Detecção de Sonolência do Motorista Usando Comportamento Visual e ML

A sonolência do motorista é uma das principais causas da maioria dos acidentes que levam a ferimentos graves e mortes. Este projeto tem como objetivo um sistema de detecção de sonolência do motorista que utiliza aprendizado de máquina para a determinação de padrões de comportamento visual. O sistema captura vídeo usando uma câmera em tempo real, executa o OpenCV para processamento e utiliza o classificador Haar Cascade para a detecção de marcos faciais. Fatores como piscar, bocejar e posição da cabeça são implementados para aprimorar a detecção dos estados de sonolência do motorista. Sendo modelado com alta precisão na detecção e classificação dos estados de sonolência, é assistido pelo uso de Redes Neurais Convolucionais (CNN). Esta solução prevê uma ampla gama de adaptabilidade em aplicações do mundo real, incluindo, mas não se limitando a, transporte de longa distância e gerenciamento de frotas. O sistema pode ser bem adequado para integração em sistemas de segurança de veículos automatizados ou em conexão com sistemas avançados de assistência ao motorista (ADAS) existentes. Assim, ele atuará continuamente no monitoramento do comportamento do motorista, produzindo alertas em tempo real com o objetivo de eliminar casos de direção sonolenta e, assim, melhorar a segurança geral nas estradas. No final, este projeto articula uma detecção eficaz e em tempo real da sonolência do motorista, que se baseia em técnicas de visão computacional e aprendizado profundo de ponta. As diferentes tecnologias invocadas aqui devem fazer com que o sistema atinja melhor eficiência e precisão, enquanto é escalável para detectar problemas devido à fadiga. Melhorias podem ser realizadas no futuro pela infusão nos modelos de detecção para IA de borda e serem usadas para processamento em tempo real em dispositivos embarcados para torná-los mais gerais para usabilidade em aplicações de veículos. Palavras-chave: Html, css, opencv, pandas, numpy, CNN, keras, aprendizado de máquina, detecção em tempo real.