Detección de distracciones en conductores de vehículos mediante visión artificial y redes neuronales convolucionales
Autor:
Director: Mg. Ing. Ricardo Petrino
Fecha: 31/08/2023
Resumen:
El presente trabajo consiste en el desarrollo de un equipo que permita detectar distracciones en conductores de vehículos haciendo uso de redes neuronales convolucionales entrenadas para tal propósito y una computadora de bajo coste como la Raspberry Pi 4. La hipótesis es que esta placa podrá ser utilizada para ejecutar una clasificación de imágenes en tiempo real, que por medio de esta red neuronal será capaz de detectar distracciones con una alta velocidad y precisión, lo que contribuirá a mejorar la seguridad en las carreteras.
La distracción de los conductores es un problema de seguridad vial importante, ya que puede aumentar significa5vamente el riesgo de accidentes de tráfico y llevar a consecuencias graves, como lesiones o muertes.
En este sentido, el uso de un sistema para detectar distracciones en conductores puede ser muy útil para mejorar la seguridad en la carretera. Al alertar a los conductores sobre sus distracciones y proporcionar medidas para corregirlas, se puede reducir significativamente el riesgo de accidentes de tráfico. Además, al implementar el sistema en vehículos comerciales y particulares, se puede mejorar la seguridad de todos los usuarios de la carretera.
Para el trabajo se utilizó una combinación de técnicas de visión artificial y aprendizaje automático, se recolectó y procesó un gran conjunto de datos de conductores etiquetados en distintos situaciones de distracción y no distracción. Luego, se entrenó y evaluó la red neuronal con estos datos para detectar distracciones con alta precisión.
Por último se creó un algoritmo que puede correr en la Raspberry Pi y ejecutar la clasificación de imágenes en tiempo real, mostrando los resultados obtenidos por consola y
generando alertas auditivas para el conductor.
Esta propuesta busca proporcionar una solución práctica y asequible para detectar y prevenir las distracciones de los conductores. Además, al medir el rendimiento del modelo
en términos de tiempo de procesamiento y uso de recursos, se puede evaluar la viabilidad de su implementación a gran escala en vehículos comerciales y particulares.
