Adaptación y comparación de dos metodologías de reconocimiento facial aplicadas a la detección de somnolencia en conductores

• Autores: Gorvenia Ynfanzón, Johanna Paola, Tello Sánchez, Fernando Antonio
• Formato: objeto de conferencia
• Fecha de Publicación: 2019
• Institución: Universidad de Lima
• Repositorio: ULIMA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ulima.edu.pe:20.500.12724/8721
• Enlace del recurso: https://hdl.handle.net/20.500.12724/8721; https://doi.org/10.26439/ciis2018.5495
• Nivel de acceso: acceso abierto
• Materia: Human face recognition (Computer science); Automobile drivers; Drowsiness; Reconocimiento facial (Informática); Conductores de automóviles; Somnolencia; https://purl.org/pe-repo/ocde/ford#2.02.04

Este artículo busca comparar dos metodologías de reconocimiento de expresiones faciales: Viola-Jones y Regression Based Facial Landmark Detection, adaptados para la detección de somnolencia, dando a conocer cuál de ellas es la más óptima y se adecúa mejor a las condiciones variables, considerando las restricciones de oclusión, rotación de rostro, iluminación. Tras un análisis cuantitativo bajo la matriz de confusión y poniendo a prueba las metodologías propuestas en diferentes situaciones, se realizó una comparación con los resultados obtenidos. Ocurren diferentes efectos por la falta de sueño como la disminución del tiempo de reacción, cansancio ocular, la visión se torna borrosa, menor concentración, etcétera; influyendo de manera directa en el incremento de accidentes de tráfico.