Sistema de detección nocturna del estado de somnolencia utilizando

visión por computador

Edwin Anrango, Edgar Quezada
Universidad Técnica del Norte, Carrera de Ingeniería en sistemas computacionales, Ibarra-Ecuador.

Abstract
Las extensas carreteras o largas rutas que los conductores realizan vuelven vulnerables a los
conductores debido al cansancio, a nivel mundial la somnolencia y la distracción durante la
conducción han sido descritas como causantes de accidentes de tránsito dejando destrucción, muertos,
heridos y pérdidas materiales.
En este trabajo se ha desarrollado un prototipo de un sistema de control del estado de somnolencia en
conductores de vehículos, en base al uso de la visión artificial para el monitoreo de los rasgos
faciales como las coordenadas del rostro, los ojos y el pestañeo. El prototipo se desarrollará con
el propósito de que no interfiera con la visibilidad del conductor y realice un trabajo continuo en
la noche.
Palabras clave: Somnolencia, visión por computador, siniestro.
.

1. Introducción
1.1. Antecedentes
Los accidentes de tránsito han sido y siguen siendo uno de los principales causantes de muertes
en el mundo. Según la Organización Mundial de la Salud, “Cada año mueren cerca de 1,3
millones de personas en las carreteras del mundo entero, y entre 20 y 50 millones padecen
traumatismos no mortales. Los accidentes de tránsito son una de las principales causas de muerte
en todos los grupos etarios, y la primera entre personas de entre 15 y 29 años. (ONU, 2017),
Detrás de cada accidente existe un 90 por ciento por el factor humano, siendo el cansancio y la
somnolencia son las principales causas. con el afán de frenar el aumento y disminuir, el hombre
con el avance de la tecnología está creando algoritmos de inteligencia artificial para la detección
de somnolencia en los conductores.
La tasa de fallecidos respecto al número de siniestros ha aumentado en el primer semestre del
2018, respecto al mismo período de los años 2014, 2015, 2016 y 2017, según estadísticas de la
Agencia Nacional de Tránsito (ANT). (El Universo, 2018).
Debido al incremento de accidentes de tránsito, las autoridades van creando programas de
prevención intensificando los controles y creando leyes mucho más estrictas hacia los
conductores.
1.2. Objetivos
1.2.1. General:
• Crear un sistema de detección de somnolencia nocturna utilizando visión artificial para
la detección de somnolencia en conductores.
1.2.2. Específicos
• Investigar sobre las causas o efectos que produce la somnolencia para reconocer los
rasgos y características físicas que identifican a una persona que la padece.
• Diseñar el sistema para detección de somnolencia nocturna utilizando la librería
OpenCV para el procesamiento de imágenes.
1.3. Problema
Es común que las personas prefieran conducir durante la noche para evitar el tráfico, a pesar de
la ganancia en el tiempo para llegar al destino, conducir un vehículo durante la noche está
asociada a un alto índice de accidentes de tránsito vehicular. De acuerdo a las estadísticas de
Movidelnor, la empresa habría conseguido bajar en el año anterior un 19% el índice de
accidentabilidad, aunque Imbabura está considerada aún entre las ciudades con más siniestros
viales. (La Hora, 2017) debido a diferentes factores uno de ellos es la fatiga que implica graves
peligros al conducir, esto puede ocasionar que el conductor se duerma. La somnolencia disminuye
considerablemente tus reflejos, te impedirá reaccionar a tiempo si hay algún obstáculo en la
carretera y aumenta las probabilidades de que te salgas de la vía. (Fundación Carlos Slim, 2016).
Los siniestros ocurren al no verse interrumpido este estado de somnolencia, ocasionando perdidas
económicas y perdidas irreparable como vidas humanas.

1.4. Justificación
En Ecuador existen hasta la fecha (noviembre de 2018) varias investigaciones referentes al tema
en distintas casas de estudio incluyendo la Universidad Técnica del Norte, pese a esto no existe
aún un sistema tecnológico en el mercado nacional que cumplan con el objetivo de prevenir la
somnolencia y permita disminuir los accidentes de tránsito.
Con el presente proyecto se busca generar una herramienta practica que alerte a los conductores
de los vehículos que presenten somnolencia y desconcentración durante la conducción en
condiciones nocturnas, con esto se está ayudando al usuario a tomar la decisión para la
programación de un descanso y poder proseguir con su labor con más confianza, además este
sistema no llegará a interferir con las labores que realiza el conductor al momento de conducir.
La ejecución de este proyecto está orientada a tratar de evitar los accidentes de tránsito provocado
por la somnolencia, cansancio y desatención durante la conducción que trae como consecuencia
pérdidas humanas y materiales, al solucionar este problema permitirá trabajar con mayor
confianza y tranquilidad, ya que este dispositivo brinda al conductor una herramienta de uso
constante que no interfiere con su trabajo.
2. Materiales y Métodos.
Las personas en estado de somnolencia exhiben ciertas caractersticas faciales que se pueden
reconocer sobre el rostro, es así que, la cabeza, los ojos y la boca brindan suficiente información
visual para conocer cuando un conductor presenta somnolencia.

Afortunadamente, las personas en un estado de somnolencia producen varias señales visuales que
se pueden detectar en el rostro humano, como
• frecuencia de bostezo
• frecuencia de parpadeo del ojo,
• movimiento de la mirada
• movimiento de la cabeza,
• expresiones faciales.

PROCESOS DE LA VISIÓN ARTIFICIAL:

Nivel de Materiales
Procesos Área
Visión
Captura
Procesamiento Cámara
Bajo infrarroja
de imágenes
Preprocesamiento
Segmentación
Rasperpery
Descripción Análisis de Librería
Medio
imágenes. OpenCV
Reconocimiento
(Clasificación)
Tabla 1: Adaptado de Gonzales y Woords (2010)
El esquema general de ambos sistemas se muestra en la Figura , donde se presentan seis
módulos de la siguiente manera:
• Detección de rostro;
• detección de ojos;
• seguimiento de la cara;
• registro visual;
• detección de somnolencia;
• detección de distracciones.

(Flores, Armingol, JoséMaría, & de la Escalera, Arturo, 2010)

Análisis basado en cambios físicos de los ojos y las expresiones faciales usando
procesamiento de imágenes.
Mediante el procesamiento de imágenes se puede determinar estados del conductor. De
la imagen de la cara se puede decir si el conductor se encuentra despierto o dormido. Se
puede definir la somnolencia del conductor porque si el conductor está dormido o
dormitando sus ojos se encuentran cerrados. Este método tiene la ventaja de no ser
intrusivo y se subdivide en 3 técnicas: (Fuletra & Bosamiya, 2013).
• Técnica de emparejamiento de plantillas
• Técnica del comportamiento de los ojos
• Técnica basada en el bostezo
Como resultado de las condiciones de iluminación nocturna, hemos propuesto un sistema de
detección de somnolencia basado en iluminación NIR
 3. Resultado y discusión.
En este documento, se pretende desarrollar un sistema de somnolencia al conductor basado en
la Visión por Computador y la Inteligencia Artificial. Este sistema utiliza tecnologías avanzadas
que analizan y monitorean el estado del ojo del conductor en tiempo real y en condiciones
reales de manejo; Se trata de condiciones de conducción tanto para situaciones diurnas como
nocturnas.

4. Conclusión.
Se consiguió la información necesaria relacionada con este tipo de sistemas de asistencia
mediante el uso de la visión artificial para conductores, el uso de investigaciones que se realizan
a la par o se realizaron con anterioridad a este documento sirvió de gran aporte para fortalecer la
investigación, toda esa información teórica fue la que sustento las razones de diseño definidas en
este sistema para la detección de somnolencia nocturna.
Existen 3 métodos para la detección de somnolencia, entre ellos el método de detección por medio
de indicadores visuales. La implementación del sistema bajo este método nos permitirá
desarrollar un sistema no intrusivo que no interfiere en el desempeño cotidiano de conducción.

5. Referencias
Armijos, I., & Msc. Michilena, R. (2018, Julio). SISTEMA DE ALARMA ELECTRÓNICO PARA LA
DETECCIÓN DEL ESTADO DE SOMNOLENCIA EN CONDUCTORES DE VEHÍCULOS DE DOS
EJES MEDIANTE VISIÓN ARTIFICIAL”. Ibarra, Ecuador: Universidad Técnica del Norte.

C., L. (2018). Gabor-based kernel pca with fractional power polynomial models for fa-ce
recognition. IEEE Transactions on Pattern Analysis and Machine Intelligent, 26(5):572{582}.

Egas F., G. E. (2017, Agosto). SISTEMA DE VIGILANCIA AL CONDUCTOR VEHICULAR BASADO EN

TÉCNICAS DE VISIÓN ARTIFICIAL E IMPLEMENTADO EN UN SMARTPHONE PARA LA
DETECCIÓN Y ALERTA DE SOMNOLENCIA. Quito, Ecuador: Universidad de las Fuerzas
Armadas ESPE.

El Universo. (2018, 08 17). El universo. Retrieved from

https://www.eluniverso.com/noticias/2018/08/17/nota/6908768/tasa-mortalidad-
accidentes-transito-ecuador-ha-aumentado-2018

Flores, M., Armingol, JoséMaría, & de la Escalera, Arturo. (2010). Driver Drowsiness Warning
System Using Visual Information for Both Diurnal and Nocturnal Illumination Conditions.
EURASIP Journal on Advances in Signal Processing.

Fuletra, J. &. (2013, Noviembre). Academia. Recuperado el 6 de Agosto de 2016,. Retrieved from A
Survey on Driver’s Drowsiness Detection Techniques:
https://www.academia.edu/5666888/A_Survey_on_Driver_s_Drowsiness_Detection_Tech
niques.
Fundación Carlos Slim. (2016, 10 25). Retrieved from http://www.who.int/es/news-room/fact-
sheets/detail/road-traffic-injuries

La Hora. (2017, Enero 05). La Hora. Retrieved from

https://lahora.com.ec/noticia/1102017702/trabajan-para-reducir-porcentaje-de-
accidentes-de-trc3a1nsito-en-imbabura-

ONU. (2017, Julio). Organización de las Naciones Unidas. Retrieved 11 10, 2018, from
http://www.who.int/features/factfiles/roadsafety/es/