IoT Prism Lab
Research Lab at University of Bologna
Research Lab at University of Bologna
Theses
2018 |
D'Ambrosio, Luca AffectiveDrive: sistema di Driver Assistance basato sull’analisi di sensori inerziali e tecniche di computer vision Masters Thesis 2018. Abstract | Links | BibTeX | Tags: ADAS, Computer vision, Drive behavior recognition, Facial expression recognition, Feature extraction, Machine Learning, Sensor @mastersthesis{amslaurea16209, title = {AffectiveDrive: sistema di Driver Assistance basato sull’analisi di sensori inerziali e tecniche di computer vision}, author = {Luca D'Ambrosio}, url = {https://amslaurea.unibo.it/id/eprint/16209}, year = {2018}, date = {2018-01-01}, abstract = {In questa tesi viene presentata AffectiveDrive, un’applicazione di guida sicura per iPhone che rileva manovre di guida pericolose e avvisa il guidatore in caso di comportamenti non sicuri. L’applicazione utilizza algoritmi di computer vision e machine learning per monitorare il comportamento e rilevare se il conducente è in uno stato di sonnolenza o distratto, attraverso l’analisi di dati sensoriali e la fotocamera. In particolare, nell’applicazione sviluppata vengono estratti i dati sensoriali prodotti dallo smartphone. Vengono applicate tecniche di feature extraction per sintetizzare i dati prima estratti. Successivamente, viene costruito un modello di predizione partendo da un set di dati composto da misurazioni di guida e infine viene applicato l’algoritmo Random Forest alle feature estratte per riconoscere il comportamento del guidatore, classificandolo come “sicuro” / “non sicuro”. Il rilevamento di sonnolenza e distrazione viene effettuato con il Software Development Kit AffDex, il quale, una volta rilevato un volto produce valori numerici compresi tra 0 (assente) e 100 (presente) che indicano le presenza/assenza delle situazioni prima esposte. Se AffDex produce valori che superano delle soglie preimpostate il conducente verrà avvisato attraverso un allarme sonoro.}, keywords = {ADAS, Computer vision, Drive behavior recognition, Facial expression recognition, Feature extraction, Machine Learning, Sensor}, pubstate = {published}, tppubtype = {mastersthesis} } In questa tesi viene presentata AffectiveDrive, un’applicazione di guida sicura per iPhone che rileva manovre di guida pericolose e avvisa il guidatore in caso di comportamenti non sicuri. L’applicazione utilizza algoritmi di computer vision e machine learning per monitorare il comportamento e rilevare se il conducente è in uno stato di sonnolenza o distratto, attraverso l’analisi di dati sensoriali e la fotocamera. In particolare, nell’applicazione sviluppata vengono estratti i dati sensoriali prodotti dallo smartphone. Vengono applicate tecniche di feature extraction per sintetizzare i dati prima estratti. Successivamente, viene costruito un modello di predizione partendo da un set di dati composto da misurazioni di guida e infine viene applicato l’algoritmo Random Forest alle feature estratte per riconoscere il comportamento del guidatore, classificandolo come “sicuro” / “non sicuro”. Il rilevamento di sonnolenza e distrazione viene effettuato con il Software Development Kit AffDex, il quale, una volta rilevato un volto produce valori numerici compresi tra 0 (assente) e 100 (presente) che indicano le presenza/assenza delle situazioni prima esposte. Se AffDex produce valori che superano delle soglie preimpostate il conducente verrà avvisato attraverso un allarme sonoro. |