Uykululuk halinin önceden tespit edilmesi, uykululuğa bağlı trafik kazalarını önlemek,
fiziksel ve ekonomik kayıpların önüne geçmek açısından önemlidir. Bir kamera yardımı
ile kişilerin görüntüleri üzerinde görüntü işleme teknikleri uygulanarak uykululuk halini
önceden kestirmek mümkündür. Bu çalışmada, literatürdeki veri kümelerinden
yararlanılarak uykululuk halinin tespit edilmesinde büyük bilgiye sahip olan göz
bölgesinden gelen öznitelikler ile göz kırpma tespiti yapmak için sabit ve uyarlamalı eşik
değerleri ayrı ayrı değerlendirilmiştir. Böylece, kısa süreli göz kırpma ile uzun süreli göz
kapamanın daha iyi ayırt edilmesi hedeflenmiştir. Çalışmada önerilen uyarlamalı eşik
değerinin sabit bir eşik değerinden çok daha başarılı göz kırpma tespiti sonuçları verdiği,
iki farklı veri kümesi üzerinde yapılan deneyler ile doğrulanmıştır.
Görüntü işlemi Yapay zekâ Uykululuk Yüz tanıma Göz kırpma algılama
Detecting drowsiness in advance is very important for preventing traffic possible
accidents due to fatigue which result in physical and economic losses. It is possible to
predict drowsiness by applying computer vision techniques to facial videos captures
using a camera. In this study, the features from the eye region, which carry a lot of
information for drowsiness detection were evaluated for eye-blink detection with fixed
and adaptive thresholds using the datasets in the literature. The goal was to better
discriminate short eye-blinks and longer eye closures. It was experimentally confirmed
on two different datasets confirmed that the proposed adaptive thresholding method
gives more accurate eye-blink detection results as compared to the fixed threshold.
Image processing Artificial intelligence Drowsiness Face detection Eyeblink detection
Birincil Dil | Türkçe |
---|---|
Konular | Bilgisayar Yazılımı |
Bölüm | Araştırma Makaleleri |
Yazarlar | |
Erken Görünüm Tarihi | 21 Ağustos 2023 |
Yayımlanma Tarihi | 21 Ağustos 2023 |
Kabul Tarihi | 28 Nisan 2023 |
Yayımlandığı Sayı | Yıl 2023 Cilt: 31 Sayı: 2 |