Desarrollo de un sistema autónomo de detección de somnolencia en conductores usando redes neuronales profundas

Simple item page
dc.contributor.advisorBarrero Pérez, Jaime Guillermo
dc.contributor.advisorCastillo Bohórquez, Jeyson Arley
dc.contributor.authorOlarte Velasco, David Gilberto
dc.contributor.authorThomas Bayona, Angie Daniela
dc.date.accessioned2024-03-04T01:11:53Z
dc.date.available2021
dc.date.available2024-03-04T01:11:53Z
dc.date.created2021
dc.date.issued2021
dc.description.abstractLos trastornos por fatiga y sueño representan en muchos países la primera causa de mortalidad la primera causa de muerte por accidente de tráfico. En la actualidad, se están desarrollando sistemas electrónicos inteligentesde apoyo a la conducción con el fin de evitar este tipo de accidentes. Este proyecto se orienta al desarrollo de un sistema autónomo para la detección de la somnolencia en los conductores mediante el reconocimiento de signos o síntomasasociados a este fenómeno, usando Redes Neuronales Profundas (DNN). Para tal fin, se implementa un esquema dedetección en cascada para dos patrones usuales en la somnolencia: los ojos cerrados y los bostezos. El sistema constade tres partes, la primera es el preprocesamiento de la imágen de entrada que consta de un detector de rostros y deojos en cascada para preparar la imágen para la siguiente etapa. La segunda es la acción en paralelo de dos DNN'spara la detección de ojos cerrados y bostezos; cada red es distinta e independiente. Por último, un clasificador finalque toma en cuenta la duración de estos patrones para determinar si hay índices fuertes de somnolencia. Las redesindependientes arrojaron una exactitud del 99.59% para la red de ojos cerrados y 99.01 % para la de los bostezos. Elsistema final emitirá alertas en caso de que el discriminante detecte somnolencia para cumplir la función de prevenir accidentes de tránsito por somnolencia.
dc.description.abstractenglishFatigue and sleep disorders represent the leading cause of death due to traffic accidents in many countries in the world. At present, intelligent electronic systems for driving support are useful to prevent these types ofaccidents. This project uses Deep Neural Networks (DNN) to develop an autonomous system for the detection ofdrowsiness in drivers by recognizing signs or symptoms associated with this phenomenon. To this end, a cascade detection scheme is implemented for two common patterns in sleepiness: closed eyes and yawning. The system consistsof three parts, the first is the pre-processing of the input image that consists of a face detector and a cascade eyedetector to prepare the image for the next stage. The second is the parallel action of two DNN’s for the detection ofclosed eyes and yawns; each network is different and independent. finally, a final classifier that takes into account theduration of these patterns to determine if there are strong indices of drowsiness. The independent networks returnedan accuracy of 99.59 % for the closed eyes network and 99.01 % for the yawning network. The final system will issue alerts if the discriminant detects drowsiness to fulfill the function of preventing traffic accidents due to drowsiness.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Electrónico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/40971
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingenierías Fisicomecánicas
dc.publisher.programIngeniería Electrónica
dc.publisher.schoolEscuela de Ingenierías Eléctrica, Electrónica y Telecomunicaciones
dc.rightshttp://creativecommons.org/licenses/by/4.0/
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0
dc.subjectAccidentes de tránsito
dc.subjectDetección automática
dc.subjectRedes neuronales profundas (DNN)
dc.subjectSomnolencia.
dc.subject.keywordTraffic accidents
dc.subject.keywordAutomatic detection
dc.subject.keywordDeep neural networks (DNN)
dc.subject.keywordDrowsiness.
dc.titleDesarrollo de un sistema autónomo de detección de somnolencia en conductores usando redes neuronales profundas
dc.title.englishDevelopment of an autonomous driver drowsiness detection system using deep neural networks.
dc.type.coarhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.hasversionhttp://purl.org/coar/resource_type/c_7a1f
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
Files
Original bundle
Now showing 1 - 3 of 3
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
136.13 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Documento.pdf
Size:
3.23 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
234.46 KB
Format:
Adobe Portable Document Format
Download
Collections
Ingeniería Electrónica