Научно-образовательный IT-форум

Объявление

Поддержать просветительскую деятельность форума можно по ссылке.
Публикация рекламы доступна через спонсорство канала YouTube.

Информация о пользователе

Привет, Гость! Войдите или зарегистрируйтесь.


Вы здесь » Научно-образовательный IT-форум » Видеотека » Определение функционального состояния человека на основе нейросети


Определение функционального состояния человека на основе нейросети

Сообщений 1 страница 5 из 5

1

НЕЙРОСЕТЕВАЯ МОДЕЛЬ И ПРОГРАММНЫЙ КОМПЛЕКС ОПРЕДЕЛЕНИЯ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ОПЬЯНЕНИЯ ЧЕЛОВЕКА ПО ЗРАЧКОВОЙ РЕАКЦИИ НА СВЕТОВОЕ ИМПУЛЬСНОЕ ВОЗДЕЙСТВИЕ
А.М. Ахметвалеев (КНИТУ-КАИ)

Аннотация доклада
Рассматривается задача определения функционального состояния опьянения человека. Для ее решения предлагается метод, основанный на анализе данных пупиллограмм – временных рядов, характеризующих динамику изменения размеров зрачков человека на световое импульсное воздействие. В качестве инструмента интеллектуального анализа данных и построения модели определения функционального состояния человека предлагается использовать математический аппарат искусственной нейронной сети – персептрона. Предлагается исходная нейросетевая модель и производится оценка ее адекватности. Для повышения эффективности ее практического использования разрабатывается метод редукции структуры нейронной сети на основе генетического алгоритма. Предложенный метод двухэтапной генетической оптимизации позволяет определять значимые входные признаки для нейронной сети и по заданному входному признаковому пространству оптимизировать состав нейронов скрытого слоя. Результаты проведенных экспериментов на базе разработанного программного комплекса показали высокую эффективность определения функционального состояния человека на основе редуцированной нейросетевой модели. Данная модель эффективно используется в составе интеллектуальных систем видеонаблюдения в системах общественной безопасности, а также в медицинской диагностике в качестве инструмента для бесконтактного определения функционального состояния опьянения человека.

Выводы по проделанной работе:
1. На основе анализа рассматриваемой предметной области сформулирована научная задача и обоснована необходимость разработки новой нейросетевой модели, метода и алгоритма ее построения, а также программного комплекса определения функционального состояния опьянения человека на основе анализа его зрачковой реакции на световое импульсное воздействие.
2. Разработаны:
2.1) методика сбора и подготовки исходных данных к анализу, позволяющая производить сбор исходных данных в условиях изменения освещенности, оценку качества и очистку пупиллограмм, вычислять значения параметров зрачковых реакций, а также производить оценку качества и очистку вычисленных значений с получением готовой таблицы данных для анализа;
2.2) нейросетевая модель определения функционального состояния опьянения человека в виде модели КНС, а также методика ее построения, включающая этапы разработки структуры нейронных сетей, построения исходной нейросетевой модели и ее редукции;
2.3) эффективный численный метод редукции нейронных сетей, основанный на принципах генетической оптимизации и позволяющий сокращать размерность структуры модели без потери точности классификации;
2.4) двухэтапный генетический алгоритм, реализующий метод редукции нейронных сетей за счет оптимизации состава входных и числа скрытых нейронов каждой сети и обеспечивающий оценку информативности входного признакового пространства модели.
3. На основе предложенной модели, метода и алгоритма реализован инструментальный комплекс программ, позволяющий определять функциональное состояние опьянения человека по его зрачковой реакции на световое импульсное воздействие.
4. Проведены исследования оценки эффективности разработанной модели КНС, метода и алгоритма ее редукции. Результаты исследований показали, что предложенная модель определения функционального состояния опьянения человека является адекватной, а ее точность составляет 96,7%, что превышает точность различных методов классификации при анализе данных пупиллометрии и других известных наборов данных.
5. Произведено внедрение программного комплекса в виде системы поддержки принятия решений в составе процедуры прохождения предрейсового медицинского осмотра для определения функционального состояния опьянения водителей автотранспорта. В ходе опытной эксплуатации снизились материально-технические (не менее 90%) и временные (не менее чем в 10 раз) затраты.
6. Результаты проведенных исследований и апробации показали эффективность разработанной модели КНС, метода и алгоритма ее редукции, а также пригодность программного комплекса к решению задач определения функционального состояния опьянения человека.

ПРЕЗЕНТАЦИЯ

ВИДЕО ДОКЛАДА:

2

На 18 слайде (см. рисунок или по ссылке https://youtu.be/2or023jFEco?t=708 ) прозвучало, что для устранения шумов, аномальных значений, а также пропусков в данных пупиллограмм применялись методы интеллектуального анализа данных и обработки этих данных. Расскажите, пожалуйста, а какими конкретно инструментальными средствами это было достигнуто? Использовались ли сторонние библиотеки? Если это собственное решение, то не могли бы представить исходные коды программ, блок-схемы алгоритмов?

https://bitbucket.org/landwatersun/forum/downloads/201804241356.png

3

Здравствуйте! Интересный вопрос. Постараюсь ответить на него кратко, но содержательно.
Для сглаживания пупиллограммы использовано вейвлет-преобразование с глубиной разложения 3 единицы и порядком вейвлета 6 единиц. В сравнении с преобразованием Фурье, вейвлет имеет гибкую настройку сглаживания, что обеспечивает более точный результат.
Примеры кода вы наверняка найдете в сети в открытом доступе.

4

Здравствуйте! На 39 слайде в инструментальном программном комплексе по получению и анализу видеоизображений указана поддержка CUDA. Расскажите, пожалуйста, каким образом реализован модуль поддержки видеокарт компании NVIDIA для анализа видеоизображений?

https://bitbucket.org/landwatersun/forum/downloads/201805080027.png

5

Здравствуйте Карим! Модуль поддержки видеокарт реализован с использованием порта библиотеки OpenCV для языка C# - EmguCV. Он имеет встроенные классы, такие как CudaInvoke и OpenCL для использования аппаратных средств видеоускорителей различных производителей, не только NVidia.

Быстрый ответ

Напишите ваше сообщение и нажмите «Отправить»



Вы здесь » Научно-образовательный IT-форум » Видеотека » Определение функционального состояния человека на основе нейросети