DRIVER FAILURE DETECTION WITH DEEP LEARNING METHODS: AN APPLICATION

Authors

  • N. Fırat ÖZKAN Eskişehir Osmangazi Üniversitesi, Mühendislik Mimarlık Fakültesi, Endüstri Mühendisliği
  • Berna HAKTANIRLAR ULUTAŞ Eskişehir Osmangazi Üniversitesi, Mühendislik Mimarlık Fakültesi, Endüstri Mühendisliği
  • Büşra Nur YETKİN Eskişehir Osmangazi Üniversitesi, Mühendislik Mimarlık Fakültesi, Endüstri Mühendisliği

DOI:

https://doi.org/10.38063/ejons.606

Keywords:

Fatigue detection, Driver drowsiness status, deep learning, YOLOv3, OpenCv

Abstract

Trafik kazaları uzun yıllardır dünyanın her bölgesinde başlıca ölüm ve yaralanma nedenleri arasında yer almakta ve çok çeşitli nedenlere dayanabilmektedir. Yorgunluk genellikle sürücü hatalarının ana nedeni olarak bilinir. Bu nedenle, temel olarak yüz ve göz hareketlerine (göz kırpma süresi ve sıklığı) odaklanan sürücü yorgunluğunu ve uyuşukluğunu tespit etmek için görüntü işleme tabanlı yaklaşımlar geliştirilmiştir. Ancak göz kırpma, yorgunluk dışında pek çok faktörden kaynaklanabileceğinden tek bir gösterge olarak değerlendirilmemeli ve teknoloji destekli cihazlar, görüntü işleme ve yapay zeka uygulamaları kullanılarak desteklenmelidir. Bu çalışma, önce sürücü yorgunluğunun tespitine ilişkin kapsamlı bir literatür taraması sunmuş, ardından görüntü işlemeye dayalı bir yorgunluk tespit modeli önerilmiştir. Derin öğrenme yöntemine dayalı bir model kullanılarak OpenCv Kütüphanesi yardımıyla görselleştirilmiştir. YOLOv3'ün yüz algılamada Viola Jones Algoritmasından daha başarılı olduğu belirlendi.

Published

2022-03-20

How to Cite

ÖZKAN, N. F., HAKTANIRLAR ULUTAŞ, B., & YETKİN, B. N. (2022). DRIVER FAILURE DETECTION WITH DEEP LEARNING METHODS: AN APPLICATION. EJONS INTERNATIONAL JOURNAL, 6(21), 212–223. https://doi.org/10.38063/ejons.606