Detección de somnolencia utilizando técnicas de visión artificial en entornos móviles
Este trabajo tiene como objetivo presentar el desarrollo e implementación de un dispositivo inteligente de detección de somnolencia en conductores empleando principalmente técnicas de visión artificial y una Raspberry Pi 4, con el fin de alertar al conductor y prevenir la ocurrencia de potenciales a...
Guardado en:
Autores principales: | , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2022
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/149624 |
Aporte de: |
id |
I19-R120-10915-149624 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas detección de somnolencia Raspberry Pi aprendizaje por transferencia visión artificial |
spellingShingle |
Ciencias Informáticas detección de somnolencia Raspberry Pi aprendizaje por transferencia visión artificial Quiroga, Macarena Melo, Emilio Bilbao, Martín Detección de somnolencia utilizando técnicas de visión artificial en entornos móviles |
topic_facet |
Ciencias Informáticas detección de somnolencia Raspberry Pi aprendizaje por transferencia visión artificial |
description |
Este trabajo tiene como objetivo presentar el desarrollo e implementación de un dispositivo inteligente de detección de somnolencia en conductores empleando principalmente técnicas de visión artificial y una Raspberry Pi 4, con el fin de alertar al conductor y prevenir la ocurrencia de potenciales accidentes de tránsito. En primera instancia, se realizará una introducción a la temática abordada, junto los conceptos claves necesarios para el desarrollo del trabajo. Posteriormente, se hará mención sobre el desarrollo de los datasets, las comparativas y estudios de escalabilidad usando los modelos preentrenados MobileNeVt2 e InceptionV3, el proceso de detección de somnolencia empleando como técnicas de visión artificial los modelos de CNN mencionados y los clasificadores basados en cascadas de Haar, finalizando con las pruebas en la Raspberry Pi en un entorno real de conducción. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Quiroga, Macarena Melo, Emilio Bilbao, Martín |
author_facet |
Quiroga, Macarena Melo, Emilio Bilbao, Martín |
author_sort |
Quiroga, Macarena |
title |
Detección de somnolencia utilizando técnicas de visión artificial en entornos móviles |
title_short |
Detección de somnolencia utilizando técnicas de visión artificial en entornos móviles |
title_full |
Detección de somnolencia utilizando técnicas de visión artificial en entornos móviles |
title_fullStr |
Detección de somnolencia utilizando técnicas de visión artificial en entornos móviles |
title_full_unstemmed |
Detección de somnolencia utilizando técnicas de visión artificial en entornos móviles |
title_sort |
detección de somnolencia utilizando técnicas de visión artificial en entornos móviles |
publishDate |
2022 |
url |
http://sedici.unlp.edu.ar/handle/10915/149624 |
work_keys_str_mv |
AT quirogamacarena detecciondesomnolenciautilizandotecnicasdevisionartificialenentornosmoviles AT meloemilio detecciondesomnolenciautilizandotecnicasdevisionartificialenentornosmoviles AT bilbaomartin detecciondesomnolenciautilizandotecnicasdevisionartificialenentornosmoviles |
bdutipo_str |
Repositorios |
_version_ |
1764820461742456833 |