1

Por: Abiel Jiménez.

Un sistema portable de bajo costo que detecta la somnolencia del conductor en tiempo real, mediante el procesamiento de expresiones faciales, que tiene como fin prevenir accidentes de tránsito con una oportuna alarma sonora es el resultado de una investigación elaborada por Cinthia Alcántara Montiel, alumna de posgrado de la Facultad de Ingeniería, con la asesoría del académico Dr. Jesús Carlos Pedraza Ortega.

Este desarrollo lo componen una cámara web de computadora, que se coloca detrás del volante para capturar el rostro en video; una pantalla LCD que permite visualizar la detección del rostro; una sencilla bocina para la alerta sonora; una Raspberry 3B+ con un algoritmo, que es el centro de procesamiento; y un banco de energía (power bank).

La universitaria explicó que actualmente existen Sistemas Avanzados de Asistencia al Conductor (ADAS, por sus siglas en inglés), que están incluidos en algunos vehículos, tales como sensores inteligentes que identifican la cercanía de personas, animales u objetos, dan alertan de colisión o monitorean puntos ciegos; sin embargo, se trata de tecnología de difícil acceso y sólo se encuentra en automóviles de marcas costosas.

Por su parte, subrayó que en México los accidentes de tránsito son una de las 10 causas de muerte en el país, que pueden ser provocados por la somnolencia, el cansancio o la ebriedad de los conductores. De acuerdo con las estadísticas, la mortalidad en este tipo de accidentes se da entre las 14 y las 16 horas (23 por ciento) y entre las 0 y las 6 horas (21.5 por ciento).

Derivado de estos datos, la investigación inició con el desarrollo de un algoritmo implementable en un sistema embebido que utilizara el procesamiento de imágenes y técnicas de visión por computadora. Primeramente, se entrenó un detector facial para determinar la existencia o no del rostro con imágenes positivas y negativas: las primeras son aquellas que poseen el objeto de interés y las segundas, no.

Se generó un algoritmo robusto con más de 80 mil imágenes para detectar con mayor fiabilidad las características buscadas: de estas, 66 mil fueron negativas de acceso libre que no contenían rostros y 19 mil positivas. Estas últimas consideraron fotografías de rostros reales, con los ojos, nariz y boca visibles, en diferentes posiciones y que presentaran variaciones de iluminación; como resultado, se obtuvieron 11 clasificadores.

Posteriormente, se aplicó “machine learning” para definir puntos de referencia o landmarks que sirvieran para medir el tamaño y el tiempo de apertura de ojos y boca, es decir, para señalar la presencia de bostezo o cabeceo propiamente dicho. Se encontraron 69 puntos alrededor del rostro y un vector para cada uno: de éstos, se utilizaron 6 vectores para calcular la apertura de los ojos y 12 para la boca.

La estudiante de la Maestría en Ciencias con línea terminal en Instrumentación y Control Automático explicó que el bostezo puede indicar presencia de sueño o fatiga, pero también que el individuo se encuentra aún despierto; por ello, se implementó una alarma sonora que se activa automáticamente si detecta que el conductor cierra los ojos o abre la boca por un tiempo relativamente prolongado, ya que por el entrenamiento es capaz de distinguir si se trata de un parpadeo o si la persona está cantando o hablando.

“Generalmente, este tipo de sistemas tienen un ángulo particular para el rostro: si pasa de 15 o 30 grados ya no llega a detectarlo; el problema es que cuando uno va manejando uno cambia la posición. Esa fue una de las ventajas que se obtuvo con el entrenamiento robusto, el nuestro logró 45 o más grados inclusive con inclinaciones de la cabeza”, indicó.

Señaló que otra de las ventajas de este sistema es su bajo costo, ya que sus componentes no son excesivamente caros, pues se puede utilizar cualquier webcam o bocina de computadora y una pantalla LCD económica. Además, es de fácil instalación, no utiliza sensores que tienen contacto con el conductor, se puede colocar en cualquier vehículo o se puede dejar permanentemente en uno.

Alcántara Montiel destacó que el siguiente paso de la investigación consistirá en detectar puntos de la nariz para el cabeceo; también se trabajará en la modificación del algoritmo para reducir el impacto de algunos factores como la complexión del usuario, el ángulo de instalación de la cámara y la iluminación; trabajar con baja luminosidad; además de integrar el análisis de un mayor número de factores visuales para la somnolencia.

La universitaria presentó este proyecto científico en el XIV Congreso Internacional sobre Innovación y Desarrollo Tecnológico (CIINDET) 2018, que se llevó a cabo en Cuernavaca, Morelos, del 21 al 23 de marzo.

3