Monitoramento inteligente de fadiga: detecção de sonolência em motoristas com IA e visão computacional para aumentar a segurança no trânsito

Página do item simplificado
dc.contributor.advisor1PINHEIRO, Daniel da Conceição
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2970581734279237pt_BR
dc.creatorCOSTA, Leonardo Cabral da
dc.date.accessioned2025-02-03T14:55:25Z
dc.date.available2025-02-03T14:55:25Z
dc.date.issued2024-11-28
dc.description.abstractFatigue that causes signs of drowsiness in drivers is one of the main causes of traffic accidents. These signs manifest themselves in different levels of severity, and the higher the level, the greater the risk of accidents. This work presents a method based on artificial intelligence, machine learning, deep learning and computer vision to develop a system capable of identifying signs of drowsiness and issuing alerts proportional to the level of fatigue detected. Using the YOLO (You Only Look Once) algorithm, widely recognized for its effectiveness in real-time object detection, a model was developed to recognize signs of drowsiness in drivers. The model construction process included essential steps, such as image collection and model training. After training, the model was subjected to tests, which showed its efficiency in detecting signs of fatigue and its results were evaluated through statistical metrics, verifying its accuracy in identifying the different levels of fatigue. Based on these signals, the system can alert the driver in cases of severe fatigue, acting as a preventive tool to increase traffic safety. Thus, the system contributes to the reduction of accidents related to drowsiness.pt_BR
dc.description.resumoA fadiga que provoca sinais de sonolência em motoristas é uma das principais causas de acidentes de trânsito. Esses sinais se manifestam em diferentes níveis de gravidade, e quanto maior o nível, maior o risco de acidentes. Este trabalho apresenta um método baseado em inteligência artificial, aprendizado de máquina, aprendizado profundo e visão computacional para desenvolver um sistema capaz de identificar sinais de sonolência e emitir alertas proporcionais ao nível de fadiga detectado. Com o uso da ferramenta YOLO (You Only Look Once), amplamente reconhecido por sua eficácia em detecção de objetos em tempo real, foi desenvolvido um modelo para reconhecer sinais de sonolência em motoristas. O processo de construção do modelo incluiu etapas essenciais, como a coleta de imagens e o treinamento do modelo. Após o treinamento, o modelo foi submetido a testes, que mostraram sua eficiência em detectar sinais de fadiga e seus resultados foram avaliados por meio de métricas estatísticas, verificando sua precisão na identificação dos diferentes níveis de fadiga. Com base nesses sinais, o sistema pode alertar o motorista em casos de fadiga acentuada, atuando como uma ferramenta preventiva para aumentar a segurança no trânsito. Assim, o sistema contribui para a redução de acidentes relacionados à sonolência.pt_BR
dc.identifier.citationCOSTA, Leonardo Cabral da. Monitoramento inteligente de fadiga: detecção de sonolência em motoristas com IA e visão computacional para aumentar a segurança no trânsito. Orientador: Daniel da Conceição Pinheiro. 2024. 78 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) – Faculdade de Engenharia da Computação, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2024. Disponível em: https://bdm.ufpa.br/jspui/handle/prefix/7682. Acesso em:.pt_BR
dc.identifier.urihttps://bdm.ufpa.br/jspui/handle/prefix/7682
dc.rightsAcesso Abertopt_BR
dc.source.uriDisponível na internet via Sagittapt_BR
dc.subjectFadigapt_BR
dc.subjectYOLOpt_BR
dc.subjectSonolênciapt_BR
dc.subjectVisão computacionalpt_BR
dc.subjectFatiguept_BR
dc.subjectDrowsinesspt_BR
dc.subjectComputer visionpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAOpt_BR
dc.titleMonitoramento inteligente de fadiga: detecção de sonolência em motoristas com IA e visão computacional para aumentar a segurança no trânsitopt_BR
dc.typeTrabalho de Curso - Graduação - Monografiapt_BR

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC_MonitoramentoInteligenteFadiga.pdf
Tamanho:
2.47 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.84 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Engenharia da Computação - FECOMP/CAMTUC
Logo do RepositórioLogo do Repositório