DETECCIÓN DE SOMNOLENCIA EN CONDUCTORES DE VEHÍCULOS POR MEDIO DE PROCESAMIENTO DE VIDEO (DROWSINESS DETECTION IN VEHICLE DRIVERS THROUGH VIDEO PROCESSING)
Pistas Educativas
Resumen
Resumen Los accidentes automovilísticos son una de las principales causas de muerte y lesiones a nivel mundial. Muchos son causados por fatiga y somnolencia de los conductores. El presente estudio tiene como objetivo detectar somnolencia en conductores de vehículos. La metodología del trabajo consistió en las siguientes etapas: en primer lugar, se empleó un algoritmo para la detección del rostro del sujeto dentro de la cabina de un automóvil durante la simulación de conducción para identificar regiones que incluyan cada ojo. Posteriormente se construyó un clasificador para distinguir las regiones de cada ojo como: abierto o cerrado. Finalmente, se desarrolló un algoritmo para el seguimiento de las regiones de interés para alimentar con imágenes al clasificador; para la detección se somnolencia se utiliza un criterio basado en una cantidad de fotogramas consecutivos presentando una identificación de ojos cerrados. El algoritmo presentó un 91.4% de exactitud en la detección de somnolencia. Palabras Clave: Clasificación, somnolencia, inteligencia artificial. Abstract Car accidents are one of the leading causes of death and injury worldwide. Many are caused by fatigue and drowsiness in drivers. The present study is a work based on artificial intelligence applied to the field of video processing to determine a drowsy condition in vehicle drivers. The work methodology consisted of the following stages: first, using the first frame of the video, the subject's face is detected inside the car cabin during the driving simulation in order to identify the regions that include each eye. The next section consists of the construction of a classifier to identify the regions that each eye includes as: open eye or closed eye. Finally, an algorithm is developed to track the face and the regions of interest (regions that include the eyes) to feed the classifier with images; Detection of subject drowsiness is determined using criteria based on a series of consecutive frames having a closed eye identification. The algorithm presented a 91.4% accuracy in detecting drowsiness. Keywords: Classification, drowsiness, artificial intelligence.
Datos de publicación
Cita esta publicación
Comprueba el estilo que requiere tu institución o revista.
Fuentes y trazabilidad
Se conserva la procedencia de los datos y se da prioridad a la revista cuando existe información editorial.
Licencias declaradas por las fuentes
Licencia en el registro de origen