سرعت ردیابی به اندازه تصویر شی هدف، روش جستجو و روش محاسبه میزان انطباق وابسته است. چون در تصاویر مورد آزمایش، اندازه تصویر چهره متغیر بوده، از متوسط نرخ پردازش (بر حسب فریم در ثانیه) به عنوان معیار ارزیابی سرعت روش‏ها استفاده شده است.
براساس نتایج ارزیابی، بهترین دقت با بهره گرفتن از جستجوی کامل و محاسبه ضریب همبستگی بدست می‏آید. اما مهمترین عیب این روش، سرعت کم آن در پردازش فریم‏ها است. در بین روش‏های آزمایش شده، این روش بیشترین حجم محاسبات و در نتیجه کمترین سرعت را دارد. هرچند به نظر می‏رسد جستجوی چند مرحله‏ای با محاسبه ضریب همبستگی، از نظر خطا و سرعت محاسبات بهترین گزینه است، اما به دلیل حساسیت زیاد الگوریتم‏های استخراج ویژگی به دقت ردیابی چهره، از روش جستجوی کامل با محاسبه ضریب همبستگی استفاده شد. روش انتخاب شده برای ردیابی چهره کمترین خطا را دارد. برای پیاده‏سازی روش جستجوی کامل، فضای جستجو حول نقطه قبلی چهره و اندازه پنجره جستجو برابر نصف ابعاد چهره در نظر گرفته شد.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

استخراج ویژگی‏های ناحیه چشم
سه نوع ویژگی از ناحیه چشم استخراج می‏گردد: درصد بسته بودن چشم، نرخ پلک زدن و تغییر فاصله بین پلک‏ها. آشکارسازی بسته یا باز بودن چشم به طور مستقیم در محاسبه درصد بسته بودن چشم و نیز نرخ پلک زدن و به طور غیرمستقیم در آشکارسازی تغییر فاصله بین پلک‏ها موثر است. بنابراین برای ارزیابی صحت ویژگی‏های استخراج شده از ناحیه چشم، باید نحوه آشکارسازی بسته یا بازبودن چشم مورد بررسی قرار گیرد.
برای آزمایش الگوریتم تشخیص بسته یا بازبودن چشم از ۱۲ فیلم ویدیویی به مدت ۴۱ دقیقه استفاده شد. این فیلم‏ها در سه شرایط مختلف تهیه گردید: حالت هوشیار بدون عینک، حالت چرت زدن بدون عینک و حالت هوشیار با عینک. ارزیابی سیستم در شرایط گوناگون امکان بررسی دقیق‏تر کارایی الگوریتم پیشنهادی را فراهم می‏کند. دقت الگوریتم آشکارسازی بسته‏بودن چشم در جدول ‏۴‑۷ نشان داده شده است.
جدول ‏۴‑۷: ارزیابی الگوریتم آشکارسازی بسته شدن چشم

شرایط

تعداد واقعی دفعات بسته شدن چشم

تعداد آشکارسازی اشتباه

نرخ خطای آشکارسازی اشتباه (FPR)

تعداد عدم آشکارسازی

نرخ خطای عدم آشکارسازی (FNR)

حالت هوشیار بدون عینک

۸۷۱

۱۹

۲/۲%

۵۵

۳/۶%

حالت چرت زدن بدون عینک

۳۳

۰

۰%

۱۸

۵/۵۴%

حالت هوشیار با عینک

۷۸

۵

۴/۶%

۱۳

۶/۱۶%

علت اصلی آشکارسازی اشتباه بسته بودن چشم، بروز خطا در مرحله ردیابی و تغییر مکان چهره است. در مرحله ردیابی چهره، اگر چهره در راستای عمودی تغییر مکان یابد و الگوریتم ردیابی این تغییر مکان را دنبال نکند، تصویر چهره کمی جابجا شده و مقدار پروجکشن افقی ناحیه چشم تغییر می‏کند. بنابراین ممکن است به اشتباه بسته بودن چشم آشکارسازی گردد (شکل ‏۴‑۱۰). اگر ردیابی چهره با دقت مناسبی صورت گیرد و مکان چهره به دقت ردیابی شود، احتمال آشکارسازی اشتباه اندک خواهد شد.

شکل ‏۴‑۱۰: نمایش تغییر مکان چهره به دلیل تکان خوردن خودرو در دو فریم با فاصله زمانی یک ثانیه و بروز اشتباه در آشکارسازی بسته بودن چشم به دلیل عدم توانایی الگوریتم ردیابی در تعیین مکان دقیق چهره
در حالت چرت زدن، به دلیل کاهش فاصله بین پلک‏ها، تشخیص بسته شدن چشم مشکل می‏شود و معمولا خطای عدم آشکارسازی افزایش می‏یابد. بنابراین با خسته شدن راننده و کاهش فاصله بین پلک‏ها، پلک زدن راننده نامحسوس‏تر می‏گردد و نرخ عدم آشکارسازی افزایش می‏یابد (شکل ‏۴‑۱۱). البته در این شرایط معیار تغییرات فاصله بین پلک‏ها، به درستی عمل کرده و نشانه‏های خواب‏آلودگی راننده را از ناحیه چشم‏ها استخراج می‏کند. بنابراین هرچند ممکن است یکی از ویژگی‏ها به درستی استخراج نشود، اما ویژگی دیگر به درستی استخراج شده و احتمال رخداد اشتباه در مرحله تشخیص خستگی راننده را کاهش می‏دهد.

شکل ‏۴‑۱۱: نمایش دو فریم از تصاویر چهره راننده در حالت چرت زدن. تصویر سمت راست حالت چشم باز راننده و تصویر سمت چپ حالت چشم بسته راننده است. در این حالت پلک زدن به آرامی و به طور نامحسوس انجام می‏شود. بنابراین نرخ عدم آشکارسازی بسته شدن چشم افزایش می‏یابد.
نتایج آزمایش‏ها نشان می‏دهد وجود عینک، باعث افزایش خطای FPR و FNR سیستم می‏گردد. علت این پدیده، کاهش کیفیت تصویر ناحیه چشم به علت وجود فریم و بازتابش نور از شیشه عینک می‏باشد (شکل ‏۴‑۱۲). در صورتی که بازتابش نور از شیشه عینک ناچیز باشد، دقت سیستم پیشنهادی مناسب خواهد بود. اما بازتابش شدید نور از شیشه عینک، حتی تشخیص بسته بودن چشم را برای انسان نیز بسیار مشکل می‏کند. در آزمایش‏های انجام شده از عینک طبی معمولی استفاده گردید. در صورت وجود عینک آفتابی، سیستم قادر به آشکارسازی بسته شدن چشم نخواهد بود (شکل ‏۴‑۱۳).

شکل ‏۴‑۱۲: تصاویر پلک زدن چشم در افرادی که عینک به چشم دارند

شکل ‏۴‑۱۳: نمونه تصاویر تهیه شده از افرادی که عینک آفتابی به چشم دارند
در یک فیلم ۹ دقیقه‏ای که نمونه‏هایی از تصاویر آن در شکل ‏۴‑۱۴ دیده می‏شوند، تغییرات فاصله بین پلک‏ها نسبت به حالت طبیعی (ELDC) اندازه‏گیری و ثبت شد. نمودار تغییرات مقدار ELDC در طول زمان برای این راننده در شکل ‏۴‑۱۵ نشان داده شده است.