Modelo inteligente para la detección de somnolencia en conductores basado en patrones faciales en adultos de la Clínica Arequipa 2024

Abstract

La presente tesis muestra un sistema inteligente para la detección. de letargo. en conductores. (DSC), utilizando tecnologías avanzadas como redes neuronales y procesamiento de imágenes. Se justifica la necesidad de este sistema debido a la alta provocación de accidentes creadas por la letargo en el desarrollo del tránsito vial. A través de una revisión de literatura, se analizan diversos enfoques y métodos existentes, destacando la efectividad de modelos como PERCLOS y redes neuronales convolucionales (CNN). El sistema propuesto se basa en la adaptación de modelos preentrenados, como VGG16 y ResNet50, mediante transferencia de aprendizaje, lo que permite una detección precisa en tiempo real. Los resultados obtenidos muestran una alta tasa de precisión en la identificación de letargo, lo que sugiere que el sistema ayudara en el desarrollo adecuado de la seguridad vial y prevenir accidentes. En conclusión, la investigación contribuye al avance en la tecnología de detección de letargo, ofreciendo un enfoque innovador y práctico para abordar este problema crítico.