Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/3574
Título: Detecção de fadiga baseada no monitoramento dos olhos
Título(s) alternativo(s): Fatigue detection based on the monitoring of eyes
Autor(es): RODRIGUES, Danilo Nogueira
Palavras-chave: Detecção de olhos
Detecção de fadiga
Monitoramento
Sistemas inteligentes
Visão computacional
Computer vision
Eye detection
Fatigue detection
Smart systems
Tracking
Data do documento: 25-Jan-2018
Editor: Universidade Federal do Maranhão
Resumo: O monitoramento de fadiga é um método automatizado de detectar o nível de cansaço de um indivíduo, com o intuito de melhorar a segurança em ambientes onde a atenção é um fator de risco. Nesta monografia é apresentado um método para detecção de fadiga em motoristas com a utilização de técnicas de processamento de imagem e aprendizado de máquina. Utiliza-se uma webcam para o monitoramento dos olhos em tempo real, considerando que a sonolência pode ser detectada com o tempo que o motorista permanece com os olhos fechados, a correta detecção do estado dos olhos (Abertos ou Fechados) é fundamental. Para a escolha da melhor técnica, dois algoritmos de aprendizado de máquina foram testados para a obtenção dos resultados e o desempenho comparado. Os resultados obtidos são medidos através da métrica de PERCLOS para ambientes controlados.
Descrição: Abstract Fatigue monitoring is an automated method of detecting an individual’s drowsiness level with the intention of improve the security in a environment where attention is a crucial factor. In this work is introduced a method to fatigue detection in drivers using techniques of image processing and machine learning. A web cam is used to monitor eyes in real time, considering that somnolence can be detected with the time that a driver remains with eyes closed, the correct classification about eyes condition (Open or Closed) is fundamental. To choose the best technique, two machine learning algorithms was tested to obtain the results and thus the performance compared. The obtained results are measured with PERCLOS for controlled images.
URI: http://hdl.handle.net/123456789/3574
Aparece nas coleções:TCCs de Graduação em Ciência da Computação do Campus do Bacanga

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DANILO-RODRIGUES.pdfTrabalho de Conclusão de Curso1,69 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.