DETECÇÃO DE FADIGA A PARTIR DA ANÁLISE DE IMAGENS FACIAIS
Palavras-chave:
Fadiga; Processamento de Imagens; Visão ComputacionalResumo
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.
Downloads
Referências
BRASIL. Ministério da Segurança Pública. Polícia Rodoviária Federal. Disponível em: https://www.prf.gov.br/portal/dados-abertos/acidentes/acidentes#wrapper. Acesso em: 18 out. 2018.
CHIEH, T.C.; MUSTAFA, M.M.; HUSSAIN, A.; HENDI, S.F.; MAJLIS, B.Y. Development of Vehicle Driver Drowsiness Detection System Using Electrooculogram (EOG) . In: INTERNATIONAL CONFERENCE ON COMPUTERS, COMMUNICATIONS, & SIGNAL PROCESSING WITH SPECIAL TRACK ON BIOMEDICAL ENGINEERING. 1., 2005, Kuala Lumpur, Malaysia. Anais [...]. Lumpur, Malaysia, 2005. Disponível em: http://ieeexplore.ieee.org/document/4977181 Acesso em: 09 fev. 2018
GONZALEZ, R. C.; WOODS, R. E. Digital Image Processing. 3. ed. Reading, Massachusetts: Addison-Wesley, 1993.
HE, J.; ROBERSON, S.; FIELDS, B.; PENG, J.; CIELOCHA, S.; COLTEA, J. Fatigue Detection using Smartphones. J Ergonomics, v. 3, n.3, p. 1-7. doi:10.4172/2165- 7556.1000120
Disponível em: https://www.omicsonline.org/open-access/fatigue-detection-using-smartphones-2165-7556.1000120.php?aid=21520. Acesso em: 05 out. 2017.
HORNG, W. B.; CHEN, C. Y.; CHANG, Y.; FAN, C. H. Driver Fatigue Detection Based on Eye Tracking and Dynamic Template Matching. In: IEEE INTERNATIONAL CONFERENCE ON NETWORKING, SENSING AND CONTROL, 2004. Taipei, Taiwan. Anais [...]. Taiwan, 2004. Disponível em: https://ieeexplore.ieee.org/document/1297400/. Acesso em: 20 set. 2018.
NASCIMENTO, A. V. do; GONZAGA, A. Detecção de faces humanas em imagens digitais: um algoritmo baseado em lógica nebulosa. 2005. Dissertação (Mestrado em Engenharia Elétrica) – USP, São Carlos, 2005. Disponível emwww.teses.usp.br/teses/disponiveis/18/.../Dissert_Nascimento_AndreiaV_corrigido.pdf . Acesso em: 28 ago. 2018.
QUEIROZ, K. L. de. Sistema baseado em vídeo para detecção de sonolência em motoristas. 2011. Dissertação (Mestrado) – Universidade de Brasília, Brasília, DF, 2011. Disponível em: repositorio.unb.br/bitstream/10482/10704/1/2011_KedsonLopesQueiroz.pdf. Acesso em: 27 ago. 2018.
ROQUE, P. M. da S. Técnicas de Visão Computacional para a detecção automática de padrões de fadiga. 2013. Dissertação (Mestrado em Informática) – Universidade de Évora, Évora, PO, 2013. Disponível em: https://dspace.uevora.pt/rdpc/bitstream/10174/9085/1/Tecnicas%20de%20Visao%20Computacional%20para%20a%20detecao%20automatica%20de%20padroes%20de%20fadiga.pdf. Acesso em: 27 ago. 2018.
SILVA, C.; SCHNITMAN, L.; OLIVEIRA, L. Detecção de landmarks em imagens faciais baseada em informações locais. Disponível em: https://www.researchgate.net/publication/271825271_Detection_of_Facial_Landmarks_Using_Local-Based_Information. Acesso em: 10 out. 2018.
UENO, H.; KANEDA, M.; TSUKINO, M. Development of drowsiness detection system. In: VNIS'94 VEHICLE NAVIGATION AND INFORMATION SYSTEMS CONFERENCE. 1994. Yokohama. Proceedings [...].Yokohama, Japan,1994 Disponível em: http://ieeexplore.ieee.org/document/396873 Acesso em: 09 fev. 2018.
VIOLA, P.; JONES, M.J. Robust Real-Time Face Detection. International Journal of Computer Vision, v.56, n.2, p.137-154, 2004. Disponível em: https://link.springer.com/article/10.1023/B:VISI.0000013087.49260.fb. Acesso em: 19 set. 2018.
VURAL, E.; CETIN, M.; ERCIL, A.; LITTLEWORT, G; BARLETT, M.; MOVELLAN, J. Drowsy Driver Detection Through Facial Movement Analysis. In: HCI: International Workshop on Human-Computer Interaction, 2007.
Disponível em < https://link.springer.com/chapter/10.1007/978-3-540-75773-3_2. Acesso em: 09 fev. 2018.