Adaptación y comparación de dos metodologías de reconocimiento facial aplicadas a la detección de somnolencia en conductores

  • Johanna Gorvenia Universidad de Lima. Lima, Perú
  • Fernando Tello Universidad de Lima. Lima, Perú
Palabras clave: detección de somnolencia, reconocimiento facial, accidentes de tráfico, tasa de efectividad, tasa de reconocimiento, Viola-Jones, Regression Based Facial Landmark Detection, EAR

Resumen

Este artículo busca comparar dos metodologías de reconocimiento de expresiones faciales: Viola-Jones y Regression Based Facial Landmark Detection, adaptados para la detección de somnolencia, dando a conocer cuál de ellas es la más óptima y se adecúa mejor a las condiciones variables, considerando las restricciones de oclusión, rotación de rostro, iluminación. Tras un análisis cuantitativo bajo la matriz de confusión y poniendo a prueba las metodologías propuestas en diferentes situaciones, se realizó una comparación con los resultados obtenidos. Ocurren diferentes efectos por la falta de sueño como la disminución del tiempo de reacción, cansancio ocular, la visión se torna borrosa, menor concentración, etcétera; influyendo de manera directa en el incremento de accidentes de tráfico.

Descargas

La descarga de datos todavía no está disponible.

Citas

Manu, B. N. (noviembre de 2016). Facial features monitoring for real time drowsiness detection. En: Innovations in Information Technology (IIT), 2016 12th International Conference, pp. 1-4. IEEE.

Rosenbrock, A. Soukupová, T., y Cech, J. (Febrero de 2016). Real-Time Eye Blink Detection Using Facial Landmarks. En: 21st Computer Vision Winter Workshop.

Viola, P., y Jones, M. J. (2004). Robust Real-Time Face Detection. International Journal of Computer Vision 57(2), pp. 137–154.

Publicado
2019-07-09
Cómo citar
Gorvenia, J., & Tello, F. (2019). Adaptación y comparación de dos metodologías de reconocimiento facial aplicadas a la detección de somnolencia en conductores. Actas Del Congreso Internacional De Ingeniería De Sistemas, 75-86. https://doi.org/10.26439/ciis2018.5495