Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Barrero Pérez, Jaime GuillermoCastillo Bohórquez, Jeyson ArleyOlarte Velasco, David GilbertoThomas Bayona, Angie Daniela2024-03-0420212024-03-0420212021https://noesis.uis.edu.co/handle/20.500.14071/40971Los 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.application/pdfspahttp://creativecommons.org/licenses/by/4.0/Accidentes de tránsitoDetección automáticaRedes neuronales profundas (DNN)Somnolencia.Desarrollo de un sistema autónomo de detección de somnolencia en conductores usando redes neuronales profundasUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coTraffic accidentsAutomatic detectionDeep neural networks (DNN)Drowsiness.Development of an autonomous driver drowsiness detection system using deep neural networks.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)