Resumen

La fatiga al volante se está convirtiendo en una situación peligrosa y habitual para los conductores y representa un factor importante en los accidentes de tráfico mortales. Los investigadores del aprendizaje automático han utilizado diversas fuentes de información para detectar la somnolencia del conductor. Este estudio integró las características morfológicas de las regiones del ojo y la boca e investigó exhaustivamente el problema de la detección de la fatiga desde el punto de vista del número de características, los clasificadores y los parámetros de modelado. El algoritmo propuesto REcognizing the Drowsy Expression (REDE) alcanzó una precisión de validación cruzada de 10 veces del 96,07 y tardó unos 21 milisegundos en procesar una imagen. REDE superó a los cuatro estudios existentes tanto en precisión de detección de la fatiga como en tiempo de ejecución y es lo suficientemente rápido como para manejar la tarea de monitorización de la fatiga en tiempo real capturada a una velocidad de 30 fotogramas por segundo. Para facilitar aún más la investigación de la detección de la fatiga, también se publicaron los datos sin procesar y la matriz de características.

• Materias:Biotecnología Sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology sensors Sensor system Sensor technology
• Palabras claves:accidentes de tráfico mortales, precisión de la detección de la fatiga, problema de la detección de la fatiga, control del tiempo de fatiga, rede, expresión de somnolencia, conducción fatigosa, situación común, detección de la fatiga, matriz de características
• Keywords:fatal car crashes, fatigue detection accuracy, fatigue detection problem, time fatigue monitoring, rede, drowsy expression, fatigue driving, common situation, fatigue detection, feature matrix