Sürücü yorgunluk düzeyinin tespiti

Abstract

Günümüzde birçok insan trafik kazalarında hayatını kaybetmektedir. Ölüme veya yaralanmaya neden olan altı kazadan biri, sürücü yorgunluğundan kaynaklanmaktadır. Yorgunluktan kaynaklanan kazaların çoğu, otoyollar gibi monoton yollarda yapılan uzun yolculuklarda meydana gelir. Sürücülerin uykusuzluk ve yorgunlukları ölümlü trafik kazalarının en önemli nedeni olarak gösteriliyor. Bu çalışma, sürücülerin yorgun mu yoksa zinde mi olduğuna karar veren yeni bir sistem sunmaktadır. Önerilen sistem, üç farklı faktör kullanarak uyuşukluk ve yorgunluğu kontrol eder: göz en-boy oranı, esneme tespiti ve yüz konumlandırma. İlk aşamada göz bölgeleri tespit edilerek dijital kamera ile takip edilir ve en-boy oranı izlenir. İkinci aşamada, sürücünün döngü boyunca ne kadar esnediği tespit edilir. Bu aşamanın sonunda, sürücü konforunu tahmin etmek için yüz pozisyonu analiz edilir. Son olarak bu üç yöntem bir sistem tarafından sürücü yorgunluğunu tahmin etmek için kullanılır ve bu özellikler bir yapay sinir ağının değerlendirmesine sunularak sürücünün yorgun olup olmadığına karar verilir. Deneysel sonuçlar, kullanılan veri seti üzerinden insanların yorgunluk derecesinin %96 doğrulukla ölçülebildiğini göstermektedir.Today, many people lose their lives in traffic accidents. One in six crashes that cause death or injury is due to driver fatigue. Most fatigue crashes happen on long journeys taken on monotonous roads, like motorways. Insomnia and fatigue of drivers are shown as the most important cause of fatal traffic accidents. This study presents a new system that decides whether the drivers are tired or fresh. The proposed system checks for drowsiness and fatigue using three different factors: eye aspect ratio, yawning detection, and facial positioning. In the first stage, eye regions are detected and followed by a digital camera, and the aspect ratio is monitored. In the second stage, yawning is detected as to how much the driver is yawning throughout the cycle. At the end of this stage, the facial position is analyzed to predict driver comfort. Finally, these three methods are used by a system to predict driver fatigue, and it is decided whether the driver is tired by presenting these features to the evaluation of an artificial neural network. Experimental results show that the degree of fatigue of people can be measured accurately with a 96% accuracy over the used data set.