Detección y reconocimiento de los ocupantes de un vehículo para la gestión de atención en caso de accidentes de tránsito aplicando técnicas de visión artificial

José Luis Tinajero-León, Esteban Augusto Guevara-Cabezas, Alonso Washington Álvarez-Olivo, Alonso Washington Álvarez-Olivo, Narcisa de Jesús Salazar-Álvarez

Resumen


La tecnología automotriz actualmente se encuentra en crecimiento. Debido a esto se ha generado problemas de incremento de tráfico, que ha sido motivo del aumento de accidentes en las autopistas y ciudades, provocando notables pérdidas humanas. La principal causa detrás estas pérdidas es debido al retardo y la falta de facilidades que se pueden brindar a los sistemas de emergencia que deben asistir a las víctimas, tomando en cuenta estos factores, este artículo propone solucionarlos identificando el número de ocupantes del automóvil y realiza el reconocimiento de todos y cada uno de los individuos, de tal manera que los sistemas de emergencia gestionen de manera efectiva los recursos hacia el punto del accidente. El sistema propuesto utiliza un sistema embebido de bajo costo que permite controlar y gestionar los sensores de detección de colisión, dispositivos de capturas de imágenes que permite detectar los rostros de los ocupantes del vehículo, además permite la comunicación hacia el punto de interés con la información que se obtiene mediante la aplicación de técnicas de procesamiento digital de imágenes dando solución al problemática planteada mediante visión artificial, finalmente el sistema propuesto presenta un alto nivel de respuesta frente a las condiciones establecidas.


Palabras clave


Visión artificial; detección de rostro; reconocimiento; accidente.

Texto completo:

PDF HTML XML

Referencias


Chris Thompson, Jules White, Brian Dougherty, Adam Albright, and Douglas C. Schmidt, “Using Smartphones to Detect Car Accidents and Provide Situational Awareness to Emergency Responders”, Vanderbilt University, Nashville, TN USA

Lorena San Vicente Foronda, “Automotive Events Detection using MEMS Accelerometers”, PildoLabs, Universitat Politècnica de Catalunya

Rautaray, S. S., & Agrawal, A. (2015): Vision based hand gesture recognition for human computer interaction: a survey. Artificial Intelligence Review, Vol. 43, No. 1, pp. 1-54.

Lemley, J., Bazrafkan, S., & Corcoran, P. (2017): Deep Learning for Consumer Devices and Services: Pushing the limits for machine learning, artificial intelligence, and computer vision. IEEE.

Gonzalez, L. F., Montes, G. A., Puig, E., Johnson, S., Mengersen, K., & Gaston, K. J. (2016): Unmanned Aerial Vehicles (UAVs) and artificial intelligence revolutionizing wildlife monitoring and conservation. Sensors, Vol. 16, No. 1, pp. 97.

S. Yamanoor, S. Yamanoor, “Python Programming with Raspberry Pi”, Packt: Birmingham, April 2017.

E. Upton, J. Duntemann, R. Roberts, T. Mamtora, B. Everard, “Learning Computer Architecture with Raspberry Pi”, Wiley: Indianapolis, September 2016.

C. G. Cassandras and W. Li, “Sensor networks and cooperative control,” Eur. J. Control, vol. 11, no. 4–5, pp. 436–463, 2005.

A. Ganguli, S. Susca, S. Martínez, and F. B. J. Cortés, “On collective motion in sensor networks: Sample problems and distributed algorithms,” in Proc. IEEE Conf. Decision Control, 2005, pp. 4239–4244.




DOI: https://doi.org/10.23857/pc.v5i5.1448

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';





Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/