Detección de somnolencia de los conductores

La detección de somnolencia en los vehículos es una tecnología de seguridad desarrollada con el objetivo de prevenir accidentes causados por conductores que se quedan dormidos mientras conducen. Es muy común tanto en camioneros, conductores de vehículos particulares o de transporte que el cansancio o incluso el aburrimiento de las largas horas al volante mirando una misma carretera, acabe con el conductor cabeceando, cayendo en el sueño o la somnolencia.

La fatiga y el cansancio de conductor.

Hoy en día la fatiga del conductor es un factor importante como causante de un gran número de accidentes de tráfico. Estadísticas recientes estiman que sólo en Estados Unidos anualmente se pueden atribuir 1200 muertes y 76.000 lesiones a accidentes de tránsito relacionados con el cansancio del conductor. Así mismo cada vez más profesionales y trabajadores requieren concentración mental por mucho tiempo. Esto hace que padezcan fatiga y cansancio mucho antes de la hora de dormir.

Los conductores deben vigilar de cerca la carretera para poder reaccionar inmediatamente ante eventos repentinos. La fatiga del conductor se convierte a menudo en una causa directa de muchos accidentes de tráfico. Por lo tanto, existe la necesidad de desarrollar sistemas que detecten y notifiquen a un conductor sobre su mala condición psicofísica, lo que podría reducir significativamente el número de accidentes automovilísticos relacionados con la fatiga.
El desarrollo de tecnologías para detectar y evitar la somnolencia al volante se han convertido en un gran reto en el campo de los sistemas de prevención de accidentes. Debido al peligro que presenta la somnolencia en la carretera, es necesario desarrollar métodos para contrarrestar sus efectos.

¿Qué es el sistema de detección de somnolencia?

Un sistema de detección de somnolencia monitorea con precisión el estado abierto o cerrado de los ojos del conductor en tiempo real. Al monitorear los ojos, se cree que los síntomas de la fatiga del conductor pueden detectarse lo suficientemente temprano como para evitar un accidente automovilístico. La detección de somnolencia implica detectar un patrón de imágenes de una cara, la observación de los movimientos oculares y la frecuencia de parpadeo. El análisis de imágenes faciales es un área de investigación popular con aplicaciones como reconocimiento facial, herramientas virtuales y sistemas de seguridad de identificación humana.

El programa comienza con el control de los ojos, que consiste en mirar la imagen de la cara, y determinar la posición de los ojos mediante el desarrollo del programa informático matlab. Una vez que se localiza la posición de los ojos, el sistema está diseñado para determinar si los ojos están abiertos o cerrados y detectar la somnolencia. El objetivo de este estudio es detectar la somnolencia en los conductores para prevenir accidentes y mejorar la seguridad en las carreteras.

Se desarrolla un método para detectar la somnolencia en los conductores mediante el uso de una cámara que apunta directamente hacia la cara del conductor y captura el video en tiempo real. Una vez que se captura el video, se monitorea la región de la cara y los ojos para detectar somnolencia. El sistema capaz de monitorear ojos y determinar si los párpados están en una posición abierta o cerrada. En tal caso, cuando se detecta somnolencia, se emite una señal de advertencia para alertar al conductor. Puede determinar un intervalo de tiempo de cierre del ojo como la proporción de un intervalo de tiempo en que el ojo está en la posición cerrada. Si los ojos del conductor se cierran acumulativamente más que un valor estándar, el sistema llega a la conclusión de que el conductor se está quedando dormido y luego activará un sonido de alarma para alertar al conductor.

Sin embargo, el desarrollo de estos sistemas encuentra muchas dificultades relacionadas con el reconocimiento rápido y adecuado de los síntomas de fatiga del conductor. Una de las posibilidades técnicas para implementar sistemas de detección de somnolencia del conductor es utilizar el enfoque basado en la visión.

La inteligencia artificial clave en la detección de somnolencia

A pesar del desarrollo de estas tecnologías de detección de la somnolencia, informes recientes sobre seguridad vial siguen indicando que la conducción somnolienta es una de las principales causas de los accidentes de tráfico. Esto es plausible porque las soluciones actuales de detección de somnolencia del conductor (DDD) son intrusivas o costosas, lo que dificulta su naturaleza ubicua. Esta investigación sirve para cerrar esta brecha al proporcionar un banco de pruebas para lograr una solución DDD no intrusiva y de bajo costo. Se propone una solución DDD de comportamiento basada en el seguimiento del estado de la cara y los ojos del conductor. El objetivo es hacer de esta investigación un comienzo de la omnipresencia de DDD. Para lograr esto, se utilizó el conjunto de datos de video de detección de somnolencia del controlador de la Universidad Nacional Tsing Hua (NTHU) Computer Vision Lab. Se realizaron varias operaciones de procesamiento de video e imagen en los videos para detectar el estado de los ojos de los conductores.

De los estados de los ojos, se extrajeron tres características importantes de la somnolencia: porcentaje de cierre de párpados (PERCLOS), frecuencia de parpadeo (BF) y duración máxima de cierre (MCD) de los ojos. Luego, estas características se incorporaron como entradas en varios modelos de aprendizaje automático para la clasificación de la somnolencia. Se experimentaron modelos de algoritmos de aprendizaje automático de K-nerest Neighbors (KNN), Support Vector Machine (SVM), Logistic Regression y Artificial Neural Networks (ANN). Estos modelos se evaluaron calculando sus valores de precisión, sensibilidad, especificidad, tasa de errores y tasa de falsas alarmas.

La tasa de accidentes de tráfico anuales atribuidos a la conducción somnolienta es significativamente alta. Debido a esto, los investigadores han propuesto varios métodos destinados a detectar la somnolencia de los conductores. Estos métodos incluyen métodos subjetivos, fisiológicos, conductuales, basados ​​en vehículos e híbridos.

Los sistemas de detección de somnolencia más desarrollados utilizados actualmente son aquellos que se basan en un algoritmo de inteligencia artificial que detecta signos en los ojos y manda una orden para que suene la alerta sonora.

El sistema de monitoreo de anomalías del conductor desarrollado por empresas de innovación en tecnología es capaz de detectar la somnolencia, la embriaguez y los comportamientos imprudentes del conductor en poco tiempo. El sistema de detección de somnolencia desarrollado en base al cierre de los ojos del conductor puede diferenciar el parpadeo normal y la somnolencia y detectar la somnolencia mientras conduce. El sistema más generalizado puede prevenir los accidentes por somnolencia durante la conducción. El sistema funciona bien incluso en el caso de que los conductores lleven gafas e incluso en condiciones de poca luz si la cámara ofrece una mejor resolución.

La información sobre la posición de la cabeza y los ojos se obtiene a través de varios algoritmos de procesamiento de imágenes de desarrollo propio. Durante la monitorización, el sistema puede decidir si los ojos están abiertos o cerrados. Cuando los ojos han estado cerrados durante demasiado tiempo, se emite una señal de advertencia. El procesamiento juzga el nivel de alerta del conductor sobre la base de cierres de ojos continuos.

Un sistema robusto y no intrusivo para monitorer la fatiga y la somnolencia del conductor en tiempo real es la tecnología más de avanzada. El esquema propuesto comienza extrayendo el rostro del cuadro de video utilizando el detector de rostros Support Vector Machine (SVM). Luego, se aplica un nuevo enfoque para el análisis del estado de ojos y boca, basado en Circular Hough Transform (CHT), en las regiones extraídas de ojos y boca. Nuestro método de análisis de somnolencia tiene como objetivo detectar microperíodos de sueño mediante la identificación del iris utilizando un método novedoso para caracterizar el estado de los ojos del conductor. El método de análisis de fatiga basado en la detección de bostezos también es muy importante para prevenir que el conductor se sienta somnoliento.

Para identificar el bostezo, detectamos la boca abierta usando el mismo método propuesto de análisis del estado del ojo. El sistema fue probado con diferentes secuencias grabadas en varias condiciones y con diferentes sujetos. Se presentan algunos resultados experimentales sobre el desempeño del sistema.

El método del algoritmo

Existen varios algoritmos y métodos diferentes para el seguimiento ocular y la supervisión. La mayoría de ellos se relacionan de alguna manera con las características del ojo (típicamente reflejos del ojo) dentro de una imagen de video del conductor. El objetivo original de uno de los proyectos del sistema de detección de somnolencia era usar el reflejo de la retina como un medio para encontrar los ojos en la cara y luego usar la ausencia de este reflejo como una forma de detectar cuándo los ojos están cerrados. La aplicación de este algoritmo en cuadros de video consecutivos puede ayudar en el cálculo del período de cierre del ojo.

El período de cierre de los ojos para los conductores somnolientos es más largo que el parpadeo normal. También es muy poco tiempo ya que podría provocar un accidente grave. Así que avisa al conductor tan pronto como se detecte el ojo cerrado.

Comentar

Este sitio web utiliza cookies propias y de terceros para ofrecer un mejor servicio. Al seguir navegando acepta su uso.