DSpace Repository

Etude comparative entre les différentes architectures des réseaux de neurones convolutifs (CNNs) pour la détection de la fatigue du conducteur.

Show simple item record

dc.contributor.author SEKKIL, Hicham Mohamed
dc.contributor.author MEBROUKI, Mahmoud
dc.date.accessioned 2022-01-11T08:05:42Z
dc.date.available 2022-01-11T08:05:42Z
dc.date.issued 2021-09-26
dc.identifier.uri http://hdl.handle.net/STDB_UNAM/251
dc.description.abstract La fatigue du conducteur diminue sa vigilance ce qui peut mener à des conséquences graves comme les accidents routiers. Dans ce mémoire nous avons proposé une méthode non intrusive de la détection de la fatigue du conducteur basé sur l'intelligence artificielle et la vision par ordinateur. En effet, nous avons réalisé une étude comparative entre les différentes architectures du réseau neurone convolutive pour la détection de la fatigue au volant en analysant les caractéristiques faciales du conducteur (l’état des yeux et le bâillement). Par la suite, l'architecture sélectionnée a été utilisée pour calculer les deux mesures PERCLOS et FOM (PERcentage of eye CLOsure and yawning Frequency Of Mouth) afin de prédire la somnolence du conducteur. La méthode a obtenu un taux de détection égale à 81,25 %. en_US
dc.language.iso fr en_US
dc.publisher Directeur: Melle. Imane NEDAJR / Co-Directeur: M. MEGNAFI Hichem en_US
dc.subject Fatigue, Analyse des Caractéristiques Faciales, Apprentissage Profond, Réseau de Neurones Convolutive, PERCLOS, FOM. en_US
dc.title Etude comparative entre les différentes architectures des réseaux de neurones convolutifs (CNNs) pour la détection de la fatigue du conducteur. en_US
dc.type Thesis en_US


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Browse

My Account