SYSTÉMY PRE ZVÝŠENIA BEZPEČNOSTI VODIČA MOTOROVÉHO VOZIDLA - ZAZNAMENÁVANIE OKA, POHĽADU V REÁLNOM ČASE PRE MONITOROVANIE OSTRAŽITOSTI VODIČA

Transcription

1 Ročník 5., Číslo III., lisopad 200 SYSTÉMY PRE ZVÝŠENIA BEZPEČNOSTI VODIČA MOTOROVÉHO VOZIDLA - ZAZNAMENÁVANIE OKA, POHĽADU V REÁLNOM ČASE PRE MONITOROVANIE OSTRAŽITOSTI VODIČA SYSTEMS DRIVERS SECURITY EYE, REAL TIME Rudolf Volner Anoácia: Táo šúdia pojednáva o možnosiach využiia vizuálnych sysémoch v dopravných echnológiách. Rozoberá možnosi vizuálneho sysému ako sysému pre zvýšenie vonkajšej bezpečnosi ak aj sysému pre počíačové pozorovanie a pre moniorovanie osražiosi vodiča za volanom. Dôvod na skonšruovanie akéhoo sysému bol hlavne predísť časým dopravným nehodám, korých príčina je veľmi časo mikrospánok vodiča. Práve zmenšený supeň osražiosi vodiča sa sal problémom vážneho záujmu pre spoločnosť. Kľúčové slová: bezpečnosť, oko, reálny čas Anoaion: The requiremens on ransporaion sysems concern no only he quaniaive and qualiaive aspecs of ransporaion aciviies, bu sill more also he aspecs of heir reliabiliy and safey. Analyzing he reliabiliy and safey of ransporaion, one finds ha he aciviy of human being is he weakes poin. The echnical reliabiliy of almos all he ransporaion ools has improved quie a lo in recen years, however he human subjec ineracing wih hem has no changed oo much, as concerns his/her reliabiliy and safey of he respecive necessary ineracion. Keywords: securiy, eye, real ime. ÚVOD Sysém, korý závisí na samonom vizuálnom signály môže naraziť na ťažkosi, keď sa vyžadované vizuálne čry nedajú získať presne, alebo spoľahlivo. Napr., vodič s okuliarmi môže zaznamenať vážny problém pri echnike založenej na deekcii charakerisík oka [0]. Okuliare môžu zapríčiniť odraz svela, kvôli korému je pre kameru nemožné moniorovať pohyb očí. ďalej supeň ovorenia oka môže byť u každého človeka iný. Ďalší poencionálny problém s využiím samoného vizuálneho signálu je, že získaná vizuálna čra nemusí byť vždy indikáorom menálneho savu. Napr. nepravidelný pohyb hlavy, alebo pohľad (ako kráky pohľad dozadu alebo do späného zrkadla môže pre akýo sysém znamenať falošný poplach. Všeky ieo vizuálne signály, aj keď sú individuálne nedokonalé, sysemaickým kombinovaním poskyujú presnú charakerisiku supňa osražiosi vodiča. prof. Ing. Rudolf Volner, Ph.D., Deparmen of Air Transpor, Insiue of Transpor, Faculy of Mechanical Engineering, VŠB -Technical universiy of Osrava, Tel.: , rudolf.volner@vsb.cz Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 404 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

2 Ročník 5., Číslo III., lisopad 200 Obrázky operáora Súvisiace informácie fyzický sav spánok eploa čas v dni Získané vizuálne čry pohyb očného viečka orienácia váre pohľad Informačná fúzia Únava? Nie Akivácia alarmu Obr. - Bloková schéma sysému osražiosi vodiča Video snímky Áno Snímanie a deekcia zreníc Nie Úspech? Áno Moniorovanie pohybu očného viečka Zisenie pohľadu Moniorovanie váre PERCLOS Rýchlosť zavorenia oka Snímanie zreníc a odrazu (GLINTu Vlasnosi zreníc Obr. 2 - Prehľad sysému moniorovania osražiosi vodiča Sysém začína deekciou a snímaním zreníc, čo je ďalej využívané na moniorovanie pohybu očných viečok, pohľadu a na určenie orienácie váre. Video obrázky Deekcia zreníc: Odsránenie pozadia 2 Lokalizácia pomocou globálneho prehľadávania 3 Overovanie správnosi Úspech? Súvisiace údaje Inenzia var veľkosť pohyb Snímanie zreníc: Predikcia podľa Kalmana 2 Lokalizácia pomocou lokálneho prehľadávania 3 Overovanie správnosi Nie Úspech? Áno Obr. 3 - Bloková schéma sysému deekcie a snímania zreníc Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 405 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

3 Ročník 5., Číslo III., lisopad SNÍMANIE ZRENICE POMOCOU KALMANOVEJ FILTRÁCIE Pre nepreržié moniorovanie osoby je dôležié snímať jej/jeho zrenice v snímkoch idúcich zaradom (frame o frame v reálnom čase. Dá sa o dosiahnuť vykonávaním deekcie zrenice v každej snímke. Teno spôsob je však v reálnom čase prakicky nemožné uskuočniť, preože by sme museli prehľadávať každý jeden obrázok, v každom rade, čo je veľmi časovo náročné. Dá sa o spraviť efekívnejšie a o využiím plánu predvídania, resp. predikcie a lokalizácie. Predvídanie znamená určenie približných polôh zreníc v ďalšom obrázku na základe normálnej polohy. Lokalizácia určuje presnú polohu pomocou lokálneho vyhľadávania. Prvý krok zaručuje presnú lokalizáciu výhodnú pre druhý krok, preože limiuje prehľadávanú plochu (robí plochu menšou v nasledujúcich snímkoch. Pri zavádzaní ejo schémy sa musia brať do úvahy 2 fakory veľkosi prehľadávacieho okna: Veľké prehľadávacie okno môže viesť k neporebnému prehľadávaniu a je časovo náročné, Príliš malé okno môže ľahšie prehliadnuť informáciu o zrenici. Efekívne je použiie zv. adapívneho prehľadávacieho okna, kde plocha snímky je určená auomaicky na základe veľkosi zrenice a chyby pozície, pričom podsaa činnosi adapívneho prehľadávacieho okna spočíva v Kalmanovej filrácii. Kalmanov filer je súbor opakujúcich sa algorimov, koré odhadujú pozíciu a nepresnosť pohybujúcich sa objekov v nasledujúcej snímke. To znamená: kde hľadať zrenice, aká veľká oblasť má byť prehľadávaná v nasledujúcej snímke okolo predvídanej pozície, aby sme s isoou našli zrenice. Opakovane upravuje pozíciu normálnej polohy a veľkosť prehľadávacieho okna a proces sa opakuje s predchádzajúcimi poserior odhadmi, aby sa navrhli (predikovali nové apriori odhady. Teno proces opakovania je základná vlasnosť Kalmanovho filra čo nám prakickú implemenáciu celého sysému do praxe neuverieľne zjednodušuje. Realizácia snímania očných zreníc založená na Kalmanovej filrácii môže byť nasledovná. Získame sekvenciu snímkou, pričom áo sekvencia snímkou je vzorkovaná v každom obrázku časom, je ďalej spracovávaná na určenie polohy zrenice. Sav zrenice v každej časovej vzorke je charakerizovaný svojou pozíciou a rýchlosťou. Nech ( c, r predsavujú pozíciu bodu zrenice (jej sred v čase a nech ( u, v je jeho rýchlosť v čase v smere c a r. Savový vekor v čase môžeme poom vyjadriť nasledovne ( c r u v x = ( V súvislosi s eóriou Kalmanovej filrácie, savový vekor x + v ďalšom časovom okamihu + lineárne závisí od savu x podľa nasledovného sysémového modelu kde x + + = Φx w (2 Φ - savová prechodová maica, w - predsavuje sysém chýb (porúch, normálové rozdelenie w N 0, Q (3 ( Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 406 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

4 Ročník 5., Číslo III., lisopad 200 Ak predpokladáme, že pohyb zrenice medzi dvomi po sebe idúcimi snímkami je dosaočne malý na o, aby sme považovali pohyb pozícií zreníc zo snímky do snímky za rovnaký (jednoný, poom savová maica prechodu môže obsahovať ieo paramere Φ = ( Ďalej predpokladáme, že rýchly deekor odhadne z ( c =, r predpokladanú pozíciu zrenice v čase. Poom rozmerový model porebný pre Kalmanov filer je z = Hx + v (5 kde maica H sa vzťahuje na normálny sav pre bežné rozmery a v predsavuje rozmerovú nepresnosť v normálovom rozdelení v N( 0, R. Pre jednoduchosť z zahŕňa iba pozíciu, preo môžeme H písať H = ( Charakerisický deekor vyhľadáva oblasť určenú kovariannou maicou aby sa + našiel charakerisický bod v čase +. Na produkciu finálneho odhadu je deekovaný bod skombinovaný z predpokladaným odhadom. Oblasť vyhľadávania sa auomaicky mení na základe. + Nech x + je odhadovaný sav v čase + vyplývajúci z použiia sysémového modelu. Časo sa označuje ako aprior savový odhad. x + sa líši od x + v om, že x + je odhadnuý pomocou oboch aj sysémového modelu (2 aj rozmerového modelu (5. x + je obyčajne označovaný ako poserior savový odhad. Nech a + + sú kovarianné maice pre savové odhady x + a x +. Charakerizujú nepresnosi asociované aprior a poserior savovými odhadmi. Cieľom Kalmanovej filrácie je odhadnúť x + a + danú x,, z, sysémový a rozmerový model. Algorimus Kalmanovej filrácie pre savovú predikciu a akualizáciu dá (updaing možno zosumarizovať nasledovne. Savová predikcia - Pri zadaní normálneho x a jeho kovariannej maice zahŕňa predikcia savu 2 kroky: Určenie savu ( x, + odhadnuie chyby kovariancie ( + x+ = Φx (7 = Φ Φ + Q + (8 Akualizácia dá - Pri zadaní aprior odhadu x +, jeho kovariannej maice + a normálneho rozmeru z + vyplývajúceho z charakerisickej deekcie (buď pomocou jednoduchého prahovania, alebo korelačnou meódou v okolí určenom +. Akualizácia dá môže byť uskuočnená pre odvodenie poserior savu a jeho kovariannej maice. Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 407 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

5 Ročník 5., Číslo III., lisopad 200 Prvou úlohou pri akualizácii dá je vypočíať Kalmanovo zosilnenie K + + T H K + = (9 T H H + R + Maica zosilnenia K sa dá inerpreovať ako záťažový fakor pre určenie rozmeru z + a predikcie Hx + ku poseriori savového odhadu x +. Ďalším krokom je skuočné meranie procesu určené k získaniu z a poom generovanie poseriori savového odhadu x + dosadením rozmeru do rovnice (. x + poom vypočíame nasledovne x + = x+ + K + ( z+ Hx+ (0 Finálnym krokom je získanie poseriori chyby kovariancie odhadu ( K + H = + + I ( Po každom čase a meraní Kalmanov filer rekurzívne upravuje normálny odhad všekých minulých rozmerov a proces sa opakuje s predchádzajúcimi poserior odhadmi použiými pre určenie, alebo predikciu nového apriori odhadu. Aby Kalmanov filer fungoval, musí byť inicializovaný. Musíme špecifikovať počiaočný sav. Kalmanov snímač spúšťame až po úspešnej deekcii zreníc v dvoch po sebe idúcich snímkoch. Nech 2 snímky sú a +, poom počiaočný savový vekor x 0 bude definovaný nasledovne c r u v = c = r = r + + = c + + c r Tak iso porebujeme špecifikovať počiaočnú kovariannú maicu 0 pre počiaočný je opakovane akualizovaná získavaním ďalších snímkou, môžeme ju sav x 0. Preože inicializovať na veľké hodnoy. Ak predpokladáme, že predpokladaná pozícia má chybu ± 0 pixelov od skuočnej hodnoy v oboch smeroch u a v a rýchlosť má chybu ± 5 pixelov od skuočnej hodnoy v oboch smeroch u a v, poom odhadovaná kovarianná chyba je definovaná nasledovne = ( Okrem x0 a 0 odhadneme sysémovú a rozmerovú chybu kovariancie maíc Q a R. Na základe pozorovania pohybu zreníc môžeme s isoou predpokladať sysémový model porúch nasledovným spôsobom. Nech šandardná odchýlka od sysémovej chyby pozície sú 4 pixely pre oba u a v smery. Ďalej predpokladáme, že šandardná odchýlka pre rýchlosnú chybu sú 2 pixely/snímok. Poom smerová kovarianná maica je definovaná Q = ( (2 Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 408 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

6 Ročník 5., Číslo III., lisopad 200 Podobne môžeme predpokladať chybu rozmerového modelu 2 pixely pre oba x a y smery. Poom 4 0 R = (5 0 4 Predpokladáme, že Q a R sú konšanné maice. Použiím savovej predikcie a úpravou rovníc v spojení s počiaočnými podmienkami, je savový vekor a jeho kovarianná maica každého snímku odhadnuá. Kovarianná maica sa posupne sabilizuje po niekoľkých snímkach. Savová kovarianná maica udáva nepresnosť pozície zreníc v. Vyhľadávacia plocha môže byť určená - obr. 4. Elipsa na obrázku predsavuje prehľadávanú oblasť. Hlavná a vedľajšia os elipsy je určená 2 vekormi zo. V praxi pre rýchlejšie vypočíanie veľkosi prehľadávanej plochy sú používané hodnoy [][] 0 0 a [][]. Špecificky je veľkosť prehľadávanej plochy zvolená [ 0][] 0 a + 2 [][] 50, kde základná veľkosť okna je 50 x 50. Prehľadávaná plocha je preo prispôsobená. Ak snímanie zlyhá, deekcia zreníc bude reakivovaná. Snímanie zlyhá práve vedy, ak nasnímaná oblasť má unimodálne rozloženie inenziy, alebo ak binárna časť deekovaná v snímanej oblasi nesúhlasí s určiými geomerickými rozmermi ako sú var a veľkosť. Obr. 4 - Deekcia a snímanie zreníc použiím Kalmanovej filrácie, kde ( c, + r + predpokladané pozície a + sú neisoy súvisiace s (, c + r + Pri šúdiu planosi Kalmanovho filra pre snímanie zreníc sme šudovali rozdiely medzi predpokladanou a akuálnou lokáciou zrenice - obr. 5. sú Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 409 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

7 Ročník 5., Číslo III., lisopad 200 Obr. 5 - Trajekória reálnych a odhadovaných pozícii zreníc v 30 - obrázkovej sekvencii Krížiky znamenajú odhadnué polohy zreníc pomocou Kalmanovho filra a krúžky znázorňujú akuálnu snímanú pozíciu zreníc. Z obrázka je jasné, že predpokladané a akuálne pozície zrenice v značnej miere súhlasia. Hlavnými výhodami oho sysému deekcie a snímania očí je jeho jednoduchosť a presnosť. Nie je pozorovanému objeku na obiaž, eda objek môže byť snímaný a vôbec o om nemusí vedieť. Táo echnika nevyžaduje žiadny fyzický, alebo geomerický model. Je založená na spekrálnych vlasnosiach zrenice. Hoci sa vyžaduje špeciálne osvelenie, nasavenie osvelenia je jednoduché a pozadie je irelevanné. Zrenice môžu byť deekované a snímané v reálnom čase v širokej škále podmienok. 3. POČÍTANIE PARAMETROV POHYBU OČNÉHO VIEČKA Pohyb očného viečka je jeden z vizuálnych prejavov, koré odzrkadľujú supeň únavy osoby. Základným cieľom snímania zreníc je moniorovanie pohybu očného viečka a vypočíanie relevanných paramerov pohybov. Exisuje niekoľko rozmerov charakerizujúce pohyb očného viečka ako frekvencia žmurkania, rvanie zavreia oka, rýchlosť zavárania oka a parameer Perclos. Perclos meria perceno zavorenia oka v čase a zahŕňa čas porebný na normálne zavreie. Ďalším vizuálnym paramerom pre idenifikovanie únavy vodiča je rýchlosť zavárania/ovárania oka, čím rozumieme čas porebný na úplné zavorenie a úplné ovorenie očí. Pre získanie ýcho 2 paramerov (Perclos a rýchlosť zavárania očí predpokladáme koninuálne snímanie zreníc objeku a deermináciu (určenie poču zavreí očí v reálnom čase založenú na ploche zreníc, koré boli zavorené očnými viečkami. Zavorenie oka sa zmenšuje, keď sa veľkosť deekovanej zrenice zmenšuje na zlomok nominálnej veľkosi (20%. Individuálne rvanie zavorenia oka je definované ako časový rozdiel medzi dvoma po sebe idúcimi časovými okamihmi 2 a 3, medzi korými je veľkosť zrenice 20%, alebo menej z maximálnej veľkosi. Individuálna rýchlosť zavorenia oka je definovaná ako časová Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 40 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

8 Ročník 5., Číslo III., lisopad 200 perióda od po 2, alebo od 3 po 4, počas korej je veľkosť zrenice medzi 20% a 80% nominálnej veľkosi obr. 6. Obr. 6 - Závislosť veľkosi očnej zreničky od času 4. ANALÝZA VÝSLEDKOV SIMULOVANIA ZATVÁRANIA OKA V ejo časi budú popísané experimeny uskuočnené za cieľom šúdia planosi dvoch pohybových paramerov oka. Aby sme získali skuočne reálne údaje, ľudský objek schválne rôzne žmurká očami pred zhooveným sysémom, aby simuloval rôzne vzorky pohybu očných viečok, koré predsavujú rôzne supne únavy. Treba si uvedomiť, že nemeriame únavu samonú, ale rôzne vzorky pohybu očných viečok. Obr. 7 - Porovnanie rýchlosí zavárania oka Z grafu vidno, že zaáranie oka osoby korá je čulá rvá 0,7s, kde u ospalého/unaveného človeka rvá zaváranie oka až,68s. Aj eno fak nám naznačuje, že rýchlosť zavorenia oka môže byť poenciálne využiá ako veličina, korá presnejšie určuje supeň únavy vodiča. Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 4 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

9 Ročník 5., Číslo III., lisopad 200 Obr. 8 - Priebeh priemerných hodnô paramera Perclos počas 6 minú Obr. 9 - Priebeh AECS priemerných hodnô počas 6 minú Obr. 0 zobrazuje priemey vzoriek dá do PFS (Pupil Feaure Space - priesor charakerisických čŕ (vlasnosí zreníc, z korého jasne môžeme vidieť, že je u 5 odlišných skupín zodpovedajúcich piaim orienáciám váre. Treba poznamenať, že hoci vieme nakresliť 3D priesor, PFS je vorený siedmimi znakmi, v korom sa skupiny budú viac odlišovať, akže poloha môže byť určená premienuím vlasnosí zreníc do PFS. Obr. 0 - Skupiny pozície váre v priesore charakerisických znakov zreníc Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 42 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

10 Ročník 5., Číslo III., lisopad 200 Obr. - Projekcia ried v PFS Pre maximálne rozdelenie rôznych skupín porebujeme znázorniť PFS, v korom rôzne riedy pozícií sú najlepšie od seba odlíšené. Veľmi známi je algorimus principiálnych komponenov PCA (Principal Componen Algorihm, alebo priesorový algorimus, korého cieľom je nájsť hlavné zložky rozdelenia plôch, alebo vekory kovariannej maice súborov polohy. Vekory sú zoradené a každý sa ýka iného množsva variácii polôh a každá samosaná poloha sa dá presne vyjadriť ako lineárna kombinácia vekorov. Pre vyvorenie PFS sú zhromažďované réningové údaje a niekoľko modelov reprezenujúcich ypické polohy. V našich experimenoch kolíšu pozície medzi 45 až 45 supňov. Orienácia váre môže byť zaradená do jednej zo skupín na základe jej Euklidovskej vzdialenosi ku sredu každej skupiny. 4. Mapovanie pohľadu Po získaní relaívnej pozície medzi zrenicou a odrazom môže byť plocha, korá je koordinovaná pohľadom určená pomocou procedúry lineárneho mapovania. Konvenčný prísup mapovania pohľadu využíva iba premiesnenie sredu zrenice a pozície odrazu ako vekor zrenica odraz. Hlavnou nevýhodou ejo meódy je, že subjek musí nehybne držať hlavu, inak sa pozícia odrazu na obrázku zmení. V praxi je ťažké udržať hlavu v pokoji. Ak sa hlava čo len neparne pohne, meódou snímania pohľadu dosaneme chybný výsledok. Preo musí byť pohyb hlavy zakomponovaný v procedúre odhadu pohľadu. V súvislosi z naším mapovaním je vekor zrenica odraz vyjadrený kde Δx a [ ΔxΔ ] g = yg x g y (6 Δ y - premiesnenia zrenica odraz, g x, g y - súradnice odrazu. Okrem exisujúcich meód, koré využívajú iba pozíciu odrazu. Too efekívne znižuje vplyv pohybu hlavy. Vekorový súčinieľ je daný [ αβγλθ ] T Δ x a Δ y, náš posup obsahuje aj c = (7 Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 43 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

11 Ročník 5., Číslo III., lisopad 200 Bod pohľadu je umiesnený na jednej z deviaich pozícií pohľadu. Vekor zrenica odraz môže byť zmapovaný do plochy snímky pomocou nasledujúcich rovníc kde i g. c = α Δx + β + γg x + λg + θ (8 = y i - index oblasi pohľadu od do 9 predsavujúci jeden z deviaich smerov, α, β, γ, λ, a θ - koeficieny určené kalibráciou ak ako je o popísané ďalej. 4.2 Kalibrácia Procedúra kalibrácie je veľmi jednoduchá a kráka. Rozdelíme kalibračný panel na 9 oblasí reprezenujúcich 9 smerov pohľadu. Počas kalibrácie je porebné, aby bol fixovaný pohľad na cieľ až 27. Po každom pohľade spusí sysém pípanie, aby upozornil používaeľa, že má zmeniť pohľad na iný cieľ. Pri každej fixácii sú spočíané a uložené 3 skupiny vekorov zrenica odraz, akže získame maicu A 27 x 5. Transformácia maice A na cieľový vekor B je daná A. c = B (9 kde maica A je maica 27 x 5 Δx Δx Δx Δx Δx A = Δx M Δx Δx Δx M M M a B je 27 x vekor daný B = [ L 9 9 9] T (2 Vekorový súčinieľ získame vyriešením rovnice (9 použiím meódy najmenších švorcov. M (20 Obr. 2 - Normálny sav riadenia Obr. 3 - Sav únavy Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 44 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča

12 Ročník 5., Číslo III., lisopad 200 Obr. 4 - Sav nepozornosi 5. ZÁVER Opisovaný sysém je sysém počíačového vizuálneho sysému pre moniorovanie osražiosi vodiča v reálnom čase. Cieľom je vyvinúť porebný hardware a snímkový algorimus, korý simulánne exrahuje vizuálne informácie, koré ypicky charakerizujú supeň únavy osoby. Sú o pohyb očného viečka, pohľad a orienácia váre. Hlavné komponeny sysému pozosávajú z hardwarového sysému pre získavanie video snímkov vodiča v reálnom čase a z rozličných počíačových vizuálnych algorimov a ich sofware ových implemenácií pre snímanie oka/očí, pre výpoče paramerov pohybu očných viečok, pre rozlišovanie polohy váre a pre odhad pohľadu. POUŽITÁ LITERATÚRA [] VOLNER, R., TICHÁ, D. Road auomobile communicaion sysem elecommunicaion and securiy sysem, Naional Conference wih Inernaional paricipaion Auomaics and Informaics 2000, Ocober 2000, Sofia, Bulgaria, pp , ISBN [2] TICHÁ, D. A Sensiiviy Approach in Digial Filer Design, Proceedings of 3rd Inernaional Workshop Digial Technologies 2006, Žilina, 2006, ISBN [3] ISOMURA, A., HARA, T, KAMIYA, K. Human Facors on Driver's Seering Operaion. JSAE Review, (, p.. [4] WIERWILLE, W.W., e al., Research on vehicle - based driver saus/performance monioring, developmen, validaion, and refinemen of algorihms for deecion of driver drowsiness. 994, Deparemn of ranspor, Washingon DC. p [5] VOLNER, R. Možnosi aplikácie CCTV pri zvyšovaní bezpečnosi riadenia moorového vozidla, Priebežná správa o riešení vyskumného zámeru Transdisciplinární výzkum v oblasi biomedicínckého inženýrsví, Výzkumný záměr MSM , [6] MOOS, P., VOLNER, R. a kol. Rozvoj meod sysémové analýzy, algorimů a saisických meod pro dopravu a spoje, Výzkumný záměr MSM / Volner - Sysémy pre zvýšenia bezpečnosi vodiča moorového vozidla - zaznamenávanie 45 oka, pohľadu v reálnom čase pre moniorovanie osražiosi vodiča