Evaluación del estado de somnolencia a través de la ecuación de relación de aspecto del ojo (EAR) mediante un algoritmo adaptativo implementado en teléfonos inteligentes

Mateo Granja, Daniel Yánez, Javier Montaluisa, Patricio Navas

Resumen


Cuando se pretende evaluar la somnolencia mediante el uso de la cámara de un teléfono inteligente, uno de los principales inconvenientes que se presentan es la rapidez del parpadeo esto hace que la detección automática sea difícil. Un estudio reciente propone una técnica para identificar somnolencia a través de un algoritmo de visión artificial que puede identificar la somnolencia en tiempo real mediante la cámara frontal de un teléfono inteligente. La técnica consiste en determinar la posición de los puntos de referencia faciales en cada fotograma, extraer la distancia vertical entre los párpados y calcular un único valor escalar conocido como relación de aspecto del ojo (EAR). El objetivo de esta investigación es determinar qué valor del umbral EAR es un indicador confiable y si un algoritmo adaptativo implementado en teléfonos inteligentes es una herramienta útil para evaluar la somnolencia. Los resultados de las pruebas experimentales indican que un umbral EAR más alto disminuye la precisión y que 0.25 es el umbral óptimo en esta investigación.


Palabras clave


ojo; parpadeo; procesamiento de imágenes; somnolencia; teléfono inteligente.

Texto completo:

PDF HTML

Referencias


Buigas, J. (2017). Guía rápida de inteligencia artificial. Así funciona Deep Learning. Puentes Digitales. Recuperado en 30 de junio de 2023, de https://puentesdigitales.com/2017/11/15/guia-rapida-de-inteligencia-artificial-asi-funciona-el-deep-learning/

Bernal Leyva, A. Y. (2018). ANÁLISIS DE MÉTODOS DE RECONOCIMIENTO FACIAL BAJO EL SISTEMA OPERATIVO ANDROID.

Calli Olvea, J. (2015). Reconocimiento facial basado en el Algoritmo Eigenface.

Conceptos de detección de rostro | ML Kit | Google for Developers. (s. f.). Recuperado 30 de junio de 2023, de https://developers.google.com/ml-kit/vision/face-detection/face-detection-concepts?hl=es-419

García Daza, I (2011). Detección de fatiga en conductores mediante fusión de sistemas ADAS [Tesis doctoral, Universidad de Alcalá Escuela Politécnica Superior]. Ebuha Biblioteca Digital Universidad de Alcalá. https://ebuah.uah.es/dspace/handle/10017/16621

Detección de la cara: ¿Qué es y cómo funciona esto Tech. (2021). RecFaces. https://recfaces.com/es/articles/deteccion-de-la-cara-que-es-y-como-funciona-esto-tech

Granda, F. A. (2021). SISTEMA DE DETECCIÓN DE SOMNOLENCIA A TRAVÉS DE VISIÓN ASISTIDA POR COMPUTADORA EN EL PERIODO ABRIL-SEPTIEMBRE 2021.

Hernández, Ernesto del T, Cabrera Sarmiento, Alejandro, & Sánchez Solano, Santiago. (2012). Implementación híbrida hardware software del algoritmo de detección de rostros de Viola-Jones sobre FPGA. Universidad, Ciencia y Tecnología, 16(63), 114-124. Recuperado en 30 de junio de 2023, de http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S1316-48212012000200005&lng=es&tlng=es

Li, Z., Liu, F., Yang, W., Peng, S., & Zhou, J. (2021). A survey of convolutional neural networks: analysis, applications, and prospects. IEEE transactions on neural networks and learning systems.

Patel, R., Patel, M., & Patel, J. (2018). Real Time Somnolence Detection System In OpenCV Environment for Drivers. 2018 Second International Conference on Inventive Communication and Computational Technologies (ICICCT), 407–410. https://doi.org/10.1109/ICICCT.2018.8473234

Rosales Mayor, E., & Rey De Castro Mujica, J. (2010). Somnolencia: Qué es, qué causa y cómo se mide. Acta médica peruana, 27(2), 137-143.

Saquicela, A., Zambrano-Asanza, S., Cajamarca, B., Chitacapa, A., Sanango, J., & Franco, J. (2022). Estimation of Rural Populations without Access to Electricity Through Satellite Images and Deep Learning.

Wu, Y., Hassner, T., Kim, K., Medioni, G., & Natarajan, P. (2017). Facial landmark detection with tweaked convolutional neural networks. IEEE transactions on pattern analysis and machine intelligence, 40(12), 3067-3074.

Zhang, G., Ren, H., Jiang, B., & Zhang, X. (2018). Driver drowsiness detection based on eye state analysis using infrared thermal imaging. Infrared Physics & Technology, 94, 269-276.




DOI: https://doi.org/10.23857/pc.v9i2.7023

Enlaces de Referencia

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

Bookmark and Share




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/