Resumen

Con un enfoque en la investigación de la detección de la fatiga en la conducción, se propone un algoritmo de detección del estado de fatiga del conductor totalmente automatizado utilizando imágenes de conducción. En el algoritmo propuesto, se emplea la arquitectura de red convolucional multitarea en cascada (MTCNN) para la detección de rostros y la localización de puntos de características, y se extrae la región de interés (ROI) utilizando puntos de características. Se propone una red neuronal convolucional, denominada EM-CNN, para detectar los estados de los ojos y la boca a partir de las imágenes de la ROI. El porcentaje de cierre del párpado sobre la pupila a lo largo del tiempo (PERCLOS) y el grado de apertura de la boca (POM) son dos parámetros utilizados para la detección del cansancio. Los resultados experimentales demuestran que el EM-CNN propuesto puede detectar eficazmente el estado de fatiga del conductor a partir de imágenes de conducción. El algoritmo propuesto EM-CNN supera a otros métodos basados en CNN, es decir, AlexNet, VGG-16, GoogLeNet y ResNet50, mostrando unos índices de precisión y sensibilidad del 93,623 y 93,643%, respectivamente.

• Materias:Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Neurofisiología
• Subjects:Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Neurophysiology
• Palabras claves:estado de fatiga del conductor, cnn, algoritmo propuesto, red neuronal convolucional, grado de apertura de la boca, región de interés, algoritmo de detección de estado, características de localización de puntos, em nombrado, detección de fatiga
• Keywords:driver fatigue status, cnn, proposed algorithm, convolutional neural network, mouth opening degree, region of interest, status detection algorithm, features point location, named em, fatigue detection