Оценка усталости человека методом анализа фотографий лица с помощью сверточных нейронных сетей
Main Article Content
Аннотация
Представлены решения проблемы распознавания усталости человека по изображению его лица. Сначала рассмотрены уже существующие алгоритмы, а затем предложена и реализована модель собственной архитектуры. В заключении приведены итоговые показатели работы модели.
Article Details
Библиографические ссылки
2. Levashov S.P. Monitoring i analiz professional'nykh riskov v Rossii i za rubezhom. Kurganskii gosudarstvennyi universitet.
3. Phillips R.O. et al. Fatigue in transport: a review of exposure, risks, checks and controls // Transport Reviews. Routledge, 2017. Vol. 37, No. 6. P. 742–766.
4. Qiang Ji, Zhiwei Zhu, Lan P. Real-time nonintrusive monitoring and prediction of driver fatigue // IEEE Transactions on Vehicular Technology. 2004. Vol. 53, No. 4. P. 1052–1068.
5. Sharafutdinova A.F. Sistema opredeleniya ustalosti voditelya // Vestnik Sov-remennykh Issledovanii. 2018. № 7.1 (22).
6. Singh S., Papanikolopoulos N.P. Monitoring driver fatigue using facial analysis techniques // Proceedings 199 IEEE/IEEJ/JSAI International Conference on Intelligent Transportation Systems (Cat. No. 99TH8383). Tokyo, Japan: IEEE, 1999. P. 314–318.
7. Wen-Bing Horng et al. Driver fatigue detection based on eye tracking and dy-namic template matching // IEEE International Conference on Networking, Sensing and Control, 2004. Taipei, Taiwan: IEEE, 2004. P. 7–12.
8. Sklonnost' k neschastnym sluchayam i faktory, ee obuslavlivayushchie | Ekstremal'na ta krizova psikhologіya [Electronic resource]. URL: http://extrpsy.nuczu.edu.ua/statya18 (accessed: 31.03.2021).
9. Prichiny neschastnykh sluchaev – Okhrana truda [Electronic resource]. URL: http://okhrana-truda.com/neschastnye-sluchai-i-professionalnye-zabolevaniya/prichiny-neschastnykh-sluchaev.html (accessed: 31.03.2021).
10. Chelovecheskii faktor kak prichina proizvodstvennogo travmatizma | Inter-aktivnyi portal Departamenta truda i zanyatosti naseleniya Tyumenskoi oblasti [Elec-tronic resource]. URL: https://czn.admtyumen.ru/News/Detail/7efb0823-7fee-4366-836e-5f4affa7f6d5 (accessed: 12.04.2021).
11. Obyazan li rabotodatel' vyplachivat' kompensatsiyu rabotniku, poluchivshemu travmu na proizvodstve? // Upravlenie personalom [Electronic resource]. URL: https://www.top-personal.ru/lawissue.html?2294 (accessed: 31.03.2021).
12. Evija.Feierabende. Glavnaya prichina travm na rabote – legkomyslennoe otnoshenie k bezopasnosti [Electronic resource]: Text // www.balta.lv. 2017. URL: https://www.balta.lv/ru/content/glavnaya-prichina-travm-na-rabote-–-legkomyslennoe-otnoshenie-k-bezopasnosti (accessed: 31.03.2021).
13. Sikander G., Anwar S. Driver Fatigue Detection Systems: A Review // IEEE Trans. Intell. Transport. Syst. 2019. Vol. 20, No. 6. P. 2339–2352.
14. David F. Dinges, Richard Grace. PERCLOS: A Valid Psychophysiological Meas-ure of Alertness As Assessed by Psychomotor Vigilance. P. 4.
15. Yadav N., Banerjee K., Bali V. A Survey on Fatigue Detection of Workers Using Machine Learning // International Journal of E-Health and Medical Communications. 2020. Vol. 11, No. 3. P. 1–8.
16. Bengio Y., Lecun Y. Convolutional Networks for Images, Speech, and Time-Series. 1997.
17. He K. et al. Deep Residual Learning for Image Recognition // arXiv:1512.03385 [cs]. 2015.
18. Realizuem i sravnivaem optimizatory modelei v glubokom obuchenii [Electron-ic resource]. URL: https://habr.com/ru/company/skillfactory/blog/525214/ (accessed: 10.05.2021).
19. Global Z. Brutalk – Funktsiya aktivatsii Softmax s Python [Electronic resource] // URL: https://www.brutalk.com/ru/brutalk-blog/view/funkciya-aktivacii-softmax-s-python-6046b4a524b71 (accessed: 10.05.2021).
18. Fatigue_detection (Dataset) [Electronic resource]. URL: https://kaggle.com/timmjy/fatigue-detection (accessed: 05.04.2021).
19. Colaboratory – Google [Electronic resource]. URL: https://research.google.com/colaboratory/faq.html (accessed: 11.05.2021).
20. Keras: the Python deep learning API [Electronic resource]. URL: https://keras.io/ (accessed: 10.05.2021).
21. TensorFlow [Electronic resource]. URL: https://www.tensorflow.org/ (ac-cessed: 10.05.2021).
22. Fatigure-detection [Electronic resource]. URL: https://github.com/bairamovazat/fatigure-detection (accessed: 10.05.2021).
23. Advances in Face Detection and Facial Image Analysis / ed. Kawulok M., Celebi M.E., Smolka B. Cham: Springer International Publishing, 2016.
24. NeuralSetStorage [Electronic resource]. URL: https://github.com/bairamovazat/NeuralSetStorage (accessed: 10.05.2021).
Представляя статьи для публикации в журнале «Электронные библиотеки», авторы автоматически дают согласие предоставить ограниченную лицензию на использование материалов Казанскому (Приволжскому) федеральному университету (КФУ) (разумеется, лишь в том случае, если статья будет принята к публикации). Это означает, что КФУ имеет право опубликовать статью в ближайшем выпуске журнала (на веб-сайте или в печатной форме), а также переиздавать эту статью на архивных компакт-дисках журнала или включить в ту или иную информационную систему или базу данных, производимую КФУ.
Все авторские материалы размещены в журнале «Электронные библиотеки» с ведома авторов. В случае, если у кого-либо из авторов есть возражения против публикации его материалов на данном сайте, материал может быть снят при условии уведомления редакции журнала в письменной форме.
Документы, изданные в журнале «Электронные библиотеки», защищены законодательством об авторских правах, и все авторские права сохраняются за авторами. Авторы самостоятельно следят за соблюдением своих прав на воспроизводство или перевод их работ, опубликованных в журнале. Если материал, опубликованный в журнале «Электронные библиотеки», с разрешения автора переиздается другим издателем или переводится на другой язык, то ссылка на оригинальную публикацию обязательна.
Передавая статьи для опубликования в журнале «Электронные библиотеки», авторы должны принимать в расчет, что публикации в интернете, с одной стороны, предоставляют уникальные возможности доступа к их материалам, но, с другой, являются новой формой обмена информацией в глобальном информационном обществе, где авторы и издатели пока не всегда обеспечены защитой от неправомочного копирования или иного использования материалов, защищенных авторским правом.
При использовании материалов из журнала обязательна ссылка на URL: http://elbib.kpfu.ru. Любые изменения, дополнения или редактирования авторского текста недопустимы. Копирование отдельных фрагментов статей из журнала разрешается для научных исследований, персонального использования, коммерческого использования до тех пор, пока есть ссылка на оригинальную статью.
Запросы на право переиздания или использования любых материалов, опубликованных в журнале «Электронные библиотеки», следует направлять главному редактору Елизарову А.М. по адресу: [email protected]
Издатели журнала «Электронные библиотеки» не несут ответственности за точки зрения, излагаемые в публикуемых авторских статьях.
Предлагаем авторам статей загрузить с этой страницы, подписать и выслать в адрес издателя журнала по электронной почте скан Авторского договора о передаче неисключительных прав на использование произведения.