Seguimiento del iris con machine learning para la detección de distracciones en el sistema de monitoreo de somnolencia en conductores interprovinciales, Moquegua, 2024

Abstract

En 2021 se registraron aproximadamente 1,19 millones de muertes ocasionadas por accidentes de tránsito, lo que representa un descenso del 5 % en comparación con 2010. Frente a esta problemática, la presente investigación tuvo como objetivo desarrollar un sistema capaz de detectar distracciones en conductores interprovinciales mediante el seguimiento del iris con técnicas de machine learning, integrándolo en un sistema existente de monitoreo de somnolencia. La metodología se estructuró en cinco fases ejecutadas secuencialmente, con un enfoque iterativo para optimizar continuamente la precisión del modelo antes de su implementación en un entorno real. Se emplearon modelos avanzados de visión por computadora, como MediaPipe Face Mesh y Bazeface, para el análisis de videos recopilados, extrayendo datos relevantes en formato CSV para su posterior procesamiento. El sistema identificó y monitoreó puntos de referencia oculares, incluyendo la pupila y puntos extremos del ojo, midiendo distancias clave para determinar la dirección de la mirada. Los resultados demostraron que el modelo propuesto logró detectar con alta precisión la desviación lateral de la mirada, lo que permitió diferenciar entre una conducción atenta y una situación de distracción. Se concluye que la metodología aplicada es efectiva para mejorar la seguridad vial y puede integrarse a sistemas de asistencia al conductor, contribuyendo a la reducción de accidentes por distracción.