Применение методов распознавания образов при анализе состояния водителя для оценки степени усталости с использованием нейро-сетевых технологий
DOI:
https://doi.org/10.5281/zenodo.15586015Ключевые слова:
методы распознавания образов, искусственный интеллект, сверточные нейронные сети, состояние водителяЛицензия
Аннотация
В статье рассмотрены методы распознавания образов, решающие актуальную задачу анализа изображений. Среди рассмотренных методов отдано предпочтение системам распознавания образов на основе искусственного интеллекта. Наиболее эффективной и точной методикой является методика обучения глубоких нейронных сетей. Авторами было разработано мобильное приложение для определения усталости водителя, основанное на использовании сверточных нейронных сетей. Данные предварительно были обработаны, а именно они были очищены вручную путем удаления нежелательных изображений, которые не являлись необходимыми для построения модели. Данные содержат около 7000 изображений глаз людей при различных условиях освещения. Предложенное мобильное приложение достаточно надежно и эффективно, и позволит повысить общедоступность систем контроля усталости водителя.
Скачивания
Библиографические ссылки
1. Алексеев, И. П. Перспективы применения капсульных нейронных сетей в распознавании объектов на изображениях / И. П. Алексеев, Т. В. Лаптева // КИП и автоматика: обслуживание и ремонт. – 2022. – № 1. – С. 50-53. – EDN BEVXOS.
2. Хамитов, Р. М. Применение искусственного интеллекта в транспорте и логистике / Р. М. Хамитов // Актуальные проблемы транспорта в XXI веке: Труды II Международной научно-практической конференции, Новокузнецк, 12–13 апреля 2023 года / Под редакцией О.В. Князькиной. – Новокузнец: Сибирский государственный индустриальный университет, 2023. – С. 88-92. – EDN DXWAOA.
3. Зарипова, Р. С. Перспективы развития искусственного интеллекта в условиях развития цифровой экономики / Р. С. Зарипова, О. А. Рочева, И. Т. Гайсин // Наука Красноярья. – 2023. – Т. 12, № 1-3. – С. 42-46. – EDN PJBHBM.
4. Магомадова, А. Р. Влияние искусственного интеллекта на обработку естественного языка в ит-технологиях / А. Р. Магомадова, А. Ш. Сапарбиев, А. В. Натальсон // Научно-технический вестник Поволжья. – 2023. – № 12. – С. 323-325. – EDN UFJNRV.
5. Парфенов, А. А. Области применения искусственного интеллекта / А. А. Парфенов, Р. И. Эшелиоглу // Аллея науки. – 2018. – Т. 3, № 4(20). – С. 975-977. – EDN XOYBUT.
6. Салтанаева, Е. А. Автомобильные комплексные системы контроля состояния водителя / Е. А. Салтанаева, С. М. Куценко // International Journal of Advanced Studies. – 2023. – Т. 13, № 3-2. – С. 33-38. – EDN WXHSTD.
7. Мартин, Р. Чистая архитектура. Искусство разработки программного обеспечения / Р. Мартин. – Спб: Питер, 2022. – 352 с.
8. Лукашкин, Н. А. Глубокое обучение для обработки данных / Н. А. Лукашкин. – М: ДМК Пресс, 2018. – 392 с.
9. Станиславский, К. О. Обработка изображений с помощью нейронных сетей / К. О. Станиславский. – М: Лань, 2018. – 256 с.
10. Скударь, Ю. В. Глубокое обучение для разработчиков / Ю. В. Скударь, М. П. Кузнецов. – М: ООО «Диалектика», 2018. – 304 с.
11. Сафин, Р. Ф. Нейросети и глубокое обучение / Р. Ф. Сафин, Т. В. Гайфуллин. – М: БХВ-Петербург, 2018. – 352 с.
12. Иванов, А. А. Глубокое обучение / А. А. Иванов. – М: БХВ-Петербург, 2018. – 108 с.
13. Григорьев, А. Машинное обучение. Портфолио реальных проектов / А. Григорьев. – Спб: Питер, 2023. – 496 с.
14. Куценко, С. М. Выбор инструментов построения нейронной сети / С. М. Куценко, Е. А. Салтанаева // Научно-технический вестник Поволжья. – 2023. – № 12. – С. 313-315. – EDN AWNBLJ.
15. Хайкин, С. Нейронные сети: полный курс / С. Хайкин. – М.: ООО «Диалектика», 2019. – 1104 c.
16. Шолле, Ф. Глубокое обучение на Python / Ф. Шолле. – М.: ООО «И.Д. Вильямс», 2019. – 312 с.
17. Траск, Э. Грокаем глубокое обучение / Э. Траск. – Спб: Питер, 2022. – 352 с.
18. Плас, Дж. Python для сложных задач: наука о данных и машинное обучение / Дж. Плас. – СПб: Питер, 2021. – 576 с.
19. Орельен, Ж. Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем / Ж. Орельен. – СПб: ООО "Диалектика", 2020. – 1040 с.
20. Шорина, Т. В. распознавание визуальных образов средствами языка программирования Python / Т. В. Шорина, Р. М. Хамитов // Научно-технический вестник Поволжья. – 2023. – № 12. – С. 639-641. – EDN HVYLBA.
21. Бардашова, А. И. Система визуального анализа состояния водителя во время движения / А. И. Бардашова, Е. А. Салтанаева // Вопросы науки и образования: теоретические и практические аспекты: материалы Международной (заочной) научно-практической конференции, Прага, 17 мая 2023 года. – Нефтекамск: Научно-издательский центр "Мир науки" (ИП Вострецов Александр Ильич), 2023. – С. 13-15. – EDN JAMMBK.
REFERENCES LIST
1. Alekseev, I. P. Perspektivy primeneniia kapsulnykh neironnykh setei v raspoznavanii obieektov na izobrazheniiakh / I. P. Alekseev, T. V. Lapteva // KIP i avtomatika: obsluzhivanie i remont. – 2022. – № 1. – S. 50-53. – EDN BEVXOS.
2. Khamitov, R. M. Primenenie iskusstvennogo intellekta v transporte i logistike / R. M. Khamitov // Aktualnye problemy transporta v XXI veke: Trudy II Mezhdunarodnoi nauchno-prakticheskoi konferentsii, Novokuznetsk, 12–13 aprelia 2023 goda / Pod redaktsiei O.V. Kniazkinoi. – Novokuznets: Sibirskii gosudarstvennyi industrialnyi universitet, 2023. – S. 88-92. – EDN DXWAOA.
3. Zaripova, R. S. Perspektivy razvitiia iskusstvennogo intellekta v usloviiakh razvitiia tsifrovoi ekonomiki / R. S. Zaripova, O. A. Rocheva, I. T. Gaisin // Nauka Krasnoiaria. – 2023. – T. 12, № 1-3. – S. 42-46. – EDN PJBHBM.
4. Magomadova, A. R. Vliianie iskusstvennogo intellekta na obrabotku estestvennogo iazyka v it-tekhnologiiakh / A. R. Magomadova, A. Sh. Saparbiev, A. V. Natalson // Nauchno-tekhnicheskii vestnik Povolzhia. – 2023. – № 12. – S. 323-325. – EDN UFJNRV.
5. Parfenov, A. A. Oblasti primeneniia iskusstvennogo intellekta / A. A. Parfenov, R. I. Eshelioglu // Alleia nauki. – 2018. – T. 3, № 4(20). – S. 975-977. – EDN XOYBUT.
6. Saltanaeva, E. A. Avtomobilnye kompleksnye sistemy kontrolia sostoianiia voditelia / E. A. Saltanaeva, S. M. Kutsenko // International Journal of Advanced Studies. – 2023. – T. 13, № 3-2. – S. 33-38. – EDN WXHSTD.
7. Martin, R. Chistaia arkhitektura. Iskusstvo razrabotki programmnogo obespecheniia / R. Martin. – Spb: Piter, 2022. – 352 s.
8. Lukashkin, N. A. Glubokoe obuchenie dlia obrabotki dannykh / N. A. Lukashkin. – M: DMK Press, 2018. – 392 s.
9. Stanislavskii, K. O. Obrabotka izobrazhenii s pomoshchiu neironnykh setei / K. O. Stanislavskii. – M: Lan, 2018. – 256 s.
10. Skudar, Iu. V. Glubokoe obuchenie dlia razrabotchikov / Iu. V. Skudar, M. P. Kuznetsov. – M: OOO «Dialektika», 2018. – 304 s.
11. Safin, R. F. Neiroseti i glubokoe obuchenie / R. F. Safin, T. V. Gaifullin. – M: BKhV-Peterburg, 2018. – 352 s.
12. Ivanov, A. A. Glubokoe obuchenie / A. A. Ivanov. – M: BKhV-Peterburg, 2018. – 108 s.
13. Grigorev, A. Mashinnoe obuchenie. Portfolio realnykh proektov / A. Grigorev. – Spb: Piter, 2023. – 496 s.
14. Kutsenko, S. M. Vybor instrumentov postroeniia neironnoi seti / S. M. Kutsenko, E. A. Saltanaeva // Nauchno-tekhnicheskii vestnik Povolzhia. – 2023. – № 12. – S. 313-315. – EDN AWNBLJ.
15. Khaikin, S. Neironnye seti: polnyi kurs / S. Khaikin. – M.: OOO «Dialektika», 2019. – 1104 c.
16. Sholle, F. Glubokoe obuchenie na Python / F. Sholle. – M.: OOO «I.D. Viliams», 2019. – 312 s.
17. Trask, E. Grokaem glubokoe obuchenie / E. Trask. – Spb: Piter, 2022. – 352 s.
18. Plas, Dzh. Python dlia slozhnykh zadach: nauka o dannykh i mashinnoe obuchenie / Dzh. Plas. – SPb: Piter, 2021. – 576 s.
19. Orelen, Zh. Prikladnoe mashinnoe obuchenie s pomoshchiu Scikit-Learn, Keras i TensorFlow: kontseptsii, instrumenty i tekhniki dlia sozdaniia intellektualnykh sistem / Zh. Orelen. – SPb: OOO Dialektika, 2020. – 1040 s.
20. Shorina, T. V. raspoznavanie vizualnykh obrazov sredstvami iazyka programmirovaniia Python / T. V. Shorina, R. M. Khamitov // Nauchno-tekhnicheskii vestnik Povolzhia. – 2023. – № 12. – S. 639-641. – EDN HVYLBA.
21. Bardashova, A. I. Sistema vizualnogo analiza sostoianiia voditelia vo vremia dvizheniia / A. I. Bardashova, E. A. Saltanaeva // Voprosy nauki i obrazovaniia: teoreticheskie i prakticheskie aspekty: materialy Mezhdunarodnoi (zaochnoi) nauchno-prakticheskoi konferentsii, Praga, 17 maia 2023 goda. – Neftekamsk: Nauchno-izdatelskii tsentr Mir nauki (IP Vostretsov Aleksandr Ilich), 2023. – S. 13-15. – EDN JAMMBK.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
