Аннотация 2
ВВЕДЕНИЕ 6
1 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 8
1.1 Анализ методов и алгоритмов для распознавания психофизического
состояния человека 8
1.2 Обзор существующих решений, использующих анализ лица водителя
по видеопотоку 10
1.3 Аналитическое описание модели распознавания внимания водителя .. 14
1.3.1 Анализ алгоритмов распознавания состояния человека в
видеоаналитических системах 15
1.3.2 Библиотека OpenCV 17
1.3.3 Библиотека DLIB 19
1.3.4 Набор библиотек машинного обучения MediaPipe Solution 20
1.3.5 Распознавание закрытия глаз 21
1.3.6 Распознавание зевоты 22
1.3.7 Распознавание поворотов головы 24
1.4 Требования к разрабатываемому комплексу 26
1.5 Выбор алгоритмов и программных компонентов 27
Выводы по первой главе 27
2 РАЗРАБОТКА СТРУКТУРЫ ПРОГРАММНО-АППАРАТНОГО
КОМПЛЕКСА И ВЫБОР АППАРАТНЫХ МОДУЛЕЙ 29
2.1 Структура комплекса 29
2.2 Анализ и выбор электронных компонентов 31
2.2.1 Выбор цифровой камеры 32
2.2.2 Выбор модуля обработки информации 35
2.2.3 Выбор приемника GPS/ГЛОНАСС 40
2.2.4 Блок питания 41
Выводы по второй главе 42
3 РАЗРАБОТКА ПРОГРАММНОЙ ЧАСТИ ПРОГРАММНО¬
АППАРАТНОГО КОМПЛЕКСА 43
3.1 Алгоритм работы комплекса 43
3.1.1 Обработка морганий 44
3.1.2 Обработка зевоты 45
3.1.3 Обработка позиций головы 46
3.2 Организация обмена информацией 49
3.3 Интерфейс пользователя (диспетчера) 49
Выводы по третьей главе 50
ЗАКЛЮЧЕНИЕ 51
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 52
Транспортное средство должно быть безопасным. А это зависит не только от качества автомобиля и сервиса, но и от концентрации внимания водителя, которая падает при переутомлении.
Водитель является ключевой фигурой дорожного движения наряду с такими составляющими, как «дорога» и «автомобиль». Именно по вине водителей совершается две трети всех аварий, одной из причин ДТП является психофизиологическое состояние человека за рулем. У водителя, который утомился за рулем, ухудшаются восприятие, память, мышление и внимательность, уменьшается острота зрения, нарушается координация движений, увеличивается время реакции, учащается пульс, теряется чувство скорости. Научное исследование о причинах дорожно-транспортных происшествий с участием европейских грузовиков, проведенное в 2007 году международным союзом автомобильного транспорта IRU показало, что в 6 % случаев основной причиной аварии была усталость водителя и в 37 % случаях в таких авариях был летальный исход [1].
Одним из решений данного вопроса является ограничение времени, которое водитель проводит за рулём. Тахографы - это устройства, которые в настоящее время успешно контролируют режим труда и отдыха водителей. Бортовые самописцы начали внедряться активно с 2007 года и сейчас их установка является обязательной. Устройства регистрируют скорость, пройденное транспортным средством расстояние и время, проведенное каждым водителем за рулем. Благодаря тахографам количество ДТП с участием коммерческого транспорта значительно сократилось [2].
Применение тахографа позволяет фиксировать режим работы водителя, а также определять время, проведенного за рулем и в покое. Однако, следует иметь в виду, что это устройство не способно с точностью оценить уровень усталости конкретного водителя, т.к. иногда водители выходят на работу уже уставшими. Для решения данной задачи можно использовать систему компьютерного зрения, которая будет оценивать насколько внимательно водитель следит за дорогой и определять признаки усталости и снижения внимания по характеру морганий, направлению взгляда, зевкам и наклонам головы.
Целью работы является разработка программно-аппаратного комплекса контроля внимания водителя автомобильных грузовых и пассажирских перевозок.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Провести обзор и сравнительный анализ характеристик существующих отечественных и зарубежных решений.
2. Выбрать алгоритм распознавания усталости.
3. Выбрать аппаратную часть комплекса.
4. Разработать программное обеспечение.
Объектом исследования является программно-аппаратный комплекс контроля внимания водителя автомобильных грузовых и пассажирских перевозок. Предметом исследования является аппаратная, алгоритмическая и программная часть комплекса.
В работе проведён анализ существующих на рынке устройств контроля внимания водителя автомобильных грузовых и пассажирских перевозок, рассмотрены их достоинства и недостатки. На основе проведенного анализа предложена структура комплекса. Осуществлен выбор электронных компонентов и программных модулей комплекса, разработаны и реализованы алгоритмы распознавания моргания глаз, зевоты и поворотов головы.
Ключевыми частями комплекса являются камера и блок обработки. Камера устанавливается в салоне транспортного средства, получает видеоизображение головы водителя и передает его в блок обработки, который на основе алгоритмов компьютерного зрения распознает уровни внимания и утомления.
Комплекс позволяет получать информацию о том, насколько водитель сконцентрирован на управлении автомобилем, а также определять потенциально опасные ситуации на дороге и сигнализировать водителю о них. Дополнительно, информация об опасных ситуациях передается на сервер транспортной компании и сохраняется там для анализа. Диспетчер в режиме реального времени просматривает её и принимает решение о работе водителя
Разработанное программное обеспечение комплекса позволяет распознать признаки усталости и невнимательности водителя с точностью более 90 %.
Внедрение программно-аппаратного комплекса контроля внимания водителя автомобильных грузовых и пассажирских позволяет снизить аварийность и, следовательно, улучшить качество и среднюю скорость доставки пассажиров и грузов, уменьшить количество штрафов, получаемых водителем, что в сумме положительно скажется на деловой репутации предприятия.
Одним из недостатков комплекса является зависимость качества распознавания лиц от цвета кожи водителя. Текущая версия достаточно точно работает со светлой кожей и смуглой кожей, и плохо с темной кожей. Для решения этого недостатка требуется использовать 2 камеры и дополнительные алгоритмы распознавания.
В дальнейшем программная часть комплекса может быть улучшена за счет добавления новых алгоритмов распознавания действий водителя, например, курения или разговора по телефону. Так же планируется полностью заменить диспетчера на систему с искусственным интеллектом. Для этого собирается набор данных, состоящий из видеофайлов с действиями водителей, который будет использован для обучения нейросети.
