• Repositorio Institucional Universidad de Pamplona
  • Trabajos de pregrado y especialización
  • Facultad de Ingenierías y Arquitectura
  • Ingeniería en Telecomunicaciones
  • Por favor, use este identificador para citar o enlazar este ítem: http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/743
    Título : Sistema de detección de somnolencia en conductores de automóviles empleando técnicas de procesamiento de imágenes y Machine Learning.
    Autor : Suarez Buitrago, Eduard Antonio.
    Palabras clave : Alerta,
    Clasificación de imágenes,
    Machine learning,
    MRL EYE Dataset,
    Rendimiento,
    Somnolencia.
    Fecha de publicación : 2022
    Editorial : Universidad de Pamplona – Facultad de Ingenierías y Arquitectura.
    Citación : Suarez Buitrago, E. A. (2021). Sistema de detección de somnolencia en conductores de automóviles empleando técnicas de procesamiento de imágenes y Machine Learning [Trabajo de Grado Pregrado, Universidad de Pamplona]. Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/743
    Resumen : Artificial intelligence in recent years has gained considerable strength in relation to solving problems in real life and this has motivated how much, students, teachers, researchers, among others, are interested and become part of this topic as This is the case of the present proposal, where machine learning techniques are used. These techniques are applied in the classification of images to determine the degree of drowsiness in automobile drivers and, according to this result, issue a caution alert, determining in the same way which of them presents better performance. Among the techniques used we have: the k-Nearest Neighbor Algorithm (KNN), the Support vector machine algorithm (SVM) and a convolutional neural network (CNN). In addition, a mathematical development of some of the techniques used is carried out. The data set to be used is the so-called MRL EYE Dataset, this has collected the data of 37 different people (33 men and 4 women) and consists of 84,898 images, but only a percentage of these images is used. Apart from the images used from the database, classifications are made with images that do not belong to the database, but these images are taken by a webcam and the classification of images is also performed by implementing video in real time. At the end of this project, there is a robust and very useful tool in managing the issue of drowsiness in car drivers.
    Descripción : La inteligencia artificial en los últimos años ha tomado bastante fuerza en lo relacionado a la solución de problemas de la vida real y esto ha motivado a qué tanto, estudiantes, docentes, investigadores, entre otros, se vean interesados y hagan parte de este tema como es el caso de la presente propuesta, donde se emplean técnicas de machine learning. Estas técnicas son aplicadas en la clasificación de imágenes para determinar el grado de somnolencia en conductores de automóvil y según dicho resultado emitir una alerta de precaución, determinando de igual manera cuál de ellas presenta un mejor rendimiento. Entre las técnicas que se emplean tenemos: el Algoritmo k-Nearest Neighbor (KNN), el algoritmo Support vector machine (SVM) y una red neuronal convolucional (CNN). Además, se realiza un desarrollo matemático de algunas de las técnicas empleadas. El conjunto de datos a emplear es el denominado MRL EYE Dataset, este tiene recopilado los datos de 37 personas diferentes (33 hombres y 4 mujeres) y consta de 84.898 imágenes, pero solo se hace uso de un porcentaje de estas imágenes. Aparte de las imágenes utilizadas de la base de datos, se realizan clasificaciones con imágenes que no pertenecen a la base de datos, sino que estas imágenes son tomadas por una cámara web y también se realiza la clasificación de imágenes mediante la implementación de vídeo en tiempo real. Al culminar el presente proyecto se cuenta con una herramienta robusta y muy útil en el manejo del tema de somnolencia en conductores de automóvil.
    URI : http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/743
    Aparece en las colecciones: Ingeniería en Telecomunicaciones

    Ficheros en este ítem:
    Fichero Descripción Tamaño Formato  
    Suarez_2021_TG.pdfSuarez_2021_TG5,19 MBAdobe PDFVisualizar/Abrir


    Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.