Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/50439
| Title: | ระบบเตือนภัยผู้ขับรถจากความเมื่อยล้ากรณีสัปหงกโดยใช้ภาพความลึกจากกล้องคิเน็กต์ |
| Other Titles: | FATIGUE WARNING SYSTEM FOR DRIVER NODDING OFF USING DEPTH IMAGE FROM KINECT CAMERA |
| Authors: | จิรเมธ ว่องพรรณงาม |
| Advisors: | สุรีย์ พุ่มรินทร์ |
| Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์ |
| Advisor's Email: | Suree.P@Chula.ac.th,pumrin.s@gmail.com,pumrin.s@gmail.com |
| Issue Date: | 2558 |
| Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
| Abstract: | วิทยานิพนธ์เล่มนี้ได้นำเสนอระบบเตือนภัยผู้ขับรถจากความเมื่อยล้ากรณีสัปหงกด้วยโปรแกรมประยุกต์บนคอมพิวเตอร์ที่รับภาพความลึกจากกล้องคิเน็กต์มาประมวลผล เพื่อตรวจสอบการสัปหงกของผู้ขับรถสำหรับการป้องกันการเกิดอุบัติเหตุบนท้องถนน และวิธีการตรวจหาใบหน้าและดวงตาโดยใช้ภาพความลึกจากกล้องคิเน็กต์บนพื้นฐานวิธีการจำแนกประเภทแบบเอชเค สำหรับการตรวจสอบการสัปหงกนั้นจะตรวจสอบค่ามุมพิตช์ของท่าทางของศีรษะผู้ขับรถด้วยวีธีการป่าสุ่มแบ่งแยกการถดถอย เมื่อผู้ขับรถเกิดการสัปหงกขึ้นระบบจะเตือนผู้ขับรถด้วยเสียงเพื่อทำให้ผู้ขับรถรู้สึกตื่นตัว สำหรับระบบนี้ได้ติดตั้งกล้องคิเน็กต์ไว้ภายในรถเท่านั้น ไม่ต้องติดตั้งอุปกรณ์เสริมต่อผู้ขับรถ ทำให้เกิดความสะดวกสบายต่อการใช้งาน และระบบสามารถทำงานได้ทั้งกลางวันและกลางคืน การทดสอบได้เปรียบเทียบค่ามุมพิตช์ที่วัดได้จากการประมาณค่าด้วยวิธีป่าสุ่มแบ่งแยกการถดถอยที่ใช้ในระบบนี้และมอดูลวัดความเร่งสามแกน ซึ่งผลลัพธ์ที่ได้ค่ามุมพิตช์ของทั้งสองมีความสัมพันธ์กันอย่างมีนัยสำคัญ การทดสอบค่าความไวกับกลุ่มภาพจำนวน 160 ภาพ ที่ประกอบด้วยทิศทางการมองของศีรษะ 4 ทิศทาง ต่อคน รวมทั้งหมด 40 คน ซึ่งผลลัพธ์ที่ได้ คือ 93.75% การทดสอบค่าความไวกับการใช้งานในสถาณการณ์จริง ระบบได้ทดสอบด้วยจำนวน 2,676 เฟรม ในเวลากลางวัน ได้ผลลัพธ์ คือ 94.28% และทดสอบในเวลากลางคืนด้วยจำนวน 2,036 เฟรม ได้ผลลัพธ์ คือ 95.13% |
| Other Abstract: | This thesis presents a fatigue warning system for driver nodding off using depth image from Kinect camera. Our algorithm consists of face and eye detection based on HK-classification. A fatigue warning system is built by Windows Application for monitoring a driver behavior and alerts him/her with alarm sounds. Face detection and head pose estimation transform Kinect depth images into gradient images to detect driver’s face. Then it applies Discriminative Random Regression Forests (DRRF) to get angles of head rotation and analyses a pitch angle of head rotation to detect a driver nodding off. Our system is easy to setup and does not make a driver uncomfortable. It uses only Kinect camera and can handle various situations both in daytime and night time. The experimental results compare pitch angles of head pose estimation using DRRF and 3-axis accelerometer module. Measurement results of the two setup are significantly correlated. The overall system performance is evaluated using 160 images data set of four head positions of 40 people show 93.75% sensitivity. In real situations, the empirical results with 2,676 frames show 94.28% sensitivity at daytime, and 2,036 frames show 95.13% sensitivity at night time. |
| Description: | วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2558 |
| Degree Name: | วิศวกรรมศาสตรมหาบัณฑิต |
| Degree Level: | ปริญญาโท |
| Degree Discipline: | วิศวกรรมไฟฟ้า |
| URI: | http://cuir.car.chula.ac.th/handle/123456789/50439 |
| Type: | Thesis |
| Appears in Collections: | Eng - Theses |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 5770139121.pdf | 5.06 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.