Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad Politécnica
Universidad Nacional del Este
Resumen
Conducir en estado de somnolencia es una causa importante detrás de los accidentes de carretera,
exponiendo al conductor a riesgo de accidente con mayor probabilidad en comparación a la
conducción en estado de alerta.
El uso de sistemas de monitoreo que notifican el nivel de atención del conductor demuestra
importancia en la prevención de accidentes relacionados al estado de vigilia. Este trabajo introduce
el enfoque de visión por computador, donde la Raspberry Pi 3, con los diferentes componentes
electrónicos necesarios, utilizados juntamente con técnicas de inteligencia artificial y reconocimiento
de patrones, para implementar una solución no intrusiva para la detección del nivel de somnolencia
y distracciones de conductor de vehículo automotor, además de brindar una alternativa bastante
accesible para instalar el sistema en cualquier tipo de vehículo automotor.
Se presenta un prototipo sencillo para detección de somnolencia y distracciones, en el cual el método
de Viola-Jones es utilizado para el reconocimiento de rostros, un clasificador tipo cascada que utiliza
una base de datos de imágenes acorde al Sistema Codificado de Acciones Faciales (SCAF, o FACS en
inglés) para su entrenamiento. Se cuenta la cantidad de detección de ojos, tanto abiertos como
cerrados, y los cambios en la boca, para el conteo de bostezos en una secuencia continua de imágenes
(lo que constituye un indicador de somnolencia) para luego poder utilizar los datos captados por el
sistema y medir el nivel de somnolencia del conductor por medio de Lógica Difusa y así dar una salida
de alerta en el caso de que el nivel de somnolencia sea medio o severo. Además, este método permite
detectar las distracciones del conductor al momento de conducir, utilizando como parámetros el
rostro y los ojos.
Los resultados de las pruebas demuestran que el sistema propuesto puede medir eficientemente los
parámetros antes mencionados y detectar el estado de somnolencia del conductor como también de
distracciones por medio del método de Viola-Jones.
Descriptores: 1. somnolencia, 2. distracciones, 3. alerta, 4. clasificador tipo cascada, 5. método Viola-
Jones, 6. SCAF, 7. Lógica Difusa, 8. Raspberry Pi 3.
Ilustración 1. Razonamiento Lógico. Teniendo una base de datos con más de 17.000
imágenes de rostros de distintas etnias,
5. Algoritmo Viola-Jones formas y estado de atención, además de
El Algoritmo de Viola Jones tiene una distinta calidad y resolución de estas, se
probabilidad de verdaderos positivos del realiza el entrenamiento del algoritmo
99,9% y una probabilidad de falso positivos mediante la lectura de imágenes y
del 3,33 %, y a diferencia de otros algoritmos seleccionando las características requeridas
utilizados en métodos de caracteres para el funcionamiento del sistema por medio
invariantes procesa sólo la información de clasificadores en cascada, permitiendo
presente en una imagen en escala de grises. No velocidad y fiabilidad al momento de
utiliza directamente la imagen, sino que utiliza encontrar elementos a ser tratados. En el caso
una representación de la imagen llamada particular de ojos, nariz y boca.
imagen integral. Para determinar si en una
imagen se encuentra una cara o no, el 6. Método y Materiales
algoritmo divide la imagen integral en 6.1. Etapas del Proyecto
subregiones de tamaños diferentes y utiliza • Etapa de selección del dispositivo.
una serie de clasificadores (clasificadores en • Selección de técnicas de
cascada), cada una con un conjunto de procesamiento de imágenes.
características visuales. En cada clasificador se • Modelado de la técnica de análisis de
determina si la subregión es una cara o no. patrones de sueño.
La utilización de este algoritmo supone un • Modelado de escala de sueño.
ahorro de tiempo considerable ya que no • Etapa de prueba de funcionamiento
serán procesadas subregiones de la imagen del sistema.
que no se sepa con certeza que contienen una 6.2. Materiales utilizados
cara y sólo se invertirá tiempo en aquellas Placa Raspberry Pi 3: computador de placa
subregiones que posiblemente si contengan reducida que utiliza software libre. Para el
una cara. Este detector se ha hecho muy desarrollo del dispositivo se utilizó el modelo
popular debido a su velocidad a la hora de B de esta placa, implementando Wifi y
detectar las caras en imágenes y para su Bluetooth sin la necesidad de adaptadores.
implementación en la librería Módulo de cámara Raspberry: también
OpenCV. (Castrillon, 2008) conocida como Raspicam, ofrece aplicaciones
La detección de elementos del rostro implica basadas en líneas de comando para mayor
una manipulación de ciertos parámetros como aprovechamiento de la API MMAL, como lo son
se muestran en la siguiente figura. raspistill y raspistillyuv (utilizadas para
capturar imágenes), además del comando
raspivid (empleado para capturar videos). Con
sensor de 5 megapíxeles, una resolución de
1080p y velocidad de 30fps
Leds infrarrojos: permiten un máximo
aprovechamiento de la cámara suavizando el
ruido, exceso de brillo y mayor visibilidad lugar de descanso pertinente para que pueda
nocturna o situaciones de poca luz. reponerse. El sistema capta directamente las
Lenguaje de programación Python: lenguaje imágenes en tiempo real con la ayuda de luces
multiparadigma que soporta orientación a infrarrojas desde una Raspberry Pi NoIR
objetos, programación imperativa y en menor cámara. El diseño del sistema se basa en el
medida programación funcional. estudio de la problemática del sueño al
Librería OpenCV: cuenta con diferentes volante, permitiendo utilizar las técnicas
funciones que permiten procesar imágenes de apropiadas que, trabajando en conjunto, dan
entrada, ya sea para resaltar o descartar zonas respuesta positiva y eficiente para el
de esta para su posterior análisis. cumplimiento de los objetivos de este trabajo.
Algoritmo de Viola-Jones: algoritmo que
analiza solo la parte de interés en imágenes.
Utilizada especialmente en el reconocimiento
de patrones y detección de rostros
garantizando fiabilidad y velocidad de
procesamiento.
La metodología propuesta para este trabajo se
basa en un sistema de alerta de sueño al
volante utilizando clasificadores en cascada Ilustración 4. Diseño del Sistema
según el método de Viola-Jones para la
detección de todos los elementos del rostro Al estar encendido el dispositivo, la cámara
como también lógica difusa para la toma de Raspberry Pi capta las imágenes y las procesa
decisiones con respecto a la severidad de con el algoritmo de Viola-Jones buscando las
somnolencia del conductor. Ilustración 3. áreas de interés para el sistema (ojos, nariz y
Como complemento se utiliza una boca) verificando y contabilizando la cantidad
metodología de conteo por medio del de ojos cerrados del conductor, refiriéndose a
algoritmo de Viola-Jones para la detección de la cantidad de cuadros en los que se encuentra
patrones de sueño adicionales. Se emplean en este estado, y los bostezos de este,
técnicas de preprocesamiento de imágenes calculando valores de la escala de sueño
basado en clahe, como también la suavización delimitada por el tiempo mínimo para
de imágenes por medio de librerías de informar del nivel de sueño por medio de
OpenCV. lógica difusa, generando alarmas siempre que
sean necesarias. Este proceso se repite hasta
que el conductor lo apague, permitiendo un
control directo durante todo el proceso de
conducción del automóvil.