Detección de somnolencia mediante el reconocimiento facial en conductores de empresas de transporte interprovincial Piura 2024

• Autor: Ramirez Merino, Alexis Nehemias
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/173833
• Enlace del recurso: https://hdl.handle.net/20.500.12692/173833
• Nivel de acceso: acceso abierto
• Materia: Seguridad vial; Inteligencia artificial; Fatiga; Prevención de accidentes; https://purl.org/pe-repo/ocde/ford#2.02.04

Esta investigación evaluó la eficiencia de la detección de somnolencia mediante reconocimiento facial en conductores de transporte interprovincial en Piura, 2024, alineado al ODS 3, Salud y Bienestar, meta 3.6, que busca reducir las muertes por accidentes de tráfico. El estudio promueve la seguridad vial mediante la detección temprana de la somnolencia. Se empleó una metodología aplicada, con enfoque cuantitativo y diseño no experimental transversal. La población incluyó 60 conductores de una empresa de buses interprovinciales de Piura. Se utilizaron fichas de observación para la recolección de datos. Los resultados mostraron una precisión del 91.73% en la identificación de rostros, con un 5.78% de falsos positivos y un 2.85% de falsos negativos. El sistema registró la frecuencia de parpadeos con una precisión del 98.48%, mientras que la precisión para bostezos fue de 77.78% y para micro sueños de 80%. La precisión en la detección de expresiones faciales relacionadas con la somnolencia alcanzó un 85.29%. La sensibilidad del sistema fue de 86.50%, la especificidad de 91.08% y el valor predictivo positivo de 82.67%. Se concluyó que el sistema de reconocimiento facial tiene un alto rendimiento en la detección de somnolencia, aunque con un margen de error moderado.