Un nuevo sistema para detectar la distracción y la somnolencia utilizando el tiempo de tecnología de vuelo para vehículos inteligentes

Contenido principal del artículo

Marco Flores Calero
Fernando A. Guevara
Oswaldo S. Valencia

Resumen

La mayoría de los países en el mundo sufren de varios problemas de tráfico que generan problemas de salud pública, tales como, excesivas muertes y lesiones de los conductores y los peatones. Con el fin de reducir estas cifras de siniestralidad, en esta investigación se presenta un sistema para la detección automática de la distracción y la somnolencia. Las tecnologías de inteligencia artificial, visión por computador y una cámara de tiempo de vuelo (TOF) son utilizadas para calcular los índices de distracción y somnolencia, en tiempo real. Varios experimentos se han desarrollado en condiciones reales durante el día, dentro de un vehículo real y en el laboratorio, para probar la eficiencia del sistema.

Descargas

La descarga de datos todavía no está disponible.

Metrics

Cargando métricas ...

Detalles del artículo

Cómo citar
Flores Calero, M., Guevara, F. A., & Valencia, O. S. (2014). Un nuevo sistema para detectar la distracción y la somnolencia utilizando el tiempo de tecnología de vuelo para vehículos inteligentes. ACI Avances En Ciencias E Ingenierías, 6(2). https://doi.org/10.18272/aci.v6i2.182
Sección
SECCIÓN C: INGENIERÍAS
Biografía del autor/a

Marco Flores Calero, Universidad de las Fuerzas Armadas

Departamento de Eléctrica y Electrónica, Universidad de las Fuerzas Armadas, ESPE.
Av. Gral. Rumiñahui s/n, PBX. 171-5-231B Sangolquí (Pichincha), Ecuador.

Fernando A. Guevara, Universidad de las Fuerzas Armadas

Departamento de Eléctrica y Electrónica, Universidad de las Fuerzas Armadas, ESPE.
Av. Gral. Rumiñahui s/n, PBX. 171-5-231B Sangolquí (Pichincha), Ecuador.

Oswaldo S. Valencia, Universidad de las Fuerzas Armadas

Departamento de Eléctrica y Electrónica, Universidad de las Fuerzas Armadas, ESPE.
Av. Gral. Rumiñahui s/n, PBX. 171-5-231B Sangolquí (Pichincha), Ecuador.

Citas

[1] Bergasa, L.; Nuevo, J.; Sotelo, M.; Vazquez, M. 2004. “Real Time System for Monitoring Driver Vigilance”. IEEE Intelligent Vehicles Symposium.

[2] Brandt, T.; Stemmer, R.; Mertsching, B.; Rakotomirainy, A. 2004. “Affordable Visual Driver Monitoring System for Fatigue and Monotony”. IEEE International Conference on Systems, Man and Cybernetics, 7: 6451-6456.

[3] Friedrichs, F.; Yang, B. 2010. “Camera-based drowsiness reference for driver state classification under real driving conditions”. IEEE Intelligent Vehicles Symposium, 4.

[4] Ji, Q.; Yang, X. 2002. “Real-Time Eye, Gaze, and Face Pose Tracking for Monitoring Driver Vigilance”. Real Time Imaging, Elsevier Science Ltd, 8: 357-377.

[5] NHTSA. 1998. “Evaluation of techniques for ocular measurement as an index of fatigue and the basis for alertness management”. Final report DOT HS 808762, National Highway Traffic Safety Administration, Virginia 22161, USA.

[6] Wang, Q.; Yang, J.; Ren, M.; Zheng, Y. 2006. “Driver Fatigue Detection: A Survey”. IEEE Proceedings of the 6th World Congress on Intelligent Control, 2: 8587-8591.

[7] El Comercio. 2010. “El arrollamiento de 31 personas se juzga desde ayer”. http://www4.elcomercio.com/Judicial/el_arrollamiento_de_31_personas_se_juzga_desde_ayer.aspx.

[8] El Comercio. 2010. “Los peatones y los conductores no respetan los semáforos”. http://www.elcomercio.com/2010-08-26/Noticias/Quito/Noticia-Principal/EC100826P13SEMAFOROS.aspx.

[9] Secretaría General de la Comunidad Andina. 2011. “Accidentes de tránsito en la Comunidad Andina 2010”. http://estadisticas.comunidadandina.org/eportal/contenidos/1624_8.pdf.

[10] Armingol, J.; de la Escalera, A.; Hilario, C.; Collado, J.; Carrasco, J.; Flores, M.; Pastor, J.; Rodríguez, F. 2007. “IVVI: Intelligent Vehicle based on Visual Information”. Robotics and Autonomous Systems, 55 (12): 904-916.

[11] Sabet, M.; Zoroofi, R.; Sadeghniiat-Haghighi, K.; Sabbaghian, M. 2012. “A new system for driver drowsiness and distraction detection”. Conference on Electrical Engineering (ICEE): 1247-1251.

[12] Microsoft. 2014. “Kinetic”. http://www.xbox.com/kinect.

[13] La Hora. 2013. “Ecuador es el segundo país en muertes por accidentes de tránsito”. http://www.lahora.com.ec/index.php/noticias/show/1101523310#.UnJwOhCtXMs.

[14] Yekhshatyan, L.; Lee, J. 2013. “Changes in the Correlation Between Eye and Steering Movements Indicate Driver Distraction”. IEEE Transactions on Intelligent Transport Systems, 14 (1): 136-145.

[15] Flores, M.; Armingol, J.; Escalera, A. 2011. “Driver drowsiness detection system under infrared illumination for an intelligent vehicle”. Intelligent Transport Systems, IET, 5 (4): 241-251.

[16] Gallahan, S.; Golzar, G.; Jain, A.; Samay, A.; Trerotola, T.; Weisskopf, J.; Lau, N. 2013. “Detecting and mitigating driver distraction with motion capture technology: Distracted driving warning system”. IEEE Systems and Information Engineering Design Symposium (SIEDS): 76-81.

[17] Agencia Nacional de Tránsito. 2013. http://www.ant.gob.ec/.

[18] Azman, A.; Meng, Q.; Edirisinghe, E. 2010. “Non intrusive physiological measurement for driver cognitive distraction detection: Eye and mouth movements”. IEEE International Conference on Advanced Computer Theory and Engineering (ICACTE), 3: 595-599.

[19] Khoshelham, K.; Oude Elberink, S. 2012. “Accuracy and Resolution of Kinect Depth Data for Indoor Mapping Applications”. Sensors 2012: 1437-1454.

[20] Webb, J.; Ashley, J. 2012. “Beginning Kinect programming with the Microsoft Kinect SDK”. Friends of Apress.

[21] Abtahi, S.; Hariri, B.; Shirmohammadi, S. 2011. “Driver drowsiness monitoring based on yawning detection”. IEEE Conference on Instrumentation and Measurement Technology (I2MTC): 1-4.