Reconocimiento de comportamiento de conducción distraída utilizando aprendizaje por currículo en una red profunda preentrenada VGG16

• Autor: Loyola Ayque, Marcelina
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Católica San Pablo
• Repositorio: UCSP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucsp.edu.pe:20.500.12590/18115
• Enlace del recurso: https://hdl.handle.net/20.500.12590/18115
• Nivel de acceso: acceso abierto
• Materia: Conducción distraída; Seguridad vial; Redes neuronales convolucionales; Aprendizaje profundo; Detección de patrones; https://purl.org/pe-repo/ocde/ford#2.02.03

La conducción distraída representa un grave problema de seguridad vial en la actualidad. Los accidentes de tránsito en relación a las distracciones del conductor al momento de manejar un vehículo muestran ´índices alarmantes de accidentes y muertes, esto motiva a la búsqueda e investigación de nuevas estrategias para abordar este problema. En particular, la capacidad de reconocer patrones de conducción distraída de forma temprana y confiable mediante técnicas de inteligencia artificial. Bajo esta premisa, el presente trabajo explora una novedosa solución basada en redes neuronales convolucionales y aprendizaje profundo por currículum. Tras una exhaustiva revisión bibliográfica y un análisis comparativo con otras aproximaciones, se implementó una arquitectura VGG16 preentrenada que luego se optimizó con una base de datos ’State Farm Distracted Driver Detección’. Los resultados alcanzados superan ampliamente otros métodos, con precisiones superiores al 90% en la detección de patrones distractivos mediante el tratamiento de imágenes. Estos hallazgos confirman el enorme potencial de las técnicas de aprendizaje profundo por currículum para el reconocimiento temprano de conductas de riesgo al volante. Como trabajo futuro se plantea aumentar los datos de entrenamiento, evaluar el modelo en plataformas embebidas para vehículos autónomos, e investigar arquitecturas más avanzadas.