Human Activity Recognition in a Car with Embedded Devices



Título del documento: Human Activity Recognition in a Car with Embedded Devices
Revista: Latin-American Journal of Computing (LAJC)
Base de datos: PERIÓDICA
Número de sistema: 000448823
ISSN: 1390-9134
Autores:
Año:
Volumen: 2
Número: 2
Paginación: 33-39
País: Ecuador
Idioma: Inglés
Tipo de documento: Artículo
Enfoque: Aplicado, descriptivo
Resumen en español La detección y predicción de la somnolencia es clavepara la implementación de vehículos inteligentes destinados aprevenir accidentes en carreteras. Existen varios enfoques paracrear este tipo de vehículos. En este artículo se analiza el enfoquede visión por computador, donde dispositivos embebidos sonusados conjuntamente con técnicas de inteligencia artificial yreconocimiento de patrones para implementar soluciones para ladetección del nivel de fatiga de un conductor de un vehículo. Lamayoría de investigaciones en este campo basados en visión porcomputador se enfocan en el análisis del parpadeo de los ojosdel conductor, esta solución combinada con patrones adicionalescomo el reconocimiento del bostezo o el movimiento de la cabezaconstituye ser una solución bastante eficiente. El primer paso eneste enfoque es el reconocimiento del rostro, para lo cual el usodel algoritmo AdaBoost muestra resultados precisos en el procesode extracción de características, mientras para la detección desomnolencia, el uso de clasificadores como el Support VectorMachine (SVM) muestra también resultados prometedores.Un componente básico en la tecnología de visión por computadores el uso de una base de datos de imágenes espontaneas acordeal Sistema Codificado de Acciones Faciales (SCAF), con la cualel clasificador puede ser entrenado. Este artículo presenta unprototipo sencillo para detección de somnolencia, en el cual el método de Viola-Jones es utilizado para el reconocimiento de rostros y un clasificador tipo cascada es usado para la detecciónde ojos cerrados en una secuencia continua de imágenes lo que constituye un indicador de somnolencia
Resumen en inglés Detection and prediction of drowsiness is key forthe implementation of intelligent vehicles aimed to preventhighway crashes. There are several approaches for such solution.In this paper the computer vision approach will be analysed,where embedded devices (e.g. video cameras) are used alongwith machine learning and pattern recognition techniques forimplementing suitable solutions for detecting driver fatigue.Most of the research in computer vision systems focused on theanalysis of blinks, this is a notable solution when it is combinedwith additional patterns like yawing or head motion for therecognition of drowsiness. The first step in this approach isthe face recognition, where AdaBoost algorithm shows accurateresults for the feature extraction, whereas regarding the detectionof drowsiness the data-driven classifiers such as Support VectorMachine(SVM) yields remarkable results.One underlying component for implementing a computer visiontechnology for detection of drowsiness is a database of spon-taneous images from the Facial Action Coding System (FACS),where the classifier can be trained accordingly.This paper introduces a straightforward prototype for detectionof drowsiness, where the Viola-Jones method is used for facerecognition and cascade classifier is used for the detection ofa contiguous sequence of eyes closed, which are considered as drowsiness
Disciplinas: Ciencias de la computación,
Ingeniería
Palabras clave: Ingeniería de transportes,
Inteligencia artificial,
Vehículos inteligentes,
Somnolencia,
Clasificadores,
Método Viola-Jones,
Prevención de accidentes,
Reconocimiento de rostros
Keyword: Transportation engineering,
Artificial intelligence,
Smart vehicles,
Drowsiness,
Classifiers,
Viola-Jones method,
Accidents prevention,
Face recognition
Texto completo: https://lajc.epn.edu.ec/index.php/LAJC/article/view/88/50