| Titre : | Détection de la somnolence des conducteurs à l'aide de l'Apprentissage Profond |
| Auteurs : | Kouadri Ahmed, Auteur ; Kaid Hamid, Auteur ; Khiati Nadri, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université Saïda – Dr. Tahar Moulay – Faculté des Mathématiques, de l’Informatique et de Télécommunications, 2024/2025 |
| Format : | 85 ص |
| Accompagnement : | CD |
| Langues: | Français |
| Index. décimale : | BUC-M 003743 |
| Catégories : |
Master Mathématiques Specialization: Stochastic Statistical Analysis of Processes and Applications |
| Mots-clés: | .التالفیفیة العصبیة الشبكة :الوجھ تعابیر على التلقائي التعرف :العمیق التعلم :القیادة إرھاق : : Driver drowsiness: Deep learning: Automatic recognition of facial expressions: CNN. : somnolence au volant: l’apprentissage profond: Reconnaissance automatique des expressions faciales: CNN. |
| Résumé : |
ملخص
الحوادث منع ھو منھ والھدف .العمیق التعلم باستخدام ،السائق نعاس عن الكشف نظام وتنفیذ تصمیم على المشروع ھذا یركز الصور اللتقاط بكامیرا النظام تجھیز تم .التعب عالمات مراقبة على قادر نظام تطویر خالل من السائق نعاس عن الناجمة المروریة تحدید یتم (68) Facial Landmark خوارزمیة وباستخدام ،النعاس عالمات اكتشاف عند صوتیة تنبیھات إلصدار وأجھزة ،اآلنیة وھو ،الجفون فتح أو إغالق حالة في ،العین حالة باكتشاف CNN التالفیفیة العصبیة الشبكة نموذج یسمح حین في ،والعین الوجھ مكان المركبات أنظمة في والدمج التحسین إمكانیات مع ،المروریة السالمة لتحسین ًفعاال ًحال المشروع ھذا یقترح .للنعاس رئیسي مؤشر .الذكیة Abstract Your summary in English Our final year project focuses on the design and implementation of a driver drowsiness detection system using deep learning. The goal is to prevent road accidents caused by driver drowsiness by developing a system capable of monitoring signs of fatigue. The system is equipped with a camera for real-time image acquisition and speakers to emit audible alerts when signs of drowsiness are detected. The Facial Landmark (68) facial detection algorithm is used for face and eye detection, while the CNN model detects the state of the eyes, particularly to identify eyelid closure or opening, which is a key indicator of drowsiness. This project proposes an effective solution to improve road safety, with potential for improvement and integration into intelligent vehicle systems. Résumé Votre résumé en français Notre projet de fin d’études se concentre sur la conception et la réalisation d’un système détection de somnolence au volant, utilisant l’apprentissage profond. L'objectif est de prévenir les accidents de la route causés par la somnolence du conducteur en développant système capable de surveiller les signes de fatigue. Le système est équipé d'une caméra pour l'acquisition d'images en temps réel, et des baffles pour émettre des alertes sonores lorsque des signes de somnolence sont détectés, l’algorithmes de la détection faciale Facial Landmark (68) est utilisée pour la détection du visage et des yeux, tandis que le model CNN permet de détecter l’état des yeux, en particulier pour identifier la fermeture ou l'ouverture des paupières, ce qui est un indicateur clé de la somnolence. Ce projet propose une solution efficace pour améliorer la sécurité routière, avec des possibilités d'amélioration et d'intégration dans des systèmes intelligents de véhicules. |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 003743 Adobe Acrobat PDF |
