Un enfoque de procesamiento de imágenes para mejorar el algoritmo de detección de distracción y somnolencia del conductor

Algunas de las principales causas que conducen a accidentes de tráfico son la somnolencia, la fatiga o la distracción del conductor. La somnolencia se ha convertido en un problema creciente para los conductores de larga distancia. Las principales causas de somnolencia son los turnos largos en el trabajo y la privación de sueño. A veces, las empresas de transporte no rotan a los conductores regularmente entre turnos. Así, debido a conducir durante un período prolongado, se sienten somnolientos. Tales casos pueden llevar a accidentes fatales que pueden causar muchas víctimas (para las empresas de viajes), pérdida trágica para una familia, pérdida de mercancías (para las empresas de transporte de mercancías), y también pueden causar enormes pérdidas económicas. Los signos de distracción y somnolencia en un conductor se pueden discernir a través de su postura facial. Los métodos más utilizados para detectar la sensación de somnolencia del conductor son calculando el Ratio de Aspecto Ocular (EAR) y el Ratio de Aspecto de Bostezo (YAR) utilizando puntos de referencia de la cara. El sistema activa una alarma una vez que las características extraídas de los puntos de referencia faciales y corporales superan un valor umbral generalizado. Además de EAR y YAR, el sistema incluye características como el Ratio de Inclinación Frontal, el Ángulo de Inclinación Lateral y el Ratio Cabeza-Hombros. Estas características contribuyen colectivamente a detectar la estabilidad del conductor. Los experimentos muestran que el algoritmo tiene una precisión de detección del 91.8%. Nuestra solución propuesta tiene como objetivo superar las deficiencias en la detección de somnolencia.