Automatic detection of drivers with fatigue using deep learning

Show simple item record

dc.contributor JORGE DE LA CALLEJA MORA;102624 es
dc.contributor.advisor De la Calleja Mora, Jorge
dc.contributor.author Cruz Medrano, Jordi Jaromil
dc.creator JORDI JAROMIL CRUZ MEDRANO;704756 es
dc.date.accessioned 2018-06-07T18:12:52Z
dc.date.available 2018-06-07T18:12:52Z
dc.date.issued 2017-05-31
dc.identifier.citation Cruz M. J. J. 2017. Automatic detection of drivers with fatigue using deep learning. Universidad Politécnica de Puebla. Departamento de Posgrado. Tesis de maestría. es
dc.identifier.uri http://repositorio.uppuebla.edu.mx:8080/xmlui/handle/123456789/41
dc.description This document presents a prototype for the identification of fatigue in individuals through the recognition of yawns, closed eyes and inclined head by using deep learning.This with the objective to detect the fatigue that is considered dangerous for any task that requires the use of heavy machinery. For the construction of the prototype we followed the following steps: obtaining the set of images, preprocessing, extraction of characteristics using a pre-trained network giving us as a result the high-level feature extraction, next we did a experiment with weka for determine what machine learning algorithm use for training, after of training we built the prototype. The experimental results indicate that support vector machines algorithm obtains the best results with 98.3% of accuracy in average , with a system capable of correctly detecting the three fatigue manifestations. es
dc.description.abstract Este documento presenta un prototipo para la identificación de fatiga en individuos a través del reconocimiento de bostezos, ojos cerrados y cabeza inclinada usando aprendizaje profundo, el propósito es detectar la fatiga que se considera peligrosa en cualquier tarea que requiera el uso de maquinaria pesada. Para la construcción del prototipo se siguieron los pasos siguientes: obtener el conjunto de imágenes, pre-procesarlas, extraer las características, utilizando una red pre-entrenada dio un resultado de extracción de características de alto nivel, después se experimentó con weka para determinar el algoritmo de aprendizaje automático a utilizar, después del entrenamiento, se construyó el prototipo. Los resultados experimentales indican que el algoritmo de máquinas de soporte vectorial obtiene los mejores resultados con una exactitud del 98.3% en promedio, con un sistema capaz de detectar correctamente tres manifestaciones de fatiga. es
dc.description.statementofresponsibility Público en general es
dc.language Inglés es
dc.language spa
dc.publisher Universidad Politécnica de Puebla es
dc.relation Versión publicada es
dc.relation.ispartof REPOSITORIO NACIONAL CONACYT es
dc.rights Acceso Abierto es
dc.rights http://creativecommons.org/licenses/by-nc-nd/4.0
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/4.0 es
dc.subject Aprendizaje profundo, detección de comportamiento es
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es
dc.title Automatic detection of drivers with fatigue using deep learning es
dc.title.alternative Detección automática de conductores con fatiga usando aprendizaje profundo es
dc.type Tesis de maestría es


Files in this item

This item appears in the following Collection(s)

Show simple item record

Acceso Abierto Except where otherwise noted, this item's license is described as Acceso Abierto

Search DSpace


Advanced Search

Browse

My Account