Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Kamil Marzec

Elektroniczny system monitorowania ruchów głowy i mrugnięć kierowcy w celu oceny zmęczenia


Electronic system for monitoring drivers' head movements and blinking for assessment of tiredness


Opiekun pracy dyplomowej: dr inż. Michał Bujacz
Dodatkowy opiekun pracy dyplomowej: dr inż. Aleksandra Królak

Praca dyplomowa magisterska obroniona 2022-09-23
Streszczenie pracy dyplomowej:
Celem niniejszej pracy było napisanie programu umożliwiającego wykrycie mrugnięć oczu osoby oraz agregację danych na ich temat w czasie rzeczywistym z wykorzystaniem mikrokomputera Raspberry Pi w celu określenia stopnia zmęczenia kierowcy. Projekt bazuje na bibliotece Google MediaPipe, która dostarcza wytrenowany model ułatwiający wykrycie twarzy oraz z wielu niestandardowych bibliotek. Napisany program składa się z dwóch skryptów w języku Python. Pierwszy z nich pozwala na wykrywanie twarzy, szacowanie stopnia otwartości oczu na podstawie stosunku ich szerokości do wysokości, gromadzenie i przetwarzanie danych. Drugi skrypt umożliwia wyświetlanie nagrywanego obrazu w czasie rzeczywistym, wraz z siatką punktów prezentującą oczy badanej osoby. Ostatnim etapem pracy było przefiltrowanie zebranych danych z pliku oraz ich późniejsza analiza w celu weryfikacji poprawności wyników. Zebrane wyniki potwierdzają znany z literatury próg zmęczenia około 12 mrugnięć na minutę. Słowa kluczowe: Mrugnięcia, Zmęczenie, MediaPipe, Model twarzy, Oczy.
Abstract:
The aim of this work was to write a program that would detect a person's eye blinks and aggregate data about them in real time using a Raspberry Pi microcomputer to determine the degree of driver fatigue. The project is based on the Google MediaPipe library, which provides a trained model to facilitate face detection, and from many custom libraries. The written program consists of two scripts in Python. The first one allows you to detect faces, estimate the degree of eye openness based on the ratio of their width to height, collect and process data. The second script allows you to display the recorded image in real time, along with a grid of points showing the subject's eyes. The last stage of the work was filtering the collected data from the file and their subsequent analysis in order to verify the correctness of the results. The collected results confirm the fatigue threshold of about 12 flashes per minute known from the literature. Keywords: Blinks, Fatigue, MediaPipe, Face model, Eyes.