Implementación de una red neuronal Transformer para detección de somnolencia en conductores de vehículos durante la conducción diurna y nocturna

Abstract

La detección de somnolencia durante la conducción, tanto diurna como nocturna, es un problema crítico debido al aumento significativo de accidentes de tránsito relacionados con la fatiga. Este incremento puede atribuirse al desgaste físico generado por las jornadas laborales, a condiciones de salud que afectan la concentración o incluso a factores ambientales como temperaturas elevadas en el entorno del conductor. En este contexto, el presente trabajo propone un modelo basado en la arquitectura Transformers RT-DETR para la detección de somnolencia, centrándose en la identificación de la zona de los ojos y la evaluación de su estado (despierto o dormido). El modelo será implementado en un sistema embebido con una Raspberry Pi 3 Modelo B+, diseñado para su integración en vehículos y el monitoreo en tiempo real del conductor. El trabajo se divide en tres capítulos: el primero se centra en la investigación de la problemática de la somnolencia, revisando artículos y trabajos previos sobre modelos para la detección de somnolencia; el segundo capítulo aborda la creación y balanceo del dataset para el entrenamiento del modelo, que incluye datos específicos de somnolencia y otras fuentes de datos relevantes, además del desarrollo y entrenamiento del modelo RT-DETR para detección de objetos; en el tercer capítulo, se evalúan los resultados obtenidos mediante pruebas con diferentes sets, incluyendo rostros sin accesorios faciales, con lentes, con gafas, y en condiciones diurnas y nocturnas. Se comparan las métricas obtenidas con las de trabajos previos en la literatura. Además, se realizan pruebas en entornos simulados y reales con el sistema embebido, con la finalidad de evaluar su rendimiento.