Una red neuronal para la detección de somnolencia en conductores

• Luna Becerril, Edurnet Jhaquelin ^[2] ; Juárez Velázquez, Emmanuel Tonatihu ^[1] ; Meléndez Ramírez, Adolfo ^[2]
  1. [1] Tecnológico Nacional de México

     Tecnológico Nacional de México

     México

     
  2. [2] Tecnologico de Estudios Superiores de Ecatepec
• Localización: Revista Digital Universitaria, ISSN-e 1607-6079, Vol. 22, Nº. 6, 2021 (Ejemplar dedicado a: Nuevas formas de enfrentar la realidad)
• Idioma: español
• Títulos paralelos:
  • A neural network for the detection of drowsiness in drivers
• Enlaces
  • Texto completo
• Resumen
  • español

    En el presente artículo se muestra el uso de una técnica de inteligencia artificial denominada machine learning, para detectar los estados de somnolencia y de vigilia en los conductores vehiculares. La somnolencia se genera cuando el individuo está con un alto nivel de estrés o cansancio, lo cual puede provocar un accidente; cuando está en alerta, se le denomina estado de vigilia. Para su medición, se toman en cuenta dos variables: el pulso cardíaco y la temperatura corporal. El pulso cardíaco se midió con un sensor, a través del método de fotopletismografía (PPG). La temperatura corporal se tomó mediante un sensor infrarrojo, sin contacto. Los datos obtenidos a través de la lectura sirvieron para crear una colección de datos y realizar el entrenamiento de una red neuronal con aprendizaje supervisado. Posteriormente, la información fue clasificada mediante este sistema de adquisición de datos.

    >> Leer más

  • English

    he following article shows the use of machine learning, a type of artificial intelligence, to detect somnolence and the state of vigil in drivers. Somnolence is generated when an individual has high levels of stress or tiredness, and can lead to a potential accident. When alert, it is called vigil state. Two variables are considered: heartbeat and body temperature. Heartbeat was measured with a sensor through the photopletismograph method (PPG). Body temperature was taken through an infrared sensor without contact. The obtained data was used to create a database and to train a neuron network with supervised learning. Later, the information was classified through this data acquisition system.

    >> Read more