No Brasil, muitos acidentes de trânsito são registrados anualmente. Estatísticas indicam que cerca de 60% desses acidentes decorrem de sono e cansaço. O uso da tecnologia reduz em até 86% dos potenciais acidentes. Diante disso, um protótipo de um sistema embarcado foi desenvolvido, visando à detecção da fadiga. O objetivo é detectar o sinal de exaustão por meio de um sistema embarcado. A partir disso, o sistema emite um alerta, sugerindo ao condutor que pare e descanse. O módulo é composto por um sistema embarcado do modelo Raspberry Pi 3, utilizando a câmera Pi Camera V2, um LED e um Buzzer. A linguagem Python foi utilizada, acrescida das bibliotecas OpenCV e DLIB. Após a análise do sistema, a métrica R² dos testes, variando o Frame check foi 0,981, já para o Frame width foi 0,8779. Os resultados obtidos com o protótipo demonstraram latência de resposta inferior a dois (2) segundos.
In Brazil, many traffic accidents are recorded annually. Statistics indicate that about 60% of these accidents are due to sleep and fatigue. The use of technology reduces potential accidents by up to 86%. In view of this, a prototype of an embedded system was developed, aiming at fatigue detection. The objective is to detect the exhaustion signal through an embedded system. From this, the system issues an alert, suggesting the driver to stop and rest. The module consists of an embedded system of the Raspberry Pi 3 model, using the Pi Camera V2 camera, an LED and a Buzzer. The Python language was used, plus the OpenCV and DLIB libraries. After analyzing the system, the R² metric of the tests varying the Frame check was 0.981, while for the Frame width it was 0.8779. The results obtained with the prototype showed response latency of less than two (2) seconds.
