Sistema de detección de somnolencia

Abstract

La detección y clasificación de imágenes mediante el uso de Redes Neuronales y modelos de Deep Learning, es una de las ramas de la Inteligencia Artificial que más tiempo lleva en desarrollo y de las que mayor crecimiento ha experimentado. Esta clasificación de imágenes según su contenido, proporciona una herramienta muy potente a la hora de detectar objetos, personas, diferenciar animales... Y también para detectar acciones o situaciones que se estén produciendo en tiempo real. En este proyecto estudiaremos el uso de estos modelos de Redes Neuronales para la clasificación de imágenes. Enfocando estos modelos en la resolución de un problema grave de la vida cotidiana, la somnolencia en los conductores. El objetivo será desarrollar un sistema de detección de somnolencia que haga uso de redes neuronales para la clasificación de imágenes, y realizar un estudio posterior sobre el sistema y sus posibles mejoras, así como decidir cuáles parámetros consiguen que el sistema funcione mejor. Para este trabajo se ha utilizado el lenguaje de programación Python, junto con diversas librerías que facilitan la interacción con el modelo, y otras que nos ayudan en la captura de las imágenes.

The detection and classification of images through the use of Neural Networks and Deep Learning models is one of the branches of Artificial Intelligence that has been in development for the longest time and has experienced the greatest growth. This classification of images according to their content provides a very powerful tool when it comes to detecting objects, people, differentiating animals... And also to detect actions or situations that are taking place in real time. In this project we will study the use of these Neural Network models for image classification. Focusing these models on solving a serious problem in everyday life, drowsiness in drivers. The objective will be to develop a drowsiness detection system that makes use of neural networks for image classification, and to carry out a subsequent study on the system and its possible improvements, as well as to decide which parameters make the system work better. For this work, the Python programming language has been used, together with various libraries that facilitate interaction with the model, and others that help us in capturing the images.