UNIVERSIDAD DE GUAYAQUIL FACULTAD DE INGENIERÍA INDUSTRIAL DEPARTAMENTO ACADÉMICO DE GRADUACIÓN TRABAJO DE TITULACIÓN PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERO EN TELEINFORMÁTICA ÁREA TECNOLOGÍA DE LOS ORDENADORES TEMA “PROTOTIPO DE UN SISTEMA DETECTOR DE SOMNOLENCIA CON ALERTAS VÍA TUITS PARA CONDUCTORES VEHICULARES” AUTOR MARCILLO PLÚA FRANCISCO GUILLERMO DIRECTORA DEL TRABAJO ING. SIST. CASTILLO LEÓN ROSA ELIZABETH, MG. 2017 GUAYAQUIL – ECUADOR
150
Embed
UNIVERSIDAD DE GUAYAQUIL FACULTAD DE ...repositorio.ug.edu.ec/bitstream/redug/27429/1/TESIS...Comparativa de cámaras web Comparativa de hardware de procesamiento Comparativa de software
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
UNIVERSIDAD DE GUAYAQUIL FACULTAD DE INGENIERÍA INDUSTRIAL DEPARTAMENTO ACADÉMICO DE GRADUACIÓN
TRABAJO DE TITULACIÓN PREVIO A LA OBTENCIÓN DEL TÍTULO DE
INGENIERO EN TELEINFORMÁTICA
ÁREA TECNOLOGÍA DE LOS ORDENADORES
TEMA “PROTOTIPO DE UN SISTEMA DETECTOR DE
SOMNOLENCIA CON ALERTAS VÍA TUITS PARA CONDUCTORES VEHICULARES”
AUTOR MARCILLO PLÚA FRANCISCO GUILLERMO
DIRECTORA DEL TRABAJO ING. SIST. CASTILLO LEÓN ROSA ELIZABETH, MG.
2017 GUAYAQUIL – ECUADOR
ii
DECLARACIÓN DE AUTORÍA
“La responsabilidad del contenido de este Trabajo de Titulación, me
corresponde exclusivamente; y el patrimonio Intelectual del mismo a la
Facultad de Ingeniería Industrial de la Universidad de Guayaquil”
Marcillo Plúa Francisco Guillermo
C.C. 0925688376
iii
DEDICATORIA
Dedico este trabajo al Dios eterno que día a día me cubrió de salud y
sabiduría para seguir adelante, a mis padres Cesáreo y Rosa que me han
brindado su apoyo incondicional en todo momento, a mis hermanos César,
Gabriela y Jhon, los cuales me han enseñado a nunca rendirme y por los
cuales aún me mantengo firme.
iv
AGRADECIMIENTO
Agradezco a mis amigos y compañeros de estudio con los cuales
aprendimos que la mejor manera de triunfar y llegar a la meta era
perseverando y manteniéndonos unidos. A mi tutora, Ing. Rosa Castillo por
su tiempo y dedicación en la realización de este trabajo. A todos aquellos
que de alguna forma aportaron para el cumplimiento de esta obra.
v
N°
N°
1.1
1.1.1
1.1.2
1.2
1.2.1
1.2.2
1.3
1.3.1
1.4
1.5
1.6
1.6.1
N°
2.1
2.1.1
ÍNDICE GENERAL
Descripción
INTRODUCCIÓN
CAPÍTULO I
EL PROBLEMA
Descripción
Planteamiento del problema
Formulación del problema
Sistematización del problema
Objetivos de la investigación
Objetivo general
Objetivos específicos
Justificación
Justificación del problema
Delimitación del problema
Hipótesis o premisas de investigación
Operacionalización
Operacionalización de las variables
CAPÍTULO II
MARCO TEÓRICO
Descripción
Antecedentes de la investigación
Accidentes de tránsito
Pág.
1
Pág.
3
5
5
5
5
6
6
6
8
8
9
9
Pág.
11
11
vi
N°
2.1.2
2.1.3
2.1.4
2.2
2.2.1
2.2.2
2.2.3
2.2.4
2.2.5
2.2.6
2.2.7
2.3
2.3.1
2.3.2
2.3.3
2.3.4
2.3.5
2.3.6
2.3.7
2.3.7.1
2.3.7.2
2.3.8
2.3.8.1
2.3.9
2.3.10
2.3.11
2.4
2.4.1
2.4.1.1
Descripción
Accidente provocado por factor humano
Carreteras con más índice de accidentes
Accidentes por tipo de transporte
Sistemas avanzados de asistencia a conductores
Hyundai Motor Company
Intelligent Mechatronic Systems Inc.
Delphi Technologies
Waymo
Sistema detector de fatiga de Bosch
Sistema detector de sueño OptAlert
Investigaciones de carácter nacional
Marco teórico
Somnolencia
Factores que producen sueño en los conductores
Características que demuestran síntomas de
somnolencia en conductores
Sistema
Explicación general del sistema detector de
somnolencia propuesto
Visión por computador
Adquisición de información
Las imágenes digitales
Características de una imagen
Procesamiento de imágenes
Conversión a escala de grises
Reconocimiento de Objetos
ROI (Region Of Interest)
Clasificador de imagen
Técnicas de reconocimiento y elementos
Método de reconocimiento de Viola Jones
Características Haar
Pág.
12
12
13
14
14
15
16
17
18
19
19
21
21
21
22
22
23
24
25
25
27
27
27
28
28
29
29
29
29
vii
N°
2.4.1.2
2.4.1.3
2.4.2
2.4.3
2.4.4
2.4.5
2.4.6
2.4.7
2.4.8
2.4.8.1
2.4.8.2
2.4.9
2.4.10
2.4.11
2.4.11.1
2.4.11.2
2.4.11.3
2.4.12
2.4.12.1
2.4.12.2
2.5
2.6
2.7
N°
3.1
3.2
3.3
Descripción
Adaboost
Clasificador en cascada
Predictor de marcas faciales
EAR (Eye Aspect Ratio)
Matriz de confusión
Computadoras de placas simples
Raspberry Pi
Computadores Sticks
Cámaras digitales
Webcam
Cámaras IP
Altavoz
Regulador de tensión
Software
OpenCV
Python
Sistema Operativo
Conectividad
Wifi
Twitter
Marco contextual
Marco conceptual
Marco legal
CAPÍTULO III
METODOLOGÍA
Descripción
Diseño de la investigación
Enfoque de la investigación
Métodos de investigación
Pág.
30
31
32
33
34
35
36
36
37
37
38
38
39
39
39
40
41
42
41
41
42
43
43
Pág.
45
46
47
viii
N°
3.3.1
3.3.2
3.3.3
3.4
3.4.1
3.4.1.1
3.4.1.2
3.4.1.3
3.5
3.5.1
3.5.2
3.5.3
3.5.4
3.6
3.6.1
3.6.2
3.7
3.8
3.8.1
3.9
N°
4.1
4.2
4.2.1
4.2.1.1
Descripción
Metodología de diseño
Método deductivo
Método explicativo
Tipos e instrumentos de investigación
Tipos de investigación
Investigación exploratoria
Investigación de laboratorio
Investigación aplicada
Análisis de posibles componentes a utilizar
Dispositivos de adquisición
Hardware de procesamiento
Software necesario
Elección de componentes
Instrumentos de investigación
Encuesta
Técnica de observación
Población y muestra
Resultados de las encuestas
Resultado general de la encuesta
Medición de variables
CAPÍTULO IV
DESARROLLO DE LA PROPUESTA
Descripción
Desarrollo
Elaboración del prototipo
Diseño en dos etapas
Diseño de la estación de trabajo para configuración del
prototipo
Pág.
47
48
48
48
48
48
49
49
50
50
51
53
55
55
55
56
56
57
66
66
Pág.
68
68
69
69
ix
N°
4.2.1.2
4.2.1.3
4.2.2
4.2.3
4.2.4
4.3
4.3.1
4.3.2
4.3.3
4.3.4
4.3.5
4.3.6
4.4
4.5
4.5.1
4.5.2
4.5.3
4.5.4
4.5.5
4.5.6
4.5.7
4.6
4.6.1
4.6.2
4.6.3
4.6.4
Descripción
Diseño de la Interfaz entre estación de trabajo y
sistema
Diseño del prototipo
Dimensión del chasis
Modelado del prototipo
Diseño de la Interfaz entre operario vehicular y sistema
Procesos para detectar la somnolencia
Etapa de adquisición de datos
Etapa de pre-procesamiento
Selección de la región de interés general
Identificación de rostro
Aplicación del predictor de marcas faciales
Predicción del estado de somnolencia
Activación de alertas
Casos de uso
Caso de uso configurar sistema
Caso de uso calibrar cámara
Caso de uso activar sistema
Caso de uso desactivar sistema
Caso de uso desactivar alertas Twitter
Caso de uso activar alertas Twitter
Caso de uso apagar sistema
Evaluación del prototipo y resultados
Resultados mediante un conjunto de imágenes
Resultados mediante el uso del prototipo en ambiente
normal
Resultados mediante el uso del prototipo en ambiente
con poca luz
Resultados mediante el uso del prototipo en personas
con ojos de contorno pequeño
Pág.
70
71
72
73
73
74
74
75
75
76
76
77
78
78
79
81
82
83
84
85
87
88
88
92
94
96
x
N°
4.6.5
4.7
4.8
4.9
4.10
4.10.1
4.10.2
Descripción
Resultados mediante el uso del prototipo en
ambientes ruidosos
Costos de operación
Inversión realizada
Posibles mejoras
Conclusiones y recomendaciones
Conclusiones
Recomendaciones
ANEXOS
BIBLIOGRAFÍA
Pág.
98
99
100
101
103
103
104
106
128
xi
ÍNDICE DE TABLAS
N°
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Descripción
Operacionalización de variables
Comparativa entre placa simple y computadora
convencional
Comparativa de cámaras web
Comparativa de hardware de procesamiento
Comparativa de software
Necesidad de descansar a mitad de recorrido
Acciones que toma ante síntomas de cansancio
Preferencia en cuanto a manipulación del sistema
detector de somnolencia
El sistema propuesto sería útil en los recorridos
En caso de existir el sistema estaría dispuesto a
adquirirlo
Cuánto estaría dispuesto a pagar por el sistema
Prefiere administrar el sistema de manera centralizada
o de forma particular para cada operario
Estaría de acuerdo en asumir los costos de datos
móviles por conductor para el envío de alertas a través
de Twitter
Medición de variables
Configurar sistema
Caso de uso calibrar cámara
Caso de uso activar sistema
Caso de uso desactivar sistema
Caso de uso desactivar alertas Twitter
Caso de uso activar alertas Twitter
Pág.
10
35
50
51
54
58
59
60
61
62
63
64
65
67
80
81
83
84
85
86
xii
N°
21
22
23
24
Descripción
Caso de uso apagar sistema
Tabla general de resultados
Inversión realizada de elementos principales
Presupuesto de elementos del mercado internacional
Pág.
87
100
101
102
xiii
ÍNDICE DE FIGURAS
N°
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Descripción
Siniestros vehiculares según su tipo
Número de vehículos activos por provincia
Accidentes de tránsito Enero a Julio 2017
Carretera Aloag-Santo Domingo
Tipos de vehículos involucrados en accidentes
Sistema detector de somnolencia propuesto por
Hyundai motor Company
Sistema propuesto por Intelligent Mechatronic
Systems inc.
Sistema propuesto por Delphi technologies
Auto con sistema self-driving car
Sistema propuesto por Bosch
Sistema de OptAlert
Somnolencia en conductor vehicular
Diagrama general del detector de somnolencia
Representación de una imagen digital
Colores del espectro de luz visibles
Conversión a escala de grises
Representación de filtros Haar sobre una imagen
Filtro Haar aplicado sobre un rostro
Método de clasificación en cascada
Puntos representativos de marcas faciales
Marcas faciales aplicado a un rostro real
Representación de EAR (Eye Aspect Ratio)
Representación de una matriz de confusión
Placa Raspberry
Pág.
3
11
12
13
13
15
16
17
18
18
19
21
24
26
26
28
30
30
31
32
33
33
34
36
xiv
N°
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
Descripción
Intel stick
Cámara web
Cámara IP
Altavoz
Regulador de tensión
OpenCV
Entorno de desarrollo Python
Imágenes de prueba para evaluar el rendimiento de
las placas de procesamiento
Tiempo de respuesta de placas al momento de cargar
el predictor de marcas faciales
Necesidad de descansar a mitad de recorrido
Acciones que toma ante síntomas de cansancio
Preferencia en cuanto a manipulación del sistema
detector de somnolencia
El sistema propuesto sería útil en los recorridos
En caso de existir el sistema estaría dispuesto a
adquirirlo
Cuánto estaría dispuesto a pagar por el sistema
Prefiere administrar el sistema de manera centralizada
o de forma particular para cada operario
Estaría de acuerdo en asumir los costos de datos
móviles por conductor para el envío de alertas a través
de Twitter
Estación de trabajo para realizar la configuración
Modelo de interfaz gráfica de configuración de alertas
vía Twitter
Medidas obtenidas de una cabina vehicular
Chasis del prototipo
Modelo del prototipo
Interfaz entre operario y sistema
Pág.
37
37
38
38
39
40
40
52
53
58
59
60
61
62
63
64
65
69
71
72
72
73
74
xv
N°
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
Descripción
Etapa de adquisición de datos
Conversión a escala de grises
Selección de ROI general
Identificación de rostro
Aplicación del predictor de marcas faciales
Detección de somnolencia
Emisión de alertas
Diagrama de caso de uso general
Caso de uso configurar sistema
Caso de uso calibrar cámara
Caso de uso activar sistema
Caso de uso desactivar sistema
Caso de uso desactivar alertas Twitter
Caso de uso activar alertas Twitter
Caso de uso apagar sistema
Matriz de confusión
Respuesta del sistema para ojos cerrados
Respuesta del sistema para ojos abiertos
Respuesta para ojos abiertos derecho e izquierdo
Resultados de evaluación del prototipo
Respuesta del prototipo a luz ambiente
Respuesta del prototipo en ojo derecho e izquierdo
Estado de somnolencia y alerta Twitter
Ejecución del prototipo a poca luz
Respuesta del prototipo a poca luz
Ejecución del prototipo en personas con ojos de
contornos pequeños
Respuesta del prototipo en personas con ojos de
contornos pequeños
Pruebas realizadas con ruido externo inducido
Costos por alertas Twitter
Pág.
74
75
76
76
77
77
78
79
79
81
82
83
84
86
87
88
90
91
91
92
93
93
94
95
95
97
97
98
99
xvi
N°
77
Descripción
Prototipo real
Pág.
100
xvii
ÍNDICE DE ANEXOS
N°
1
2
3
4
5
6
7
Descripción
Número de compañías de carga pesada
Manual de administrador
Manual de operador vehicular
Instalación del sistema
Algoritmo de funcionamiento del sistema
Código del sistema
Encuesta
Pág.
107
109
116
118
120
121
127
xviii
AUTOR: MARCILLO PLÚA FRANCISCO GUILLERMO TÍTULO: “PROTOTIPO DE UN SISTEMA DETECTOR DE
SOMNOLENCIA CON ALERTAS VÍA TUITS PARA CONDUCTORES VEHICULARES”
DIRECTOR: ING. SIST. CASTILLO LEÓN ROSA ELIZABETH, MG.
RESUMEN
La gran cantidad de accidentes que ocurren en el país a causa de manejar bajo un estado de somnolencia y la falta de dispositivos existentes en el mercado local para evitar estas causas fueron la motivación para el desarrollo de este proyecto. El objetivo del presente trabajo consistió en elaborar un sistema capaz de detectar la somnolencia mientras se lleva a cabo la acción de conducir a fin de alertar a operarios vehiculares de manera oportuna para que estos puedan tomar las medidas de prevención necesarias y así evitar una colisión en carreteras, el sistema además de emitir alertas de manera local hacia el conductor también puede alertar a algún agente externo sobre la condición del mismo mediante una alerta a través de la plataforma Twitter a fin de duplicar la seguridad brindada. El sistema hace uso de tecnologías provenientes del campo de la visión artificial y ejecutada sobre un ordenador compacto que realiza el procesamiento en tiempo real. Para comprobar cuan efectivo es el sistema este fue sometido a pruebas en ambientes controlados donde se escogió un grupo de datos en forma de imágenes y videos que muestran distintos rostros de personas a fin de que el sistema pueda detectar o descartar la somnolencia. Por medio de la encuestas realizadas a un grupo de operarios vehiculares de carga pesada se determinó que características podrían ser útiles para el sistema en cuanto a su diseño, además se confirmó que el sistema propuesto cuenta con un interés positivo en cuanto a su utilización, debido a que este tipo de tecnología es exclusiva para países desarrollados y resultó muy interesante su posible implementación no sólo en vehículos de lujo.
Marcillo Plúa Francisco Guillermo. Ing. Sist. Castillo León Rosa Elizabeth, Mg.
C.C.0925688376 Directora del Trabajo
xix
AUTHOR: MARCILLO PLÚA FRANCISCO GUILLERMO TOPIC: “PROTOTYPE OF SOMNOLENCE DETECTOR SYSTEM
USING ALERTS VIA TWEETS FOR VEHICULAR DRIVERS” DIRECTOR: ING. SIST. CASTILLO LEÓN ROSA ELIZABETH, MG.
ABSTRACT
A great number of accidents that occur in our country because of driving under a state of somnolence and the lack of existing devices in the local market to avoid these causes were the motivation for the development of this project. The aim of this work was to develop a system that is capable of detecting somnolence while driving to warn vehicle operators making them react immediately, thus avoiding a collision on roads. Additionally, the system will send an alert to the driver instantly or to any other external agent indicating the driving conditions through Twitter platform, which the purpose is to increase the security given. The system uses technology from the field of artificial vision and executed in a compact computer that processes real – time data. In order to prove how effective the system is, it has been tested on controlled environments where some information was taken from images and videos that showed different people’s faces with the aim of detecting drowsiness or discard it. According to a survey carried out in a group of heavy duty vehicular operators, it revealed that characteristics could be useful to the system in terms of design, and it was also confirmed that the proposed system has a positive interest to be used due to this type of technology is exclusive for developing countries and it was very interesting the possibility to be implemented in not only luxury vehicles.
metodologías de diseño, además de aplicar técnicas investigativas de tipo
exploratoria, de laboratorio y aplicada para posteriormente aplicar los
instrumentos de investigación como encuestas y finalmente analizar los
datos obtenidos e interpretarlos de manera estadística.
1. Como punto inicial se aplicó una charla para dar a conocer al grupo
de estudio la propuesta de solución del prototipo descrito en este
proyecto y conocer sus ideas para tomar en cuenta alguna
sugerencia.
2. Seguidamente se empleó una metodología de diseño la cual ayudó
al bosquejo y conceptualización del prototipo, esta metodología
permitió analizar y detallar los componentes que forman el sistema,
Metodología 46
así como su interacción entre hardware y software además se logró
definir los requerimientos con los cuales el sistema puede trabajar y
con cuáles no.
3. Más adelante se llevó a cabo las encuestas con la finalidad de
identificar posibles características que se podían incluir en el diseño
del sistema propuesto para tratar de resolver la problemática
planteada en los apartados anteriores.
4. Luego se procedió a modelar una interfaz que sirve para la
comunicación entre el sistema y el usuario escogiendo la más
conveniente.
5. El siguiente paso fue la elaboración del prototipo acoplando todos
los componentes de hardware y software requeridos para su
funcionamiento.
6. Posteriormente se realizaron las pruebas del prototipo para obtener
datos del funcionamiento que posteriormente serán necesarios para
evaluar su eficiencia.
7. Finalmente se aplicó el método explicativo para concluir con los
resultados obtenidos y posibles mejoras.
3.2 Enfoque de la investigación
Según lo expuesto por Del Cid (2007), el enfoque cuantitativo tiene el
objetivo de medir algún fenómeno de estudio para establecer valores y
representarlos de manera gráfica o en tablas a fin de facilitar su
interpretación.
Para fines de este proyecto se escogió como enfoque de investigación
el de tipo cuantitativo, debido a que en el transcurso de su desarrollo se
Metodología 47
utilizaron herramientas de análisis estadísticos para lograr una conclusión
que permita aceptar la elaboración del prototipo como una solución al
problema planteado en apartados anteriores.
3.3 Métodos de investigación
Según Del Cid (2007), existen distintos métodos de investigación, que
no son más que caminos por los cuales el investigador debe recorrer con
la finalidad de llegar a una conclusión, estos métodos son considerados
como procesos lógicos en donde se busca relacionar los datos obtenidos
mediante los instrumentos de recolección de datos a fin de hacer entendible
los resultados encontrados.
3.3.1 Metodología de diseño
Para cumplir con el objetivo de diseñar el sistema detector de
somnolencia para conductores vehiculares en cuanto a estética y
arquitectura que satisfagan los requisitos del funcionamiento del prototipo
se optó por escoger el método de diseño propuesto por Ramirez León
(2011).
Entre los puntos más importantes que destaca son las fases de
prediseño, desarrollo formal o diseño esquemático, desarrollo técnico y
realización de pruebas.
Dentro del prediseño se encuentran el bosquejo y características que
debe tener el producto, en el desarrollo formal o esquemático se encuentra
el prototipado del producto haciendo uso de herramientas CAD (Diseño
Asistido por Computador) indispensables para el modelado y diseño. El
desarrollo técnico comprende la elaboración o uso de los elementos que
llevaran al producto de lo esquemático a lo real y finalmente la fase de
pruebas las cuales permitieron obtener resultados para plasmar una
conclusión.
Metodología 48
3.3.2 Método deductivo
Es un método que nace a partir de teorías ya planteadas o teorías que
el propio investigador se plantea, a fin de corroborar y darle validez a sus
postulados y posteriormente aplicarlos a soluciones particulares (Del Cid,
2007).
Se eligió este método de investigación debido a que parte de la
investigación estuvo centrada en comprobar la eficiencia y funcionalidad
del sistema propuesto en el proyecto y de esa forma poder descartarla o
aceptarla como solución al problema abordado.
3.3.3 Método explicativo
Para culminar y argumentar los resultados encontrados durante el
trascurso de la investigación fue necesario saber explicarlas, por lo tanto
para fines de este proyecto también escogió este método para dar a
conocer las conclusiones obtenidas a fin de que estas sean entendibles y
claras.
3.4 Tipos e instrumentos de investigación
3.4.1 Tipos de investigación
3.4.1.1 Investigación exploratoria
Para fines de este proyecto se incluye este tipo de investigación
debido a que el campo de la visión por computador en la cual se encuentra
inmersa esta propuesta del sistema detector de somnolencia para
conductores vehiculares aún se encuentra en proceso de evolución
continua y cada día se aplican nuevos algoritmos para tratar de resolver
problemas mediante esta ciencia.
Metodología 49
Además por medio de esta investigación se pudo explorar varios
métodos de predicción de somnolencia a través de sofisticados algoritmos
lo cual ayudó a escoger el que mejor se adapte a los requerimientos del
diseño propuesto.
3.4.1.2 Investigación de laboratorio
Como explica Del Cid (2007), una investigación de tipo laboratorio es
equivalente a una investigación de campo, con la única diferencia de que
esta se realiza en lugares pequeños y espacios que son previamente
controlados siendo muy útiles para experimentación, sin embargo este tipo
de investigación no se limita sólo a un espacio físico cerrado como un
laboratorio.
Se incluye este tipo de investigación debido a que en la elaboración
del proyecto del sistema detector de somnolencia para conductores
vehiculares con alertas vía Twitter cerca del 60% de la propuesta fue
realizada dentro de un entorno controlado y con ayuda de instrumentación
adecuada.
3.4.1.3 Investigación aplicada
Cuando se investiga un fenómeno cuyo objetivo es el de resolver
problemas que mejoren el estilo de vida de las personas y ayuden a
resolver problemas prácticos se habla esencialmente de la investigación
aplicada (Del Cid, 2007).
El presente proyecto utilizó este tipo de investigación debido a que el
sistema detector de somnolencia para conductores vehiculares pretende
ayudar a resolver una problemática real y de esa manera mejorar las
condiciones en las cuales se desenvuelve un conductor vehicular además
el resultado obtenido en las diferentes fases de análisis ayudaron a
comprobar su funcionalidad.
Metodología 50
3.5 Análisis de posibles componentes a utilizar
Para seleccionar los componentes que mejor se adapten al desarrollo
del prototipo, previamente se analizaron diferentes elementos que
potencialmente podrían ser útiles para la realización del sistema,
centrándose únicamente en los más elementales como el dispositivo de
adquisición, el hardware de procesamiento y el software.
3.5.1 Dispositivos de adquisición
Al tratarse de un sistema basado en visión por computador este
necesita como elemento de entrada una secuencia de imágenes en tiempo
real, estos datos son adquiridos mediante una cámara digital instalada en
la primera fase del sistema detector de somnolencia.
A continuación se muestran dos tipos de cámara web, la primera de
gama media y la segunda de gama alta, se escogió únicamente estos tipos
de cámara debido a que son las que se encuentran disponibles en el
mercado nacional y su precio no es sumamente elevado.
TABLA N° 3
COMPARATIVA DE CÁMARAS WEB
Cámaras web
Logitech C170
Logitech C920
Especificaciones Especificaciones
Fotos: Hasta 5 megapíxeles Videoconferencia(640 x 480 píxeles) Captura de vídeo: Hasta 1024 x 768 píxeles Micrófono integrado Tecnología Plug and Play Tecnología USB Costo $ 27,00
Fotos: Hasta 15 megapíxeles Videoconferencia(Full HD 1920 x 1080) Conectividad a internet Transmisión vía IP Tecnología Plug and play Micrófono integrado Tecnología USB Costo $ 150,00
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Metodología 51
3.5.2 Hardware de procesamiento
La parte más fundamental del prototipo detector de somnolencia es
su hardware ya que este será el encargado de realizar el 70% del trabajo
total del sistema, debido a que se ocupa de realizar el procesamiento de
los algoritmos tanto de detección y de emisión de alertas contra la
somnolencia, las características que debe poseer el hardware son poder
de procesamiento y de ser posible un tamaño reducido a fin de garantizar
su portabilidad.
En la siguiente tabla se puede apreciar las características de los tres
sistemas de cómputo que fueron previamente analizadas, se eligieron
únicamente estos tres tipos de placas debido a que son las que están
disponibles en el mercado nacional y su adquisición no representa ninguna
CPU: Intel Core i3 a 2.13Ghz RAM: 6GB DDR3 Módulo Bluetooth Módulo de Wi-Fi 4x USB 2.0 1 x Ethernet 1 x Micro SD 1 X HDMI 1.4 Alimentación 110v Costo $ 300
CPU: Intel Atom Quad-Core a 1,33Ghz RAM: 2GB DDR3 Módulo Bluetooth Módulo de Wi-Fi 1x USB 2.0 1 x Micro SD 1 X HDMI 1.4 Alimentación 5v Costo $ 100,00
CPU: Quad-Core a 900MHZ GPU: Doble núcleo RAM: 1GB DDR2 Módulo Bluetooth Módulo de Wi-Fi 4x USB 2.0 1 x Ethernet 1 x Micro SD 1 X HDMI 1.4 Alimentación 5v Costo $100,00
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Metodología 52
Para realizar las evaluaciones de rendimiento de las placas se utilizó
parte del código de programación desarrollado en el presente proyecto, el
cual consiste en cargar el predictor de marcas faciales que sirve para
detectar los 68 puntos característicos de un rostro, el test tuvo la finalidad
de medir el tiempo de respuesta de cada una de las placas al ser sometidos
al momento de procesar el algoritmo base que sirve para el reconocimiento
de somnolencia y así escoger el más conveniente.
FIGURA N° 32
IMÁGENES DE PRUEBA PARA EVALUAR EL RENDIMIENTO DE LAS
PLACAS DE PROCESAMIENTO
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Metodología 53
FIGURA N° 33
TIEMPO DE RESPUESTA DE PLACAS AL MOMENTO DE CARGAR EL
PREDICTOR DE MARCAS FACIALES
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Para la gráfica mostrada en la figura Nº 33 se aprecia que el
rendimiento del hardware de una pc convencional equipado con un
procesador Core i3 muestra una respuesta sumamente veloz llegando a
procesar el algoritmo en menos de 5 milisegundos.
Mientas que el rendimiento de la placa Intel Stick tuvo un rendimiento
bueno llegando a procesar el algoritmo en un tiempo de 10 milisegundos,
en cuanto a la placa Raspberry pi 3 se observa que el rendimiento de
proceso es sumamente bajo llegando a procesar el algoritmo en un tiempo
de 35 milisegundos.
3.5.3 Software necesario
Para que el sistema logre operar es necesario disponer de algún tipo
de software que ayude a la gestión del hardware además de permitir la
Metodología 54
implementación del código necesario para gestionar el código de visión
artificial requerido para detectar la somnolencia, para este caso en
particular se analizaran sólo dos lenguajes de programación el tradicional
C++ y el Lenguaje Python.
Se opta por comparar únicamente estos dos lenguajes de
programación dado a que son los más adecuados para programar sistemas
basados en prototipos, además son los más difundidos para programar
sistemas de visión artificial.
TABLA N° 5
COMPARATIVA DE SOFTWARE
C++
Python
Especificaciones Especificaciones
No portable
Tiempo para compilar código
Sintaxis compleja
No es para prototipado
Pocas librerías
No es fácil de mantener
Lenguaje portable
Código en tiempo de ejecución
Sintaxis fácil de aprender
Prototipado rápido
Amplias librerías
Fácil de mantener
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Metodología 55
3.5.4 Elección de componentes
Una vez se analizaron los posibles componentes que conforman el
sistema detector de somnolencia fue necesario elegir los que más se
adapten a la propuesta planteada quedando definidos de la siguiente
manera.
En cuanto al dispositivo de adquisición de datos para capturar
imágenes en movimiento se adquirió la cámara web Logitech C170 ya que
la única diferencia entre la Logitech C920 es su resolución en pixeles,
además al tratarse de un prototipo no es factible realizar una gran inversión
lo cual sería un desaire al bajo costo que se pretende alcanzar en la fase
de prototipado del sistema detector de somnolencia.
Por otro lado en la parte del hardware de procesamiento se escogió
la Intel compute stick debido a que su rendimiento está por encima de la
placa Raspberry pi 3 y casi igualable en funcionalidad al de un pc
convencional, además es óptima en cuanto al consumo energético debido
a que esta puede ser conectada de forma casi directa a todos los vehículos
adicionando únicamente un cargador de auto con una tensión de 5 voltios.
De la misma manera se escogió al software Python como lenguaje
programador debido a su gran flexibilidad a la hora de programar el código
que hará funcionar al sistema detector de somnolencia, además al ser un
lenguaje no compilado ahorra mucho tiempo y permite la modificación de
código en el mismo instante que se está programando.
3.6 Instrumentos de investigación
3.6.1 Encuesta
Para obtener datos más relevantes que aseguren que la propuesta
planteada se ajuste a la resolución de la problemática planteada se
Metodología 56
realizaron catorce encuestas correspondientes al total de colaboradores de
una asociación de transporte de carga pesada ubicada en la ciudad de
Guayaquil de nombre “TransMadrid” con el objetivo de indagar
características o funcionalidades que debería tener el prototipo detector de
somnolencia en cuanto a su diseño o alguna particularidad que se debería
tomar en consideración.
3.6.2 Técnica de observación
Según Ander Egg (2011), esta técnica sirve para acercarse de una
manera eficaz hacia el fenómeno o situación de estudio para observar lo
que ocurre de manera directa, además permite observar detalles que son
considerados como relevantes para la investigación que se realiza.
Para fines de este proyecto se adoptó esta técnica como parte
metodológica debido a que la única forma de obtener indicadores que
demuestren si el sistema propuesto para detectar la somnolencia en
conductores vehiculares funcione de la forma esperada, por ello fue
necesario observar su funcionamiento en detalle para optimizar en lo
posible su buen desempeño.
3.7 Población y muestra
Según Hernández Sampieri (2006), la población puede definirse como
un conjunto de elementos, observaciones o individuos de características
similares que comúnmente son objeto de análisis y estudio con la finalidad
de inferir algún resultado.
De la misma manera D’Angelo Silvia (2015), define que la población
puede ser infinita y de difícil cuantificación cuando no existe la posibilidad
de conteo o extraer algún elemento muestral, y es finita cuando el tamaño
de estudio es conocido o existe la posibilidad de extraer algún elemento
muestral.
Metodología 57
Para Bernal (2010), la muestra es considerada como una fracción
significativa de la población y es seleccionada cuando la población total de
estudio es muy extensa o de difícil acceso para realizar la correspondiente
investigación.
Según datos recogidos de la Supercias (2017), entre las provincias de
Pichincha, Manabí y Guayas existen alrededor de 1985 empresas que se
dedican a esta actividad (Véase Anexo Nº 1), para objeto de investigación
se tomó como base a una asociación dedicada al transporte de carga
pesada ubicada en Guayaquil (Transmadrid), cuya ruta de trabajo se
distribuye a través de las provincias de Quito, Guayaquil, Latacunga,
Ambato y Riobamba.
Dado a que el lugar donde se realizaron las encuestas cuenta con un
número limitado de colaboradores, no es factible aplicar alguna fórmula
estadística para seleccionar muestras, por lo tanto la población de estudio
será igual al número de operarios perteneces a la asociación de transporte
de carga pesada quedando establecido de la siguiente manera:
N=14
Dónde N = número total de encuestados.
3.8 Resultados de las encuestas
Luego de realizar el respectivo tratamiento y tabulación de datos
obtenidos por medio de las encuestas se procede a realizar el análisis
correspondiente de los mismos, a continuación se muestran las gráficas de
cada una de las preguntas planteadas, incluyendo una interpretación
individual.
1. ¿Cuándo hace los recorridos de transporte, alguna vez ha
sentido la necesidad de descansar a mitad del viaje?
Metodología 58
TABLA N° 6
NECESIDAD DE DESCANSAR A MITAD DE RECORRIDO
Descripción Frecuencia %
Si 14 100%
No 0 0%
Total 14 100% Fuente: Encuesta aplicada a operarios Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA N° 34
NECESIDAD DE DESCANSAR A MITAD DE RECORRIDO
Fuente: Encuesta aplicada a operarios Elaborado por: Marcillo Plúa Francisco Guillermo
Interpretación de los datos
Según la pregunta anterior, esta intenta confirmar que los recorridos
a través de carretera usualmente conllevan al cansancio y de esa manera
corroborar que todo conductor necesita al menos alguna forma de
sobrellevarla.
Acorde a la gráfica obtenida se aprecia que el 100% de los operarios
de transporte encuestados en alguna ocasión han tenido la necesidad de
descansar cuando se encuentran manejando por las carreteras.
Metodología 59
2. En caso de ser afirmativa la respuesta anterior, ¿qué acciones
toma en consideración?
TABLA N° 7
ACCIONES QUE TOMA ANTE SÍNTOMAS DE CANSANCIO
Descripción Frecuencia %
Toma un descanso 2 14%
Continua el recorrido 12 86%
Total 14 100% Fuente: Encuesta aplicada a operarios Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA N° 35
ACCIONES QUE TOMA ANTE SÍNTOMAS DE CANSANCIO
Fuente: Encuesta aplicada a operarios Elaborado por: Marcillo Plúa Francisco Guillermo
Interpretación de los datos
La pregunta formulada intenta develar las medidas de seguridad que
toman los operarios de transporte pesado ante un indicio de cansancio en
las carreteras.
Los resultados obtenidos en la gráfica muestran que el 14% toma un
receso, mientras que el 86% ignora este síntoma y continúa su recorrido,
esto se debe a que los tiempos de recorrido entre viaje y viaje deben
llevarse a cabo sin retraso alguno.
Metodología 60
3. Con respecto a la facilidad de manipulación del sistema, usted
prefiere lo siguiente: (Escriba en una escala de 1 a 3, donde 1
es prioridad y 3 no)
TABLA N° 8
PREFERENCIA EN CUANTO A MANIPULACIÓN DEL SISTEMA
DETECTOR DE SOMNOLENCIA
Descripción Frecuencia %
Configuraciones fáciles de realizar 4 29%
Sistema fácil de instalar 3 21%
Sistema fácil de utilizar 7 50%
Total 14 100% Fuente: Encuesta aplicada a operarios Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA Nº 36
PREFERENCIA EN CUANTO A MANIPULACIÓN DEL SISTEMA
DETECTOR DE SOMNOLENCIA
Fuente: Encuesta aplicada a operarios Elaborado por: Marcillo Plúa Francisco Guillermo
Interpretación de los datos
De acuerdo al gráfico obtenido se puede evidenciar que el 50% de
encuestados prefiere que el sistema sea fácil de utilizar, mientras que el
29% prefiere que la manera de configurar sea fácil y el 21% prefiere una
instalación fácil de realizar.
Metodología 61
4. ¿Cree usted que un sistema para detectar la somnolencia
mientras conduce sería de utilidad al momento de emprender
sus recorridos?
TABLA N° 9
EL SISTEMA PROPUESTO SERÍA ÚTIL EN LOS RECORRIDOS
Descripción Frecuencia %
Si 13 93%
No 1 7%
Total 14 100% Fuente: Encuesta aplicada a operarios Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA N° 37
EL SISTEMA PROPUESTO SERÍA ÚTIL EN LOS RECORRIDOS
Fuente: Encuesta aplicada a operarios Elaborado por: Marcillo Plúa Francisco Guillermo
Interpretación de los datos
La pregunta elaborada tuvo la intención de averiguar si los operarios
de transporte pesado consideran que un sistema para detectar la
somnolencia y alertarlos oportunamente mientras conducen sería útil o no.
De acuerdo al gráfico se evidencia que el 93% consideró que el
sistema detector de somnolencia es de suma utilidad al momento de
emprender los recorridos, mientras el 7% cree lo contrario.
Metodología 62
PREGUNTAS AL ADMINISTRADOR
5. En caso de existir el sistema estaría usted dispuesto a adquirirlo
TABLA N° 10
EN CASO DE EXISTIR EL SISTEMA ESTARÍA DISPUESTO A
ADQUIRIRLO
Descripción Frecuencia %
Si 1 100%
No 0 0%
Total 1 100% Fuente: Encuesta aplicada al administrador Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA N° 38
EN CASO DE EXISTIR EL SISTEMA ESTARÍA DISPUESTO A
ADQUIRIRLO
Fuente: Encuesta aplicada al administrador Elaborado por: Marcillo Plúa Francisco Guillermo
Interpretación de los datos
Según la pregunta, esta intenta confirmar el interés que el
administrador de la asociación de transporte de carga pesada mantiene
sobre la adquisición del sistema detector de somnolencia para conductores
vehiculares en caso de que este existiera en el mercado local, dejando en
evidencia que su respuesta es afirmativa .
Metodología 63
6. En caso de ser afirmativo la respuesta anterior, ¿cuánto estaría
dispuesto a pagar por dicho sistema?
TABLA N° 11
CUÁNTO ESTARÍA DISPUESTO A PAGAR POR EL SISTEMA
Descripción Frecuencia %
Entre 0-200 dólares 1 100%
Entre 200-250 dólares 0 0%
Entre 250-300 dólares 0 0%
Más de 300 dólares 0 0%
Otro valor 0 0%
Total 1 100% Fuente: Encuesta aplicada al administrador Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA N° 39
CUÁNTO ESTARÍA DISPUESTO A PAGAR POR EL SISTEMA
Fuente: Encuesta aplicada al administrador Elaborado por: Marcillo Plúa Francisco Guillermo
Interpretación de los datos
Según los datos obtenidos en la pregunta anterior se muestra que el
valor máximo a pagar por el sistema detector de somnolencia se encuentra
en $200 dólares, valor que se encuentra dentro del rango del presupuesto
asignado para la elaboración del prototipo.
Metodología 64
7. ¿Prefiere usted que el sistema sea administrado de forma
centralizada por un departamento en particular o desea que
cada operario se haga cargo de su respectiva configuración?
TABLA N° 12
PREFIERE ADMINISTRAR EL SISTEMA DE MANERA CENTRALIZADA
O DE FORMA PARTICULAR PARA CADA OPERARIO
Descripción Frecuencia %
Administrado por un departamento en particular 1 100%
Administrado personalmente por el operario 0 0%
Total 1 100% Fuente: Encuesta aplicada al administrador Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA N° 40
PREFIERE ADMINISTRAR EL SISTEMA DE MANERA CENTRALIZADA
O DE FORMA PARTICULAR PARA CADA OPERARIO
Fuente: Encuesta aplicada al administrador Elaborado por: Marcillo Plúa Francisco Guillermo
Interpretación de los datos
Los resultados mostrados en la gráfica dan a conocer que el
administrador cree más conveniente que exista un departamento que se
encargue del monitoreo y administración centralizada de los dispositivos a
que cada operario se encargue de esta labor.
Metodología 65
8. Estaría de acuerdo en asumir los costos de datos móviles por
conductor para que el sistema pueda enviar las alertas externas
y así poder monitorear el estado del operario a través de la
plataforma Twitter
TABLA N° 13
ESTARÍA DE ACUERDO EN ASUMIR LOS COSTOS DE DATOS
MÓVILES POR CONDUCTOR PARA EL ENVÍO DE ALERTAS A
TRAVÉS DE TWITTER
Descripción Frecuencia %
Sí 1 100%
No 0 0%
Total 11 100% Fuente: Encuesta aplicada al administrador Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA N° 41
ESTARÍA DE ACUERDO EN ASUMIR LOS COSTOS DE DATOS
MÓVILES POR CONDUCTOR PARA EL ENVÍO DE ALERTAS A
TRAVÉS DE TWITTER
Fuente: Encuesta aplicada al administrador Elaborado por: Marcillo Plúa Francisco Guillermo
Interpretación de los datos
Los resultados exhibidos en la gráfica muestran que la asociación
estaría dispuesta a asumir los costos generados para cada operario al
momento de realizar en envío de la alerta externa a través de la plataforma
Twitter.
Metodología 66
3.8.1 Resultado general de la encuesta
Mediante el análisis de las encuestas se puede deducir de manera
general que el proyecto planteado mantiene un alto grado de expectativa
hacia los posibles usuarios por las siguientes razones, la mayor parte de
los encuestados aseguraron que un sistema para la prevención de la
somnolencia mientras se conduce es muy llamativo y novedoso en cierta
forma además de ser útil al momento de emprender ciertas rutas.
Adicionalmente estos largos recorridos que realizan los operarios de
transporte pesado y el cansancio que esto conlleva hacen que el sistema
se convierta en un instrumento sumamente importante para prevenir la
somnolencia mientras se conduce.
Por otro lado el bajo costo que ha tenido su prototipado conlleva a que
sea un sistema accesible no sólo para personas o asociaciones de altos
ingresos sino que puede estar disponible para todos los grupos sociales.
Finalmente su sistema de alerta externa no implica alguna
obstrucción para su realización debido a que estos costos pueden ser
asumidos sin ningún inconveniente, y de esta manera tanto al operador
vehicular y a algún agente externo interesado en el bienestar del conductor
podrá estar al tanto de cualquier contratiempo producido por manejar en
estado de somnolencia a fin de aplicar de forma más segura las medidas
de prevención necesarias.
3.9 Medición de variables
A continuación se muestra una tabla que establece la cuantificación
de variables del sistema detector de somnolencia, para la elaboración de
esta tabla se ha escogido un grupo de indicadores los cuales serán
medidos y posteriormente analizados en las pruebas realizadas en el
capítulo posterior.
Metodología 67
TABLA N° 14
MEDICIÓN DE VARIABLES
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Variable Indicador
Unidad de
medida Rango
Frecuencia de
medición
Herramienta de
medida
Detección de rostros
Cantidad de rostros detectados
Numérica 0 a 1 Constante Prototipo
Estado de somnolencia
Relación contorno
ocular (EAR)
EAR <0.25 y >=0.25
Constante Prototipo
Alertas locales
Nivel auditivo
dB Bueno -
Malo En cada Proceso
Prototipo
Alertas externas
Kilobytes consumido
s Kbps 100 a 1000
En cada Proceso
Prototipo
CAPÍTULO IV
DESARROLLO DE LA PROPUESTA
4.1 Desarrollo
El presente capítulo cubre la respectiva elaboración de la propuesta
en el cual se abordaran las técnicas de diseño, desarrollo y evaluación del
prototipo del sistema detector de somnolencia con alertas vía tuits.
Esta propuesta se basa en el desarrollo de un producto final dirigido
a empresas de transporte de carga pesada debido a que estas flotas son
las más propensas a sufrir un accidente por causas de sueño a fin de que
los conductores puedan tomar las medidas preventivas y evitar un posible
accidente en carreteras.
4.2 Elaboración del prototipo
Luego de haber corroborado con qué tipo de elementos puede
trabajar el prototipo del sistema detector de somnolencia se procede a su
respectiva conceptualización y elaboración, en esta primera fase se detalla
el bosquejo o diseño conceptual.
Una de las características más importantes con las que debe contar
el sistema es su usabilidad así como su portabilidad, es decir que pueda
ser usado en la mayoría de vehículos de distintas gamas que recorren las
avenidas del país, además de permitir una configuración fácil de realizar y
que su diseño se adapte a los pequeños espacios que usualmente están
disponibles en una cabina automotriz permitiendo que la interconexión
entre vehículo y sistema no implique alguna dificultad.
Desarrollo de la propuesta 69
4.2.1 Diseño en dos etapas
Acorde a lo anteriormente expuesto, para garantizar que el sistema
sea usable y de fácil configuración, se optó por subdividirlo en dos fases de
diseño, la primera consiste en conceptualizar una estación de trabajo
centralizada que será la encargada de realizar las configuraciones
pertinentes para que el sistema esté listo para funcionar evitando que el
usuario final tenga que hacer este trabajo, mientras que la segunda etapa
consiste en el diseño del prototipo principal el cual permitirá detectar la
somnolencia en los conductores.
4.2.1.1 Diseño de la estación de trabajo para configuración del
prototipo
Con la finalidad de evitar las configuraciones que en muchas
ocasiones resultan difíciles de comprender para un usuario común, y con
los datos obtenidos a partir de las encuestas, resulta más factible que la
configuración del prototipo sea llevada a cabo por algún departamento de
forma centralizada.
FIGURA N° 42
ESTACIÓN DE TRABAJO PARA REALIZAR LA CONFIGURACIÓN
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 70
Por ejemplo para la fase de configuración es más conveniente que el
departamento que gestiona el uso del sistema sea el encargado de
configurar el prototipo, así una vez esté listo sólo será necesaria su
instalación y el conductor vehicular no tendrá que preocuparse por nada.
Para la figura anterior se pueden apreciar dos segmentos, el primero
corresponde al sistema detector de somnolencia y el segundo a la estación
de trabajo, para este caso la estación de trabajo como mínimo deberá
contar con un terminal tipo ordenador personal o laptop además de un
software de gestión, el terminal se conectara de forma inalámbrica al
sistema detector de somnolencia para realizar las configuraciones
pertinentes, todos los detalles se aprecian en el manual de administrador
(véase Anexo Nº 2).
4.2.1.2 Diseño de la Interfaz entre estación de trabajo y sistema
Una interfaz que permita la interacción entre usuario y sistema es
fundamental al momento de elaborar algún prototipo ya que este es
considerado como el único medio por el cual se tendrá acceso a ciertas
configuraciones necesarias para el correcto funcionamiento del mismo.
Para configurar y enlazar el sistema detector de somnolencia con la
plataforma Twitter de manera exitosa y emitir las alertas externas se
desarrolló una interfaz gráfica que permite introducir los parámetros
necesarios a fin de lograr la respectiva sincronización entre el sistema
propuesto y el servicio web.
Tuiter a: En esta sección se escribirá un usuario adicional de la red Twitter
a quien se enviará un duplicado de alerta, en caso de no desear, se deberá
escribir el mismo usuario de la red con el cual se realiza la configuración.
Mensaje: Sección en la cual se escribirá un mensaje de no más de 150
caracteres estableciendo una frase personalizada de alerta.
Desarrollo de la propuesta 71
Consumer key, Consumer secret, Access token y Access token
secret: Son las credenciales que permiten la comunicación entre el sistema
y la red Twitter, para el caso del sector empresarial se necesita únicamente
una cuenta Twitter donde se centralizaran los mensajes provenientes de
cada usuario, estos datos se generan una sola vez y los cuales serán
introducidos en cada sistema para cada usuario, para obtener estos
parámetros lea el manual de administrador.
FIGURA N° 43
MODELO DE INTERFAZ GRÁFICA DE CONFIGURACIÓN DE
ALERTAS VÍA TWITTER
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.2.1.3 Diseño del prototipo
Debido al poco espacio que existe dentro de una cabina vehicular, se
procedió a tomar algunas dimensiones métricas que permitieron establecer
el tamaño mínimo que debería tener la caja o chasis que contendrá el
sistema para ubicarlo de una forma adecuada dentro del vehículo, para
realizar este tipo de bosquejo se utilizaron diversas herramientas CAD
(Diseño Asistido por Computador) las cuales permiten modelar objetos y
acotar medidas reales.
Desarrollo de la propuesta 72
FIGURA N° 44
MEDIDAS OBTENIDAS DE UNA CABINA VEHICULAR
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Las medidas obtenidas del vehículo de carga pesada modelo Toyota
Dyna 200 indican un espacio en cabina de 210 cm de frente y 110 cm de
ancho de cabina, además se midió el alto del tablero donde se ubican los
componentes como la radio y otros dispositivos y cuya medida fue de 30
cm, tamaño suficiente que podría ser utilizado para instalar el prototipo.
4.2.2 Dimensión del chasis
Luego de obtener las medidas correspondientes se decide que el
chasis que recubrirá todas las partes que comprende el sistema será de 22
cm de ancho, 11 cm de lado y 11 cm de alto.
FIGURA N° 45
CHASIS DEL PROTOTIPO
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 73
4.2.3 Modelado del prototipo
A fin de tener una representación previa del diseño conceptual del
sistema detector de somnolencia se elaboró el siguiente modelo 3D del
mismo, en donde se aprecia la cámara web como instrumento de
adquisición de datos, el control de operario, los puertos de conexión y los
altavoces como fuente de audio para la emisión de la alerta local.
FIGURA N° 46
MODELO DEL PROTOTIPO
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.2.4 Diseño de la Interfaz entre operario vehicular y sistema
A fin de que el usuario vehicular logre tener una interacción adecuada
con el sistema detector de somnolencia se diseñó una interfaz tipo control,
la cual sirve para realizar algunas operaciones básicas por parte del
operario como son, la calibración de cámara, la activación del sistema, la
activación de las alertas externas y el apagado del mismo.
Para hacer uso de este control bastará con que el operario vehicular
conecte el mando a la parte posterior del sistema a fin de realizar la
interacción correspondiente, para conocer más acerca de su funcionalidad
se debe leer el manual de operario.
Desarrollo de la propuesta 74
FIGURA N° 47
INTERFAZ ENTRE OPERARIO Y SISTEMA
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.3 Procesos para detectar la somnolencia
Durante el siguiente apartado se describirán los procesos que ejecuta
el sistema, desde la adquisición de datos hasta la emisión de alertas
correspondientes, mientras que el código fuente de implementación se
podrá apreciar en el Anexo Nº 6 de este proyecto.
4.3.1 Etapa de adquisición de datos
En esta primera fase el sistema se encarga de adquirir datos
provenientes del entorno, esto se consigue con la ayuda de una cámara
web apuntando hacia la región de interés que deseamos captar, para este
caso es el rostro de la persona donde se pretende predecir la somnolencia.
FIGURA N° 48
ETAPA DE ADQUISICIÓN DE DATOS
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 75
4.3.2 Etapa de pre-procesamiento
Esta fase comprende el procesamiento previo de las imágenes
adquiridas, el paso consiste en cambiar el espacio de colores RGB de una
imagen en color a un espacio de escalas de grises debido a que es más
fácil tratar una imagen sin color a que una con miles de colores.
FIGURA N° 49
CONVERSIÓN A ESCALA DE GRISES
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.3.3 Selección de la región de interés general
Esta fase comprende la selección de una región de interés (ROI)
sobre la cual se aplicaran los posteriores procesos, una ROI es útil para
aplicar alguna operación únicamente sobre unas coordenadas particulares,
y evitar el procesamiento innecesario.
Debido a que la cámara de adquisición se mantendrá estática y
apuntando en lo posible al rostro de la persona se determinó que la región
de exclusión para cada lado debía de ser un 15% del tamaño total de la
imagen, este porcentaje viene establecido dentro de la configuración del
sistema, para este caso la parte amarilla será la ROI sobre la cual se trabaja
quedando descartada la parte color roja.
Desarrollo de la propuesta 76
FIGURA N° 50
SELECCIÓN DE ROI GENERAL
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.3.4 Identificación de rostro
Para identificar de manera oportuna el rostro de la persona el
procedimiento utilizó el método de reconocimiento de Viola Jones, el cual
ayudó a seleccionar una nueva región de interés pero esta vez más precisa
la cual sólo se centrara en la parte del rostro y no en una región a priori
como en el caso anterior, esto permitió posteriormente aplicar el método de
marcas faciales sobre la región de la cara evitando el cálculo de procesos
innecesarios sobre toda la imagen.
FIGURA N° 51
IDENTIFICACIÓN DE ROSTRO
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.3.5 Aplicación del predictor de marcas faciales
Con la aplicación del detector de marcas faciales se pueden ubicar
ciertas partes del rostro como se mencionó en apartados anteriores y con
mayor precisión, para efectos del sistema detector de somnolencia
propuesto únicamente se requiere ubicar la ROI perteneciente a los ojos de
Desarrollo de la propuesta 77
la persona para luego aplicar el cálculo del EAR para determinar el índice
radial del contorno ocular y así lograr predecir si existe o no una condición
de somnolencia en el operario vehicular.
FIGURA N° 52
APLICACIÓN DEL PREDICTOR DE MARCAS FACIALES
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.3.6 Predicción del estado de somnolencia
Una vez se ha obtenido la región de interés principal de los ojos se
puede obtener la relación y aspecto del contorno ocular aplicando el
método EAR para de esa forma predecir el sueño en los operarios
vehiculares, donde una escala superior o igual a 0.25 EAR muestran un
estado de no somnolencia, mientras que una escala inferior a 0.25 EAR y
durante un tiempo de cuatro segundos indicará un estado somnolente.
FIGURA N° 53
DETECCIÓN DE SOMNOLENCIA
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 78
4.4 Activación de alertas
Luego de verificado que el índice EAR es menor a 0.25 y el tiempo en
que permanecen cerrados los ojos corresponden a 4 segundos se procede
a la activación de las alertas, para el caso en que el conductor este
presentando síntomas de sueño mientras conduce, se activará la alerta
local, la cual consiste en la emisión de un sonido en el interior del vehículo,
si el conductor hace caso omiso por tres ocasiones el sistema procederá a
emitir la alerta externa la cual consiste en enviar un mensaje vía Twitter a
algún usuario de interés.
FIGURA N° 54
EMISIÓN DE ALERTAS
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.5 Casos de uso
Dentro del desarrollo del sistema propuesto se necesita establecer el
comportamiento que este tendrá de manera general y especificar la forma
de interacción con el usuario, esto se puede lograr aplicando el Lenguaje
de Modelado Unificado (UML) que no son más que diagramas que
Desarrollo de la propuesta 79
muestran las funcionalidades del propio sistema y su interconexión entre
diferentes entidades.
FIGURA N° 55
DIAGRAMA DE CASO DE USO GENERAL
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.5.1 Caso de uso configurar sistema
En el siguiente diagrama se aprecia una vista del proceso
denominado configurar sistema que permite identificar al actor y las
funciones que se pueden llevar a cabo en dicho proceso.
FIGURA N° 56
CASO DE USO CONFIGURAR SISTEMA
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 80
TABLA Nº 15
CONFIGURAR SISTEMA
Código: CU001 Nombre: Configurar sistema
Actor: Usuario administrador del sistema detector de somnolencia
Descripción:
Proceso de configuración inicial del sistema
Condición:
1. El sistema detector de somnolencia deberá estar encendido
2. La estación de trabajo deberá estar configurada
3. Se deberá poseer una cuenta en la red Twitter
4. El usuario deberá haber obtenido las credenciales de acceso
proporcionadas por la red Twitter, (Véase Anexo Nº 2) manual de
administrador
Eventos
1. El usuario administrador deberá acceder al sistema detector de
somnolencia tal como indica el manual de administrador
2. El sistema muestra su escritorio remoto
3. El usuario administrador ejecutará el archivo de configuración
4. El sistema detector de somnolencia muestra la interfaz gráfica de
configuración
5. El usuario ingresa las credenciales para sincronizar el sistema
detector de somnolencia y la plataforma Twitter
6. El usuario administrador presiona el botón “Aceptar”
7. El sistema almacena los datos de forma permanente
8. El usuario administrador presiona el botón “Salir”
9. El sistema cierra la ventana
10. El sistema se apaga
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 81
4.5.2 Caso de uso calibrar cámara
El esquema muestra una vista del proceso denominado calibrar
cámara que permite identificar al actor (conductor) y las funciones que se
pueden llevar a cabo en dicho proceso.
FIGURA N° 57
CASO DE USO CALIBRAR CÁMARA
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
TABLA Nº 16
CASO DE USO CALIBRAR CÁMARA
Código: CU002 Nombre: Calibrar cámara
Actor: Usuario vehicular
Descripción:
Proceso para colocar la cámara en la posición adecuada
Condición:
1. El sistema detector de somnolencia deberá estar encendido
2. El sistema detector de somnolencia deberá estar ubicado en el
vehículo
3. La cámara debe estar conectada al sistema
4. La cámara debe estar en lo posible al frente del rostro a una
distancia de aproximadamente 75cm a 80 cm y apuntando a la
región ocular
Desarrollo de la propuesta 82
5. El control del sistema deberá estar correctamente conectado y
estar a la mano
Eventos
1. El usuario del sistema deberá presionar el botón del control
2. EL sistema detector de somnolencia no emitirá sonido alguno en
caso de que la cámara este en una posición inadecuada
3. El usuario vehicular deberá mover el ángulo vertical de la cámara
hacia arriba o hacia abajo apuntando a los ojos del operario
vehicular
4. El usuario vehicular presionará nuevamente el botón del
control
5. Si sistema detector emite un sonido “Rostro detectado”
6. La cámara ha sido debidamente colocada y está lista para
funcionar
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.5.3 Caso de uso activar sistema
En el siguiente diagrama se obtiene una vista del proceso
denominado activar sistema, además permiten identificar al actor y las
funciones que pueden realizar.
FIGURA N° 58
CASO DE USO ACTIVAR SISTEMA
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 83
TABLA Nº 17
CASO DE USO ACTIVAR SISTEMA
Código: CU003 Nombre: Activar sistema
Actor: Usuario vehicular
Descripción:
Proceso para activar sistema
Condición:
1. El sistema deberá estar encendido
2. El control del sistema deberá estar correctamente conectado y
disponible a la mano
Eventos
1. El usuario del sistema deberá presionar el botón del control
2. El sistema detector de somnolencia emite un sonido “Sistema
activado”
3. El sistema detector de somnolencia empieza a operar
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.5.4 Caso de uso desactivar sistema
En el siguiente diagrama se obtiene una vista del proceso
denominado desactivar sistema, además permiten identificar al actor y las
funciones que pueden realizar.
FIGURA N° 59
CASO DE USO DESACTIVAR SISTEMA
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 84
TABLA Nº 18
CASO DE USO DESACTIVAR SISTEMA
Código: CU004 Nombre: Desactivar sistema
Actor: Usuario vehicular
Descripción:
Proceso para desactivar sistema
Condición:
3. El sistema deberá estar encendido
4. El control del sistema deberá estar correctamente conectado y
disponible a la mano
Eventos
4. El usuario del sistema deberá presionar el botón del control
5. El sistema detector de somnolencia emite un sonido “Sistema
desactivado”
6. El sistema detector de somnolencia se desactiva de manera
temporal hasta que el usuario vehicular lo active nuevamente
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.5.5 Caso de uso desactivar alertas Twitter
En el siguiente caso se puede obtener una vista del proceso
denominado desactivar alertas Twitter, además permiten identificar al actor
y las funciones que se pueden llevar a cabo.
FIGURA N° 60
CASO DE USO DESACTIVAR ALERTAS TWITTER
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 85
TABLA Nº 19
CASO DE USO DESACTIVAR ALERTAS TWITTER
Código: CU005 Nombre: Desactivar alertas Twitter
Actor: Usuario vehicular
Descripción:
Proceso para desactivar las alertas externas vía Twitter en caso de que
el conductor no requiera esta función
Condición:
1. El sistema detector de somnolencia deberá estar encendido
2. Las alertas vienen activadas por defecto
3. El control del sistema deberá estar correctamente conectado y
disponible a la mano
Eventos
1. El usuario del sistema deberá presionar el botón
2. El sistema detector de somnolencia emite un sonido “Alertas
externas desactivadas”
3. Las alertas son desactivadas de forma temporal hasta que el
usuario vehicular decida activarlas nuevamente
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.5.6 Caso de uso activar alertas Twitter
En el siguiente caso se detalla una vista del proceso denominado
activar alertas Twitter, además permiten identificar al actor y las funciones
que se pueden llevar a cabo.
Desarrollo de la propuesta 86
FIGURA N° 61
CASO DE USO ACTIVAR ALERTAS TWITTER
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
TABLA Nº 20
CASO DE USO ACTIVAR ALERTAS TWITTER
Código: CU006 Nombre: Activar alertas Twitter
Actor: Usuario vehicular
Descripción:
Proceso para activar las alertas externas vía Twitter en caso de que el
conductor las haya desactivado previamente
Condición:
1. El sistema detector de somnolencia deberá estar encendido
2. El control del sistema deberá estar correctamente conectado y
disponible a la mano
Eventos
1. El usuario del sistema deberá presionar el botón
2. El sistema detector de somnolencia emite un sonido “Alertas
externas activadas”
3. Las alertas son activadas de forma exitosa
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 87
4.5.7 Caso de uso apagar sistema
En el siguiente caso se aprecia una vista del proceso denominado
Apagar sistema, además permiten identificar al actor y las funciones que se
pueden llevar a cabo.
FIGURA N° 62
CASO DE USO APAGAR SISTEMA
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
TABLA Nº 21
CASO DE USO APAGAR SISTEMA
Código: CU007 Nombre: Apagar sistema
Actor: Usuario vehicular
Descripción:
Proceso para apagar el sistema de forma permanente
Condición:
1. El sistema detector de somnolencia deberá estar encendido
2. El control del sistema deberá estar correctamente conectado y
disponible a la mano
Eventos
1. El usuario del sistema deberá presionar el botón
2. El sistema detector de somnolencia se apagará de manera total
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 88
4.6 Evaluación del prototipo y resultados
La evaluación del prototipo detector de somnolencia se elaboró de dos
maneras, la primera fue escoger un conjunto de imágenes donde se
encuentran distintos rostros de personas con diferentes rasgos faciales a
fin de determinar la exactitud de reconocimiento de somnolencia, mientras
que la segunda forma se realizó directamente desde el prototipo y la
cámara web apuntando al rostro de un individuo a fin de corroborar los
datos de exactitud obtenidos mediante el primer método.
4.6.1 Resultados mediante un conjunto de imágenes
Para este caso se examinó un conjunto de 400 imágenes divididas
de la siguiente forma, 200 imágenes contenían rostros de individuos con
los ojos cerrados y 200 imágenes con rostros de personas cuyos ojos se
encontraban abiertos dando como resultado la matriz de confusión de la
figura Nº 63.
Una matriz de confusión sirve para medir la confusión de clasificación
de un sistema basado en visión por computador, dado a que un sistema es
propenso a fallos la matriz permite registrar los aciertos y desaciertos que
realizó el sistema.
FIGURA N° 63
MATRIZ DE CONFUSIÓN
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 89
Dentro de la matriz de confusión se observa el análisis entre datos
reales y resultados del sistema, los datos reales comprenden el número de
imágenes de interés a analizar para este caso son 200 imágenes de rostros
con ojos cerrados las cuales son datos reales positivos, y 200 imágenes de
rostros de ojos abiertos como datos reales negativos.
Luego de validar el sistema se obtiene que del total de 200 imágenes
con rostros cerrados el sistema fue capaz de detectar 154 de manera
correcta los cuales se registran dentro de la celda reales positivos, así
mismo el sistema confundió 46 imágenes de ojos cerrados de forma
errónea con ojos abiertos las cuales se registran en la casilla falsos
positivos.
Del mismo modo para el total de 200 imágenes con rostros de ojos
abiertos el sistema confundió 41 imágenes de ojos abiertos con imágenes
de ojos cerrados las cuales se registran en la casilla falsos negativos y fue
capaz de reconocer 159 imágenes con rostros de ojos abiertos de forma
correcta las cuales se registran en la celda reales negativos.
Entonces al aplicar la fórmula para hallar la exactitud del sistema se
observa un índice de exactitud de 97% para reconocer ojos cerrados de
forma correcta por lo tanto al aplicar el prototipo en condiciones reales para
predecir un estado de somnolencia en conductores se obtiene una tasa de
fiabilidad sumamente elevada.
El 3% restante en donde el sistema no pudo detectar un caso de ojos
cerrados o confundió ojos abiertos fue debido a factores puntuales, como
por ejemplo, los rostros de las personas cuya región ocular se encontraban
semi cubiertos ya sea por cabello o algún objeto extraño como gafas
oscuras o lentes con reflejo, también porque la rotación del rostro en forma
horizontal o vertical era muy exagerada, porque la imagen era borrosa,
porque el contorno ocular fue demasiado pequeño y el rostro no se detectó
correctamente.
Desarrollo de la propuesta 90
La gráfica siguiente muestra la respuesta del sistema ante el conjunto
de imágenes de entrada, donde el eje horizontal representa las imágenes
de prueba utilizadas en la evaluación, para el caso de ojos cerrados se
muestra que la mayoría de valores se encuentran por debajo de 0.25 valor
establecido en apartados anteriores y conocido como EAR, el cual es
utilizado para predecir el índice de somnolencia.
FIGURA N° 64
RESPUESTA DEL SISTEMA PARA OJOS CERRADOS
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
Por lo tanto valores inferiores a 0.25 indican somnolencia y valores
superiores a 0.25 indican un estado normal.
A continuación se muestra la gráfica de respuesta para datos con
rostros de ojos abiertos donde se logra apreciar que la mayor parte de
datos analizados se encuentran por encima de la línea color rojo indicando
un estado normal, mientras que sólo existen algunos picos por debajo de
la línea roja siendo estas los datos mal clasificados por el sistema y de lo
cual se habló en el análisis de la matriz de confusión.
Desarrollo de la propuesta 91
FIGURA N° 65
RESPUESTA DEL SISTEMA PARA OJOS ABIERTOS
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA N° 66
RESPUESTA PARA OJOS ABIERTOS DERECHO E IZQUIERDO
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 92
En la siguiente figura se puede apreciar una parte de la evaluación del
prototipo detector de somnolencia para extraer los resultados comentados,
en la primera imagen se observa que el sistema ha detectado de forma
correcta el EAR y cuyo valor es menor a 0.25 (ojos cerrados), sin embargo
la imagen de la derecha a pesar de encontrarse un rostro con ojos cerrados
el sistema asignó un EAR de 0.25, es decir ha predicho la somnolencia de
forma errada.
FIGURA N° 67
RESULTADOS DE EVALUACIÓN DEL PROTOTIPO
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
4.6.2 Resultados mediante el uso del prototipo en ambiente
normal
Para este caso se evaluó el uso del prototipo mediante su empleo
directo, la secuencia que se generó corresponden a un total de 800
imágenes en movimiento.
Las gráficas siguientes indican el comportamiento del sistema ante
circunstancias óptimas, el sistema fue probado en condiciones de luz
ambiente y los resultados obtenidos son favorables, por encima de la línea
Desarrollo de la propuesta 93
roja se aprecian los valores mayores a los 0.25 EAR que indican el índice
de somnolencia, esto sugiere que en esos cuadros de imágenes el
individuo mantuvo sus ojos abiertos, mientras que los datos por debajo de
la línea roja indican parpadeos prolongados.
En este caso los valores inferiores a 0.25 grafican nueve valles
claramente identificados los cuales representan la somnolencia del
individuo, mientras que en el cuarto valle se interpreta como un leve
parpadeo no prolongado.
FIGURA N° 68
RESPUESTA DEL PROTOTIPO A LUZ AMBIENTE
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA N° 69
RESPUESTA DEL PROTOTIPO EN OJO DERECHO E IZQUIERDO
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 94
Una vez que el sistema detectó el estado de somnolencia procedió a
emitir las alertas correspondientes, la alerta local y la alerta vía Twitter.
FIGURA N° 70
ESTADO DE SOMNOLENCIA Y ALERTA TWITTER
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
En cuanto a la detección de rostro esta fue satisfactoria en un 99%
debido a las propias condiciones de iluminación además las alertas locales
mantienen un nivel auditivo bueno debido a la usencia de ruido y las alertas
externas se emitieron al 100%, mientras que el EAR detectado fue de 98%.
4.6.3 Resultados mediante el uso del prototipo en ambiente con
poca luz
Esta prueba fue realizada en horas de la noche cerca de las 21:00
horas pm, con la finalidad de observar el comportamiento del prototipo en
presencia de poca luz, para realizar la prueba se analizaron un conjunto de
330 imágenes, entonces, como primera observación se pudo registrar que
debido a la poca visibilidad, las imágenes capturadas por la cámara web
presentan una porción de ruido como se muestra en la Figura Nº 71.
Esta porción de ruido causó que el sistema presente ciertas
alteraciones, la primera de ellas es la dificultad de detectar los rostros a
Desarrollo de la propuesta 95
primera instancia esta parte mantuvo una medida de 70%, sin embargo
esta causa afecta de forma mínima al proceso de predicción de
somnolencia, en la Figura Nº 72 la burbuja 1 muestra un parpadeo adicional
o inexistente, para las burbujas 2,3 y 4 el sistema detecto de forma correcta
un caso de parpadeo prolongado mientras que las burbujas 5 y 6 fueron
parpadeos semi prolongados inexistentes que el sistema catalogo como
una alerta errónea.
Por lo cual se puede decir que el sistema registró cuatro alertas de las
cuales sólo una fue incorrecta, es decir trabajo a un 80%, para resolver este
inconveniente es necesario que la cabina vehicular cuente con una
iluminación mínima para maximizar la sensibilidad de la cámara y esta
opere normalmente, con respecto al factor EAR se aprecia que están por
encima del valor nominal en 80%, las alertas internas tuvieron un nivel
auditivo bueno y las alertas externas se emitieron al 100%
FIGURA N° 71
EJECUCIÓN DEL PROTOTIPO A POCA LUZ
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 96
FIGURA N° 72
RESPUESTA DEL PROTOTIPO A POCA LUZ
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
4.6.4 Resultados mediante el uso del prototipo en personas con
ojos de contorno pequeño
Esta prueba fue realizada en una persona con características oculares
de contornos pequeños, con la finalidad de observar el comportamiento del
prototipo, para realizar la prueba se analizaron un conjunto de 825
imágenes, entonces, como primera observación se pudo registrar que
debido a las características oculares de la persona, se presentaron tres
lecturas erróneas como se observa en la Figura Nº 74.
Dado a que el sistema está elaborado para detectar el cierre de ojos
de las personas y aprovechando esta similitud con un estado de
adormecimiento se puede hacer una predicción de la somnolencia en
conductores debido a que la sintomatología común de adormecimiento es
el cierre prolongado de los ojos, sin embargo cuando el sistema reconoce
ojos oculares con contornos pequeños este las puede interpretar como ojos
Desarrollo de la propuesta 97
cerrados pero sin implicar grandes problemas porque las alertas externas
son emitidas luego de un máximo de tres activaciones de alertas locales.
FIGURA N° 73
EJECUCIÓN DEL PROTOTIPO EN PERSONAS CON OJOS DE
CONTORNOS PEQUEÑOS
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
FIGURA N° 74
RESPUESTA DEL PROTOTIPO EN PERSONAS CON OJOS DE
CONTORNOS PEQUEÑOS
Fuente: Prototipo detector de somnolencia Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 98
En torno a la medición el sistema fue capaz de operar correctamente
al 60%, además se observa que el EAR es propenso a adoptar un valor por
debajo de 0.25 y trabaja a un 60%, en cambio la detección de rostro es
buena en 90%, las alertas locales son buenas y las alertas externas
funcionan en un 80%.
4.6.5 Resultados mediante el uso del prototipo en ambientes
ruidosos
Esta prueba fue realizada en un ambiente con sonido inducido dado
a que en las anteriores pruebas no se contempla esta escena, para realizar
el test se utilizó una bocina convencional de computador de iguales niveles
auditivos que el altavoz incorporado dentro del prototipo y con un sonido a
todo volumen se procedió a activar las alertas locales del sistema detector
de somnolencia para verificar su respuesta.
Debido a que el prototipo del sistema detector de somnolencia emite
sonidos agudos cuando se activa su alerta local estos se pudieron escuchar
de manera normal a pesar del ruido externo producido artificialmente.
FIGURA N° 75
PRUEBAS REALIZADAS CON RUIDO EXTERNO INDUCIDO
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 99
4.7 Costos de operación
Debido a que el sistema requiere utilizar algún tipo de conectividad
para enviar las alertas vía tuits, se analizó el costo que implica su
utilización en cuanto a este medio, para este caso se estudió la relación
existente entre los mensajes emitidos y el valor generado por el uso de
datos hacia internet.
FIGURA N° 76
COSTOS POR ALERTAS TWITTER
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Acorde a la gráfica se expresa lo siguiente, cada alerta externa
generada por medio del sistema necesitó de al menos 100kb (kilobytes) de
datos para ser compartida hacia internet, mientras la generación de 10
alertas implicó utilizar cerca de 1024kb (kilobytes). Según los anuncios
publicitarios de las operadoras móviles del país la cantidad de datos
generados tienen un costo de $ 0,20 centavos de dólar más impuesto
cantidad sumamente conveniente.
Desarrollo de la propuesta 100
TABLA Nº 22
TABLA GENERAL DE RESULTADOS
Ambiente
normal
Ambiente con poca
luz
Personas con contornos de
ojos pequeños
Ambientes ruidosos
Detección
de rostros 99% 80% 60% ---
Factor
EAR 98% 80% 60% ---
Alertas
locales Buena Buena Buena Buena
Alertas
externas 100% 100% 80% ---
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.8 Inversión realizada
El detalle de la inversión mostrada a continuación refleja la viabilidad
de la elaboración del prototipo final. Para realizar el análisis y adquisición
de los componentes se procuraron mantener dos principios, el primero fue
adquirir los elementos disponibles únicamente en mercado local y procurar
su bajo costo.
FIGURA N° 77
PROTOTIPO REAL
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 101
TABLA Nº 23
INVERSIÓN REALIZADA DE ELEMENTOS PRINCIPALES
Cantidad Detalle Costo total ($)
1 Intel compute stick 110,00
1 Cámara web Logitech C170 25,00
1 Altavoz 5,00
1 Conversor HDMI-VGA 10,00
1 Chasis 15,00
1 Regulador de tensión auto 5,00
1 Control de sistema 5,00
1 HUB USB 5,00
TOTAL 180,00
Fuente: Investigación Directa Elaborado por: Marcillo Plúa Francisco Guillermo
4.9 Posibles mejoras
Para cumplir con el alcance de la investigación se procedió a realizar
el siguiente presupuesto en donde se detallan posibles elementos del
mercado internacional para mejorar el sistema en cuanto a la placa de
procesamiento y la cámara de adquisición de datos, si bien se nota un
incremento en su precio la funcionalidad que brinda justifica la inversión,
dado que una cámara de ese tipo puede trabajar en cualquier horario, sea
matutino o nocturno y la placa cuenta con su propia pantalla para el caso
en donde el dispositivo este orientado a una sola persona a fin de realizar
las configuraciones necesarias, además garantiza un diseño compacto.
Desarrollo de la propuesta 102
TABLA Nº 24
PRESUPUESTO DE ELEMENTOS DEL MERCADO INTERNACIONAL
ONTOP WI8028-HD HIGOLE GOLE10 Mini PC
Especificaciones Especificaciones
Cámara web Full HD
Sensor nocturno
Distancia focal de 5
metros en la noche
Conexión WIFI
Resolución de 1280 x 720
Procesador Intel Atom Quad-
Core
2GB de memoria RAM DDR3
WIFI & Bluetooth
Funciona a fuente de 5
voltios
3 puertos USB
Pantalla integrada táctil
Precio $32,00 Precio $170,00
Costo sin importación $202,00
Costo de importación $28,00
Regulador de tensión $5,00
Costo Total + importe $235,00
Fuente: https://www.gearbest.com Elaborado por: Marcillo Plúa Francisco Guillermo
Desarrollo de la propuesta 103
4.10 Conclusiones y recomendaciones
4.10.1 Conclusiones
Se realizó un análisis entre los diferentes tipos de hardware y software
utilizados en este proyecto, escogiendo la Intel compute stick como placa
principal de procesamiento debido a que en las pruebas de rendimiento se
observó una fluidez casi comparable al de un PC tradicional manteniendo
un retardo de sólo 5 milisegundos entre procesos en comparación a otras
placas que obtuvieron un retardo de 30 milisegundos entre proceso de
cómputo.
En cuanto a la cámara de adquisición de imágenes se escogió la
Logitech C170 por el costo de inversión y disponibilidad de mercado, por el
lado del software de programación se escogió Python por ser un lenguaje
no compilado y fácil de programar además es uno de los más utilizados
para proyectos basados en prototipos.
Durante la fase de diseño se procuró que el sistema final en cuanto a
forma se refiere sea lo más compacto posible, es por ello que se elaboró
un chasis con unas medidas de 12 cm de ancho, 11 cm de largo y 11 cm
de alto que contiene a todos los componentes en un solo sitio dándole un
tono de estética.
En cuanto a la implementación del sistema, este represento un grado
de dificultad media debido a que el tema escogido requiere un gran nivel
de conocimiento en cuanto a programación se refiere, pero esto fue
compensado al momento de escoger el lenguaje de programación
adecuado Python como se mencionó anteriormente.
Mediante la evaluación del prototipo se constató que al recibir los
datos de entrada por medio de una cámara web esta influye en su
funcionamiento, es decir fue necesario tomar en cuenta tanto la iluminación,
Desarrollo de la propuesta 104
el fondo y el correcto posicionamiento de la cámara para que el sistema
trabaje de forma correcta, se determinó que la distancia óptima para colocar
la cámara es de entre 75 cm a 80 cm desde el rostro de la persona.
Además dado a que las personas poseen diferentes rasgos faciales y
características propias, el sistema fue sometido a diferentes pruebas
obteniendo los siguientes resultados: En un ambiente normal el sistema
trabajó a un 99% y la detección del factor EAR funcionó en un 98%;
mientras para ambientes con poca luz el sistema trabajó a 80% y su factor
EAR en un 98%; del mismo modo los resultados obtenidos en pruebas
realizadas en rostros de personas con contornos de ojos pequeños el
sistema trabajó un 60% y su factor EAR en un 60%, finalmente en
ambientes ruidosos el sonido de alerta emitido presenta buenos resultados.
Del mismo modo se constató que cuando el sistema detector de
somnolencia es sometido a un ambiente donde existe una iluminación
adecuada y la posición del dispositivo de adquisición de imágenes es
óptima, el prototipo puede detectar el cierre prolongado de los ojos hasta
en un 97% de los casos y de esa manera predecir un estado de
somnolencia de mayor exactitud.
Por medio del análisis de costos de operación por alertas Twitter se
verificó que la relación existente entre los mensajes emitidos y el valor
generado por el uso de datos hacia internet resultaron convenientes,
generando un gasto de 1024kb (kilobytes) por los mensajes emitidos,
representando alrededor de $0.20 centavos de dólar.
En cuanto a la emisión de la alerta local sonora, esta se emitió de
manera normal y con un nivel audible bueno, logrando el objetivo por la cual
fue diseñada, el de alertar en tiempo real y de manera oportuna al conductor
vehicular sobre un posible caso de somnolencia, por otro lado la alerta
externa se envió con éxito a la plataforma Twitter permitiendo que un
Desarrollo de la propuesta 105
agente externo pueda mantenerse al tanto de lo que ocurre con el operario
vehicular a fin de tomar alguna medida de seguridad.
4.10.2 Recomendaciones
Para obtener mejores resultados en cuanto a disminuir el error de
clasificación entre rostros con ojos cerrados y rostros con ojos abiertos se
sugiere buscar otras alternativas de hardware, tanto en placa de
procesamiento y cámara web para contar con niveles de detección más
óptimos.
Para el envío de alertas externas es necesario disponer con un punto
de internet, si comparte datos a través de su teléfono inteligente es
preferible contar con un plan de datos básico debido a que estos siempre
se mantienen conectados a la red de internet y no conllevaría a un costo
extra a la hora de usar el sistema.
En cuanto a los métodos de visión por computador existen infinidad
de ellos, se sugiere abordar nuevas técnicas y así comparar nuevos
resultados que aporten de manera positiva a la investigación presente.
Para un correcto uso del sistema es conveniente leer los casos de uso
detallados anteriormente ya que en ellos se describe el funcionamiento del
mismo.
ANEXOS
Anexo 107
ANEXO N° 1
NÚMERO DE COMPAÑIAS DE CARGA PESADA
PROVINCIA DEL GUAYAS
Fuente: Supercias Elaborado por: Marcillo Plúa Francisco Guillermo
PROVINCIA DE MANABÍ
Fuente: Supercias Elaborado por: Marcillo Plúa Francisco Guillermo
Anexo 108
PROVINCIA DE PICHINCHA
Fuente: Supercias Elaborado por: Marcillo Plúa Francisco Guillermo
Anexo 109
ANEXO N° 2
MANUAL DE ADMINISTRADOR
Anexo 110
ANEXO N° 3
MANUAL DE OPERADOR VEHICULAR
Anexo 111
Anexo 112
Anexo 113
Anexo 114
Anexo 115
Anexo 116
ANEXO N° 3
MANUAL DE OPERADOR VEHICULAR
Anexo 117
Anexo 118
ANEXO Nº 4
INSTALACIÓN DEL SISTEMA
Anexo 119
Anexo 120
ANEXO N° 5
ALGORITMO DE FUNCIONAMIENTO DEL SISTEMA
Anexo 121
ANEXO N° 6
CÓDIGO DEL SISTEMA
Anexo 122
Anexo 123
Anexo 124
Anexo 125
Anexo 126
Anexo 127
ANEXO N° 7
ENCUESTA La siguiente encuesta corresponde al tema de titulación denominado "PROTOTIPO DE UN SISTEMA DETECTOR DE SOMNOLENCIA CON ALERTAS VÍA TUITS PARA CONDUCTORES VEHICULARES" cuyo propósito es recoger datos acerca de las características a considerar para la elaboración del prototipo.
Por favor lea las preguntas despacio y sin apuros, en caso de no entender alguna pregunta, pida ayuda al entrevistador y gustosamente le ayudará. 1) ¿Cuándo hace los recorridos de transporte, alguna vez ha sentido la necesidad de descansar a mitad del viaje?
Sí
No
2) En caso de ser afirmativa la respuesta anterior, ¿qué acciones toma en consideración?
Toma un descanso
Continua con el recorrido
3) Con respecto a la facilidad de manipulación del sistema, usted prefiere lo siguiente: (Escriba en una escala de 1 a 3, donde 1 es prioridad y 3 no)
Configuraciones fáciles de realizar
Sistema fácil de instalar
Sistema fácil de usar
4) ¿Cree usted que un sistema para detectar la somnolencia mientras conduce
sería de utilidad al momento de emprender los recorridos?
Sí
No
PREGUNTA AL ADMINISTRADOR
5) ¿En caso de existir el sistema estaría usted dispuesto a adquirirlo? si su
respuesta es No, finalice la encuesta.
Sí
No
6) En caso de ser afirmativa la respuesta anterior, ¿cuánto estaría dispuesto a pagar por dicho sistema?
Entre 0-200 dólares
Entre 200-250 dólares
Entre 250-300 dólares
Más de 300 dólares
Otro valor
7) ¿Prefiere usted que el sistema sea administrado de forma centralizada por un departamento en particular o desea que cada operario se haga cargo de su respectiva configuración?
Administrado por un departamento en particular
Administrado personalmente por el operario
8) ¿Estaría de acuerdo en asumir los costos de datos móviles por conductor para que el sistema puede enviar las alertas externas y así poder monitorear el estado del operario a través de la plataforma Twitter?
Sí
No
BIBLIOGRAFÍA
Ander Egg, E. (2011). Libro. Aprender a investigar. Métodos de