DETECÇÃO DE FADIGA A PARTIR DA ANÁLISE DE IMAGENS FACIAIS
Colloquium Exactarum
DETECÇÃO DE FADIGA A PARTIR DA ANÁLISE DE IMAGENS FACIAIS
Autor Correspondente: Fernando de Almeida Noronha | [email protected]
Palavras-chave: Fadiga; Processamento de Imagens; Visão Computacional
Resumos Cadastrados
Resumo Português:
Grande número de acidentes e prejuízos causados pela presença da fadiga em pessoas fez com que a preocupação em relação a esse tema apresentasse uma atenção maior nesses últimos anos. Estudar e desenvolver técnicas capazes de detectar a fadiga em um usuário se tornou possível graças a evolução contínua da tecnologia e da visão computacional. O processamento de imagem se tornou uma forte ferramenta, pois seu uso não interfere na condução do veículo, contudo, existem interferências que dificultam a análise do condutor por meio da visão computacional, essas interferências são difíceis de controlar pois envolvem a luminosidade do ambiente, custo do poder computacional da ferramenta e objetos desnecessários no ambiente. Foram utilizadas as técnicas de visão computacional: Template Matching, Transformada de Hough e Landmarks, linguagem Python com auxílio da biblioteca OpenCV e uso do hardware de baixo custo Raspberry. Os resultados foram satisfatórios e mostram que a junção de técnicas adequadas e luminosidade controlada torna possível detectar fadigas e alertar o condutor com grande acurácia.
Resumo Inglês:
A large number of accidents and injuries caused by the presence of fatigue on people has caused a concern about this, more attention has been taken in recent years. Studying and developing techniques capable of detecting fatigue in a user has become possible thanks to the continuous evolution of technology and computer vision. Image processing has become a strong tool because does not interfere the driving of the vehicle, however, there are interferences that make difficult the analysis of the driver through the computer vision, these interferences are difficult to control because they involve the luminosity of the environment, cost of computational power of the tool and unnecessary objects in the environment. computer vision techniques were used: Template Matching, Hough Transfor and Landmarks, Python language with the help of the OpenCV library and use of low cost hardware such as Raspberry. The results were satisfactory and show that the combination of techniques and controlled light makes it possible to detect fatigue and alert the driver with great accuracy.
