Resumen

Los estudios de investigación sobre algoritmos de detección de la fatiga del conductor basados en visión artificial han mejorado notablemente la seguridad del tráfico. Por lo general, muchos algoritmos evalúan el estado de conducción en función de fotogramas de vídeo limitados, lo que provoca cierta imprecisión. Proponemos un algoritmo de detección en tiempo real basado en la entropía de la información. En concreto, este algoritmo se basa en el análisis de suficientes fotogramas de vídeo consecutivos. En primer lugar, introducimos una red neuronal convolucional YOLOv3-tiny mejorada para capturar las regiones faciales en condiciones de conducción complejas, eliminando la inexactitud y las afecciones causadas por la extracción artificial de características. En segundo lugar, construimos un área geométrica denominada triángulo de características faciales (FFT) basándonos en la aplicación del conjunto de herramientas Dlib, así como en los puntos de referencia y las coordenadas de las regiones faciales; a continuación, creamos un vector de características faciales (FFV), que contiene toda la información del área y el centroide de cada FFT. Utilizamos el FFV como indicador para determinar si el conductor se encuentra en estado de fatiga. Por último, diseñamos una ventana deslizante para obtener la entropía de la información facial. Los experimentos comparativos muestran que nuestro algoritmo funciona mejor que los actuales tanto en precisión como en rendimiento en tiempo real. En aplicaciones de conducción simulada, el algoritmo propuesto detecta el estado de fatiga a una velocidad superior a 20 fps con una precisión del 94,32%.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:algoritmo, regiones faciales, estado de fatiga, algoritmo de detección de fatiga del conductor, suficientes fotogramas de vídeo consecutivos, red neuronal convolucional diminuta, triángulo de características faciales, vector de características faciales, extracción artificial de características, condiciones de conducción complejas
• Keywords:algorithm, facial regions, fatigue state, driver fatigue detection algorithm, sufficient consecutive video frames, tiny convolutional neural network, face feature triangle, face feature vector, artificial feature extraction, complex driving conditions