Detekcija umora vozača iz video snimki

diplomski rad

• Naslov (engleski): Driver Fatigue Monitoring from Video Data
• Autor: Tarik Omanović
• Mentor: Sven Lončarić (mentor)
• Član povjerenstva: Sven Lončarić (predsjednik povjerenstva)
• Član povjerenstva: Marko Subašić (član povjerenstva)
• Član povjerenstva: Tomislav Petković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2017-07-14, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Vožnja u umornom stanju predstavlja veliku opasnost, stoga postoji realna potreba za detekcijom umora vozača. Detekcija umora iz video signala predstavlja primjenjiv neinvazivan pristup tom problemu. Video signal analiziran je uz pomoć komercijalnog alata FaceTrack proizvođača Visage Technologies te su dobivene značajke lica podijeljene u tri kategorije: jednostavne, složene i one definirane vremenom. Napravljene su video snimke umornih vozača, te je na njima ručno očitana razina umora u svakom trenutku. Na video snimkama provedeno je četiri algoritma strojnog učenja. To su k-NN (k najbližih susjeda), SVM (stroj potpornih vektora), AdaBoost i Random forest (nasumična šuma). Svi algoritmi su trenirani na svim skupovima značajki, te su dobiveni ohrabrujući rezultati.

Sažetak (engleski)

Drowsy driving poses a threat to public safety, so there is a real need for drowsiness detection. Drowsiness detection from video signal presents a practical, non intrusive approach to this issue. Video signal is analyzed using commercial tool FaceTrack from Visage Technologies. Calculated facial features are divided in three categories: simple features, complex features and features defined by time. Several drowsy individuals have been recorded and level of drowsiness has been manually marked on each of them. Four machine learning algorithms have been trained on video signal. Those are k nearest neighbors, SVM, AdaBoost and Random forest. All algorithms have been tested on all sets of features with encouraging results.

• Ključne riječi: umor; infracrveno; značajke lica; strojno učenje; konfuzijska matrica; preciznost
• Ključne riječi (engleski): drowsiness; infrared; facial features; machine learning; confusion matrix; accuracy
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:371455
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-13 23:29:59