چکیده مقاله
الگوریتم های بینایی ماشین مختلفی برای شناسایی دست در محیط های آزمایشگاهی استفاده شده اند ولی بدلیل شرایط واقعی و پر نویز اماکنی مانند اتاق داخلی خودرو تغییرات نوری شدید، درهم ریختگی پس زمینه،انسدادهای مکرر و نویز زیاد ، کار برای عملیات بینایی کامپیوتری و پردازش تصویر سخت شده است در این مقاله، ما الگوریتمی را جهت شناسایی دست راننده و حرکات آن و تخمین میزان ریسک ارائه می کنیم که بدون حذف پس زمینه و با استفاده از ماسک تهیه شده از تصویر عمق در کنار تصویرRGB حاصل از دوربین Kinect بصورت 3 بعدی می تواند بر چالش های فوق غالب شده و حرکت و فعالیت دست های راننده را در شرایط واقعی و طبیعی خودرو بصورت بلادرنگ تشخیص دهد در این پژوهش پس از شناسایی دست ها میزان فاصله دستهای راننده ازفرمان خودرو، هم بصورت عرضی و هم بصورت عمقی 3 بعدی در چند سطح خطر طبقه بندی شده است حرکت دستهای راننده به اطراف که باعث عدم تسلط ایشان در کنترل رانندگی و افزایش ریسک می باشد بصورت سطوح مختلف خطر گزارش می شود روش ما به دقت 67 % در دسته بندی مجموعه داده های چالش VIVA دست یافته است
کلیدواژهها
نویسندگان
بهمن دلداده بارانی
کارشناس ارشد هوش مصنوعی و رباتیک، دانشگاه علم و صنعت ایران، تهران
محمود فتحی
عضو هیات علمی، دانشگاه علم و صنعت ایران، تهران
محمدمهدی ارزانی
دانشجوی دکتری، دانشگاه علم و صنعت ایران، تهران
شیوه ارجاع
�لداده بارانی، بهمن و فتحی، محمود و ارزانی، محمدمهدی،1394،تشخیص بلادرنگ فعالیت دست راننده و تخمین میزان ریسک آن در محیط واقعی بر مبنای تصاویر ویدیویی 3بعدیRGB-D،پانزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک،تهران
ارائهشده در
مجموعه مقالات پانزدهمین کنفرانس بین المللی مهندسی حمل و نقل و ترافیک11 اسفند 1394 · تهران