۴- تا زمانی که F_i > F_target می‏باشد، دستورات زیر انجام شود:
۴-۱- i = i + 1 ، n_i = ۰ و F_i = F_i-1.
۴-۲- تا زمانی که F_i > f × F_i-1 است، دستورات زیر را انجام شود:
۴-۲-۱- n_i = n_i + ۱.
۴-۲-۲- با بهره گرفتن از مجموعه‏های P و N یک طبقه‏بندی‏کننده قوی شامل n_i ویژگی آموزش داده شود.
۴-۲-۳- با بهره گرفتن از مجموعه آزمایشی، مقدار F_i و D_i طبقه‏بندی‏کننده چند لایه کنونی محاسبه شود.
۴-۲-۴- مقدار حدآستانه طبقه‏بندی‏کننده قوی لایه i، تا زمانی که مقدار D_i بیشتر از d × D_i-1 شود، کاهش یابد. کاهش مقدار حد آستانه باعث افزایش F_i نیز می‏شود.
۴-۴- اگر F_i > F_target است، طبقه‏بندی‏کننده چند لایه فعلی (شامل i لایه) با مجموعه N مورد ارزیابی قرار گیرد، سپس تمام عناصر N به جز عناصری که به اشتباه جزو تصاویر مثبت (چهره) آشکارسازی شده‏اند، پاک شود.
شکل ‏۳‑۸: الگوریتم تشکیل یک درخت تصمیم آبشاری بر اساس چند طبقه‏بندی‏کننده قوی [۳۳]
برای کاهش نرخ آشکارسازی اشتباه الگوریتم آشکارسازی چهره معمولا تعداد تصاویر غیرچهره بیشتر از تصاویر چهره است (چند یا چند ده برابر). آموزش یک‏باره سیستم با تمام داده‏های آموزشی نیاز به حافظه بسیار زیاد و زمان زیاد دارد. به همین دلیل معمولا در آموزش درخت تصمیم، در مرحله ساخت هریک از گره‏ها، از تمام تصاویر چهره و تعدادی از تصاویر غیرچهره استفاده می‏شود. معمولا تعداد تصاویر غیرچهره که برای ساخت یک گره از درخت تصمیم استفاده می‏شود، برابر با تعداد تصاویر چهره است. سایر تصاویر غیرچهره برای تشکیل گره‏های بعدی درخت مورد استفاده قرار خواهد گرفت. پس از ساخت هر گره، تصاویر غیرچهره‏ای که توسط آن گره به اشتباه چهره شناخته می‏شوند، به همراه تعداد دیگری از تصاویر غیرچهره جدید، به عنوان بخشی از تصاویر غیرچهره آموزشی گره بعد استفاده خواهد شد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

ردیابی چهره
همان گونه که قبلا توضیح داده شد، دو مرحله اصلی در ردیابی عبارتند از: تخمین حرکت و تطابق. برای مرحله تخمین حرکت از روش پنجره جستجو و برای مرحله تطابق از محاسبه ضریب همبستگی و مجموع قدرمطلق تفاضل (SAD) استفاده شده است.
پنجره جستجو
جستجو در پنجره جستجو به چندین روش مختلف قابل اجرا است. از جمله مهمترین روش‏های جستجو می‏توان به جستجوی کامل^[۱۱۵]، جستجوی لگاریتمی دوبعدی^[۱۱۶] و جستجوی چند مرحله‏ای^[۱۱۷] اشاره کرد. براساس نتایج ارائه شده در [۵۵]، بهترین دقت مربوط به روش جستجوی کامل است، هرچند این روش بیشترین پیچیدگی محاسباتی را دارد. در این نتایج روش جستجوی چند مرحله‏ای از لحاظ حجم محاسبات و دقت جستجو مناسب‏ترین روش جستجو گزارش شده است. در آزمایشات انجام شده از دو روش جستجوی کامل و جستجوی چند مرحله‏ای استفاده شده است.
جستجوی کامل
در روش جستجوی کامل، از تمام نقاط پنجره جستجو برای محاسبه میزان انطباق قالب شی و تصویر استفاده می‏شود. اگر اندازه پنجره جستجو M×N باشد، تعداد نقاط جستجو برابر M×N نقطه خواهد بود. به دلیل این‏که تمام نقاط پنجره مورد جستجو قرار می‏گیرد، بهترین نقطه‏ای که بیشترین تطابق را دارد به عنوان مکان شی تشخیص داده خواهد شد. اما حجم محاسبات این روش بسیار زیاد است. یکی از راهکارهای کاهش حجم محاسبات در روش جستجوی کامل، استفاده از گام‏های یکسان بزرگتر از یک برای جستجو در پنجره می‏باشد. به عنوان مثال به جای محاسبه میزان انطباق در تک‏تک پیکسل‏ها (تمام ردیف‏ها و ستون‏های پنجره)، محاسبه میزان انطباق فقط در پیکسل‏هایی انجام شود که در ردیف و ستون زوج قرار دارند. به این ترتیب تعداد نقاط مورد جستجو به حدود یک چهارم کاهش خواهد یافت.
جستجوی چند مرحله‏ای
جستجوی چند مرحله‏ای یک روش سلسله مراتبی^[۱۱۸] محسوب می‏گردد. به عبارت دیگر در مراحل ابتدایی جستجو، گام‏های جستجو بزرگ می‏باشد و با افزایش تعداد مراحل، گام‏ها کوچک‏تر و دقت جستجو بیشتر می‏شود. در این روش، جستجو از مرکز پنجره و ۸ نقطه اطراف آن آغاز می‏شود. در هر مرحله، نقطه‏ای که بیشترین انطباق در آن رخ داده به عنوان مرکز انتخاب شده و عمل جستجو به مرکزیت آن نقطه و با گامی برابر نصف گام قبلی انجام می‏گیرد. جستجو زمانی پایان می‏یابد که طول گام جستجو به یک برسد. در شکل ‏۳‑۹ روند جستجوی سه مرحله‏ای نمایش داده شده است. جستجوی چند مرحله‏ای با کاهش تعداد نقاط جستجو، حجم محاسبات را کاهش داده و باعث افزایش سرعت ردیابی می‏شود.
روند جستجوی سه مرحله‏ای با بزرگی نقاط تعیین شده است. جستجو از نقاط بزرگتر شروع شده و در نهایت به نقطه تیره ختم می‏شود.
شکل ‏۳‑۹: نمایش چگونگی انجام جستجوی سه مرحله‏ای
معیار تطابق
دو معیار تطابق برای ردیابی چهره استفاده شد: ضریب همبستگی و مجموع قدرمطلق تفاضل (SAD). هرچند حجم محاسباتی روش ضریب همبستگی بیشتر از روش SAD است، اما دقت این روش بیشتر می‏باشد. روش محاسبه ضریب همبستگی و مجموع قدرمطلق تفاضل (SAD) در فصل دوم معرفی گردید.
استخراج ویژگی‏های مربوط به کاهش هوشیاری
ویژگی‏های استخراج شده جهت تشخیص کاهش هوشیاری را می‏توان به دو دسته اصلی تقسیم‏بندی کرد: ویژگی ناحیه چهره و ویژگی‏های ناحیه چشم. ویژگی ناحیه چهره شامل آشکارسازی چرخش سر و ویژگی‏های ناحیه چشم شامل درصد بسته بودن چشم (PERCLOS)، نرخ پلک زدن و کاهش فاصله بین پلک‏ها می‏باشد.
ویژگی ناحیه چهره از اطلاعات ردیابی چهره و بررسی انطباق قالب چهره رو به جلو و تصویر کنونی چهره بدست می‏آید. ویژگی‏های ناحیه چشم نیز از پروجکشن افقی نیمه بالایی تصویر چهره و تشکیل یک مدل مکانی-زمانی^[۱۱۹] استخراج می‏گردد.
ویژگی‏های ناحیه چشم
در سیستم پیشنهادی، برای استخراج ویژگی‏های ناحیه چشم، از پروجکشن افقی نیمه بالایی تصویر چهره استفاده شده است. هرچند تاکنون در سیستم‏های نظارت چهره راننده از این ویژگی بسیار استفاده شده، اما نوآوری آن در محاسبات وفقی و تشکیل یک مدل مکانی-زمانی برای استخراج ویژگی می‏باشد. در اکثر سیستم‏هایی که از پروجکشن افقی نیمه بالایی چشم برای آشکارسازی چشم و بررسی باز یا بسته بودن چشم استفاده کرده‏اند، فقط از اطلاعات فریم جاری استفاده شده است. همچنین معمولا در این سیستم‏ها با فرض تیره‏تر بودن مردمک چشم نسبت به پوست، محل چشم آشکارسازی و بسته بودن آن مشخص می‏گردد. این روش‏ها اغلب در آشکارسازی چشم افراد سیاه‏پوست دچار مشکل می‏شود. اما در روش پیشنهادی محاسبات وفقی بوده و براساس اطلاعات ثبت شده در دقایق قبلی ویژگی‏های مفید استخراج می‏شود.
در روش پیشنهادی برای استخراج ویژگی‏های ناحیه چشم، برخلاف سایر روش‏های قبلی نیاز به آشکارسازی صریح چشم است. بلکه استخراج ویژگی فقط بر اساس تغییرات پروجکشن افقی چشم در طول زمان می‏باشد.
ویژگی‏های استخراج شده از ناحیه چشم برای تشخیص کاهش هوشیاری (خستگی و عدم تمرکز حواس) عبارتند از:
درصد بسته بودن چشم در یک دوره معین (PERCLOS)
نرخ پلک زدن در یک مدت معین
کاهش فاصله بین پلک‏ها
ویژگی درصد بسته بودن چشم‏ها برای تشخیص خستگی بسیار مفید است. چنانچه درصد بسته بودن چشم نسبت به حالت طبیعی بیشتر باشد، نشانه خستگی راننده است. ویژگی کاهش فاصله بین دو پلک نیز برای تشخیص خستگی راننده مورد استفاده قرار می‏گیرد. در هنگام خستگی، فاصله بین دو پلک نسبت به حالت طبیعی کاسته شده و پلک‏ها به هم نزدیک‏تر می‏شوند. از طرفی اگر نرخ پلک زدن کمتر از حالت طبیعی باشد، نشانه عدم تمرکز حواس راننده به رانندگی می‏باشد.
در روش پیشنهادی با فرض حالت طبیعی (هوشیار) راننده در فریم‏های ابتدایی، اطلاعات رفتاری چشم راننده استخراج می‏شود. این اطالاعات شامل درصد بسته بودن چشم (PERCLOS)، نرخ پلک زدن و فاصله بین پلک‏ها در حالت طبیعی (هوشیار) است. این مرحله را مرحله یادگیری می‏نامیم. لازم به ذکر است که به طور طبیعی میان مقادیر درصد بسته بودن چشم (PERCLOS)، نرخ پلک زدن و فاصله بین پلک‏ها در افراد مختلف تفاوت وجود دارد. به عنوان مثال برخی افراد به دلیل بیماری عصبی ممکن است نرخ پلک زدن بیشتری داشته باشند. همچنین فاصله بین پلک‏ها در نژاد‏های جنوب شرقی آسیا کمتر از نژاد‏های منطقه خاورمیانه و اروپا است. بنابراین برای افزایش کارایی و کاهش نرخ خطای سیستم پیشنهادی، مرحله یادگیری ضروری به نظر می‏رسد. در این سیستم، بر اساس تغییرات مقادیر ویژگی نسبت به مقادیر بدست آمده در مرحله یادگیری، کاهش هوشیاری راننده تشخیص داده می‏شود. بنابراین روش پیشنهادی، برخلاف سایر روش‏های ارائه شده قبلی، یک روش وفقی و بر پایه استفاده از یک مدل مکانی-زمانی می‏باشد.
مرحله یادگیری
مرحله یادگیری حدود یک یا دو دقیقه به طول می‏انجامد. برای افزایش دقت ویژگی‏های استخراج شده، مدت زمان مرحله یادگیری باید بیشتر باشد، اما حداقل یک دقیقه زمان (معادل ۱۵۰۰ فریم) برای مرحله یادگیری توصیه می‏شود.
در مرحله یادگیری، از N (حدود ۱۰۰) فریم ابتدایی، پروجکشن افقی چشم در حالت باز (HP_O) تعیین می‏گردد. این کار با انجام میانگین‏گیری بردار پروجکشن تصویر چهره در N فریم ابتدایی قابل انجام می‏باشد (رابطه ‏(۱۱)). در رابطه ‏(۱۱) HP_i بردار پروجکشن افقی ناحیه چشم در فریم i و HP_O پروجکشن افقی چشم در حالت باز است. مهمترین فرض در این رابطه، باز بودن چشم در اغلب N فریم ابتدایی است.

پس از استخراج HP_O، بر اساس میزان تطابق بردار پروجکشن افقی فریم کنونی (HP_i) و HP_O، باز یا بسته بودن چشم آشکارسازی می‏شود. برای این منظور ابتدا ضریب همبستگی HP_i و HP_O محاسبه می‏گردد (رابطه ‏(۱۲)). این مقدار با CHP_i نمایش داده می‏شود.

در حالتی که چشم باز باشد، مقدار CHP_i نزدیک به یک است، اما در حالتی که چشم بسته شود، ضریب همبستگی دو بردار پروجکشن کاسته می‏شود. بسته یا باز بودن چشم بر اساس رابطه ‏(۱۳) تعیین خواهد شد. در رابطه ‏(۱۳) اگر CHP_i کوچکتر از حد آستانه th_CHP=0.96 باشد، چشم بسته تشخیص داده می‏شود.

با گذر زمان، معمولا راننده دچار خستگی شده و فاصله بین دو پلک کاهش می‏یابد. در نتیجه بردار پروجکشن افقی چشم باز تغییر خواهد کرد. بنابراین بهتر است بردار پروجکشن چشم باز (HP_O) در فریم‏هایی که چشم باز تشخیص داده می‏شود، به روز رسانی شود. برای به روز رسانی بردار HP_O از روش میانگین‏گیری مداوم^[۱۲۰] استفاده شده است. در روش میانگین‏گیری مداوم که در رابطه ‏(۱۴) نشان داده شده، از پارامتری به نام α استفاده می‏گردد. این پارامتر در بازه [۰,۱] می‏باشد و میزان به روز رسانی بردار HP_O را تعیین می‏کند. هرچه مقدار α به یک نزدیک‏تر باشد، میزان به روز رسانی کمتر خواهد بود.

نسبت تعداد فریم‏هایی که چشم بسته تشخیص داده شده به تعداد کل فریم‏های مرحله یادگیری، درصد بسته بودن چشم در حالت طبیعی را معین خواهد کرد. این مقدار را با PERCLOS_N نمایش می‏دهیم. تعداد دفعات بسته شدن چشم در مرحله یادگیری به عنوان نرخ پلک زدن در حالت طبیعی محاسبه شده و با CLOSNO_N نمایش داده می‏شود. هرچند در مرحله یادگیری فاصله بین دو پلک محاسبه نشده، اما در پروجکشن افقی چشم باز (HP_O)، فاصله بین دو پلک به صورت ضمنی وجود دارد. پروجکشن افقی چشم باز (HP_O) پس از پایان مرحله یادگیری به عنوان معیار فاصله بین دو پلک در حالت هوشیاری ذخیره شده و با HP_LO نمایش داده می‏شود. از HP_LO برای تشخیص کاهش فاصله بین دو پلک استفاده خواهد شد.
روش پیشنهادی برای استخراج ویژگی‏های ناحیه چشم نسبت به رنگ پوست و نور محیط حساسیت چندانی ندارد، چرا که بر اساس یک مدل نسبی ویژگی‏ها را استخراج می‏کند. به عبارت دیگر، محاسبات انجام شده برای تشخیص بسته یا باز بودن چشم در روش پیشنهادی بر اساس مقادیر مطلق نیست، بلکه بر اساس تغییرات مقدار پروجکشن ناحیه چشم در فریم‏های متوالی می‏باشد که نسبت به رنگ پوست چهره و نور محیط حساسیت چندانی ندارد.
استخراج ویژگی
پس از مرحله یادگیری، لازم است تا ویژگی‏های PERCLOS، CLOSNO و فاصله بین پلک‏ها از فریم‏های متوالی استخراج شود. ماهیت ویژگی‏های PERCLOS و CLOSNO با ویژگی کاهش فاصله بین پلک‏ها تاحدودی با هم متفاوت است. مقادیر PERCLOS و CLOSNO برای یک مدت معین (چند فریم اخیر تا فریم کنونی) تعریف می‏شوند، اما فاصله بین پلک‏ها برای هر فریم قابل محاسبه است. هرچند برای افزایش سرعت سیستم، تغییرات فاصله بین پلک‏ها در هر فریم محاسبه نخواهد شد.
t t-1
t-2 t-3
t-4 t-5
بازه تعریف فاصله بین پلک‏ها
بازه تعریف PERCLOS و CLOSNO
فریم جاری
شکل ‏۳‑۱۰: نمایش بازه تعریف ویژگی‏های درصد بسته بودن چشم (PERCLOS)، نرخ پلک زدن و فاصله بین پلک‏ها
تعداد فریم‏های لازم برای استخراج ویژگی‏های PERCLOS و CLOSNO برابر تعداد فریم‏های مرحله یادگیری در نظر گرفته شده است. برای این منظور از یک لیست حلقوی به نام L_{eye_closure} با طول N_L استفاده شده که مقادیر آن صفر و یک است. صفر به معنی بسته بودن چشم‏ها و یک به معنی باز بودن آن می‏باشد. لیست حلقوی باید معادل تعداد فریم‏های مرحله یادگیری (حدود ۱۵۰۰-۳۰۰۰ فریم) ظرفیت داشته باشد. بنابراین طول لیست حلقوی حدود ۱۵۰۰-۳۰۰۰ خواهد بود. پس از پر شدن کامل لیست حلقوی، داده‏های جدید بر روی داده‏های قدیمی‏تر قرار خواهند گرفت، به این ترتیب لیست حلقوی همواره اطلاعات بسته‏بودن چشم در فریم‏های اخیر را در خود نگهداری می‏کند.