Detección de Somnolencia de Conductores, Basado en Ojos Abiertos y Ojos Cerrados Guerra Tacca Johan Minaya Carpio Alejandro Panibra Cayo Raúl.

Slides:



Advertisements
Presentaciones similares
Tema 3: Filtros SEGUNDA PARTE.
Advertisements

Filtros y Detectores de Borde
7. Extracción de Contornos
MÁSCARAS DE CONVOLUCIÓN PARA LA DETECCIÓN DE BORDES.
David G. Lowe Distinctive Image Features from Scale-Invariant Keypoints Aradí Rosales Cruz Visión de alto nivel Enrique Sucar.
Detector de grietas en edificios Síntesis, Análisis y Visualización de Imágenes Máster Oficial en Ingeniería y Tecnología del Software Pedro Tomás Ibáñez.
La segmentación de imágenes se ocupa de descomponer una imagen en sus partes constituyentes, es decir, los objetos de interés y el fondo, basándose en.
Detectores de Borde. Extracción de Características Detección de Líneas. Detección de Puntos de Borde. Detección de Contornos.
Tema 4:Segmentación de imágenes
Capitulo 3 Segmentación.
Adelgazamiento de Imágenes RGB
CARPLATE Reconocimiento del marco de la matrícula de un coche
MoMento S Grupo 33: Ignacio Ayllón Benito Félix A. Velázquez Salas.
Filtro Canny Detección de Esquinas
1 Image Segmentation Chapter 9 Dr. Mario Chacón DSP & Vision Lab.
Tema 6: Morfología Segunda parte.
Introducción al análisis de expresiones
Por Umberto Amato, Maria Francesca Carfora y Paolo Colandrea, publicado en ERCIM News, European Research Consortium for Informatics and Mathematics, Num.
SEGMENTACIÓN DE CARACTERES EN PANELES LED EN IMÁGENES NATURALES Álvaro Vilches Díaz Giulia Sabatinelli Pablo Alamo González.
DIAGRAMAS POLARES CRITERIO DE NYQUIST CONTROL – VII SEMESTRE PROGRAMA DE INGENIERÍA ELECTRÓNICA UNIVERSIDAD DE NARIÑO DOCENTE: ING. CHRISTIAN VEGA CAICEDO.
Miguel A. Carrasco Septiembre, 2006 Visión por Computador Aplicaciones del Procesamiento de Imágenes Ayudantía 02.
Presentado por: Yuli Dominguez. Portal Educa Panamá. Sistema de numeración.
Introducción a la estadística. ¿Qué es la estadística? La Estadística es la parte de las Matemáticas que se encarga del estudio de una determinada característica.
Tipos de errores Error de escala Error sistemático Error aleatorio Error total.
REFERENCIAS BIBLIOGRAFICAS
Racer 3D.
Beyond the Images… La mejor solución para el tratamiento de imágenes.
VECTORES.
Componentes de un método de solución numérica
VENTAJAS DEL ALGORITMO LMS
Qué es una derivada? “La pregunta del millón…”
Estrategias de administración de recursos de radio en un sistema 3G
ENRIQUE CAÑO MARÍN MARCOS MAROTO GÓMEZ
GRAFICAS DE CONTROL X-R
Unidad 5. Capítulo VI. Sistemas lineales no homogéneos.
Andrea D. Arroyo C. - Christina E. Bravo B.
CAPÍTULO 6: FILTRAJE ESPACIAL
CAPÍTULO 9: DETECCIÓN DE LÍNEAS
CAPÍTULO 8: DETERMINACIÓN DE ESQUINAS
CAPÍTULO 10: OPERACIÓNES MORFOLOGICAS
CAPÍTULO 4: OPERACIONES DE PIXEL
CAPÍTULO 7: DETECCIÓN DE BORDES
Análisis de error en estado estacionario México D.F. a 18 de Septiembre de 2006 Departamento de Control, División de Ingeniería Eléctrica Facultad de Ingeniería.
LA Fotografía Por: Bryan Arias.
CAPÍTULO 5: SEGMENTACIÓN Y TRATAMIENTO DE IMÁGENES BINARIAS
Cantidad de líneas de campo que atraviesa la superficie ds.
Introducción al Programa
VECTORES.
DIFERENTES SISTEMAS DE COORDENADAS
Investigación de mercados
Algoritmo de eigenfaces Una imagen como vector con ancho y alto. 1.Normalización o pre procesado. buscar los factores que determinen similitudes 2.Calculo.
 La minería de datos o exploración de datos (es la etapa de análisis de "Knowledge Discovery in Databases" o KDD) es un campo de la estadística y las.
Introducción a las imágenes digitales
DEL MANIPULADOR: PARTE 1 Roger Miranda Colorado
UNIVERSIDAD DE LAS FUERZAS ARMADAS-ESPE
VECTORES.
INGENIERÍA DE PRODUCTO 1.2 Círculo de Mohr.. El círculo de Mohr es una gráfica de las combinaciones de los esfuerzos normal y cortante que existen en.
ANÁLISIS DE LA TR INCREMENTAL DE ALTERNATIVAS MÚLTIPLES.
Sistema de coordenadas o Plano Cartesiano
TRANSFORMACIONES ISOMÉTRICAS En una transformación isométrica:
Determinación de superficies ocultas
Algoritmo de eliminacion gaussiana con pivoteo escalado de columna
SISTEMAS DE COMUNICACIONES REPRESENTACIÓN DE SEÑALES EN EL ESPACIO ALEX PAUL PORRAS ROBALINO CARLOS RENATO SOLIS GUANIN.
IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 13, NO. 4, JULY
U.A. FOTOGRAFÍA BÁSICA (tercer periodo)
CON DETECCIÓN DE MOVIMIENTO USANDO IMÁGENES IMPLEMENTADO EN LABVIEW JORGE LEÓN JUAN SANCHEZ ESPOL 2010.
Texturizado.
Procesamiento Digital de Imágenes. Etapas del procesamiento de imágenes Entrenamiento Captura Pre-procesamiento Segmentación Extracción de características.
TEORIA de ERRORES. Generalidades:  Una “discrepancia" es la diferencia entre dos valores medidos de la misma cantidad.-  La “precisión” se refiere al.
TRANSFORMACIONES En una transformación isométrica: 1) No se altera la forma ni el tamaño de la figura. 2) Sólo cambia la posición (orientación o sentido.
Transcripción de la presentación:

Detección de Somnolencia de Conductores, Basado en Ojos Abiertos y Ojos Cerrados Guerra Tacca Johan Minaya Carpio Alejandro Panibra Cayo Raúl

ANALISIS DE LA FATIGA

EXTRACCION DE CARACTERISTICAS

TRABAJOS RELACIONADOS Drowsiness Detection Based on Eyelid Movement Utilizan el algoritmo de Viola Jones para detección del rostro y diferencia entre dos imágenes cercanas para establecer el estado del ojo, con un cambio de pixeles determinado por un umbral se estable el estado del ojo, la fatiga se determina por el tiempo de duración del ojo cerrado, por un numero de pestañeos continuos, máximo pueden ser dos. Los videos tienen una resolución de 320X240, no se indica el tiempo de procesamiento. Este trabajo está enfocado a la detección de fatiga en horas diurnas. The Detection Algorithm of Locomotive Drivers Fatigue Based on Vision Hacen uso del espacio de color YCbCr a _n de segmentar el rostro y morfología matemática y una máscara de segmentación para la región de los ojos, evaluando la fatiga por medio de PERCLOS con umbral al 40%, trabajan con 5 videos de conductores de 60 minutos cada uno, en horas diurnas, no se especifica resolución ni tiempo de procesamiento.

TRABAJOS RELACIONADOS Vision-based drowsiness detector for a Realistic Driving Simulator Usan el algoritmo de Viola-Jones para detección del rostro y filtro Kalman para detección de la ubicación del ojo, el centro de este y su apertura es hallado mediante proyecciones integrales y modelado Gaussiano. La medición de la fatiga es realizada mediante PERCLOS mediante un sistema de dos cámaras estéreo, no se da tiempo de procesamiento, resolución de las cámaras y posee sistema IR para validación nocturna.

AGORITMO CANNY En 1986, Canny propuso un método para la detección de bordes, el cual se basaba en tres criterios, estos son: A.Evitar la eliminación de bordes importantes y no suministrar falsos bordes. B.Localización. Distancia entre la posición real y la localizada del borde se debe minimizar. C.Respuesta, que integre las respuestas múltiples correspondientes a un único borde.

Criterios

El algoritmo de Canny detección de bordes uso de la primera derivadavalor de cero donde no varía la intensidad valor constante Uno de los métodos relacionados con la detección de bordes es el uso de la primera derivada, la que es usada por que toma el valor de cero en todas las regiones donde no varía la intensidad y tiene un valor constante en toda la transición de intensidad. cambio de intensidadcambio brusco en la primera derivadacaracterística que es usada para detectar un bordey en la que se basa el algoritmo de Canny. Por tanto un cambio de intensidad se manifiesta como un cambio brusco en la primera derivada, característica que es usada para detectar un borde, y en la que se basa el algoritmo de Canny.

El algoritmo de Canny consiste en tres grandes pasos 1.OBTENCIÓN DEL GRADIENTE: magnitud y orientación 1.OBTENCIÓN DEL GRADIENTE: en este paso se calcula la magnitud y orientación del vector gradiente en cada píxel. 2.SUPRESIÓN NO MÁXIMA: bordes de un píxel de ancho. 2.SUPRESIÓN NO MÁXIMA: en este paso se logra el adelgazamiento del ancho de los bordes, obtenidos con el gradiente, hasta lograr bordes de un píxel de ancho. 3.HISTÉRESIS DE UMBRAL: reduciraparición de contornos falsos. 3.HISTÉRESIS DE UMBRAL: en este paso se aplica una función de histéresis basada en dos umbrales; con este proceso se pretende reducir la posibilidad de aparición de contornos falsos.

SUAVIZAR Es inevitable que todas las imágenes tomadas desde una cámara contendrá cierta cantidad de ruido. Para evitar que el ruido se confunda con bordes, el ruido se reduce. Por lo tanto primero se aísla la imagen mediante la aplicación de un filtro de Gauss

SUPRESIÓN NO MÁXIMA AL RESULTADO DEL GRADIENTE Las dos imágenes generadas en el paso anterior sirven de entrada para generar una imagen con los bordes adelgazados. El procedimiento es el siguiente: se consideran cuatro direcciones identificadas por las orientaciones de 0º, 45º, 90º y 135º con respecto al eje horizontal. Para cada píxel se encuentra la dirección que mejor se aproxime a la dirección del ángulo de gradiente.

HISTÉRESIS DE UMBRAL A LA SUPRESIÓN NO MÁXIMA histéresis del umbral La imagen del paso anterior suele contener máximos locales creados por el ruido, una solución para eliminar dicho ruido es la histéresis del umbral.

RESULTADOS OBTENIDOS AL APLICAR EL ALGORITMO DE CANNY

Sobel filtro par abtener el gradiente se usa sobre la imagen suavizada imshow muestra la imagen que en una gráfica la manija figura, donde me es una escala de grises, RGB (color verdadero), o una imagen binaria. Para las imágenes binarias, imshow muestra píxeles con el valor 0 (cero) como negro y 1 como blanco. Para mostrar imágenes con MatLab se usa el comando imshow cuyo formato es

LIMITACIONES Uso de lentes Zona de corte fija Una de las principales limitaciones que se tiene en este proyecto es el recorte previo que hay que hacer. Las coordenadas de la zona recortada son fijas y por tanto, para obtener una clasificación correcta, el usuario deberá ubicarse de modo que uno de sus ojos quede dentro del área recortada pues de lo contrario, el algoritmo fallará.

CONCLUSIONES Por medio de técnicas de procesamiento de imagen, se logró extraer las características principales, que derivadas del rostro, en este caso apertura/cierre de los ojos, permiten establecer el nivel de fatiga en un conductor. En este Trabajo se ha presentado un sistema para detectar automáticamente la somnolencia del conductor. Se analizaron varios criterios para determinar si los ojos se encontraban abiertos o cerrados, pero el que mejor resultados nos dio fue el de la curvatura del ojo, cuando una persona se encuentra con ojos abiertos esta curvatura es hacia abajo del ojo, y cuando esta con ojos cerrados es todo lo contrario ya que esta curvatura se encuentra hacia arriba. Una de las principales limitaciones que tenemos en este proyecto es que al realizar el análisis de la imagen se debe recortar en una parte fija de la imagen. Esto limita el funcionamiento del algoritmo ya que si el usuario sale de la posición de corte no se podrá detectar su estado si está abierto los ojos o cerrados.