Төртінші нөмірге барлық бағыттар бойынша мақалалар қабылдау аяқталды.

Приём статей в четвёртый номер по всем направлениям закрыт.

Submissions for the fourth issue are now closed across all subject areas.

Preview

Вестник Университета Шакарима. Серия технические науки

Вестник Университета Шакарима. Серия технические науки

Расширенный поиск

РАЗРАБОТКА МОДЕЛИ МОНИТОРИНГА СОСТОЯНИЯ ВОДИТЕЛЯ НА ОСНОВЕ КЛАССИЧЕСКИХ МЕТОДОВ КОМПЬЮТЕРНОГО ЗРЕНИЯ

https://doi.org/10.53360/2788-7995-2026-3(23)-20

Аннотация

В статье представлена модель интеллектуальной системы мониторинга состояния водителя в режиме реального времени, основанная на классических методах компьютерного зрения. Целью исследования является разработка эффективного алгоритма автоматического обнаружения признаков усталости, сонливости и снижения внимания водителя на основе анализа лица, состояния глаз и положения головы. Для обнаружения лица и глаз использовались классификаторы Haar Cascade, для определения ключевых точек лица – алгоритмы библиотеки Dlib, а оценка состояния глаз осуществлялась с использованием показателя Eye Aspect Ratio (EAR). Дополнительно анализировались углы наклона и поворота головы, позволяющие выявлять признаки снижения концентрации внимания. Алгоритм реализован с использованием библиотеки OpenCV и языка программирования Python и протестирован на мобильном устройстве под управлением операционной системы Android. Экспериментальные исследования выполнены на наборе видеоданных общей продолжительностью около трех часов, включающем различные условия освещения, повороты головы и наличие очков у участников. Полученные результаты показали, что предложенная система обеспечивает обработку видеопотока со средней скоростью 28 кадров в секунду и позволяет эффективно выявлять признаки усталости водителя в режиме реального времени. Использование классических методов компьютерного зрения обеспечивает невысокие вычислительные затраты, стабильную работу на мобильных устройствах и отсутствие необходимости в специализированном аппаратном обеспечении. Разработанная модель может быть использована в интеллектуальных транспортных системах, системах помощи водителю и комплексах повышения безопасности дорожного движения.

Об авторах

Б. С. Смақанов
Восточно-Казахстанский технический университет имени Д. Серикбаева
Казахстан

Бауыржан Серікқанұлы Смақанов – PhD

Республика Казахстан, г. Усть-Каменогорск, ул. Серикбаева, 19



И. М. Увалиева
Восточно-Казахстанский технический университет имени Д. Серикбаева
Казахстан

Индира Махмутовна Увалиева – PhD, ассоциированный профессор

Республика Казахстан, г. Усть-Каменогорск, ул. Серикбаева, 19



А. К. Шайханова
Евразийский национальный университет имени Л.Н. Гумилева
Казахстан

Айгуль Кайрулаевна Шайханова – PhD, ассоциированный профессор

Республика Казахстан, г. Астана, ул. Сатпаева, 2



Список литературы

1. Soo S. Object Detection Using Haar-Cascade Classifier / S. Soo // Institute of Computer Science, University of Tartu. – 2014. – Vol. 2, № 3. – P. 1-12.

2. Kazemi V. One Millisecond Face Alignment with an Ensemble of Regression Trees / V. Kazemi, J. Sullivan // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). – 2014. – P. 1867-1874.

3. Dalal N. Histograms of Oriented Gradients for Human Detection / N. Dalal, B. Triggs // 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'05). – San Diego, USA, 2005. – Vol. 1. – P. 886-893. https://doi.org/10.1109/CVPR.2005.177.

4. Bradski G. The OpenCV Library / G. Bradski // Dr. Dobb's Journal of Software Tools. – 2000. – Vol. 25, № 11. – P. 120-125.

5. Driver Inattention Monitoring System for Intelligent Vehicles: A Review / Y. Dong et al // IEEE Transactions on Intelligent Transportation Systems. – 2011. – Vol. 12, № 2. – P. 596-614.

6. Sikander G. Driver Fatigue Detection Systems: A Review / G. Sikander, S. Anwar // IEEE Transactions on Intelligent Transportation Systems. – 2019. – Vol. 20, № 6. – P. 2339-2352.

7. Salvucci D.D. Identifying Fixations and Saccades in Eye-Tracking Protocols / D.D. Salvucci, J.H. Goldberg // Proceedings of the 2000 Symposium on Eye Tracking Research & Applications. – 2000. – P. 71-78.

8. Hu S. Driver Fatigue Detection Based on Eye State Analysis and Deep Learning / S. Hu, Y. Li X. Wang // Applied Sciences. – 2022. – Vol. 12, № 15. – P. 7654.

9. Real-Time Driver Drowsiness Detection for Embedded Systems Using Model Compression of Deep Neural Networks / B. Reddy et al // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops. – 2017. – P. 121-128.

10. Kumar A. Driver Drowsiness Monitoring System Using Visual Behaviour and Machine Learning / A. Kumar, R. Patra // 2018 IEEE Symposium on Computer Applications & Industrial Electronics (ISCAIE). – IEEE, 2018. – P. 339-344.

11. Advancements in the Intelligent Detection of Driver Fatigue and Distraction: A Comprehensive Review / S. Fu et al // Applied Sciences. – 2024. – Vol. 14, № 7. – Article 3016.

12. Khan M.Q. Gaze and Eye Tracking: Techniques and Applications in ADAS / M.Q. Khan, S. Lee // Sensors. – 2019. – Vol. 19, № 24. – Article 5540.

13. Mobile-Based Kernel-Fuzzy-C-Means-Wavelet for Driver Fatigue Prediction with Cloud Computing / B.G. Lee et al // IEEE Sensors Conference. – 2014. – P. 1236-1239.

14. A Real-Time Driving Drowsiness Detection Algorithm with Individual Differences Consideration / F. You et al // IEEE Access. – 2019. – Vol. 7. – P. 179396-179408.

15. Deep Learning-Based Computer Vision for Surveillance in ITS: Evaluation of State-of-the-Art Methods / J. Xie et al // IEEE Transactions on Vehicular Technology. – 2021. – Vol. 70, № 4. – P. 3027-3042.

16. Predicting the Driver’s Focus of Attention: The DR(eye)VE Project / A. Palazzi et al // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2018. – Vol. 41, № 7. – P. 1720-1733.

17. On Creating Vision-Based Advanced Driver Assistance Systems / M. Nieto et al // IET Intelligent Transport Systems. – 2015. – Vol. 9, № 1. – P. 59-66.

18. Rahman A. Computer Vision-Based Approach to Detect Fatigue Driving and Face Mask for Edge Computing Device / A. Rahman, M.B.H. Hriday, R. Khan // Heliyon. – 2022. – Vol. 8, № 10.


Рецензия

Для цитирования:


Смақанов Б.С., Увалиева И.М., Шайханова А.К. РАЗРАБОТКА МОДЕЛИ МОНИТОРИНГА СОСТОЯНИЯ ВОДИТЕЛЯ НА ОСНОВЕ КЛАССИЧЕСКИХ МЕТОДОВ КОМПЬЮТЕРНОГО ЗРЕНИЯ. Вестник Университета Шакарима. Серия технические науки. 2026;(3(23)):196-205. https://doi.org/10.53360/2788-7995-2026-3(23)-20

For citation:


Smakanov B.S., Uvaliyeva I.M., Shaikhanova A.K. DEVELOPMENT OF A DRIVER STATE MONITORING MODEL BASED ON CLASSICAL COMPUTER VISION METHODS. Bulletin of Shakarim University. Technical Sciences. 2026;(3(23)):196-205. (In Kazakh) https://doi.org/10.53360/2788-7995-2026-3(23)-20

Просмотров: 19

JATS XML


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2788-7995 (Print)
ISSN 3006-0524 (Online)
X