Desarrollo de una aplicación móvil para la detección de la somnolencia de conductores de vehículos aplicando inteligencia artificial.
En la actualidad, el procesamiento de datos complejos y la toma de decisiones se ven limitados por la gran cantidad de datos generados por humanos y máquinas. El aprendizaje automático, parte de la inteligencia artificial, es esencial para tomar decisiones complejas. El reconocimiento facial tiene d...
Zapisane w:
| 1. autor: | |
|---|---|
| Format: | bachelorThesis |
| Wydane: |
2023
|
| Hasła przedmiotowe: | |
| Dostęp online: | http://repositorio.utmachala.edu.ec/handle/48000/22051 |
| Etykiety: |
Dodaj etykietę
Nie ma etykietki, Dołącz pierwszą etykiete!
|
Dodaj etykietę | Streszczenie: | En la actualidad, el procesamiento de datos complejos y la toma de decisiones se ven limitados por la gran cantidad de datos generados por humanos y máquinas. El aprendizaje automático, parte de la inteligencia artificial, es esencial para tomar decisiones complejas. El reconocimiento facial tiene diversas aplicaciones prácticas, como seguridad, autenticación, comercio, salud, entretenimiento y marketing, incluyendo la identificación de personas desconocidas y la personalización de ofertas. En seguridad vial, se podría usar en vehículos para detectar distracciones, fatiga o somnolencia del conductor, a menudo causados por largos periodos de conducción, falta de descanso, privación de sueño, horarios irregulares y trastornos del sueño, con consecuencias potencialmente mortales. Por esta razón se propone utilizar la inteligencia artificial para detectar signos de somnolencia en conductores y activar una alarma preventiva. Esto mejora la seguridad vial y reduce costos, beneficiando a todos los conductores, incluso en vehículos de gama baja. Para el desarrollo de la aplicación móvil se empleó de la metodología Mobil-D, donde, en el capítulo II, se muestra el procedimiento llevado a cabo según las fases que esta metodología tiene. Como técnica principal se utilizó la encuesta y como instrumento un formulario de Microsoft 365, en el que se analizó y apreció el nivel de satisfacción de los encuestados con respecto a la utilización de la aplicación móvil. Para medir el grado de satisfacción se usó la escala de Likert inmerso en las preguntas planteadas. Finalmente, tras la culminación de la evaluación del prototipo, en el capítulo III, se muestran las conclusiones, recomendaciones y los trabajos a futuro. Entre las conclusiones, resaltan la finalización de la aplicación que demuestra la viabilidad y efectividad de utilizar herramientas avanzadas como la inteligencia artificial para abordar desafíos reales en la sociedad. Entre las recomendaciones se habla acerca de la detección de somnolencia en conductores mediante inteligencia artificial y reconocimiento facial, se recomienda recopilar datos variados, usar redes neuronales convolucionales y entrenar para detectar signos sutiles de somnolencia, como el cierre de ojos o cambios en el parpadeo. |
|---|