Analýza očí řidiče ve vozidle s využitím neuronových sítí

Abstract

Tato bakalářská práce se zabývá problematikou detekce únavy a mikrospánku řidiče prostřednictvím obrazové analýzy očí. Teoretická část popisuje klíčové fyziologické indikátory únavy, provádí rešerši dostupných datových sad a představuje metody počítačového vidění – od tradičních geometrických přístupů až po moderní architektury hlubokého učení. Hlavním cílem práce je navrhnout a imple- mentovat experimentální program, který s využitím konvolučních neuronových sítí dokáže v čase vyhodnocovat stav řidiče na základě metriky PERCLOS. V praktické části jsou sestaveny a implemen- továny tři odlišné metody výpočetního řetězce (využívající framework MediaPipe, detektor YOLO a vlastní konvoluční klasifikátor). Závěr práce následně prezentuje experimentální srovnání těchto metod z hlediska jejich celkové přesnosti, robustnosti vůči zakrytí obličeje a výpočetní rychlosti.

This bachelor thesis addresses the issue of driver fatigue and microsleep detection through eye image analysis. The theoretical part describes key physiological indicators of fatigue, conducts a review of available datasets, and introduces computer vision methods ranging from traditional geometric approaches to modern deep learning architectures. The primary objective of the work is to design and implement an experimental program that utilizes convolutional neural networks for evaluation of the driver’s state based on the PERCLOS metric and blink dynamics. In the practical part, three distinct processing pipelines are developed and implemented (utilizing the MediaPipe framework, the YOLO detector, and a custom convolutional classifier). The conclusion of the thesis presents an objective experimental comparison of these methods in terms of their overall accuracy, robustness to facial occlusion, and computational speed.