Implementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.

Fatigue in drivers has become a significant issue in terms of road safety. To address the car accidents caused by microsleep episodes, facial and body detection methods are employed using machine learning-based tools, allowing constant monitoring of facial expressions and body movements to generate...

Full description

Autores:: Guarnizo Rengifo, Cristian David
Cortes Silvestre, Danilo

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2023

Institución:: Universidad Antonio Nariño

Repositorio:: Repositorio UAN

Idioma:: spa

id	UAntonioN2_f58e093df089b71058165c0a8b41dbe9
oai_identifier_str	oai:repositorio.uan.edu.co:123456789/9592
network_acronym_str	UAntonioN2
network_name_str	Repositorio UAN
repository_id_str
dc.title.es_ES.fl_str_mv	Implementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.
title	Implementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.
spellingShingle	Implementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning. machine learning jetson tx2 sistema piloto machine learning jetson tx2 pilot system
title_short	Implementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.
title_full	Implementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.
title_fullStr	Implementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.
title_full_unstemmed	Implementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.
title_sort	Implementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.
dc.creator.fl_str_mv	Guarnizo Rengifo, Cristian David Cortes Silvestre, Danilo
dc.contributor.advisor.spa.fl_str_mv	Orjuela Vargas, Sergio Alejandro
dc.contributor.author.spa.fl_str_mv	Guarnizo Rengifo, Cristian David Cortes Silvestre, Danilo
dc.subject.es_ES.fl_str_mv	machine learning jetson tx2 sistema piloto
topic	machine learning jetson tx2 sistema piloto machine learning jetson tx2 pilot system
dc.subject.keyword.es_ES.fl_str_mv	machine learning jetson tx2 pilot system
description	Fatigue in drivers has become a significant issue in terms of road safety. To address the car accidents caused by microsleep episodes, facial and body detection methods are employed using machine learning-based tools, allowing constant monitoring of facial expressions and body movements to generate alerts. However, when focusing on the average driver's environment, the availability of resources and new technology applications is limited.
publishDate	2023
dc.date.issued.spa.fl_str_mv	2023-11-27
dc.date.accessioned.none.fl_str_mv	2024-03-14T23:47:01Z
dc.date.available.none.fl_str_mv	2024-03-14T23:47:01Z
dc.type.spa.fl_str_mv	Trabajo de grado (Pregrado y/o Especialización)
dc.type.coar.spa.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion.none.fl_str_mv	http://purl.org/coar/version/c_970fb48d4fbd8a85
format	http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv	http://repositorio.uan.edu.co/handle/123456789/9592
dc.identifier.bibliographicCitation.spa.fl_str_mv	Arena, C. (2022). 7 desventajas de la inteligencia artificial que todo el mundo debería conocer. LIBERTIES. Berlanga, C. (s.f.). Las imágenes. Poco especializados Paint Imaging Más especializados Paint Shop Pro Photoshop. . Boyle, L. N. (2008). Rendimiento del conductor en los momentos que rodean un microsueño. Lowa,Estados Unidos: Departamento de Ingeniería Mecánica e Industrial, Universidad de Iowa,. CONCEPTOS BASICOS SOBRE REDES NEURONALES . (s.f.). Obtenido de https://grupo.us.es/gtocoma/pid/pid10/RedesNeuronales.htm cuevas, e. (2010). Procesamiento digital de imagenes usando MATLAB Y SIMULINK Desarrollo de un Sistema de Detección de Movimiento basado en Flujo Óptico en Raspberry Pi. (s.f.). Diferencia entre el aprendizaje automático y las redes neuronales. (s/f). La diferencia entre objetos y términos similares. (16 de Marzo de 2018). https://es.differkinome.com/. Obtenido de https://es.differkinome.com/articles/technology/difference-betweenmachine-learning-and-neural-networks.html Flores, D. W. (s.f.). Análisis de Imágenes Digitales Fundamentos de la imagen digital . Flores, N. (2022). Cross validation: qué es y su relación con machine learning. Fundacion_CEA. (s.f.). somnolencia y conduccion
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Antonio Nariño
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional UAN
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repositorio.uan.edu.co/
url	http://repositorio.uan.edu.co/handle/123456789/9592
identifier_str_mv	Arena, C. (2022). 7 desventajas de la inteligencia artificial que todo el mundo debería conocer. LIBERTIES. Berlanga, C. (s.f.). Las imágenes. Poco especializados Paint Imaging Más especializados Paint Shop Pro Photoshop. . Boyle, L. N. (2008). Rendimiento del conductor en los momentos que rodean un microsueño. Lowa,Estados Unidos: Departamento de Ingeniería Mecánica e Industrial, Universidad de Iowa,. CONCEPTOS BASICOS SOBRE REDES NEURONALES . (s.f.). Obtenido de https://grupo.us.es/gtocoma/pid/pid10/RedesNeuronales.htm cuevas, e. (2010). Procesamiento digital de imagenes usando MATLAB Y SIMULINK Desarrollo de un Sistema de Detección de Movimiento basado en Flujo Óptico en Raspberry Pi. (s.f.). Diferencia entre el aprendizaje automático y las redes neuronales. (s/f). La diferencia entre objetos y términos similares. (16 de Marzo de 2018). https://es.differkinome.com/. Obtenido de https://es.differkinome.com/articles/technology/difference-betweenmachine-learning-and-neural-networks.html Flores, D. W. (s.f.). Análisis de Imágenes Digitales Fundamentos de la imagen digital . Flores, N. (2022). Cross validation: qué es y su relación con machine learning. Fundacion_CEA. (s.f.). somnolencia y conduccion instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.rights.none.fl_str_mv	Acceso abierto
dc.rights.license.spa.fl_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
dc.rights.uri.spa.fl_str_mv	https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv	http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv	Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) Acceso abierto https://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv	openAccess
dc.publisher.spa.fl_str_mv	Universidad Antonio Nariño
dc.publisher.program.spa.fl_str_mv	Ingeniería Electrónica
dc.publisher.faculty.spa.fl_str_mv	Facultad de Ingeniería Mecánica, Electrónica y Biomédica
dc.publisher.campus.spa.fl_str_mv	Ibagué
institution	Universidad Antonio Nariño
bitstream.url.fl_str_mv	https://repositorio.uan.edu.co/bitstreams/5ef7829f-ff95-4dce-8361-bca8acf6748a/download https://repositorio.uan.edu.co/bitstreams/58e63001-1ab9-4fec-ace1-cce4989ad65c/download https://repositorio.uan.edu.co/bitstreams/e95b2e41-c5ec-40f5-9ca2-d5a9f8c373b0/download https://repositorio.uan.edu.co/bitstreams/2bf91601-30bc-4263-b4c3-51a969425a8d/download https://repositorio.uan.edu.co/bitstreams/e114189c-10e5-43f2-a45b-df5ab4a86af0/download
bitstream.checksum.fl_str_mv	2a2f780668ae93033d6270e7ed07683e f45b83b5b735af7dc9f4bea367586c6d 2d264160df49d4f4dc25b9e2104fcfe6 69856de1af922a60a5aef80f070e7d52 9868ccc48a14c8d591352b6eaf7f6239
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional UAN
repository.mail.fl_str_mv	alertas.repositorio@uan.edu.co
_version_	1812928334298873856
spelling	Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)Acceso abiertohttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Orjuela Vargas, Sergio AlejandroGuarnizo Rengifo, Cristian DavidCortes Silvestre, Danilo20441821406204418264612024-03-14T23:47:01Z2024-03-14T23:47:01Z2023-11-27http://repositorio.uan.edu.co/handle/123456789/9592Arena, C. (2022). 7 desventajas de la inteligencia artificial que todo el mundo debería conocer. LIBERTIES.Berlanga, C. (s.f.). Las imágenes. Poco especializados Paint Imaging Más especializados Paint Shop Pro Photoshop. .Boyle, L. N. (2008). Rendimiento del conductor en los momentos que rodean un microsueño. Lowa,Estados Unidos: Departamento de Ingeniería Mecánica e Industrial, Universidad de Iowa,.CONCEPTOS BASICOS SOBRE REDES NEURONALES . (s.f.). Obtenido de https://grupo.us.es/gtocoma/pid/pid10/RedesNeuronales.htmcuevas, e. (2010). Procesamiento digital de imagenes usando MATLAB Y SIMULINKDesarrollo de un Sistema de Detección de Movimiento basado en Flujo Óptico en Raspberry Pi. (s.f.).Diferencia entre el aprendizaje automático y las redes neuronales. (s/f). La diferencia entre objetos y términos similares. (16 de Marzo de 2018). https://es.differkinome.com/. Obtenido de https://es.differkinome.com/articles/technology/difference-betweenmachine-learning-and-neural-networks.htmlFlores, D. W. (s.f.). Análisis de Imágenes Digitales Fundamentos de la imagen digital .Flores, N. (2022). Cross validation: qué es y su relación con machine learning.Fundacion_CEA. (s.f.). somnolencia y conduccioninstname:Universidad Antonio Nariñoreponame:Repositorio Institucional UANrepourl:https://repositorio.uan.edu.co/Fatigue in drivers has become a significant issue in terms of road safety. To address the car accidents caused by microsleep episodes, facial and body detection methods are employed using machine learning-based tools, allowing constant monitoring of facial expressions and body movements to generate alerts. However, when focusing on the average driver's environment, the availability of resources and new technology applications is limited.El cansancio en conductores se ha convertido en un problema de gran relevancia en términos de seguridad vial. Por tal motivo una opción para contrarrestar los accidentes automovilísticos ocasionados por micro sueños se emplean métodos de detección facial y corporal usando herramientas basadas en machine LearNing que permiten la vigilancia constante de las expresiones faciales y los movimientos corporales con el propósito de generar una alerta. Sin embargo, cuando nos enfocamos en el entorno de conductores promedio la disponibilidad de recursos y aplicaciones de nuevas tecnologías se ve limitada.Ingeniero(a) Electrónico(a)PregradoPresencialProyectospaUniversidad Antonio NariñoIngeniería ElectrónicaFacultad de Ingeniería Mecánica, Electrónica y BiomédicaIbaguémachine learningjetson tx2sistema pilotomachine learningjetson tx2pilot systemImplementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.Trabajo de grado (Pregrado y/o Especialización)http://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85EspecializadaORIGINAL2023_Cristian David Guarnizo_Trabajo de grado.2023_Cristian David Guarnizo_Trabajo de grado.Trabajo de gradoapplication/pdf2764298https://repositorio.uan.edu.co/bitstreams/5ef7829f-ff95-4dce-8361-bca8acf6748a/download2a2f780668ae93033d6270e7ed07683eMD552023_Cristian David Guarnizo_Autorización.2023_Cristian David Guarnizo_Autorización.Autorización de autoresapplication/pdf3310862https://repositorio.uan.edu.co/bitstreams/58e63001-1ab9-4fec-ace1-cce4989ad65c/downloadf45b83b5b735af7dc9f4bea367586c6dMD532023_Cristian David Guarnizo_Acta.2023_Cristian David Guarnizo_Acta.Acta Cristian Guarnizoapplication/pdf256808https://repositorio.uan.edu.co/bitstreams/e95b2e41-c5ec-40f5-9ca2-d5a9f8c373b0/download2d264160df49d4f4dc25b9e2104fcfe6MD512023_Danilo Cortés Silvestre_Acta.2023_Danilo Cortés Silvestre_Acta.Acta Danilo Cortesapplication/pdf257958https://repositorio.uan.edu.co/bitstreams/2bf91601-30bc-4263-b4c3-51a969425a8d/download69856de1af922a60a5aef80f070e7d52MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.uan.edu.co/bitstreams/e114189c-10e5-43f2-a45b-df5ab4a86af0/download9868ccc48a14c8d591352b6eaf7f6239MD56123456789/9592oai:repositorio.uan.edu.co:123456789/95922024-10-09 22:56:46.439https://creativecommons.org/licenses/by-nc-nd/4.0/Acceso abiertoopen.accesshttps://repositorio.uan.edu.coRepositorio Institucional UANalertas.repositorio@uan.edu.co

Implementación de un sistema piloto para la detección de cansancio en conductores mediante Machine Learning.

Publicaciones similares