Raspberry Pi 4 ile Sürücü Yorgunluk Tespiti ve Uyarı Sistemi
Öz
Sürücü Yorgunluk tespit sistemleri, sürücüyü izleyerek, normal sürüş alışkanlığı dışında farklı tutum algılanması durumunda bunun yorgunluktan kaynaklandığını tespit ederek, sürücünün yolculuğa ara verilmesi gerektiğini uyarmaktadır. Bu sayede, sürücüye doğru karar vermesi konusunda destek sağlamaktadır. Bu çalışmada, sürücü yorgunluk tespiti ve uyarı sistemi ile sürücünün yorgunluğundan kaynaklanan trafik kazalarının uyarıcı bir sistemle engellenmesi amaçlanmıştır. Sistem, sürücünün göz hareketlerindeki değişimleri gerçek zamanlı olarak analiz etmekte ve gerektiğinde sürücüye uyarı vermektedir. Bu sayede daha güvenli bir sürüş sağlanacaktır.
Önerilen sistem sürücünün yorgunluğunu tespit etmek için çeşitli aşamalardan oluşmaktadır. Sürücünün yüz ve göz bölgelerinin tespit edilip her kare işlendikten sonra göz kırpma yüzdesi hesaplanarak sürücü yorgunluğu tespit edilmiştir. Sistemde gömülü sistem olarak Raspbian işletim sistemine sahip Raspberry Pi 4 kullanılmıştır ve OpenCV kütüphanesinden yararlanılmıştır.
Anahtar Kelimeler
Kaynakça
- T. D’Orazio, M. Leo, C. Guaragnella, A. Distante, A visual approach for driver inattention detection. Pattern Recog. 2007, 40, 2341–2355.
- M. Patel, S.K.L. Lal, D. Kavanagh, P. Rossiter, Applying Neural Network Analysis On Heart Rate Variability Data To Assess Driver Fatigue. Exp. Syst. Appl. 2011, 38, 7235–7242.
- L.M. Bergasa, J. Nuevo, M.A. Sotelo, R. Barea, M.E. Lopez, Real-Time System For Monitoring Driver Vigilance. IEEE Trans. Intell. Transport. Syst. 2006, 7, 63–77.
- Z. Zhang, J. Zhang, A new real-time eye tracking based on nonlinear unscented Kalman filter for monitoring driver fatigue. J. Contr. Theor. Appl. 2010, 8, 181–188.
- L. Pauly and D. Sankar, “Detection of drowsiness based on hog features and svm classifiers,” in 2015 IEEE International Conference on Research in Computational Intelligence and Communication Networks (ICRCICN), pp. 181–186, Nov 2015.
- A. Ercil, G. Littlewort, M. Bartlett, J. Movellan, Human Computer Interaction. Vol. 4796. Springer; Berlin, Germany: 2007. Drowsy driver detection through facial movement analysis; pp. 6–18.181–18.
- T. Danisman, I.M. Bilasco, C. Djeraba and N. Ihaddadene, 2010 “Drowsy driver detection system using eye blink patterns.” 2010 Int. Conf. Mach. Web Intell. ICMWI 2010 – Proc., pp. 230–233.
- M. Flores, J. Armingol, A. de la Escalera, Driver drowsiness warning system using visual information for both diurnal and nocturnal illumination conditions.EURASIP J. Adv. Signal Process.,2010, 438205.
- S. Mehta, S. Dadhich, S. Gumber and A.Jadhav Bhatt, “Real-Time Driver Drowsiness Detection System Using Eye Aspect Ratio and Eye ClosureRatio,”SSRN Electronic Journal, pp. 1333–1339, 2019.
- T. Soukupova and J. Cech. Real-Time Eye Blink Detection using Facial Landmarks. Center for Machine Perception, Department of Cybernetics Faculty of Electrical Engineering, Czech Technical University in Prague. Prague,2016.
