Uykululuk halinin önceden tespit edilmesi, uykululuğa bağlı trafik kazalarını önlemek, fiziksel ve ekonomik kayıpların önüne geçmek açısından önemlidir. Bir kamera yardımı ile kişilerin görüntüleri üzerinde görüntü işleme teknikleri uygulanarak uykululuk halini önceden kestirmek mümkündür. Bu çalışmada, literatürdeki veri kümelerinden yararlanılarak uykululuk halinin tespit edilmesinde büyük bilgiye sahip olan göz bölgesinden gelen öznitelikler ile göz kırpma tespiti yapmak için sabit ve uyarlamalı eşik değerleri ayrı ayrı değerlendirilmiştir. Böylece, kısa süreli göz kırpma ile uzun süreli göz kapamanın daha iyi ayırt edilmesi hedeflenmiştir. Çalışmada önerilen uyarlamalı eşik değerinin sabit bir eşik değerinden çok daha başarılı göz kırpma tespiti sonuçları verdiği, iki farklı veri kümesi üzerinde yapılan deneyler ile doğrulanmıştır.
Detecting drowsiness in advance is very important for preventing traffic possible accidents due to fatigue which result in physical and economic losses. It is possible to predict drowsiness by applying computer vision techniques to facial videos captures using a camera. In this study, the features from the eye region, which carry a lot of information for drowsiness detection were evaluated for eye-blink detection with fixed and adaptive thresholds using the datasets in the literature. The goal was to better discriminate short eye-blinks and longer eye closures. It was experimentally confirmed on two different datasets confirmed that the proposed adaptive thresholding method gives more accurate eye-blink detection results as compared to the fixed threshold.
