AffectiveDrive: sistema di Driver Assistance basato sull’analisi di sensori inerziali e tecniche di computer vision

D'Ambrosio, Luca (2018) AffectiveDrive: sistema di Driver Assistance basato sull’analisi di sensori inerziali e tecniche di computer vision. [Laurea], Università di Bologna, Corso di Studio in Informatica per il management [L-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (8MB)

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.

Abstract
Tipologia del documento
Tesi di laurea (Laurea)
Autore della tesi
D'Ambrosio, Luca
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Machine learning,Drive behavior recognition,ADAS,Sensor,Facial expression recognition,Computer vision,Feature extraction
Data di discussione della Tesi
17 Luglio 2018
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^