ЖҮРГІЗУШІ ЖАҒДАЙЫН БАҚЫЛАУДЫҢ КЛАССИКАЛЫҚ КОМПЬЮТЕРЛІК КӨРУ ӘДІСТЕРІНЕ НЕГІЗДЕЛГЕН МОДЕЛІН ӘЗІРЛЕУ
https://doi.org/10.53360/2788-7995-2026-3(23)-20
Аңдатпа
Бұл мақалада нақты уақыт режимінде жүргізушінің жағдайын бақылауға арналған классикалық компьютерлік көру әдістеріне негізделген интеллектуалды мониторинг жүйесінің моделі ұсынылған. Зерттеудің мақсаты жүргізушінің шаршауы, ұйқышылдығы және назардың төмендеуі сияқты қауіпті күйлерді бет-әлпет ерекшеліктерін, көздің күйін және бастың кеңістіктегі орналасуын талдау арқылы автоматты түрде анықтайтын тиімді алгоритм әзірлеу болып табылады. Ұсынылған модельде бет пен көзді анықтау үшін Haar Cascade классификаторлары, бет ерекшеліктерінің негізгі нүктелерін анықтау үшін Dlib кітапханасының алгоритмдері, ал көздің ашық немесе жабық күйін бағалау үшін Eye Aspect Ratio (EAR) көрсеткіші пайдаланылды. Сонымен қатар жүргізушінің басының еңкеюі мен бұрылу бұрышы талданып, назардың төмендеу белгілері бағаланды. Алгоритм OpenCV кітапханасы мен Python бағдарламалау тілі негізінде жүзеге асырылды және Android платформасындағы мобильді құрылғыда сынақтан өткізілді. Эксперименттік зерттеулер барысында жалпы ұзақтығы шамамен үш сағат болатын бейнематериалдар өңделіп, жүйенің нақты уақыт режимінде орташа 28 FPS жылдамдықпен жұмыс істейтіні анықталды. Алынған нәтижелер классикалық компьютерлік көру әдістерінің жүргізушінің шаршау белгілерін нақты уақыт режимінде анықтауға мүмкіндік беретінін, есептеу ресурстарын аз пайдаланатынын және мобильді құрылғыларда тиімді қолдануға болатындығын көрсетті. Ұсынылған модель интеллектуалды көлік жүйелерінде, жүргізушіні қолдау жүйелерінде және жол қозғалысы қауіпсіздігін арттыруға бағытталған бағдарламалық кешендерде қолдануға перспективалы болып табылады.
Тірек сөздер
Авторлар туралы
Б. С. СмақановҚазақстан
Бауыржан Серікқанұлы Смақанов – PhD
Қазақстан Республикасы, Өскемен қ, Серикбаева 19
И. М. Увалиева
Қазақстан
Индира Махмутовна Увалиева – PhD, қауымдастырылған профессор
Қазақстан Республикасы, Өскемен қ, Серикбаева 19
А. К. Шайханова
Қазақстан
Айгуль Кайрулаевна Шайханова – PhD, қауымдастырылған профессор
Қазақстан Республикасы, Астана, Сатбаева 2
Әдебиет тізімі
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
Дәйектеу үшін:
Смақанов Б.С., Увалиева И.М., Шайханова А.К. ЖҮРГІЗУШІ ЖАҒДАЙЫН БАҚЫЛАУДЫҢ КЛАССИКАЛЫҚ КОМПЬЮТЕРЛІК КӨРУ ӘДІСТЕРІНЕ НЕГІЗДЕЛГЕН МОДЕЛІН ӘЗІРЛЕУ. Шәкәрім Университетінің Хабаршысы. Техникалық ғылымдар сериясы. 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
JATS XML















