Sistema de monitoreo de conductores de vehículos a partir de análisis de expresiones faciales
Fuente:
Redalyc
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Artículo científico |
| Lenguaje: | es |
| Publicado: |
Corporación Universitaria de la Costa
2020
|
| Materias: | |
| Acceso en línea: | |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1876450214966984704 |
|---|---|
| author | Juan Felipe Cordoba Fuzga |
| author_facet | Juan Felipe Cordoba Fuzga |
| contents | Sistema de monitoreo de conductores de vehículos a partir de análisis de expresiones faciales Juan Felipe Cordoba Fuzga Ruben Dario Vasquez Salazar Henry Omar Sarmiento Maldonado Ingeniería visión artificial Expresiones faciales aprendizaje profundo aprendizaje de máquina inteligencia artificial Introducción— Al conducir, la persona se encuentra expuesta a diferentes estímulos que pueden llevar a que se ocasione accidentes. Aunque Numerosas propuestas tecnológicas se han presentado para mantener monitoreado al conductor, estas han pasado por alto el estado anímico en el que este se encuentra, el cual podría generar efectos negativos en la capacidad de reacción al conducir. Objetivo— Buscar diferentes alternativas de inteligencia artificial para el análisis permanente de rostros de conductores, con el fin de encontrar un buen modelo de clasificación de expresión facial (feliz, enojo, sorpresa, neutral). Metodología— La metodología utilizada consiste en la selección de una base de datos que es preprocesada, para posteriormente entrenar diferentes modelos y realizar comparaciones de precisión entre ellos. Resultados— Se logra encontrar una precisión mayor al 80% en la detección del estado anímico del usuario. Y se logra migrar el modelo a un sistema de monitoreo portátil. Conclusiones— En este caso particular los métodos de aprendizaje de maquina tradicionales (machine learning) consumen menos tiempo a la hora de clasificar, sin embargo, estos son superados en precisión por un aprendizaje profundo. 2020 artículo científico 0122-6517 https://www.redalyc.org/articulo.oa?id=497779337013 es http://www.redalyc.org/revista.oa?id=4977 INGE CUC application/pdf Corporación Universitaria de la Costa INGE CUC (Colombia) Num.2 Vol.16 |
| format | Artículo científico |
| id | redalyc_497779337013 |
| institution | Redalyc |
| language | es |
| publishDate | 2020 |
| publisher | Corporación Universitaria de la Costa |
| spellingShingle | Sistema de monitoreo de conductores de vehículos a partir de análisis de expresiones faciales Juan Felipe Cordoba Fuzga Ingeniería visión artificial Expresiones faciales aprendizaje profundo aprendizaje de máquina inteligencia artificial Sistema de monitoreo de conductores de vehículos a partir de análisis de expresiones faciales Juan Felipe Cordoba Fuzga Ruben Dario Vasquez Salazar Henry Omar Sarmiento Maldonado Ingeniería visión artificial Expresiones faciales aprendizaje profundo aprendizaje de máquina inteligencia artificial Introducción— Al conducir, la persona se encuentra expuesta a diferentes estímulos que pueden llevar a que se ocasione accidentes. Aunque Numerosas propuestas tecnológicas se han presentado para mantener monitoreado al conductor, estas han pasado por alto el estado anímico en el que este se encuentra, el cual podría generar efectos negativos en la capacidad de reacción al conducir. Objetivo— Buscar diferentes alternativas de inteligencia artificial para el análisis permanente de rostros de conductores, con el fin de encontrar un buen modelo de clasificación de expresión facial (feliz, enojo, sorpresa, neutral). Metodología— La metodología utilizada consiste en la selección de una base de datos que es preprocesada, para posteriormente entrenar diferentes modelos y realizar comparaciones de precisión entre ellos. Resultados— Se logra encontrar una precisión mayor al 80% en la detección del estado anímico del usuario. Y se logra migrar el modelo a un sistema de monitoreo portátil. Conclusiones— En este caso particular los métodos de aprendizaje de maquina tradicionales (machine learning) consumen menos tiempo a la hora de clasificar, sin embargo, estos son superados en precisión por un aprendizaje profundo. 2020 artículo científico 0122-6517 https://www.redalyc.org/articulo.oa?id=497779337013 es http://www.redalyc.org/revista.oa?id=4977 INGE CUC application/pdf Corporación Universitaria de la Costa INGE CUC (Colombia) Num.2 Vol.16 |
| title | Sistema de monitoreo de conductores de vehículos a partir de análisis de expresiones faciales |
| topic | Ingeniería visión artificial Expresiones faciales aprendizaje profundo aprendizaje de máquina inteligencia artificial |
| url | https://www.redalyc.org/articulo.oa?id=497779337013 |