Resumen de Detección de somnolencia y distracción en conductores y su implementación en dispositivos móviles

Jonathan Flores Monroy, Mariko Nakano Miyatake, Enrique Escamilla, Héctor Pérez Meana

• español

  Este estudio propone un sistema que aplica técnicas de inteligencia artificial para reducir el número de accidentes vehiculares debido al cansancio o distracción del conductor. El sistema puede ser usado en cualquier marca o modelo de vehículo. Inicialmente detecta el rostro del conductor, el cual se introduce a una red neuronal profunda que lo analiza. La salida se inserta en una etapa de detección que determina si el conductor está distraído o somnoliento, activando una alarma. El sistema presenta una baja complejidad computacional, lo cual permite su realización en tiempo real en dispositivos móviles. Los resultados experimentales muestran que el sistema propuesto presenta una precisión de 95.8% al detectar somnolencia y distracción en un cómputo de alto rendimiento. También tiene un 84.5% de precisión en dispositivos móviles con capacidad limitada, manteniendo una velocidad de operación aceptable para la implementación en tiempo real. Se concluye que el sistema propuesto detecta distracción y somnolencia en el conductor con alta precisión.

• English

  This study proposes a system that applies artificial intelligence tools to reduce the number of vehicular accidents produced by driver drowsiness and distraction. The proposed system, which is suitable for any kind of vehicle, detects the driver’s face, which is fed into a deep neural network that analyzes it. The network output is then fed into a detection stage which determines whether the driver is drowsy or distracted, activating an alarm. The proposed system has a low computational complexity, allowing real time implementation on mobile devices. The experimental results show that the proposed system can detect drowsiness and distraction with an accuracy of 95.8% in high performance computers. It also shows an 84.5% accuracy on mobile devices with limited capacity, keeping an acceptable operational speed for its implementation in real time. It is concluded that the proposed system detects driver drowsiness and distraction with high accuracy.