Reconocimiento de somnolencia en conductores bajo condiciones simuladas

• Autores: Rondón Condori, Luis Ángel, Paucara Núñez, Frederick Jacinto
• Formato: tesis de grado
• Fecha de Publicación: 2013
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/950
• Enlace del recurso: http://hdl.handle.net/20.500.12918/950
• Nivel de acceso: acceso abierto
• Materia: Visión artificial; Detección de somnolencia; PERCLOS; Detección de rostros; Detección de ojos; OpenCV; Accidentes de tránsito; http://purl.org/pe-repo/ocde/ford#2.02.04

La somnolencia en conductores es una de las causas de accidentes de tránsito, por lo cual detectar el estado de somnolencia y advertir al conductor es una forma de solucionar este problema. Este proyecto tiene como objetivo principal la utilización de algoritmos de detección de objetos para reconocer el estado de somnolencia en conductores, por lo que debe trabajar con información visual obtenida del rostro del conductor. Para reconocer el estado de somnolencia se capturan fotogramas del conductor usando una webcam, cada fotograma es evaluado buscando primero detectar un rostro, si un rostro es detectado entonces se evalúa el estado de los ojos ("abiertos" o "cerrados"), con la información del estado de los ojos de los 10 últimos fotogramas se calcula el porcentaje de ojos cerrados o PERCLOS, para un PERCLOS mayor a 40% consideramos que el estado de somnolencia del conductor es peligroso y se muestra una señal de alarma. Las pruebas se realizaron bajo las condiciones simuladas siguientes: Luz natural diurna, una webcam de 640x480 píxeles ubicada a una distancia de 40 a 60cm del conductor y a la altura del volante de un auto sin movimiento, se obtuvo un error de hasta 8% en la clasificación de ojos "abiertos" o "cerrados", se utilizó el algoritmo de detección de objetos de Viola & Jones implementado en la librería OpenCV para ubicar el rostro y buscar ojos abiertos usando el lenguaje de programación C#, este algoritmo tiene buen desempeño en ojos con apertura de párpados mayores a 7mm, y con un índice PERCLOS > 40% la señal de alarma es mostrada en un tiempo promedio de 299ms desde que se detectaron los ojos cerrados.