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...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Quiroga, Macarena, Melo, Emilio, Bilbao, Martín
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2022
Materias:
Ciencias Informáticas
detección de somnolencia
Raspberry Pi
aprendizaje por transferencia
visión artificial
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/149624
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
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

Ejemplares similares