پیش بینی خواب آلودگی راننده با استفاده از ویژگی های تصویر چشم به کمک الگوریتم های درخت تصمیم

درچند سال اخیر موضوع ایمنی خودروها اهمیت ویژهای پیدا کرده است و به تازگی تحقیقات زیادی بر روی آن انجام گرفته است. سیستم های هوشمند نظارت بر راننده از جمله مواردی است که در ایمنی خودروها مورد توجه قرار گرفته است؛ به طوری که این سیستم ها با تشخیص هوشمند شرایط حادثه ساز در کمک و هشدار دادن به راننده نقش دارند. با استفاده از این گونه سیستم های هوشمند می توان حوادث و تصادفات رانندگی را به طور قابل ملاحظه ای کاهش داد. هدف اصلی این تحقیق بررسی و تشخیص خواب آلودگی راننده با استفاده از ویژگی های تصاویر چشم می باشد. این هدف به کمک الگوریتم درخت تصمیم انجام شده است. ویژگی های هدف، شامل ویژگی های آماری عمومی و محلی است که توسط عملگرها از تصاویر استخراج شدند. به دلیل ابعاد بزرگ ویژگی ها، از روش های وزن دهی به ویژگی ها جهت کاهش ابعاد استفاده شد. سپس با استفاده از الگوریتم های مختلف درخت تصمیم، به دسته بندی تصاویر چشم که شامل دو کلاس باز و بسته بود، پرداختیم. الگوریتم های مورد استفاده شامل 3id، c4.5، chaid و cart می باشند. پس از اجرای روش ها در نرم افزار rapidminer عملکرد هر مدل مورد ارزیابی قرار گرفت. نتایج نشان داد الگوریتم cart در بین چهار روش، بر روی بانک اطلاعاتی مورد نظر، از دقت بالاتری برخوردار بود.