Mostrar el registro sencillo del ítem

Reconocimiento de atributos faciales mediante visión por computador para la detección de distracción y somnolencia en conductores

dc.contributor.advisorUsamentiaga Fernández, Rubén 
dc.contributor.advisorCasado Tejedor, Rubén 
dc.contributor.authorFernández Villán, Alberto
dc.contributor.otherInformática, Departamento de spa
dc.date.accessioned2017-11-15T18:57:16Z
dc.date.available2017-11-15T18:57:16Z
dc.date.issued2017-05-30
dc.identifier.urihttp://hdl.handle.net/10651/44490
dc.descriptionTesis doctoral por el sistema de compendio de publicacionesspa
dc.description.abstractLa conducción es una actividad que requiere un alto grado de concentración por parte de la persona que la realiza, ya que el más pequeño descuido es suficiente para sufrir un accidente con las consiguientes pérdidas materiales y/o humanas. De acuerdo con el estudio más reciente publicado por la Organización Mundial de la Salud (OMS) en 2013, se estimó que 1.25 millones de personas mueren como resultado de accidentes de tráfico y entre 20 y 50 millones más sufren accidentes sin perder la vida pero pudiendo derivar en dolencias crónicas. Todas estas muertes y accidentes no sólo afectan de manera directa a los familiares de las víctimas sino que, además, tienen un alto coste sobre los presupuestos de los gobiernos, que se estima entre un 3 y un 5% del producto interior bruto. De todos estos accidentes, muchos son provocados por lo que se conoce como inatención. Este término engloba diferentes estados del conductor, como pueden ser la distracción y la somnolencia, siendo precisamente éstos los que más fatalidades ocasionan. Existen muchas publicaciones e investigaciones que intentan poner cifras que indiquen las consecuencias producidas por la inatención (y sus subtipos), pero no existe una figura exacta sobre los accidentes causados por la inatención puesto que todos estos estudios están realizados en diferentes lugares, diferentes marcos temporales, y por tanto, en diferentes condiciones. En líneas generales, se calcula que la inatención ocasiona entre el 25% y el 75% de los accidentes y casi-accidentes. En un estudio realizado en 10 países europeos acerca de somnolencia y conducción se determinó que dicha conjunción incrementa el tiempo de reacción en un 86% y es la cuarta causa de muerte en las carreteras españolas. Además, cabe destacar que el 75% de los conductores españoles han sufrido episodios de somnolencia mientras conducían, porcentaje muy superior a la media del 47% que han admitido este hecho. Además, otro factor importante a tener en cuenta es que, aunque los accidentes producidos por la somnolencia suelen ser muy graves (vistas las estadísticas anteriores de mortalidad), muchos conductores infravaloran esta situación y conducen aunque noten la presencia de sus síntomas. Bostezos frecuentes, cabeceos, visión borrosa, caída de párpados y esfuerzos por mantener tanto la atención como los ojos abiertos son signos habituales de somnolencia. Respecto a la distracción, éste es uno de los factores que más fatalidades ocasiona en España. De acuerdo con la Dirección General de Tráfico (DGT), la distracción es la primera causa detectada en los accidentes con víctimas, un 13.15% de los casos. Los últimos datos y estadísticas arrojados por inatención en los conductores españoles son dramáticos, siendo la causa que más víctimas mortales ocasiona (36%), muy por encima de la velocidad inadecuada (21%) o el nivel de alcoholemia (11%). A causa de estas cifras y sus consecuencias, la inatención se ha convertido en un campo ampliamente estudiado por la comunidad investigadora, donde los estudios y soluciones para luchar contra la distracción y la somnolencia, en particular, y la inatención, en general, se pueden clasificar en tres grandes grupos: 1) métodos basados en el análisis del comportamiento del vehículo, 2) métodos basados en el análisis de variables fisiológicas del conductor capturadas por diferentes sensores y 3) métodos basados en el análisis de características visuales del conductor mediante la captura de imágenes aplicando métodos de visión por computador, los cuales, por sus características, se han posicionado como una forma no intrusiva y eficaz para la detección tanto de la distracción como de la somnolencia. La motivación de la presente tesis doctoral es consecuencia directa de las cifras anteriores y radica en ofrecer mecanismos para detectar y reducir los efectos ocasionados por la inatención en los conductores. Es por ello que el objetivo principal del presente trabajo sea alcanzar un mayor grado de conocimiento en todo lo relacionado con la inatención en los conductores, teniendo como fin último la reducción del número de accidentes y víctimas mortales ocasionados por esta causa haciendo uso de herramientas de la información y la comunicación (TIC). A tal efecto, la investigación se ha centrado en el reconocimiento de atributos faciales, que puedan ser empleados a posteriori para una detección robusta de indicadores, que permitan una clasificación de episodios de distracción y somnolencia en conductores. En segundo lugar, la investigación ha intentado establecer un marco de referencia para caracterizar la distracción en los conductores con lo que futuras investigaciones tengan un punto de partida como referente. En tercer lugar, se ha propuesto, construido y validado una arquitectura basada en el análisis de características visuales mediante el empleo de técnicas de visión por computador y aprendizaje automático para la detección tanto de la distracción como de la somnolencia. En concreto, se propone una arquitectura de procesamiento especialmente diseñada para operar en entornos vehiculares, con una carga computacional muy baja y fácilmente integrable en dispositivos con reducidas capacidades de cómputo, capaz de lidiar con imágenes en distintas condiciones muy presentes en este tipo de entornos. El sistema de control propuesto integra varios elementos innovadores permitiendo que pueda operar de forma completamente autónoma para la detección robusta de los principales indicadores visuales, caracterizando tanto la distracción como la somnolencia del conductor. La arquitectura se ha validado, en primer lugar, con bases de datos de referencia validando los diferentes módulos que la componen y, en segundo lugar, con usuarios en entornos reales obteniendo, en ambos casos, unos resultados prometedores con una carga computacional adecuada para los dispositivos embebidos habituales en entornos vehiculares. RESUMEN (en Inglés) Driving is an activity that requires a high degree of concentration on the part of the person who performs it since the slightest negligence is sufficient to provoke an accident with the consequent material and/or human losses. According to the most recent study published by the World Health Organization (WHO) in 2013, it was estimated that 1.25 million people die as a result of traffic accidents, whereas between 20 and 50 million do not die but consequences may result in chronic conditions. All these deaths and accidents not only have a direct impact on victims and families, but they also mean a high cost for government budgets, estimated at between 3% and 5% of their Gross Domestic Product (GDP). Many of these accidents are caused by what is known as inattention. This term encloses a driver's different conditions such as distraction and drowsiness, which are, precisely, the ones that cause more fatalities. Many publications and research have tried to set figures that indicate the consequences of inattention (and its subtypes), but there is no exact number of the accidents caused by inattention since all these studies have been carried out in different places, different time frames and, therefore, under different conditions. Overall, it has been estimated that inattention causes between 25% and 75% of accidents and near-accidents. A study on drowsiness while driving in ten European countries found that fatigue risks increasing reaction time by 86% and it is the fourth leading cause of death on Spanish roads. In addition, it is noted that 75% of Spanish drivers have suffered episodes of sleepiness while driving, a much higher percentage than the average of 47% who admitted this fact. In addition, another important factor to consider is that, although accidents caused by drowsiness are usually very serious (having regard to the abovementioned fatal statistics), many drivers underestimate this situation and drive even if they notice the presence of symptoms. Frequent yawning, pitching movements, blurred vision, drooping upper eyelids and efforts to keep both attention and eyes open are common signs of drowsiness. With respect to distraction, this is a major contributor to fatal accidents in Spain. According to the Directorate General of Traffic (DGT), distraction is the first violation found in fatal accidents, 13.15% of the cases. The latest statistics on inattentive driving in Spanish drivers are alarming, appearing as the leading cause of fatalities (36%), well above excessive speed (21%) or alcohol consumption (11%). Because of these figures and their consequences, inattention has become a widely studied field by the research community, whose studies and solutions to combat distraction and sleepiness, in particular, and inattention, in general, can be divided into three broad groups: 1) methods based on the analysis of the behavior of the vehicle, 2) methods based on the analysis of the driver`s physiological variables captured by different sensors and 3) methods based on the analysis of the driver's visual characteristics by capturing images using computer vision methods, which, for their non-intrusive and effective characteristics, have become a leading way to detect both distraction and drowsiness. The reason for this PhD thesis is the direct consequences of the abovementioned figures and its purpose is to provide mechanisms to help reduce driver inattention effects. That is why the main objective is to reach a better knowledge regarding driving inattention in order to reduce the number of accidents and fatalities. The main focus is that the extraction of facial attributes in a solid way could be used for a robust detection of indicators, which enables a classification of distraction and drowsiness episodes in drivers. Secondly, research has attempted to establish a frame of reference to characterize distraction in drivers in order to provide solid foundations for future research. Thirdly, an architecture based on the analysis of visual characteristics has been proposed, constructed and validated by using techniques of computer vision and automatic learning for the detection of both distraction and drowsiness. In particular, a processing architecture specially designed to operate in vehicular environments is proposed, with a very low computational load and easily embeddable into devices with reduced computational capacities in order to deal with images in the different conditions prevailing in this type of environments. The proposed control system integrates several innovative elements in order to operate in a completely autonomous way for the robust detection of the main visual indicators characterizing the driver`s both distraction and drowsiness. The architecture has been validated, firstly, with reference databases testing the different modules that compose it, and, secondly, with users in real environments, obtaining in both cases, promising results with a suitable computational load for the embedded devices in vehicle environments.spa
dc.format.extent214 p.spa
dc.language.isospaspa
dc.subjectIngeniería informáticaspa
dc.subjectDiseño y componentes de sistemas de informaciónspa
dc.titleReconocimiento de atributos faciales mediante visión por computador para la detección de distracción y somnolencia en conductoresspa
dc.typedoctoral thesisspa
dc.local.notesDT(SE) 2017-075spa


Ficheros en el ítem

untranslated

Este ítem aparece en la(s) siguiente(s) colección(ones)

  • Tesis [7361]
    Tesis doctorales leídas en la Universidad de Oviedo

Mostrar el registro sencillo del ítem