CC BY
57
Секция «Информационнее системы и технологии»
информацию о кафедрах, специальностях, преподавателях, учебном плане и т. п., позволяет вести учет успеваемости, составлять ведомости и графики, например, по рейтингу успеваемости студентов. Такие возможности очень важны для куратора, так как ему требуется владеть этой информацией в полной мере для отчетности и принятия решений по делам группы.
Внедрение разработанной информационной системы в Железногорском филиале СибГАУ значительно повысит эффективность работы кураторов студенческих групп, так как приведет к систематизации, увеличению производительности и точности обработ-
ки данных, а также позволит стандартизировать и облегчить обмен данными между кураторами и учебной частью.
Библиографические ссылки
1. Кузин А. В., Демин В. М. Разработка баз данных в системе Microsoft Access : учебник. М. : Форум : Инфра-М, 2005. 224 с.
2. Vieira R. Professional Microsoft SQL Server 2008 Programming. М. : Wrox, 2009. 936 с.
© Пустовалова А. В., 2014
УДК 004.32
А. С. Савельев Научный руководитель - М. Н. Фаворская Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
СИСТЕМА МОНИТОРИНГА СОСТОЯНИЯ ВОДИТЕЛЯ АВТОТРАНСПОРТНОГО СРЕДСТВА
Рассмотрен метод, состоящий из нескольких последовательно выполняемых алгоритмов, результат работы которых, позволяет проанализировать состояние глаз водителя автотранспортного средства, на предмет потери внимания.
Безопасность дорожного движения связана не только с мониторингом движения транспортных средств на дорогах, но и с вниманием водителей, управляющих транспортными средствами. Усталость, вызывающая потерю внимания, является одним из основных факторов, вызывающих дорожно-транспортные происшествия. В последние годы все больше исследований посвящено выявлению потери внимания при вождении. Так, например, были созданы системы слежения за удержанием занимаемой полосы, детекторы анализирующие ритм сердцебиения и т. д. Все существующие методы можно разделить на три категории. Первая группа методов выявляет усталость путем анализа характера взаимодействий водителя с органами управления, например, нажатие на педаль акселератора или скорость вращения рулевого колеса. Однако результаты сложны в плане объективного анализа ситуации. Вторая группа методов осуществляет сбор биометрической информации о водителе, например скорость сердцебиения, давление, потоотделение и т. д. К последней категории относятся методы, которые основаны на распознавании состояния лица во внештатных ситуациях. Данные методы интересны тем, что работают с минимальным вмешательством в процесс вождения.
Разрабатываемая система мониторинга состояния водителя основана на анализе состояния глаз водителя. Осуществляются выборки по 75-100 кадров (длительность 3-4 с) из видеопоследовательности, которые лежат в основе для принятия решения о состоянии водителя. Общая процедура анализа состояния водителя включает следующие этапы:
- Этап 1. Локализация лица в кадре видеопоследовательности.
- Этап 2. Локализация области глаз.
- Этап 3. Анализ состояния глаз.
Операция локализации лица предваряет поиск глаз. На данный момент существует много вариантов решения данной задачи: метод Eigenface (основывается на имеющейся базе лиц), нейронные сети, фильтр Габора, выявление по цвету лица. По сравнению с остальными методами, метод поиска лица по цвету может быстро и точно выполнить поиск даже на очень пестром фоне. Что в свою очередь позволяет решать данную задачу в режиме реального времени. Один из способов поиска кожи основан на модели Гаусса. Распределение цвета кожи на лице похоже на двумерное распределение Гаусса. Что позволяет определить пороговое значение перепада яркости на лице. Исходя из этого утверждения, можно разделить изображение на участки, не содержащие кожу, и «участки-кандидаты», являющиеся кожей.
Другой способ основан на цветовой модели УСгСЪ, в которой пиксель классифицируется как участок кожи, если его Сг составляющая лежит в пределах от 140 до 160, а его СЬ составляющая в пределах от 140 до 195. (Значения цвета кожи различных людей установленные экспериментальным путем). В случае, если пиксель удовлетворяет установленным значениям, тогда его У составляющей присваивается значение 255. В противном случае значение 0. После перебора всех пикселей на изображении получается маска позволяющая выделить области содержащие кожу.
На бинарной маске изображения лица уровень черного цвета в районе бровей глаз носа и рта значительно больше, чем на остальном изображении лица. Используя данный факт, можно с помощью горизонтальной гистограммы выявить область глаз и бровей, что позволяет уменьшить зону поиска (рис. 1). Затем
Актуальные проблемы авиации и космонавтики - 2014. Информационные технологии
путем построения вертикальной гистограммы находятся области левого и правого глаза (рис. 2).
Рис. 3. Горизонтальная гистограмма составляющей яркости
образовать изображение областей глаз в формат бинарного изображение, на котором черным цветом будут обозначены пикселы, находящиеся на границе цветов. Затем кривые, отображающие границы глаза и радужной оболочки, обрабатываются алгоритмом Хафа для нахождения овала и круга, составляющих модель человеческого глаза (рис. 3).
Рис. 4. Вертикальная гистограмма составляющей яркости
Преобразования Хафа служат для классификации типов границ, зачастую этот метод используют для поиска прямых, кругов и овалов на изображении. Но перед использованием метода Хафа необходимо пре-
Рис. 5. Модель глаза
Но так как для определения состояния глаза достаточно найти круг, представляющий собой радужную оболочку, надобность в нахождении овала отпадает, что значительно сокращает время работы алгоритма. На основании полученной информации можно определить, открыты или закрыты глаза водителя, и сделать выводы о его состоянии.
Библиографические ссылки
1. Yu Wang and Jiwen Hu, A Method for Detection of Driver Eye Fatigue State Based on 3G Video. Electronic Sci. & Tech, 2011, vol. 24, no. 10, p. 84-114.
2. Xu L., Oja E., Kultanan P. A new curve detection method: Randomized Hough transform (RHT). // Pattern Recog. Lett. 1990, no. 11. p. 331-338.
© Савельев А. С., 2014
УДК 004.056
Р. С. Савицкий Научный руководитель - В. В. Вдовенко Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ СЛЕЖЕНИЯ ЗА ПЕРЕМЕЩЕНИЯМИ ОБЪЕКТОВ
Обосновывается актуальность разработки программного обеспечения, которое позволяет следить за перемещениями объектов и оповещать пользователя об интересующих событиях: начало движения, остановка, превышение заданной скорости. Также приводятся теоретические сведения, необходимые для реализации приложений в сфере систем спутникового мониторинга.
С каждым днем растет популярность использования систем спутникового мониторинга. Спутниковые системы мониторинга подходят для решения задач личного характера: для присмотра за детьми, пожилыми людьми, в качестве скрытой автосигнализации, для контроля местоположения посылки, для поиска собак и других домашних животных.
На Российском рынке существует системы, позволяющие следить за перемещением объектов, но они имеют ряд недостатков, которые рассматривались в работе [2]. Проведенный анализ средств мониторинга
показал, что существует потребность в разработке нового программного обеспечения.
Разработка программного обеспечения сопровождается изучением теоретических сведений, необходимых для мониторинга движущихся объектов, таких как:
- принципы работы спутниковой навигации;
- устройства, вычисляющие координаты местоположения;
- способы передачи данных посредством сотовых операторов;
