ตัวต้นแบบการตรวจจับพฤติกรรมเสี่ยงต่อการหลับในจากภาพวิดีโอ
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้นำเสนอตัวต้นแบบตรวจจับพฤติกรรมเสี่ยงต่อการหลับในโดยคำนวณหาอัตราส่วนของดวงตาโดยนำเทคนิคการหาระยะห่างแบบ Euclidean distance มาประยุกต์ใช้และนำค่าอัตราส่วนดวงตาที่คำนวณได้ไปใช้ทำนายการหลับใน การทำงานของระบบประกอบด้วย 1) ส่วนของการตรวจจับใบหน้าของผู้ขับขี่จากภาพวิดีโอ 2) ส่วนของการตรวจจับการหลับใน โดยตรวจจับจากพฤติกรรมของผู้ขับขี่ ประกอบด้วย 2.1) การลืมตาปกติ 2.2) การกระพริบตาปกติ 2.3) อาการตาปรือของผู้ขับขี่ 2.4) การกระพริบตาถี่ ๆ ของผู้ขับขี่ 2.5) อาการหลับตาของผู้ขับขี่ 3) ส่วนของการแจ้งเตือนด้วยเสียงไปยังผู้ขับขี่ โดยแจ้งเตือนเมื่อตรวจจับได้ว่า ผู้ขับขี่เริ่มเข้าสู่ภาวะหลับในขณะขับรถ เพื่อเพิ่มความปลอดภัยให้ผู้ขับขี่และลดจำนวนอุบัติเหตุบนท้องถนนที่มีสาเหตุมาจากการหลับในและมีผลลัพธ์ที่ได้จากการตรวจจับอาการหลับในมีดังนี้ 1) การลืมตาปกติ มีค่าความแม่นยำเท่ากับ 1 2) การกระพริบตาปกติ มีค่าความแม่นยำเท่ากับ 0.1 3) อาการตาปรือของผู้ขับขี่ มีค่าความแม่นยำเท่ากับ 0.4 4) การกระพริบตาถี่ ๆ ของผู้ขับขี่ความแม่นยำเท่ากับ 0 5) อาการหลับตาของผู้ขับขี่ มีค่าความแม่นยำเท่ากับ 0.7667
Article Details
ข้อความภายในบทความที่ตีพิมพ์ในวารสารทั้งหมด รวมถึงรูปภาพประกอบ ตาราง เป็นลิขสิทธิ์ของมหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์ การนำเนื้อหา ข้อความหรือข้อคิดเห็น รูปภาพ ตาราง ของบทความไปจัดพิมพ์เผยแพร่ในรูปแบบต่าง ๆ เพื่อใช้ประโยชน์ในเชิงพาณิชย์ ต้องได้รับอนุญาตจากกองบรรณาธิการวารสารอย่างเป็นลายลักษณ์อักษร
มหาวิทยาลัยฯ อนุญาตให้สามารถนำไฟล์บทความไปใช้ประโยชน์และเผยแพร่ต่อได้ โดยต้องแสดงที่มาจากวารสารและไม่ใช้เพื่อการค้า
ข้อความที่ปรากฏในบทความในวารสารเป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับราชวิทยาลัยจุฬาภรณ์ และบุคลากร คณาจารย์ท่านอื่น ๆ ในมหาวิทยาลัยฯแต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใด ๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเอง ตลอดจนความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความเป็นของผู้เขียน ไม่เกี่ยวข้องกับกองบรรณาธิการ
เอกสารอ้างอิง
C. Yue. (2011). EOG Signals in Drowsiness Research. Dissertation. pp. 23-41.
A. Rosebrock. (2560). Eye blink detection with OpenCV, Python, and dlib. [ออนไลน์] [สืบค้นวันที่ 2 ธันวาคม 2563]. จาก https://www.pyimagesearch.com/2017/04/24/eye-blink- detection-opencv-python-dlib/.
Soukupová, Tereza and J. Čech. (2016). Real-Time Eye Blink Detection using Facial Landmarks. pp. 3.
OpenCV คืออะไร ?. (2562). [ออนไลน์] [สืบค้นวันที่ 3 ธันวาคม 2563]. จาก https://www.mindphp.com/คู่มือ/73-คืออะไร/7061-what-is-opencv.html.
K. SATANGMONGKOL. (2561). อธิบาย Confusion Matrix ฉบับเข้าใจง่าย”. [ออนไลน์] [สืบค้น วันที่ 2 ธันวาคม 2563]. จาก https://datarockie.com/2018/04/30/confusion-matrix-explained/.
