การพัฒนาระบบแจ้งเตือนสถานะการหลับในของผู้ขับรถบนท้องถนน
คำสำคัญ:
สถานะการหลับใน, การตรวจจับลักษณะของดวงตา ศีรษะ และปาก, เรียลไทม์บทคัดย่อ
บทความนี้นำเสนอการพัฒนาระบบแจ้งเตือนสถานะการหลับในของผู้ขับรถบนท้องถนน สำหรับช่วยลดโอกาสการเกิดอุบัติเหตุในขณะขับรถ ระบบนี้สามารถตรวจและวิเคราะห์ลักษณะอาการของผู้ขับรถและส่งสัญญาณเตือนเมื่อผู้ขับรถมีลักษณะหลับในทันที ในบทความฉบับนี้ทำการตรวจจับลักษณะคนขับรถและวิเคราะห์ถึงลักษณะอาการหลับใน โดยใช้การวิเคราะห์อาการจาก 3 ลักษณะ ประกอบไปด้วย ลักษณะของดวงตา ลักษณะของศีรษะ และลักษณะของปาก ตามลำดับ โดยจะตรวจจับภาพผ่านโมดูลกล้องแล้วนำไปประมวลผลด้วยราสเบอร์รี่พาย รุ่น 3B+ แบบเรียลไทม์ ร่วมกับการประยุกต์ใช้การประมวลผลทางภาพมาวิเคราะห์ภาพเปรียบเทียบภาพที่ตรวจจับได้กับภาพลักษณะต้นแบบ เมื่อผลการวิเคราะห์พบว่าผู้ขับรถมีลักษณะที่แตกต่างไปจากสภาวะปกติ ระบบจะตัดสินใจว่าผู้ขับรถในขณะนั้นมีอาการหลับใน โดยระบบจะทำการส่งเสียงแจ้งเตือนโดยตรงไปยังผู้ขับรถเพื่อกระตุ้นให้กลับมาอยู่ในสภาวะปกติในทันที โดยจากผลการทดลองในบทความฉบับนี้ สามารถยืนยันได้ว่าการพัฒนาระบบแจ้งเตือนสถานะการหลับในของผู้ขับรถบนท้องถนน มีประสิทธิภาพในการนำไปประยุกต์เพื่อใช้งานในการตรวจจับและวิเคราะห์ลักษณะอาการหลับในขณะขับรถได้จริง โดยมีค่าความคลาดเคลื่อนในการตอบสนองการตรวจจับลักษณะของดวงตา ศีรษะ และปาก ประมาณ 4%, 5.36% และ 4.12% ตามลำดับ
เอกสารอ้างอิง
K.Murthy et al., “Smart Alert System for Driver Drowsiness Using Eegand Eyelid Movements,” Mid. E. J. Sci. R., vol.14, no.5, pp.610-619, May.2013.
A. Devi et al., “Image Processing Techniques in Face Recognition,” Int. J. Com. Trends and Tech., vol.4, no. 2, pp.59-62, 2013.
P. Jaturawat et al., “Development Class Room Record System by Face Detector,” KMITL J. Inf. Tech., vol.5, no.1, pp.1-11, 2017.
X. Lu, “Image Analysis for Face Recognition,” Dept. of Computer Science and Engineering Michigan State University, East Lansing, MI, 48824, May.2003.
A. Singh et al., “Driver Drowsiness Alert System with Effective Feature Extraction,” Int. J. R. in Emer. Sci. and Tech., vol.5, no. 4, pp.26-31, 2018.
T. Soukupova et al., “Real-Time Eye Blink Detection using Facial Landmarks,” in XXI Computer Vision Winter Workshop (CVWW 2016), Rimske Toplice, Slovenia, 2016, pp. 1-8.
S. Mehta et al., “Real-Time Driver Drowsiness Detection System Using Eye Aspect Ratio and Eye Closure Ratio,” in International Conference on Sustainable Computing in Science, Technology and Management (SUSCOM 2019), Jaipur, India, 2019, pp. 1333-1339.
https://towardsdatascience.com/mouse-control-facial-movements-hci-app-c16b0494a971
P. Awasekar et al., “Fatigue Detection and Alert System using Non-Intrusive Eye and Yawn Detection,” Int. J. Com. App., vol.180, no.44, pp.1-5, May. 2018.
J. Feng et al., “Using Eye Aspect Ratio to Enhance Fast and Objective Assessment of Facial Paralysis,” J. Comp. and math. meth. in med., vol. 2020, pp.1-11, Jan. 2020.
R. Sutthaweekul et al., “Face Detection based-on Haar-like Features,” SWU Eng. J., vol.6, no.2, pp.34-43, 2011.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2022 คณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฎสวนสุนันทา
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของคณะวิศวกรรมศาสตร์และเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฎสวนสุนันทา
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับมหาวิทยาลัยราชภัฎสวนสุนันทา และคณาจารย์ท่านอื่นๆในมหาวิทยาลัยฯ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
