Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)Barrero Pérez, Jaime GuillermoLenis Sánchez, NicolasGalvis Camaron, Omar Alfonso2024-02-272024-02-272024-02-212024-02-21https://noesis.uis.edu.co/handle/20.500.14071/15874La somnolencia puede ser especialmente peligrosa cuando se requiere concentración absoluta en momentos críticos del ser humano. Las debilidades momentáneas en el enfoque durante tareas esenciales, como la conducción o la manipulación de equipos complejos, pueden desencadenar consecuencias trágicas, incluidos accidentes graves o incluso pérdidas humanas. La clave para mitigar tales riesgos radica en la detección precoz de ésta. Este trabajo de grado presenta un método sofisticado que emplea inteligencia artificial y procesamiento de imágenes para reconocer los primeros signos de somnolencia. A través de un sistema embebido, la Raspberry pi 4, se implementaron dos soluciones, en la primera solución se implementó una red neuronal meticulosamente entrenada que identifica la somnolencia o cansancio mediante el tiempo del parpadeo. En la segunda solución se implementó un sistema con Dlib, el cual hace la medición del EAR, también con tiempo de parpadeo más bostezos prolongados.application/pdfspainfo:eu-repo/semantics/openAccessUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.cohttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)