Desarrollo de un sistema de visión artificial para detectar y alertar de la somnolencia durante la conducción mediante la monitorización de la cabeza y el rostro

Abstract

[ES] La somnolencia al volante ha sido identificada como una de las principales causas de accidentes de tráfico en el mundo. La falta de atención y la disminución del tiempo de reacción debido a la somnolencia pueden ocasionar consecuencias fatales. Resulta por tanto de vital importancia desarrollar sistemas ADAS (Advanced Driver Assistance Systems) capaces de detectar el estado del conductor para velar por la seguridad vial. En este trabajo se presenta el desarrollo de un sistema de detección de somnolencia en la conducción basado en la monitorización del rostro utilizando técnicas de visión artificial. Se emplea una Raspberry Pi y una cámara ubicada en el interior del vehículo para capturar imágenes faciales en tiempo real. Estas imágenes son procesadas utilizando algoritmos de visión artificial implementados en Python, que extraen características relevantes del rostro. Luego se calculan parámetros clave asociados con la somnolencia como son la apertura de los ojos y de la boca, el porcentaje de tiempo en que los ojos están cerrados (índice PERCLOS) y la posición e inclinación de la cabeza. Se establecen unos umbrales de alarma que se comparan con los parámetros mencionados para determinar si el conductor se encuentra en un nivel peligroso de somnolencia. En caso de superar dichos umbrales, el sistema activa una alarma para alertar al conductor. Además, se ha incorporado la escala de somnolencia de Karolinska (KSS), una herramienta reconocida en el campo de la somnolencia en la que el propio sujeto se autoevalúa, lo que ha permitido realizar una evaluación más completa y precisa del estado de somnolencia del conductor. El sistema propuesto se ha sometido a diversos ensayos, incluyendo en condiciones reales de conducción, con resultados interesantes que contribuyen a mejorar la seguridad vial alertando a los conductores sobre su nivel de somnolencia y fomentando la adopción de medidas preventivas.

[EN] Somnolence behind the wheel has been identified as one of the main causes of traffic accidents throughout the world. Lack of attention and decreased reaction time due to sleepiness can result in fatal consequences. It is therefore of vital importance to develop ADAS systems (Advanced Driver Assistance Systems) capable of detecting the driver's condition to ensure road safety. This work presents the development of a somnolence detection system based on face monitoring using artificial vision techniques. A Raspberry Pi and a camera located inside the vehicle are used to capture facial images in real-time. These images are processed using artificial vision algorithms implemented in Python, which extract relevant features of the face. Key parameters associated with sleepiness are then calculated, such as eye and mouth opening, the percentage of time the eyes remain closed (PERCLOS index), and head position and tilt. Alarm thresholds compared to the mentioned parameters are established in order to determine if the driver is at a dangerous level of drowsiness. If these thresholds are exceeded, the system activates an alarm to alert the driver. In addition, the Karlolinska Sleepiness Scale (KSS) has also been incorporated, a recognized tool in the field of sleepiness in which the subjects self-assess themselves, which has allowed a more complete and accurate assessment of the driver's sleepiness state. The proposed system has been subjected to various tests, including in real driving conditions, with interesting results that contribute to improving road safety by alerting drivers about their level of drowsiness and encouraging the adoption of preventive measures.