Time Driver Fatigue Detection Algorithm Based on Facial Video Sequences. Applied Sciences. 2022. N 12(4).Р. 2224. DOI: 10.3390/APP12042224.
Khan S., Akram A., Usman N. Real time automatic attendance system for face recognition using face API and OpenCV. Wireless Personal Communications. 2020. Vol. 113. N 1. P. 469–480. DOI: 10.1007/s11277-020-07224-2.
Savaş B.K., Becerikli Y. Real time driver fatigue detection based on SVM algorithm. Materials of the 6th International Conference on Control Engineering and Information Technology (CEIT). 2018. P. 1-4. DOI: 10.1109/CEIT.2018.8751886.
Ramos A.L., Erandio J.C., Enteria E.M., Del Carmen N., Enriquez L.J., Mangilaya D.H. Driver drowsiness detection based on eye movement and yawning using facial landmark analysis. International Journal of Simulation: Systems, Science & Technology. 2019. V. 20. N S2. P. 37. DOI: 10.5013/IJSSST.A.20.S2.37.
Suwarno S., Kevin K. Analysis of face recognition algorithm: Dlib and openCV. Journal of Informatics and Telecommunication Engineering. 2020. V. 4. N 1. P. 173-184. DOI: 10.31289/jite.v4i1.3865.
Kutuzova A.S., Astrakhantsev G.V., Nodel A.G., Smirnov D.N. Artificial intelligence algorithms for forecasting indicators in cash collection activities. Ivecofin. 2023. N 04 (58). Р. 52-61. (in Russian).
Astrakhantseva I.A., Bobkov S.P., Kutuzova A.S. Simulation modeling of the behavior of subjects in a complex social system. Modern High Technologies. Regional Application. Vol. 72. N 4 (2022). P. 33-39. DOI: 10.6060/snt.20227204.0005. (in Russian).
Grigorov A.A., Kutuzova A.S. Mechanism of application of smart contracts in advocacy. Modern High Technologies. Regional Application. 2024. N 1 (77). P. 6-10. DOI: 10.6060/snt.20247701.0001. (in Russian).
Gorev S.V., Kutuzova A.S. Artificial Intelligence in Art: Estimating the Value of Artworks with the Help of Future Technologies. Ivecofin. 2024. N 04(62). P. 6-11. DOI: 10.6060/ivecofin.2024624.696. (in Russian).
Bobkov S.P., Astrakhancev R.G., Pavlova E.A. Research of the structure of flow in technological equipment using discrete dynamic models. Modern High Technologies. Regional Application. 2024. N 1 (77). P. 95-101. (in Russian).
Astrakhantsev R., Chuhno A., Dmukh A., Kurochkin A., Astrakhantseva I. Differences with high probability and impossible differentials for the KB-256 cipher. Journal of Computer Virology and Hacking Techniques. 2024. Vol. 20. N 3. P. 525-531. DOI: 10.1007/s11416-024-00532-2. EDN IQFPUV.
Astrakhantseva I.A., Astrakhantsev R.G., Usoltsev S.D., Makshanova A.O., Raitman O.A., Мarfin Yu.S. K-means analysis of spectral properties of BODIPY dye during compression on air - water interface: construction of dataset for effective clustering. Liquid Crystals and their Application. 2024. Vol. 24. N 2. P. 43-53. DOI: 10.18083/LCAppl.2024.2.43. EDN CXAIQV.
