Desarrollo e implementación en un sistema embebido de un sistema detector de la distracción en conductores mediante la estimación de la postura de la cabeza

• Autor: Uman Flores, Diego Armando
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/10237
• Enlace del recurso: http://hdl.handle.net/20.500.12918/10237
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales; Detector de distracción; Postura de cabeza; Lógica difusa; http://purl.org/pe-repo/ocde/ford#1.02.01

La presente investigación tiene como objetivo desarrollar e implementar en un sistema embebido un detector de distracción en conductores de la ciudad del Cusco, basado en la estimación de la postura de la cabeza. La distracción de los conductores en un factor crítico en los accidentes de tránsito, por lo que este sistema aborda esta problemática al detectar cambios en la atención mediante el análisis de la postura de la cabeza. Para ello, se desarrolló un prototipo que utiliza una única cámara y fue implementado en un Orange Pi 5, aprovechando su NPU para ejecutar en tiempo real modelos de redes neuronales convolucionales (CNN), estos estiman los ángulos de rotación de la cabeza (yaw, pitch y roll). Se compararon 12 modelos, seleccionando MNASNet1-0 por su desempeño destacado: un MAE de 3,31◦, 119.66 FPS, y un consumo de 0.69 A con el conjunto de datos BIWI, y un MAE de 4,78◦, 48.17 FPS y 0.46 A con AFLW2000. Para determinar la distracción, se evaluaron distintas técnicas de detección, se partió de un método basado en umbralización, al cual se le aplicaron modificaciones y adicionalmente se propuso un enfoque alternativo basado en lógica difusa, estas técnicas fueron comparadas para identificar el método con mejores resultados en la detección de distracciones en conductores. En pruebas experimentales realizadas a conductores voluntarios en un entorno real controlado, el prototipo alcanzó una exactitud promedio de 93.58 %, una precisión promedio de 90.05 %, una sensibilidad promedio de 96.5% y una puntuación F1 promedio de 93.09 %. Estos resultados muestran resultados prometedores en la capacidad del sistema para detectar distracciones en tiempo real.