HỆ THỐNG CẢNH BÁO NGỦ GẬT ỨNG DỤNG TRÊN Ô TÔ

Nguyễn Vũ Hải; Vũ Quang Huy; Hà Văn Ninh; Trần Quang Quý; Ngô Hữu Huy

doi:10.34238/tnu-jst.7498

HỆ THỐNG CẢNH BÁO NGỦ GẬT ỨNG DỤNG TRÊN Ô TÔ

Thông tin bài báo

Ngày nhận bài: 09/03/23 Ngày hoàn thiện: 11/04/23 Ngày đăng: 13/04/23

Các tác giả

1. Nguyễn Vũ Hải, Trường Đại học Công nghệ Thông tin và Truyền thông - ĐH Thái Nguyên
2. Vũ Quang Huy, Trường Đại học Công nghệ Thông tin và Truyền thông - ĐH Thái Nguyên
3. Hà Văn Ninh, Trường Đại học Công nghệ Thông tin và Truyền thông - ĐH Thái Nguyên
4. Trần Quang Quý, Trường Đại học Công nghệ Thông tin và Truyền thông - ĐH Thái Nguyên
5. Ngô Hữu Huy , Trường Đại học Công nghệ Thông tin và Truyền thông - ĐH Thái Nguyên

Tóm tắt

Người lái xe ngủ gật khi lái thường gây ra các vụ tai nạn nghiêm trọng, ảnh hưởng đến người cũng như tài sản kinh tế. Với mục tiêu nâng cao trải nghiệm lái xe an toàn, giảm thiểu số vụ tai nạn giao thông và hạn chế thiệt hại về tính mạng, hệ thống giám sát người lái và cảnh báo ngủ gật đang thu hút nhiều nghiên cứu và đầy hứa hẹn. Tuy nhiên, những phương pháp hiện tại thường yêu cầu về phần cứng phải có hiệu năng cao và việc tính toán phức tạp. Do đó, nghiên cứu này trình bày hệ thống cảnh báo ngủ gật ứng dụng trên ô tô hiệu quả và đơn giản. Hệ thống này gồm một máy tính nhúng Raspberry Pi nhỏ gọn, một camera đặt trước mặt vị trí người lái xe và loa cảnh báo. Các khung hình được tách từ camera sẽ được phân tích xem tài xế có ngủ gật hay không từ đó phát ra cảnh báo sớm cho tài xế. Ngoài ra, các dữ liệu của hệ thống sẽ được gửi và lưu trữ tại server. Người dùng có thể tra cứu trên 2 nền tảng ứng dụng là nền tảng thiết bị di động và website. Các kết quả thực nghiệm cho thấy tính hiệu quả của mô hình này.

Từ khóa

Trí tuệ nhân tạo; Học sâu; Phát hiện ngủ gật; IoT; Raspberry Pi

Toàn văn:

PDF

Tài liệu tham khảo

[1] N. B. Nguyen, "Who Is at Risk of Falling Asleep While Driving?" 2012. [Online]. Available: https://www.vinmec.com/vi/tin-tuc/thong-tin-suc-khoe/suc-khoe-tong-quat/nhung-doi-tuong-co-nguy-co-ngu-gat-khi-lai-xe/. [Accessed Feb. 14, 2023].

[2] LA, "Drowsiness, Potential Danger While Driving," 2019. [Online]. Available: https://laodong.vn/xe/ngu-gat-hiem-hoa-tiem-an-khi-lai-xe-761219.ldo. [Accessed Feb. 14, 2023].

[3] L. Pham, "VinAI announces new technology products and achievements at AI Day 2022," 2022. [Online]. Available: https://vnmedia.vn/cong-nghe/202208/vinai-cong-bo-cac-san-pham-cong-nghe-va-thanh-tuu-moi-tai-ai-day-2022-baf1da8/. [Accessed Feb. 14, 2023].

[4] N. Alioua, A. Amine and M. Rziza, “Driver’s Fatigue Detection Based on Yawning Extraction,” International Journal of Vehicular Technology, vol. 2014, pp. 1–7, 2014.

[5] A. Rahman, M. Sirshar and A. Khan, “Real Time Drowsiness Detection Using Eye Blink Monitoring,” in Proc. National Software Engineering Conference (NSEC), Rawalpindi, Pakistan, 2015, pp. 1–7.

[6] E. Magán, M. P. Sesmero, J. M. Alonso-Weber, and A. Sanchis, “Driver Drowsiness Detection by Applying Deep Learning Techniques to Sequences of Images,” Applied Sciences, vol. 12, no. 3, pp. 1–25, 2022.

[7] B. Alshaqaqi, A. S. Baquhaizel, M. E. Amine Ouis, M. Boumehed, A. Ouamri, and M. Keche, “Driver Drowsiness Detection System,” in Proc. 8th International Workshop on Systems, Signal Processing and their Applications (WoSSPA), Algiers, Algeria, 2013, pp. 151–155.

[8] M. Ramzan, H. U. Khan, S. M. Awan, A. Ismail, M. Ilyas, and A. Mahmood, “A Survey on State-of-the-Art Drowsiness Detection Techniques,” IEEE Access, vol. 7, pp. 61904–61919, 2019.

[9] M. Ngxande, J.-R. Tapamo, and M. Burke, “Driver Drowsiness Detection Using Behavioral Measures and Machine Learning Techniques: A Review of State-of-Art Techniques,” in Proc. Pattern Recognition Association of South Africa and Robotics and Mechatronics (PRASA-RobMech), Bloemfontein, South Africa, 2017, pp. 156–161.

[10] OpenCV. [Online]. Available: https://opencv.org/. [Accessed Oct. 15, 2022].

[11] P. Viola and M. Jones, “Rapid object detection using a boosted cascade of simple features,” in Proc. IEEE Computer Society Conference on Computer Vision and Pattern Recognition, Kauai, HI, USA, 2001, vol. 1, pp. 1–8.

[12] Haar Cascades, GitHub. [Online]. Available: https://github.com/opencv/opencv. [Accessed Oct. 15, 2022].

[13] B. Steinhilber, "How to Tell If You’re too Tired to Drive - and What to Do If You are," 2018. [Online]. Available: https://www.nbcnews.com/better/health/how-tell-if-you-re-too-tired-drive-what-do-ncna888681. [Accessed Feb. 14, 2023].

[14] Yawn and eye dataset. [Online]. Available: https://www.kaggle.com/datasets/serenaraju/yawn-eye-dataset-new. [Accessed Oct. 15, 2022].

DOI: https://doi.org/10.34238/tnu-jst.7498

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ