Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/351941
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Sistema de detecção de zona de visão do motorista utilizando câmera de profundidade
Title Alternative: Driver gaze zone detection system using a depth camera
Author: Ribeiro, Rafael Fernando, 1981-
Advisor: Costa, Paula Dornhofer Paro, 1978-
Abstract: Resumo: A falta de atenção do motorista é uma das principais causas de acidentes envolvendo carros. Esses acidentes podem ser prevenidos por sistemas de alerta e monitoramento do motorista. O problema de monitorar o motorista no carro por meio de técnicas de visão computacional apresenta várias dificuldades tais como mudanças bruscas de luminosidade e diferentes características visuais que dificultam a detecção da face (uso ou não de óculos, barba, expressões faciais e diferentes etnias). O presente trabalho propõe um sistema de visão computacional capaz de detectar a desatenção do motorista com base no monitoramento de seu foco de visão, permitindo inferir, por exemplo, se o motorista está olhando para a estrada ou não. O trabalho apresenta os resultados de experimentos com imagens coloridas, infravermelhas e de profundidade capturadas de motoristas dentro do carro. As imagens coletadas foram utilizadas para treinar algoritmos automáticos de detecção da zona de visualização do motorista em tempo real que podem ser utilizados durante o dia quanto à noite. Os experimentos propostos exploraram diferentes estratégias a fim de encontrar uma melhor forma de extrair as informações das imagens disponíveis. Fizemos experimentos isoladamente com as imagens coloridas, infravermelhas e de profundidade e com fusões destas a fim de adquirir a melhor acurácia dentre eles. O trabalho apresenta como principais contribuições a disponibilização de uma base de imagens de motoristas pública para fins de pesquisa, estudos sobre a aplicabilidade de imagens de profundidade de forma a melhorar a eficácia destes tipos de sistema e a definição de um modelo com acurácia superior a 90% para detecção do foco de visão

Abstract: Driver's distraction is one of the main causes of car accidents. These accidents could be prevented by alert and monitoring Advanced Driver Assistance Systems (ADAS). The problem of monitoring the driver in the car through computer vision techniques presents several difficulties such as abrupt changes in light, different visual characteristics that make facial detection difficult, such as the use of glasses, beards, facial expressions and different ethnicities The present dissertation proposes a computer vision system able to detect the driver's distraction by monitoring the driver gaze and estimating if the driver is looking to the road or not. Our work shows results of experiments on color, infrared and depth images captured directly from drivers. The captured images were used by the system to train a machine learning algorithm to predict the driver's gaze zone automatically and on real-time, during day or night. The proposed experiments explore different configurations to find the best way to extract information from captured images. Hence, we trained different algorithms using separated color, infrared and depth images and we also trained the algorithms using fused data extracted from different images types to find the best model. Among the contributions of the present work is a new public image database of drivers, a study on the use of depth images in order to try to improve these kinds of systems and a trained model with an accuracy above 90% to detect the driver gaze region
Subject: Sensor Kinect
Aprendizado de máquina
Motoristas
Atenção
Aprendizado profundo
Language: Português
Editor: [s.n.]
Citation: RIBEIRO, Rafael Fernando. Sistema de detecção de zona de visão do motorista utilizando câmera de profundidade. 2019. 1 recurso online ( 107 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. Disponível em: http://www.repositorio.unicamp.br/handle/REPOSIP/351941. Acesso em: 6 Nov. 2020.
Date Issue: 2019
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Ribeiro_RafaelFernando_M.pdf12.96 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.